曲面散乱点集的组合三角剖分法

曲面散乱点集的三角剖分广泛应用于三维重建领域.为了更加快速、准确的完成曲面重建,提出了一种组合三角剖分法.此方法将整个剖分过程分为三个步骤:首先借鉴分治算法的思想将整个点集进行区域划分,以降低其拓扑结构的复杂性;之后在各个小区域内依据异侧准则、法向量夹角最大准则、域值距离准则和最小内角最大准则进行直接三角剖分;最后根据三维Delaunay空球准则进行各区域边界的连接,从而完成剖分.实验结果表明,组合法可以准确、快速的实现曲面散乱点集的三角剖分.

基于平面散乱点集的曲线重建算法

在反求工程中,基于散乱数据点的曲线重建研究有着重要的意义。本文给出了一种基于投影的移动最小二乘(MLS)曲线重建方法。首先快速搜索散乱点的K邻近,并引入相关性概念,应用MLS法细化散乱点集,最后通过排序和简化重建曲线。实验表明,细化点集准确地反映了数据点的形状和走向,拟合效果良好,效率较高。本文算法可应用于运动曲面重建中的轮廓线拟合。

空间散乱点集Delaunay四面体剖分切割算法

提出最大空圆凸多边形和最大空球凸多面体的概念 .在此基础上 ,提出一种空间散乱点集 Delaunay四面体剖分算法 ,即对空间散乱点集首先进行最大空球凸多面体剖分 ,然后在多面体内部作 Delaunay四面体剖分 .这种方法消除了“退化”现象 (平面 3个以上点共圆或空间 4个以上点共球面 )引起的潜在错误 .最后分析了一类常见的

采用移动最小二乘的平面散乱点集曲线重构

针对带状分布的无序散乱点集的曲线重构问题,采用移动最小二乘法对其进行二次局部加权回归和细化点云;在迭代过程中,采用逐步减小K-邻域顶点数的策略,以兼顾计算效率和精度.对细化后的点云进行重新排序和稀疏,把无序点集有序化;然后,利用现有的B样条曲线重构技术,对点云进行重构.最后,实例验证算法的有效性.

散乱点集拓扑邻域均值逆向漂移查询算法

为获取散乱点集的拓扑邻域数据,提出一种基于均值逆向漂移的自适应迭代搜索查询算法,基于R*树动态空间索引,采用动态扩展空心球k邻域查询算法快速获取目标样点的拓扑邻域参考数据,根据邻域查询与点集密度分布的关系,采用核密度估计描述点集的分布规律,利用均值漂移算法计算得到能够反映散乱点集局部分布特征的均值漂移矢量和均值点,将邻域搜索区域沿逆向均值漂移矢量移动进行邻域查询并实时更新样点的拓扑邻域参考数据,进而完成拓扑邻域查询的均值逆向漂移迭代计算,最终实现样点拓扑邻域数据的自适应搜索查询。试验表明,该算法可快速获取复杂型面均匀或非均匀采样点集的邻域数据,查询结果包含Voronoi邻域及其他有效邻域参考数据,能更好地反映散乱点集局部型面特征。

基于法向量场的散乱点集三角网格化

文章提出了基于散乱空间点集进行曲面重建的新方法,即从散乱点集的空间位置信息中估算出待建曲面的法向量场,构造基于法向量的曲面重建控制方法和控制参数,并用该参数来确定拓扑重建的搜索空间,采用面片生长的方式重建曲面。该方法在快速获得正确的拓扑连接的同时,直接生成用较少的面片就能保持曲面特征的优化网格。

基于散乱点集的规则格网构建方法

数字高程模型(DEM)是地理信息系统(GIS)重要的空间地理信息,是地理信息系统(GIS)进行地形分析的核心数据。模型构建方法的选择是数字高程模型的核心问题,它直接影响数字高程模型的质量,贯穿于数字高程模型生产制作的全过程。数字高程模型有三种数据结构形式:规则格网数据结构、不规则三角网结构和等高线结构。在通常的使用中,规则格网形式的数字高程模型是使用最为广泛的一种,也是建立最为容易的。为此,本文着重对规则格网的构建方法中的内插方法进行了探讨。

基于散乱点集的曲面重建

基于散乱点集的曲面重建是计算机图形学和虚拟现实等领域的研究热点。在对基于散乱点集的曲面重建经典算法进行综述的基础上,较详细地讨论了基于成长型神经网络的曲面重建方法和基于法向量场的曲面重建方法。

三维稀疏散乱点集的直接三角剖分新方法

给出一种三维稀疏散乱点集在三维空间直接进行三角剖分的新方法———在形成初始三角形后对它周围的离散点循环三角化.通过在剖分过程中引入两相邻三角形的最小夹角、最优点搜索半径系数和最小张角这三个剖分参数,实现了任意三维稀疏散乱点集的完全剖分以及非封闭自由曲面边界的自动识别.针对某些特殊复杂曲面上稀疏散乱点集的剖分问题提出了“分部剖分”思想:根据曲面的特征在不同区域设置不同的剖分参数.实例表明,这种直接剖分方法能有效处理任意多连通封闭和非封闭自由曲面上的稀疏散乱点集的三角剖分问题.

基于场分布的平面散乱点集B样条曲线重建算法

平面散乱点集的曲线重建是逆向工程研究的核心问题之一。该文在Goshtasby算法的基础上,提出了一种基于场分布的平面散乱点集B样条曲线重建算法。首先,通过估计场强基函数的边界提高量子化效率,生成散乱点集场分布的数字图像;然后,利用图像细化结合改进的BFS(Breadth-First-Search)算法来避免数字图像中由于存在大量冗余分支像素而难以生成脊轮廓的问题;最后,采用加权最小二乘法延长重建曲线,改进Goshtasby算法所得的开曲线在端点处收缩的缺点。实验表明,对于带噪声的平面稠密点集,该算法可有效地重建反映点集形状和走向的B样条曲线。

三维散乱点集Voronoi图快速生成算法研究

提出了一种高效的三维散乱点集Voronoi图的生成算法。该算法采用点-面-体数据结构存储Voronoi单元,初始化首点Voronoi单元,通过单元分裂与单元重组快速生成新增点的Voronoi单元,并完成其相邻单元的维护。实验证明,该算法可快速准确地生成任意三维散乱点集的Voronoi图。基于该算法可有效地解决逆向工程中三维散乱数据点拓扑近邻的快速准确查询问题,对产品模型的曲面重建具有重要意义。

一种平面散乱点集的自适应空间划分算法

针对平面散乱点集空间划分问题,提出了一种基于栅格统计的自适应空间划分算法。以栅格场为辅助手段为散乱点集建立空间索引,即判断各点与栅格的归属关系;统计各个栅格内包含点的数量;以栅格为基本统计单元对空间进行划分。划分过程中借助了二叉树结构,同时引入迭代次数作为划分终止的参数。该方法可灵活地将点集划分为数据量相对均衡的若干组,且各组的空间范围较合理。实验与分析表明,该算法具有较高的计算效率,也不需占用太多额外的存储空间。

散乱点云局部点集最小包围盒快速求解算法

提出一种散乱点云局部点集最小包围盒快速求解算法,该算法采用主元分析方法对局部点集进行降维处理,将所降维度方向作为参考轴向,围绕该轴向旋转局部点集坐标系,并求解局部点集在各坐标系下的轴向包围盒,选择体积最小的作为该局部点集的最小包围盒,实例表明该算法在满足最小包围盒求解精度要求的同时,可显著提高算法的运行效率。

散乱点云数据的曲率估算及应用

提出一种直接在散乱数据点云上计算曲面的局部微分性质,包括平均曲率、高斯曲率和主曲率。首先,计算各点的邻近点集,选取合适的局部基础曲面,把邻近点集投影到相应的局部基础曲面。然后,在以局部基础曲面内投影点的参数化代替空间邻近点集的参数化的基础上,用二次参数曲面逼近空间邻近点集,从而计算出各点的法矢,再对不协调的法矢方向进行调整。最后,利用曲率公式计算出各点的曲率。试验表明这种方法可以较好反映曲面的特征。运用该曲率算法对海量数据进行了简化。

基于一种曲率最小优化准则的散乱点三角剖分

从曲率入手 ,提出一种空间凸四边形的曲率估计算法 ,由此建立了一种新的基于该曲率的三角剖分优化准则以及曲面三角剖分算法 .该算法修改了部分常用的数据结构 ,使得算法有更好的空间复杂度 .通过分析 ,算法的时间复杂度为O(m2 ) ,同时还将这一优化准则与几种常用的优化准则作了扼要比较 .实验结果分析表明本算法具有保形特性 ,这在曲面重构和曲面设计等方面有很好的实用价值 .

基于散乱点的局部n次曲面拟合及其曲率计算

针对三角网点云几何信息提取算法精度不高和散乱点云高次局部曲面拟合曲率计算程序复杂,在局部点集参数化基础上,推导了局部n次曲面拟合快速计算公式及其曲率计算公式,并通过实例比较了二次、三次、四次拟合曲面的曲率计算精度,证实了该理论公式不仅方便编程实现,且能保证计算精度。

基于样点拓扑近邻的散乱点云曲面拓扑重建

提出一种基于样点拓扑近邻的散乱点云曲面拓扑重建算法,对点云数据构建动态空间索引结构,采用动态扩展空心球算法查询样点k近邻,通过对样点的k近邻数据进行偏心扩展和自适应扩展获取样点的拓扑近邻参考数据,从中查询样点的拓扑近邻,从样点的同层拓扑近邻中获取符合Delaunay条件的匹配点,生成局部Delaunay三角网格,并通过增量扩展实现整个散乱点云的曲面拓扑重建.实例证明,该算法可对无隙、有边界等任意模型的散乱点云进行合理的曲面拓扑重建,有效解决了r-dense恰当采样点云中非均匀区域易产生非工艺孔洞的问题.

3D散乱数据点分段二次逼近的曲面拟合

为进一步提高曲面重构的保形性及高效性,提出了一种自动构建光顺三角曲面的方法.该法首先通过构建三角形元覆盖边界域来构建一张曲面近似粗网,然后从点集中不断添加新点直至达到指定的容差,在每个插入数据点处构造C1连续的分片二次逼近面片,最终整体的C1曲面由各三角形上的曲面片拼合而成.最后给出了该方法在真实点集上的运用结果并与其他方法所构造的逼近曲面形状进行了比较,结果表明,该方法对密集3D散乱数据点建模有效,生成的曲面质量高,误差小.该方法也适用于数据精简.

散乱数据点三角网格综合优化及分析

研究了在散乱数据点集的三角网格划分后 ,对三角网格进行三角形形状和网格空间形状综合优化的方法 ,并结合应用实例进行优化效果分析。分析结果表明 ,通过这种综合优化方法可同时获得三角形形状和网格空间形状都很好的网格拓扑结构。

平面域中散乱点的Delaunay三角化算法

基于三角网生长算法和分治算法的思想,提出并实现了一个平面域散乱点的三角网格重构算法。算法首先利用分治算法的思想将散乱点集进行分割,然后在四个极值点确定初始三角形的基础上,基于边的扩展原则构造新的三角形,使网格不断向周围扩展直到所有的待扩展的边全部能构成三角形为止,最终构造出整个散乱点集的三角网格。