一种散乱数据的三角剖分新算法

根据逆向工程中散乱数据点规模越来越大的趋势,为缩小剖分时搜寻和遍历数据点的空间范围,提高算法效率,提出了一种大规模散乱数据的空间划分方法及相应的数据结构和编码方案。同时,提出了外连剖分和内连剖分的概念,给出了基于局部增量网格扩张的3维散乱数据点的空间直接三角剖分算法。该算法的总体计算复杂度为O(N),与三角剖分的典型算法相比,有效降低了其时间复杂度,提高了剖分后网格的质量。

散乱数据点集的三角划分算法研究

在对当前的三角网格划分方法进行比较分析后,提出了一种散乱数据点集的3D三角网格划分算法,该算法不需如同二维划分方法一样要对散乱点集对应的自由曲面分片投影,并可自然处理含有凹边界及孔域的曲面数据点集,利用网格扩展、边界环分裂和边界环封闭,根据曲面的变化逐层推进生成三角网格,使算法能方便地处理非封闭曲面、空间剪裁曲面、封闭曲面、空间多连通曲面等各种曲面的散乱数据。

一种受约束的散乱点三角划分方法

提出了一种基于区域分割的方法来解决受任意边界、孔域、特征线约束的二维散乱点的三角划分问题。该方法分两个步骤 ,第一步实现散乱点的初始三角形连接 ,第二步实现三角形网格优化。在初始三角形连接中 ,每连接一个三角形 ,将待划分区域分为两至三个较小的区域 ,然后分别对每个区域内的散乱点进行三角划分 ,这样一直迭代下去 ,直至没有新区域出现为止。本方法不仅能解决非凸边界、孔域、特征线嵌入等三角划分中的难点 。

散乱点云的三角划分算法研究

通过对当前的三角网格划分方法进行比较分析,提出了一种散乱点云的3D三角网格划分算法。该算法不需如同二维划分方法那样要对散乱点云对应的自由曲面分片投影,而是直接在3D空间,根据离散点集所对应的曲面形态变化,利用网格扩展、边界环分裂和边界环封闭,逐层收缩生成三角网格。该算法能方便地处理空间多种曲面的散乱点云数据,并且生成的三角网格形态优良,布局合理。

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。

基于微元网格扩张的三角剖分算法关键问题研究

研究了在基于微元网格扩张的三维散乱数据点的空间直接三角剖分算法的实现过程中,散乱数据点的空间划分方法、存储结构、空间点与直线的位置关系判断、空间多边形顶点凹凸性判断以及三角网格的法向一致化等关键问题。

基于径向基函数多步离散数据插值的人脸变形研究

文章介绍了如何把基于径向基函数多步离散数据插值的方法用在人脸变形技术上,该方法是在对脸部定义的特征点进行分层的基础上,和已知特征点位移的条件下,利用一种基于迭代的插值方法求出特征点周围的网格点位移,从而进行人脸变形。这种方法既保证了脸部局部区域变形的精确性和平滑性,又减少了运算的复杂度。在人脸动画方面该算法也得到了广泛的应用。

离散数据点集的3D三角划分算法研究

在实物测量造型过程中,根据离散点集进行三角网格划分是其关键环节之一,也是进行后续进行曲面重构的前提和基础。本文在当前的三角网格划分方法比较之后,提出了一种散乱点集的三角网生长算法,该算法无须对离散点集所对应的自由曲面进行分片投影,直接在3D空间从已划分区域边界到未划分区域按照Delaunay准则生成三角网格,并给出了用此算法处理散乱数据的试验结果。