基于PIA的非均匀三次B样条曲线Hermite插值

提出基于渐进迭代逼近(Progressive Iteration Approximation,PIA)的非均匀三次B样条曲线Hermite插值算法.首先,以给定数据点作为初始控制顶点,采用累加弦长法得到节点序列,通过构造误差向量更新控制顶点,迭代生成插值数据点的非均匀三次B样条曲线.当需要同时插值数据点和单位切向时,在每个节点区间上插入一个节点;当需要同时插值数据点、单位切向和曲率向量时,在每个节点区间上插入两个节点;更新初始控制顶点,进而迭代得到插值B样条曲线.理论分析表明算法是收敛的.数值算例结果说明,与均匀三次B样条曲线插值算法相比,当相邻数据点间距离变化程度越大时,该算法的收敛速度越快,在相同误差条件下迭代次数更少.

带法向约束的隐式B样条曲线重构PIA方法

为使隐式曲线能够更好地拟合散乱数据点及其几何特征,提出一种带法向约束的隐式曲线重构渐进迭代(progressive and iterative approximation,PIA)方法.首先,基于隐式B样条函数提出有效的曲线拟合模型;其次,通过加入偏移数据点来消除额外零水平集,同时加入法向项来控制曲线的法向误差;最后,经多次优化迭代得到高精度的拟合曲线.在配置为2.6 GHz英特尔处理器,内存为16 GB的电脑上采用MATLAB实现编程.经多条不同形态封闭曲线拟合的实验结果表明,与隐式PIA(implicit PIA,I-PIA)方法和T样条曲线重构方法相比,从数据点精度和法向误差以及收敛速度3个评价指标进行评估,该方法能够在保证数据点精度的前提下,有效地降低法向误差,并具有更快的收敛速度.此外,实例结果也表明该方法具备鲁棒性.

隐式B样条曲线拟合的加权PIA算法

为了使拟合数据点的曲线生成速度更快、误差更小,提出一种隐式B样条曲线拟合数据点的加权PIA算法.首先,用待拟合数据点以及给定法向量生成偏移点集.然后,通过偏移点集构造差分向量,从而得到需要调整的误差控制系数,为了使迭代效率更高,在迭代过程中对误差控制系数做加权处理.最后,用最新的控制系数矩阵得到拟合数据点的曲线.文中5个数值算例采用均匀节点序列,实验结果表明,在相同迭代次数下,相对于I-PIA算法,该算法得到的拟合曲线误差值更小,曲线能更好保特征.

曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法,曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注,并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题,提出了一种局部的LSPIA算法,称为LOCAL-LSPIA。首先,给定初始曲线(曲面)并从给定的数据点中选择部分数据点;然后在初始曲线(曲面)上选择需要调整的控制点;最后,LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明,为达到相同的拟合精度,LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此,LOCAL-LSPIA是有效的,而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。

基于PIA的B-Spline曲面实时交互修改方法

交互修改是几何设计中一种常用的曲线曲面编辑手段,NURBS曲线曲面是CAD系统中曲线曲面的标准表示形式.现有的B-spline曲线曲面交互修改技术往往需要求解一个带约束的能量优化问题,当曲线曲面的控制顶点较多时,这个优化问题的求解过程较慢,难以满足交互操作的实时要求.为此,基于B-spline曲线曲面的局部迭代逼近(PIA)性质提出一种实时的B-spline曲面交互编辑方法.给定一张B-spline曲面和空间待插值目标点集,首先确定距待插值目标点位置最近的曲面上的点以及最近的控制顶点,构造对应于这2个点的主差向量,并将它们扩散到其他控制顶点;然后通过平均操作获得对应于每个控制顶点的差向量;最后通过PIA迭代生成新曲面.该迭代过程的极限曲面就是插值于给定目标点集的曲面.由于PIA迭代仅需调整若干控制顶点,不需求解约束优化问题,使得其在交互修改具有大规模控制网格的B-spline曲面时,在速度方面具有较大优势;同时,文中方法生成的曲面质量与采用能量优化方法得到的曲面质量相比差别不大.

非均匀三次B样条曲线插值的GS-PIA算法

提出了非均匀三次B样条曲线插值的GS-PIA算法。该算法与解线性方程组的高斯-赛德尔迭代法有同样的优点,即把已经更新的点参与到迭代过程来优化迭代过程;同时也具有渐进迭代逼近方法的优点,即有明确的几何意义,并能得到一系列逐次逼近插值点的非均匀三次B样条曲线。

基于法矢控制的B样条曲面逼近的PIA方法

提出了一种基于法矢控制的B样条曲面逼近的渐进迭代逼近(PIA)算法.一方面该方法将离散数据点的切失、曲率、法矢等几何特征充分应用到离散数据点的逼近问题上,利用数据点两个方向的切矢构造出数据点的法矢约束来控制逼近曲面形状,相比于无法矢控制的B样条曲面逼近的渐进迭代逼近(PIA)方法,逼近曲面更光顺,可获得更好的逼近效果.另一方面由于该算法选取主特征点作为控制顶点,所以允许在曲面拟合中控制顶点的数目小于数据点的数目.而且PIA算法的每次迭代过程中的各个步骤都是独立的,很容易被应用到并行计算上,可提高计算效率.本文还给出了一些实例来验证该算法的有效性.

基于LSPIA的带能量项B样条曲线拟合

为了使B样条曲线在满足拟合误差精度的条件下能量最小,提出一种基于最小二乘渐进迭代逼近(Least Squares Progressive Iterative Approximation, LSPIA)的带能量项B样条曲线拟合算法。首先,用LSPIA算法得到一条满足拟合误差精度的B样条曲线,并作为初始拟合曲线;然后,添加能量项,将M.S.Floater提出的能量系数作为初值,用带能量LSPIA算法生成新的拟合曲线;最后,根据得到的拟合误差,用二分法调整能量系数,并用带能量LSPIA算法得到新的B样条曲线,直至找到满足拟合误差精度且能量系数尽可能大的B样条曲线。实验结果表明,提出算法具有较好的鲁棒性,并降低了拟合曲线的能量。

一类快速收敛的渐进迭代逼近方法

渐进迭代逼近(PIA)是一种用于数据拟合的经典几何迭代方法,其操作简单,表达显式.针对经典PIA算法存在收敛速度慢的问题,将逆矩阵的具有高阶收敛的迭代算法与经典PIA方法融合,提出一类单步非定常的加速PIA算法.首先,对给定数据点用均匀或累加弦长法进行参数化;然后,用加速PIA算法调整控制点生成拟合曲线(曲面)序列,从理论上保证了生成的曲线(曲面)序列的极限插值原始数据点.在规则曲线曲面,散乱数据点以及加噪声散乱数据点的拟合实验结果表明,在相同终止误差条件下,相比经典PIA算法,所提加速PIA算法需要的迭代次数平均减少84.75%,运算时间平均减少65.53%.

基于电压时空聚合曲线的乡镇配电台区户变关系识别方法

户变关系是指用户电表与配电变压器之间的连接关系,是智能微电网的数据基础。乡镇配电台区供电半径大,受台区分布式能源并网影响,用户电表的电压变化规律与配电台区内多个电源电压变化相关,严重影响了电压相关性户变识别的准确率。因此,考虑分布式能源并网、电源到用户电表低压线路长度的影响因素,采用电压时空聚合方法计算用户电表理论电压波动曲线,并将其与用户电表的真实电压波动曲线进行比较,从而准确识别户变关系。所提方法在中国某地区乡镇示范配电台区进行了验证,户变关系识别准确率为99.8%。结果表明,所提方法较自适应分段聚合近似、关联卷积、密度拓扑聚类等主流的户变关系识别方法具有更好的识别效果。

带互异权值的渐进迭代逼近算法及其应用

在计算机辅助几何设计(CAGD)领域,渐进迭代逼近(PIA)算法因其具有很好的自适应性和收敛稳定性,被广泛应用于插值与逼近问题.其中带权渐进迭代逼近(WPIA)算法通过调整向量加权明显加快了收敛速度.提出了一种带互异权值的渐进迭代逼近算法,不仅操作灵活,还可根据需要对各控制顶点进行调整,实现不同的迭代效果;同时通过引入一个参数,给出了可调权值迭代算法,当参数取合适值时,该算法的收敛速度比带权PIA算法更快,且权值取法不依赖于配置矩阵的特征值.最后用数值实例,通过对Bézier曲线、张量积Bézier曲面,以及三角Bézier曲面进行迭代,展示了该算法的有效性.

两类推广的渐近迭代逼近

在计算机辅助设计领域里,曲线或曲面的渐近迭代逼近(Pro-gressive iterative approximation,PIA)性质在插值与拟合问题中有着广泛的应用,以前的文献对这一性质的讨论主要局限在标准全正基的情形.对于一般的非标准全正基,本文指出,其在适当的参数下也有可能同样具有这一优良的性质,并给出了相应的实例,从而拓宽了渐近迭代逼近的适用范围.与此同时,还讨论了权因子各不相同时,带权渐近迭代逼近的收敛性,使得迭代逼近曲线对不同的控制顶点,具有不同的加速收敛速度.

带多权值局部插值型的几何迭代法

针对参数曲线/曲面重要细节特征处理的问题,提出带多个权值的、局部插值的几何迭代算法.首先将初始控制顶点分为插值点和非插值点2组,在调整不同的插值点时对调整向量赋予不同的权值,非插值点则不进行调整;然后给出算法的迭代矩阵并分析了收敛性;最后将文中算法推广到三维曲面情形.数值实例结果表明,通过适当地选取权值,该算法不仅可以灵活地处理曲线/曲面的局部细节特征,而且迭代产生的误差相对较小.

渐进迭代逼近方法在等距曲线逼近中的应用

渐进迭代逼近(PIA)方法在CAD领域有很好的自适应性和收敛稳定性,在曲线或曲面的逼近和拟合问题上具有很好的应用前景.文中将该方法应用于二维自由曲线的等距曲线(也称offset曲线)的逼近,提出基于PIA的等距曲线逼近算法.首先在等距曲线上采样数据点,采用Floater的方法对数据点进行参数化,并以这些采样点作为初始控制顶点,由这些初始控制顶点产生初始逼近曲线;然后考察相同参数值处采样点和逼近点的误差,并运用PIA方法逐步逼近等距曲线.该算法分别考虑了等距曲线的多项式逼近和有理逼近.数值实例结果表明,综合控制顶点数和算法误差这2项因素,文中算法具备较好的优势.

几何迭代法及其应用综述

几何迭代法,又称渐进迭代逼近(progressive-iterative approximation,PIA),是一种具有明显几何意义的迭代方法.它通过不断调整曲线曲面的控制顶点,生成的极限曲线曲面插值(逼近)给定的数据点集.文中从理论和应用2个方面对几何迭代法进行了综述.在理论方面,介绍了插值型几何迭代法的迭代格式、收敛性证明、局部性质、加速方法,以及逼近型几何迭代法的迭代格式和收敛性证明等.进而,展示了几何迭代法在几个方面的成功应用,包括自适应数据拟合、大规模数据拟合、对称曲面拟合,以及插值给定位置、切矢量和曲率矢量的曲线迭代生成,有质量保证的四边网格和六面体网格生成,三变量B-spline体的生成等.

低次非均匀三角Bézier曲面的最小二乘渐进迭代逼近性

渐进迭代逼近(简称PIA)是一种直观有效的数据拟合方法.经典的PIA方法要求曲面控制顶点的个数等于拟合数据点的个数,并不适用于大量数据的拟合.为了改造经典PIA方法,特别研究了使用最频繁的三角曲面用PIA来生成的算法,并重点考虑实际中最常用的低次情形.证明了低次(n=2,3,4)非均匀三角Bézier曲面具有最小二乘渐进迭代逼近(简称LSPIA)性质,并且迭代得到的三角Bézier曲面序列的极限就是数据点的最小二乘拟合.同时,还提供了如何选择合适的权值使得迭代拥有最快收敛速度的方法.实例验证了最小二乘PIA方法的有效性.

带局部折痕的三维点云T样条曲面自适应重构方法

为了解决带局部折痕特征的点云数据曲面重建问题,引入局部特征表现力强的T样条曲面技术,首先采用手动选点与自动插入点相结合的人机交互方式绘制点云特征线,构建T样条曲面的初始拓扑网格,并赋予局部折痕特征标识,形成初始T样条曲面;然后,通过渐进迭代逼近法使构建的T样条曲面通过初始T网格的顶点,对不满足重建精度的局部区域进行T网格的自适应细分,并重新渐进迭代逼近;最后,进行了柱面和Fandisk模型点云曲面重建试验。研究结果表明:该方法具有较强的适用性。

三角B-B曲面最小二乘渐进迭代格式的革新与加速

传统渐近迭代逼近方法是一种简单、直观和有效的数据拟合方法,但存在难以处理海量数据的缺陷.最小二乘渐近迭代逼近(least square progressive iterative approximation,LSPIA)方法的出现弥补了其数据量受限的不足,使之能适用于大量数据拟合的需求.为了提高LSPIA方法的收敛速度,结合Moore-Penrose广义逆的Schulz迭代方法,给出了三角B-B曲面的加速LSPIA迭代格式,并证明了2,3,4次三角B-B逼近曲面的LSPIA生成以2次的收敛速度收敛到最小二乘逼近结果.此外,还提供了拥有最快收敛速度的权重公式,并用实例验证了该加速LSPIA方法的正确性和高效性.

DFP优化的数据点渐进迭代拟合方法

DFP方法(由Davidon,Fletcher和Powell 3人共同提出)是求解无约束优化问题的一种经典方法,文中指出数据点的拟合问题可转化为无约束优化问题的求解,并基于DFP优化方法给出了一种大规模数据点拟合方法,称之为DFP渐进迭代拟合方法.文中证明了该方法生成的极限曲线为初始数据点的最小二乘拟合曲线;它承袭了经典最小二乘渐进迭代逼近算法的众多优良性质,如具备直观的几何意义、可灵活地拟合大规模数据点、初始控制顶点的选择不影响最终迭代结果等.数值实例进一步表明,同等条件下,文中方法的收敛速度明显优于现有的几种数据点拟合方法.

一类T-Bézier三角曲面渐渐迭代算法

渐进迭代逼近在散乱点数据的拟合及逆向工程中有重要应用,研究了一类T-Bézier三角曲面的渐进迭代算法;提出了T-Bézier三角曲面渐进迭代算法,并分析了算法的收敛性;基于2-范数给出了渐进迭代算法的逼近误差。最后,举例说明了该算法的有效性及应用。