海量点云曲面增量拓扑重建EI北大核心CSCD

针对现有的曲面重建算法难以兼顾大规模采样数据的重建效率与重建曲面拓扑正确性的问题,提出一种基于局部Delaunay网格剖分的曲面增量重建算法.该算法采用波前扩展的策略,通过波前环的扩张、分裂、重叠面片的消除等步骤,将局部重建过程传播至每个样点的邻近区域,获得插值于采样点集的二维定向流形网格曲面,实现整个采样点集的增量拓扑重建;在曲面局部重建过程中,分别基于局部区域的Cocone算法与二维投影点集的Delaunay网格剖分方法重建曲面的尖锐区域与平坦区域,其中局部区域重建曲面网格的边界的正确性由区域之外的少量辅助样点保护.实验结果表明,文中算法具有较高的重建效率,适用于封闭和非封闭海量点云数据的重建;且在采样密度符合要求的情况下,重建的网格曲面与原表面拓扑同构.     

分片驱动的特征敏感曲面重建

为健壮处理包含尖锐特征或欠采样的数据点集,通过对基于边界推进曲面重建技术的扩展,提出一种分片驱动的、特征敏感的对无方向散乱数据点集进行曲面重建的算法.在一个光滑阈值的控制下,将曲面重建过程分成分片重建和特征缝合2个阶段.在分片重建中,从光滑的种子三角化区域开始进行边界推进三角化,并通过拓扑元素分类与特征检测对边界光顺和特征重定位,以进一步扩展该分片,重复该过程,得到对光滑区域三角化的一系列光滑分片;特征缝合阶段,在边界推进过程中将所有分离的分片或分片中的缝隙缝合在特征区域.这种两阶段的三角化策略可有效地处理含尖锐特征或不规则采样如不充分采样的点集,无需保证拓扑完整性的复杂数学测试,如协变分析和三角形相交检测等,基于局部光滑曲面的求交,可有效地恢复采样点集丢失的特征信息.实验结果表明,采用文中算法能健壮处理不规则采样点集,并生成特征敏感的高质量网格.     

海量点云曲面增量拓扑重建

针对现有的曲面重建算法难以兼顾大规模采样数据的重建效率与重建曲面拓扑正确性的问题,提出一种基于局部Delaunay网格剖分的曲面增量重建算法.该算法采用波前扩展的策略,通过波前环的扩张、分裂、重叠面片的消除等步骤,将局部重建过程传播至每个样点的邻近区域,获得插值于采样点集的二维定向流形网格曲面,实现整个采样点集的增量拓扑重建;在曲面局部重建过程中,分别基于局部区域的Cocone算法与二维投影点集的Delaunay网格剖分方法重建曲面的尖锐区域与平坦区域,其中局部区域重建曲面网格的边界的正确性由区域之外的少量辅助样点保护.实验结果表明,文中算法具有较高的重建效率,适用于封闭和非封闭海量点云数据的重建;且在采样密度符合要求的情况下,重建的网格曲面与原表面拓扑同构.     

基于边界检测的三维散乱点快速曲面重建算法

针对Power Crust算法提出一种带边界检测的不均匀降采样算法。曲面重建前先通过该算法减少参与运算的采样点,表面特征丰富的区域削减的采样点数远小于特征不丰富的区域,再进行曲面重建。通过实例表明该算法大大加快了散乱点数据的重建速度,而且很好地保持了模型表面的特征,能够较为真实地重建出曲面模型。     

基于曲面局平特性的散乱数据拓扑重建算法

提出了一种基于曲面局平特性的,以散乱点集及其密度指标作为输入,以三角形分片线性曲面作为输出的拓扑重建算法.算法利用曲面的局平特性,从散乱点集三维Delaunay三角剖分的邻域结构中完成每个样点周围的局部拓扑重建,并从局部重建的并集中删除不相容的三角形,最终得到一个二维流形拓扑曲面集作为重建结果.该算法适应于包括单侧曲面在内的任意不自交的拓扑曲面集,并且重建结果是相对优化的曲面三角形剖分,可以应用于科学计算可视化、雕塑曲面造型和反求工程等领域.     

基于曲率特征的点云快速简化算法

为了提高实体反求的效率,提出一种点云快速简化算法.该算法依据特征点群曲率变化的特点在点云邻域拟合曲面上搜寻特征点并进行储存,依据搜寻结果对点云进行特征点分布评估,并根据评估结果设定相应的简化距离对点云进行简化.算法充分保留了特征区域点云,使得简化后的点云能够较好地表达形状,整个搜寻过程只针对高斯曲率极值点的附近点,相对于需要在全局上进行曲率计算的传统简化算法,该算法在运行速度上具有明显优势.     

点云模型法矢调整优化算法

点云中存在奇异情况时,采用最小生成树法进行法矢调整会出现错误,而采用曲面重建方法运算效率又较低,为此提出一种点云模型法矢调整的优化算法.算法分别处理薄壁特征、垂直法向和相邻曲面3种奇异情况.对薄壁特征,算法提取特征点并在该处强制进行法矢取反;对垂直法向,算法通过扩大邻域搜索范围来获得法矢变化趋势;对相邻曲面,算法在K邻域中剔除歧义邻域点,避免在最小生成树中生成错误边.实验结果表明,该算法在点云中存在奇异情况时能够进行正确的法矢调整,并且相较于曲面重建方法具有较高的效率.     

三维空间散乱点集快速曲面重建的研究与实现

提出了一种快速曲面重建方法。针对Power crust算法提出一种不均匀降采样技术,根据曲面的局部特征大小对采样点进行削减,从而在不破坏原曲面拓扑特性的情况下,使参与曲面重建的采样点数目降低。实验结果表明,改进后的算法运行效率有所提高。     

海量散乱点的曲面重建算法研究

基于海量散乱点的曲面重建在机械产品测量造型、计算机视觉、根据切片数据的医学图像重建等领域中有重要应用.给出了一种以物体表面上不附加任何几何和拓扑信息(包括测点法矢、曲面边界信息)的散乱点集为处理对象,自动生成物体表面的三角网格模型的算法.该算法首先根据测点的邻近测点估算曲面在该测点处的法矢,并采用优化的顺序对法矢方向进行调整以使各测点处的法矢都指向曲面外侧,最后用步进立方体算法输出三角网格模型.采用新的方法计算切平面,不但进一步提高了效率,而且改善了曲面边界及尖锐棱边区域的重建效果.还提出并解决了法矢方向传播中可能出现的局部“孤岛”问题.同时,提出了一种对海量数据进行空间划分的算法,从而大大提高了海量数据的处理效率.应用实例表明,算法效果良好     

一种基于投影的散乱数据表面增量重建算法

针对3维散乱数据场提出了一种表面重建算法.根据空间曲面的局平特性和平面三角化的基本原则,在参考点的切平面上对邻域点按角度排序,应用可见性准则删除不可见点后,相邻邻域点和参考点形成三角网格.将平面上的网格关系对应到空间,以增量方式重建反映散乱数据场拓扑关系的空间曲面.设定角度阈值优化网格,判断空间曲面的边界和孔洞.对多个数据场进行重建并对结果进行分析.对多个数据场进行重建并对结果进行分析表明,算法具有原理简单,重建速度快,重建效果好的特点.     

基于局部重建的点云特征点提取

为了有效地提取点云数据中的特征信息,针对采自分片光滑曲面的散乱点云数据,提出一种基于局部重建的鲁棒特征点提取方法.首先基于局部邻域的协方差分析计算每个数据点的特征度量,并通过阈值过滤获取初始特征点集合;然后在每个初始特征点的局部邻域内构建不跨越特征区域,以反映该点局部特征信息的三角形集合;再利用共享近邻算法对构造的三角形法向进行聚类,得到对应局部区域数据点的分类集合;最后对每一类点集拟合平面,通过判断该点是否同时落在多个平面来进行特征点提取.实验结果表明,该方法简单、稳定,对局部邻域选取的大小不敏感,具有一定的抗噪能力;能够在有效提取显著特征的同时,尽可能多地保留相对较弱的特征.     

基于VTK的三维点云曲面重建研究

针对三维点云数据重建效率低、不能实时交互等问题,利用鲁棒性强的Power Crust算法和三维可视化类库Visualization Toolkit (VTK)的良好并行机制与强大的图像处理能力,实现了三维点云数据曲面快速重建.该算法使用Power Crust对三维点云进行曲面重建,接着对得到的网格进行线性调整、简化和平滑,最后引入VTK进行渲染、绘制、显示,并实时交互.实验结果表明,该算法可以加快散乱点云数据的重建速度,较好地保持了点云数据的拓扑结构,提高了曲面重建的精确性和鲁棒性,且交互性强,适合实时处理.     

散乱点云的自适应α-shape曲面重建

针对α-shape算法不适用于散乱非均匀点集曲面重建的问题,提出了一种基于点云数据局部特征尺寸（LFS）的自适应α-shape曲面重建改进算法。首先,以采样点的k-邻近点计算出负极点逼近曲面中轴（MA）;然后,根据近似中轴计算曲面在采样点处的局部特征尺寸,并依据局部特征尺寸对原始点云进行非均匀降采样;最后,根据三角面片的外接球半径和对应的α值自适应重建出物体表面。与α-shape算法相比,所提算法可以有效合理地减少点云数据量,点云简化率达到70%左右,同时重建结果中冗余三角面片更少且基本没有孔洞。实验结果表明,所提算法能够自适应地重建出非均匀点集的表面。     

稠密采样点模型的快速隐式曲面重建

算法以稠密采样点模型表面局部区域内的双边滤波函数值为依据,模型表面附近任意一点的函数值通过与该点最近的模型表面的K个采样点数据直接计算得到。与已有的隐式曲面重建方法相比,该方法既不用曲面内部或外部的支撑点,也不用求解线性和非线性方程,其重建速度快。此外,由于采用双边滤波函数作为其重建的隐式曲面的函数值,因此还能对带有噪声的采样点模型进行特征保持的表面重建。实验结果表明,对于稠密采样点模型,该方法可以快速重建出逼近程度高,效果好的曲面。     

基于拓扑相似性的等距参数曲面求交算法

等距曲面求交算法通常采用曲面求交算法反复迭代计算交线,没有考虑不同Offset距离等距曲面交线的相似性进行求交简化.提出了一种基于拓扑相似性的等距曲面求交优化算法.算法首先求取曲面的拓扑特征点,根据拓扑特征点分布图,确定交线环拓扑结构,在交线拓扑结构信息的指导下,确定初始点的搜索策略.采用提出的方法可以有效解决等距曲面的子环、奇点遗漏、分支跳跃、乱序跟踪和初始点求取问题,精确、鲁棒地计算出交线.     

基于点邻域平坦度的网格重构算法

提出一种对散乱数据点进行网格重构的区域扩张算法．首先计算每个点的邻域平坦度,并在平坦区域构造一个种子三角面片;然后优先选取落在平坦区域的活动边进行扩张,并在扩张过程中引入平坦趋势作为最佳点选择的准则;最后通过后续处理构造出二维流形网格．实验结果表明,该算法能充分利用点邻域的平坦信息减少拓扑和几何错误发生的概率,较好地保持实体模型的尖锐特征．     

残缺网格模型的快速B样条曲面重建

针对残缺的三角网格模型,提出一种将网格模型的散乱数据点转化为有序阵列点再进行B样条曲面快速重建的算法.首先确定最小二乘平面上的一个矩形参数域,再构造出一个平面阵列点列,并部分映射到三维网格上;然后利用空间阵列点的邻域信息估计4个角点的空间坐标,并构造径向基函数曲面,用于补充空间阵列点列中残缺的数据;最后利用有序点列拟合的高效性构造B样条曲面.实验结果表明:该算法速度快、拟合精度高、鲁棒性强,重建的曲面具有良好的光顺性和可延伸性,适用于逆向工程中对经过数据分割后的网格模型的自由曲面重建.     

基于局部曲面拟合的散乱点云简化方法

随着数据获取手段的进步,散乱点云数据在三维重建中获得越来越广泛的应用,然而庞大的数据量往往影响重建的效率。现有简化算法中采用的曲率计算方法精度不高,导致模型特征模糊。本文在分析曲面特征的基础上给出了一种曲面特征的定量描述方法。该方法采用局部曲面拟合得到曲面在一点处的近似曲面,然后用法曲率在360度范围内的平均值代替平均曲率来描述曲面在一点处的特征。简化时采用K-D树剖分点云数据,根据子节点所包含的采样点数、空间区域大小和曲面特征大小控制简化过程。实验结果表明,该方法能够更好地保持曲面的几何特征,从而证明了算法的有效性。     

自适应T样条曲面重建

为了进行快速高精度的曲面重建,提出了一种新的基于T样条的曲面自动重建算法。由于T样条控制网格具有特殊性质,因此在使用T样条进行曲面重建时,一个关键的问题是如何构造好一个T网格。该新算法在进行曲面重建时,用三角网格的参数化方法,先将数据点同胚映射到平面,然后再利用平面四叉树细分的方法将无结构散乱数据自动生成合理有效的T网格,最后将曲面重构模型转化为最优化问题,并由最小二乘法求解,同时在误差较大的区域辅以T样条的局部修正,以使重建曲面与原网格面的最大误差小于指定的误差值。由于该新的曲面重建方法是一个基于细节的重建方法,因此采样点密集区域所插入的T网格点也就相应地增多,这样既抓住了网格曲面的特征,又能很好地减少过多的T网格控制顶点,这就提高了算法效率。另外,该新算法还具有高效、易操作、能适应复杂曲面重建、曲面自动生成且满足相应精度要求等优点。重构结果显示,该新的曲面重建算法不仅重构应用范围广,且重构精度高。     

基于自适应空间球的k最近邻域快速搜索算法

利用空间球搜索大规模点云数据k邻域存在速率慢和稳定性差的问题,为此,提出一种新的k邻域快速搜索算法。利用与k无关的分块策略对点云进行分块,使用候选点所在子块内采样点的近似密度自适应确定候选点的初始动态球半径,应用动态球的外切立方体搜索k邻域候选点。当候选点数目不满足要求或搜索不成功时,采用候选点动态球外切立方体的外接球扩大搜索范围。实验结果表明,与已有算法相比,该算法的k邻域搜索效率明显提高,而且当子块内预设点数变化、采样密度提高时具有较强稳定性,自动化程度较高。