基于特征点的离散建模偏置技术研究

针对三角网格模型偏置过程中出现的自交和断裂等问题,提出了一种基于特征点的离散建模偏置方法。对网格模型顶点进行几何特征分类,并讨论了不同类型顶点的偏置规则。根据定义的顶点类型、法矢信息及给定距离,生成偏置点集。通过基于体素表示的条柄检验方法,滤除偏置点集中的内部点,实现自交处理。结果表明,生成的模型网格比较均匀,质量较高,在一定范围内能够满足偏置模型的自交处理要求。     

基于特征点的离散建模偏置技术研究

针对三角网格模型偏置过程中出现的自交和断裂等问题,提出了一种基于特征点的离散建模偏置方法。对网格模型顶点进行几何特征分类,并讨论了不同类型顶点的偏置规则。根据定义的顶点类型、法矢信息及给定距离,生成偏置点集。通过基于体素表示的条柄检验方法,滤除偏置点集中的内部点,实现自交处理。结果表明,生成的模型网格比较均匀,质量较高,在一定范围内能够满足偏置模型的自交处理要求。     

散乱点云的三角网格曲面重建算法

在采用计算机视觉法获取物体三维重建数据的过程中,为了得到较完整的模型信息,所测得的曲面点通常带有大量冗余,而这些冗余数据的存在大大增加了曲面重建的难度.在此背景下,我们针对散乱无序、无任何几何拓扑信息的密集数据,提出了一种空间三角网格直接剖分算法.该算法能够节省存储空间,提高曲面重建效率,保证输出的曲面网格优质.算法首先对原始数据进行预处理,然后采用空间栅格法及Delaunay空球等准则,扩展动态三角网,最后统一法向量输出完整的三角网格模型.通过实例证明,算法重建速度快,曲面网格质量高.     

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，通过对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。     

散乱三维测量数据构建三角形网格模型的研究

三角网格模型广泛应用于曲面重构、快速原型制造和三维真实感显示等领域.针对三维测量得到的无拓扑关系的散乱无序点集,提出了一种三角网格模型构建算法.首先进行点云粗分组,然后从最高点根据Delaunay划分原则,按照循环扩展的思路生成三角形网格.通过控制合适的三角形生长条件,有效避免了三角面片交叉错乱、退化、法向量不一致缺陷.应用实例表明,该算法能有效完成各类复杂型面三维测量数据的三角网格模型构建.     

一种新的空间离散点集的直接三角剖分方法

针对映射法无法保证在平面中所谓“优”的三角剖分所对应的空间形状也满足要求的缺点,文中提出了一种对空间离散点集进行直接三角剖分的新方法——在形成了初始三角形后,利用生长法,循环扩展三角形各边,直至所有三角形扩展完毕。在算法实现上,提出了利用三角形法向量夹角、阈值距离以及最小内角几个参数,对三角形的生长进行约束,从而使最优点的搜索范围大大降低,提高了三角形扩展的准确性,保证了三角网格的质量。实验证明,该方法适应性广并具有准确、高效的特点。     

CRT 屏锥曲面离散化及三角化研究

在彩色显象管（即ＣＲＴ）屏锥曲面设计制造中,需要解决ＣＲＴ屏锥曲面离散化及屏锥曲面三角化技术难点,本文针对ＣＲＴ屏锥曲面特点,采用四叉树分割法实现ＣＲＴ屏锥曲面离散化,提出了屏锥曲面三角化网格快速生成算法。     

基于逆向工程中三角网格上的NURBS曲面重构技术

曲面重构算法是实物逆向工程技术中的关键,此文在曲面重构上采用了基于三角网格基础上的NURBS曲面重构方法,此方法能很好的完成对于复杂曲面重构的要求。     

由离散点云数据建立齿轮三维模型的方法研究

反求工程是现代工业产品设计与加工的一种新方法.本文对反求工程中点云数据的获取方法进行了分析,介绍了通过离散点云数据建立齿轮三维模型的过程,研究了对齿轮点云数据的预处理以及曲面重构的方法.结合一个锥齿轮的反求实例,实现了由点云数据到齿轮实体模型的建立.     

逆向工程中扫描数据点的曲面重构

针对三维扫描数据点的曲面重构技术在实际系统中的应用,提出了一种以B样条曲面为基础的曲面构造算法。已知数据点按简明行方式排列,算法产生一个连续的B样条曲面,该曲面的参数化过程不受每行数据点分布的影响。根据所传递的候选节点矢量,采用柔性间距选择,有效地减少了控制顶点数,同时应用三维图形标准以及图形函数库,在VC 6．0平台上完成了该软件的编制。通过实际系统应用验证,该算法改进了传统曲面重构方法在处理非均匀扫描数据点时曲线曲面形状的失真和运算的不稳定现象,计算简单,易于编程实现。     

基于二维Delaunay近邻的空间散乱数据曲面重建算法

给出了一种新的散乱数据曲面重建算法。算法基于曲面的局平特性，通过二维Delaunay三角剖分到三维空间的映射，快速查找空间任意点的Delaunay近邻，然后根据散乱数据重建三角网格中顶点互为Delaunay近邻的原理，进行曲面拓扑重建。应用新的求解κ-近邻和二维Delaunay近邻的算法，提高了曲面重建的算法效率。实验表明，该算法高效、稳定，对不均匀数据有较好的适用性。     

密集散乱数据三角划分及数据压缩

介绍了Delaunay三角划分方法，运用一种算法对密集散乱数据进行三角划分，并在给定容差条件下对其进行成批压缩。由点云数据中最大、最小的六个点构成初始八面体，将数据分割为八个星角形区域上的凸包数据，在每个凸包数据中，搜寻到其对应的三角形的垂直距离最大的点，如果距离大于给定的容差，则将该点插入并局部优化三角网格。反之则将该点压缩掉。最后给出的实例证明了该算法的有效性和效率。     

一种基于RBF隐式曲面的离散数据快速重建方法

本文针对空间散乱数据, 提出一种基于RBF（Radial Basis Function）隐式模型的快速曲面重建方法,并实现了隐式曲面的可视化。三维离散数据由于分布稠密、不均匀,空间拓扑结构未知的特点,本文首先强调大规模散乱数据预处理的重要性。通过基于空间法向量约束和主元分析两种方法进行数据简化和特征提取。其次采用K-d tree数据结构进行空间数据分割,将全局模型转化为局部的RBF模型,从而通过求解线性方程组得到模型的权值系数。最后在局部交叠空间光滑拼接,得到一个代数表达形式的光滑曲面。实验结果表明,该方法适用于任意复杂物体的三维曲面重建,而且具有较高的重建精度。     

基于测量步距的散乱点云k近邻搜索算法

提出了一种基于测量步距d的k近邻快速搜索算法。该算法根据三维测量原理,综合考虑了测量数据的密度ρ和测量误差δ,给出了散乱点云数据的临界搜索半径r,极大地缩小了k近邻的搜索区域。考虑到邻近点数k的取值,弹性地改变搜索半径r以满足不同k值的需要,实现散乱点云数据k近邻的快速最优搜索。     

基于曲面局平特性的快速曲面重建算法

提出了一种基于曲面局平特性的散乱点集的曲面重建算法。基于曲面局平特性的重建算法具有快速、内存需求少的优点,但这类算法对输入点集有局部平坦性的要求,对局部质量没有保证,容易出现空洞、重叠、法矢不连续等缺陷。通过分析对这类方法进行改进。实践结果表明,在采样点过少或极其不均匀情况下,仍能得到较好的重建质量。     

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 ,而且其计算量也少     

三维散乱点云凸包快速求解算法

提出一种三维散乱点云凸包快速求解算法,该算法建立点集内外包围盒,依据包围盒对点云数据进行精简,排除大量不可能构成凸包的数据点,减小求解凸包时的数据处理量,通过对精简后的点集求解凸包实现对整个点云的凸包求解,实例表明该算法实现简单,可显著提高凸包的求解效率。     

散乱测量数据多层次B样条逼近曲面拟合算法

提出了一种散乱测量数据的快速曲面拟合方法。该方法使用由粗到精的有继承关系的控制网格分级,从而产生相应的拟合逼近函数,每一级都比前一级更加逼近测量数据。拟合曲面的精度与光顺性可通过适当选择分级层数得到控制。当控制网格分级足够多,密度足够大时,最后拟合结果是插值于测量数据的C2连续曲面。