数据点加权最小二乘渐进迭代逼近及其B样条曲线拟合

为了使B样条拟合曲线插值部分数据点且逼近其余数据点,提出数据点加权的最小二乘渐进迭代逼近(DW-LSPIA)算法,证明了其收敛性并以它为基础提出一种B样条曲线拟合算法.首先赋初始权重于每个数据点,用DW-LSPIA算法生成初始拟合曲线;然后根据待插值点与拟合曲线上对应点的误差调整待插值点的权重,并重新运用DW-LSPIA算法生成新的拟合曲线;如此迭代,直至拟合曲线达到插值要求.实例结果表明,该拟合算法鲁棒、高效,也可使拟合曲线保形.     

三次均匀B样条扩展曲线的渐进迭代逼近法

为了得到收敛速度更快的几何迭代法,提出带形状参数的三次均匀B样条扩展曲线的(加权)渐进迭代逼近法.首先基于三次均匀B样条扩展曲线提出(加权)渐进迭代逼近法的迭代格式;然后通过分析迭代矩阵的谱半径,探讨迭代法的最优形状参数及加权渐进迭代逼近法的最优权系数;最后指出双三次均匀B样条扩展曲面同样具有(加权)渐进迭代逼近性质.数值实例结果表明,所求的最优形状参数及权系数使得迭代法具有最快的收敛速度.     

基于正则渐进迭代逼近的自适应B 样条曲线拟合

基于渐进迭代逼近(PIA)的数据拟合方法以其简单和灵活的特性获得了广泛的关 注。为了获得高保真度的拟合曲线,提出了一种基于主导点选取和正则渐进迭代逼近(RPIA)的 自适应B 样条曲线拟合算法。首先根据数据点的曲率估计选取初始主导点并生成初始PIA 曲线。 然后,借助于拟合误差和数据点集的曲率分布选取加细的主导点及实现PIA 曲线的更新。得益 于基于曲率分布的主导点选取,使得拟合曲线在复杂区域分布较多的控制顶点,而在平坦区域 则较少。通过正则参数的引入构造了一种RPIA 格式,提升了渐进迭代控制的灵活性。最后, 数值算例表明相比于传统最小二乘曲线拟合该算法在使用较少数量的控制顶点时可实现较高的 拟合精度。     

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。     

基于双正交非均匀B样条小波的曲线逼近方法

针对B样条曲线逼近有序数据点在应用最小二乘法时出现的计算量较大问题,提出一种基于双正交非均匀B样条小波的曲线逼近方法。其基本思想是：先用最小二乘法生成初始B样条逼近曲线,再用细节曲线逼近误差向量,接着将细节曲线叠加于原逼近曲线得到新的B样条曲线,这个过程是迭代的。细节曲线的基函数是双正交非均匀B样条小波。与传统最小二乘法相比,该方法仅需计算新增线性系统,避免重复计算原系统,降低了计算量,提高了运算效率;此外,给出了B样条逼近曲线的一种多分辨率表示形式。     

基于差分进化算法的B 样条曲线曲面拟合

应用B 样条曲线曲面拟合内在形状带有间断或者尖点的数据时,最小二乘法得到的 拟合结果往往在间断和尖点处误差较大,原因在于最小二乘法将拟合函数B 样条的节点固定。本 文在利用3 次B 样条曲线和曲面拟合数据时,应用差分进化算法设计出一种能够自适应地设置B 样条节点的方法,同时对节点的数量和位置进行优化,使得B 样条拟合曲线曲面在间断和尖点处 产生拟多重节点,实现高精度地拟合采样于带有间断或尖点的曲线和曲面数据。     

局部调整插值点的三次样条曲线表示

给出了带局部形状参数的三次样条曲线生成方法．所给方法以Hermite型插值曲线和非均匀三次B样条曲线为特殊情形，将插值于控制点的曲线和逼近于控制多边形的非均匀B样条曲线统一起来．一个形状参数只影响两条曲线段，曲线表达式保持了三次Bezier曲线表达式的简单结构．改变形状参数的值或调整Bezier控制点，可以局部调整曲线的形状．基于所给样条曲线，给出了带局部形状参数的双三次样条曲面．     

基于渐进迭代逼近的矢量地图曲线化简方法

矢量地图化简在地形仿真、制图综合等研究中具有重要应用。针对已有算法难以兼顾化简曲线 的整体形态和局部特征点精度的问题,提出一种基于 B 样条曲线渐进迭代逼近(PIA)的矢量地图曲线化简方法。 首先筛选出能保持曲线轮廓、具有最大信息量的特征点列,将其作为初始控制点列,得到相应的非均匀 3 次 B 样条拟合曲线;然后根据拟合曲线与特征点的误差进行迭代调整控制点,逐步得到一系列逼近曲线,直至最终 满足精度要求。实验表明,PIA 方法不仅保持了化简曲线的整体几何形态,而且能在满足全局误差要求的情况 下,实现特征点处的高精度逼近。     

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.     

PSO求解带法向约束的B样条曲线逼近问题

若是B样条拟合曲线的节点向量与控制顶点均为变量,则该问题变为一个带约束的多维多变量高度非线性的优化问题,反求方程系统的方法已经难以求得最优解.针对该类问题,提出一种带有法向约束的粒子群优化算法(PSO)求解曲线逼近问题的方法,首先将带有法向约束的非线性最优化问题以罚函数的方法转化为无约束的最优化问题,建立一个与数据点和法向同时相关且比较合适的适应度函数(误差函数),然后以PSO调节节点向量,并使用最小二乘法求解在该节点向量下的最优拟合曲线,通过判断适应度函数值的优劣循环迭代,直到达到终止条件或者产生令人满意(误差容忍值)的拟合曲线为止.将文中算法产生的拟合曲线通过实验数据的对比与说明,突出了该方法的优越性,表明其用于解决带法向约束的逼近问题切实可行.     

分组渐进迭代逼近算法拟合数据点集

目的 在计算机辅助设计领域里,曲线或曲面的渐进迭代逼近（PIA）性质在插值与拟合问题中有着广泛的应用。如果直接使用PIA方法对所有的数据点集进行拟合,那么在拟合大规模数据点时就缺少一定的灵活性。为了进一步提高渐进迭代逼近方法在拟合大规模点集时的灵活性,提出基于分组的渐进迭代逼近方法。方法 首先对待拟合点集进行分组;其次对分组后的点集采用PIA方法或是基于最小二乘的渐进迭代逼近方法（LSPIA）来得到一组插值或拟合精度不断改善的曲线/曲面;最后运用曲线/曲面拼接算法保证曲线/曲面的连续性,得到1条/张插值或拟合于给定点集的曲线/曲面。结果 给定相同的数据点集,分别采用分组PIA方法,PIA方法和LSPIA方法进行拟合。分组PIA方法与PIA方法相比误差减少的倍数与组数相当;分组PIA方法与LSPIA方法相比误差减少一半。结论 本文将分组思想引入渐进迭代逼近方法之中,提出了基于分组的渐进迭代逼近方法。该分组算法适用于拟合大规模数据点集,在拟合过程中,可以提高渐进迭代逼近方法在拟合大规模点集时的灵活性;经过理论推导证明了曲线/曲面的迭代效率有所提高,且与PIA方法相比误差有较大的改善。     

渐进迭代逼近方法在曲线变形上的应用

目的 随着几何造型、计算机动画等领域的快速发展,曲线的自由变形技术在近年来受到了广泛的关注。为了获得更多有趣、逼真的变形效果,提出基于渐进迭代逼近与主顶点方法的曲线局部变形算法。方法 给定数据点集,首先采用渐进迭代逼近方法或是基于最小二乘的渐进迭代逼近方法产生待变形曲线;其次对待变形区域使用延拓准则,基于主顶点方法与待变形曲线的形状信息选取控制顶点进行调整;最后对调整后的控制顶点运用局部渐进迭代逼近方法生成逼近曲线,得到期望的变形效果。结果 此变形操作借助于局部渐进迭代逼近方法,具有较好的灵活性。通过茶壶、面部轮廓、手等数值实例,表明了该方法可以得到良好的变形效果。进一步地,借助于叠加变形还可以得到整体的、周期的、伸缩的等各类更加丰富的变形效果。结论 本文研究渐进迭代逼近在曲线变形上的应用,将主顶点方法引入曲线的变形之中,把两者相结合提出了基于渐进迭代逼近与主顶点方法的曲线局部变形算法。该算法不仅具备渐进迭代逼近方法的收敛稳定性,且借助于主顶点方法,可以得到较好的变形效果。该方法适用于曲线的局部变形,丰富了曲线的变形效果。     

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.     

基于多结点样条的自由曲线最小误差逼近及其应用

多结点样条函数具有良好的局部性,而最小二乘法对数据拟合的全局性较好, 因此多结点样条函数最小二乘逼近的稳定性及数值精度都能得到有效的保证。该文综合两者的特点,实现了自由曲线离散数据最小逼近误差数学模型的建立。同时应用此数学模型于一些平面及空间（甚至一些带噪音的）自由曲线拟合上和几何造型骨骼化上,测试其对各种自由曲线的拟合效果,结果证明最小逼近效果明显。     

NURBS曲线整体光顺逼近算法研究

针对离散数据点序列的拟和精度及光顺度问题,提出了一种三次非均匀有理B样条(NURBS)曲线整体光顺逼近算法。该算法建立了一个由最小二乘、离散点曲率和、离散点曲率变化和三项组成的目标函数并求出了最优控制点序列坐标,采用非线性优化方法对权因子序列进行了调整,确立了逼近误差的近似表示方法,并提出了包含上述方法的循环判断流程。最后,实现了拟合曲线在UG NX 4.0中的显示和分析。     

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。     

T-Bézier三角曲面带权渐进迭代算法及其推广

三角曲面和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,研究了四阶T-Bézier三角曲面的带权渐进迭代算法。给出了带权渐进迭代算法,分析了算法的收敛性,并基于1-范数、2-范数和∞-范数分别给出了带权渐进迭代算法的逼近误差;针对不同的控制顶点赋予不同权值以加快收敛速度,给出了推广的带权渐进迭代算法;数值实例说明了算法的有效性及其应用。     

密集散乱测量数据点的B样条曲面拟合研究

回顾了密集散乱数量数据点面拟合研究发展情况,针对异形边界自由曲面密集散乱测量数据点,提出一种B样条曲面多步拟合算法,其中涉及边界插值B样条曲面生成、Hardy′s双二次局部插值、规则网格数据点B样条曲面最小二乘拟合等关键技术,通过一个工程实例,对文中提出的B样条曲面多步拟合算法进行了实验验证。     

关键点选取的最小二乘渐进迭代逼近

目的 最小二乘渐进迭代逼近（LSPIA）方法多以均匀参数化或弦长参数化的形式均匀地确定初始控制点,虽然取得了良好效果,但在处理复杂曲线时,迭代速度相对较慢且误差精度不一定能达到预期设定值。为了进一步提高迭代效率和误差精度,本文提出了基于关键点（局部曲率最大点和极端曲率点）的最小二乘渐进迭代逼近方法。方法 首先计算所有数据点的离散曲率,筛选出局部曲率最大点;接着设定初始的曲率下限,筛选出极端曲率点;然后将关键点与均匀选取的控制点按参数顺序化,并将其作为迭代的初始控制点;最后利用LSPIA方法对数据点进行拟合。结果 对同一组数据点,分别采用LSPIA方法和基于关键点的LSPIA方法,本文方法较好地提高了收敛速度;在相同的控制点数目下,与LSPIA算法相比,本文方法的误差精度较小。结论 本文方法适合于比较复杂的曲线,基于曲率分布的关键点的选取,可以更好地反映曲线的几何信息。数值实例表明,结合关键点筛选策略的LSPIA算法提高了计算效率,取得了更好的拟合效果。     

基于形状参数均匀B样条的曲线拟合方法研究

分析了带形状参数的均匀B样条模型,将带形状参数的均匀B样条曲线应用于离散数据点的拟合。归纳并给出了形状参数的取值策略,采用迭代线性最近点的方式来优化修正数据点的参数,以上方法提高了拟合的精度和速度。通过实验分析,证明了该方法的有效性。