基于多结点样条磨光函数的几何迭代法

几何迭代法在计算机辅助几何设计(CAGD)中有广泛地应用,为了提高传统的 B-样 条曲线插值在几何迭代中的收敛速度和迭代精度,提出了基于多结点样条磨光函数的几何迭代 法,引入多结点样条磨光函数,在曲线拟合时把多结点样条磨光方法和几何迭代方法结合,经过 磨光和迭代,在 L-BFGS 迭代算法的最优解下构造具有高逼近性的曲线拟合方法。实验结果表明, 在相同精度下,该方法不仅减少了迭代次数,且提高了迭代速度,可以用于飞机、汽车等外形设 计上,亦可用于文物、房屋等外形重构和重建,以及卫星图形图像的处理中。     

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。     

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。     

基于遗传算法的B样条曲线拟合改进算法

B样条曲线拟合应用于绘制离散数据点的变化趋势,一般采用数据逼近或者迭代的方法得到,是图像处理和逆向工程中的重要内容。针对待拟合曲线存在多峰值、尖点、间断等问题,提出一种基于遗传算法的B样条曲线拟合算法。首先利用惩罚函数将带约束的曲线优化问题转换为无约束问题,然后利用改进的遗传算法来选择合适的适应度函数,再结合模拟退火算法自适应调整节点的数量和位置,在寻优的过程中找到最优的节点向量,持续迭代直到产生最终的优良重建曲线为止。实验结果表明,该算法有效地提高了精度并加快了收敛速度。     

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.     

粒子群优化算法求解最优控制点的非均匀有理B样条曲线拟合

为使参数曲线拟合在压缩数据量的基础上仍能保持较高的精度,提出了一种基于特征点提取、最小二乘法逼近以及粒子群优化算法求解最优控制点的高精度非均匀有理B样条（NURBS）曲线拟合方法。首先,以反曲点和曲率极值点作为筛选依据从所有离散数据点中提取特征点;然后,将特征点在最小二乘法下逼近,并根据所得线性方程组计算得到初始控制点;最后,以初始控制点的位置坐标构造粒子初始种群,并建立一个衡量离散数据点与拟合曲线误差的适应度函数,且利用粒子群优化算法对初始控制点的位置进行迭代优化,直至达到最大迭代次数为止。在叶片和蝴蝶截面原型上进行的实验验证的结果表明,所提方法使待拟合数据量分别压缩为原来数据量的25/117和120/283,且与以精度高为优势的增加辅助控制点的方法相比,所提方法的拟合精度分别提高了57.1%和22.9%,在已有曲线拟合研究方法中具有较强竞争力。     

粒子群优化算法求解最优控制点的非均匀有理B样条曲线拟合

为使参数曲线拟合在压缩数据量的基础上仍能保持较高的精度,提出了一种基于特征点提取、最小二乘法逼近以及粒子群优化算法求解最优控制点的高精度非均匀有理B样条（NURBS）曲线拟合方法。首先,以反曲点和曲率极值点作为筛选依据从所有离散数据点中提取特征点;然后,将特征点在最小二乘法下逼近,并根据所得线性方程组计算得到初始控制点;最后,以初始控制点的位置坐标构造粒子初始种群,并建立一个衡量离散数据点与拟合曲线误差的适应度函数,且利用粒子群优化算法对初始控制点的位置进行迭代优化,直至达到最大迭代次数为止。在叶片和蝴蝶截面原型上进行的实验验证的结果表明,所提方法使待拟合数据量分别压缩为原来数据量的25/117和120/283,且与以精度高为优势的增加辅助控制点的方法相比,所提方法的拟合精度分别提高了57.1%和22.9%,在已有曲线拟合研究方法中具有较强竞争力。     

带互异权值的B样条曲线的最小二乘渐进迭代逼近

为使B样条拟合目标曲线的迭代过程中单独控制部分数据点,调整局部曲线形状,减小局部曲线迭代误差,提出带互异权值的最小二乘渐进迭代逼近法.首先赋统一初始权值于每个数据点,用最小二乘渐进迭代逼近法生成B样条拟合曲线;其次调整部分数据点对应的权值,运用带互异权值的最小二乘渐进迭代逼近法生成B样条拟合曲线;最后比较调整前后拟合误差.实例结果表明,本文所提出方法可调整局部拟合曲线形状,减小拟合误差.     

基于B样条模型的曲线特征点检测法

提出了一种基于B样条模型的曲线特征点检测法。该方法首先用B样条函数对原始曲线进行副近,得到原始曲线的分段解析表达式,然后利用曲线曲率分布来确定其特征点。B样条曲线分段解析的特点提出了曲率估计的精度,进而使特征点检测的准确度也得到提高,同时B样曲线拟合过程在一定程度上起到了对原始曲线的平滑作用,可抑制噪声对特征点检测的影响,并且这种平滑不具有常规高斯平滑的萎缩效应。实验结果证明了本文方法的有效性。     

基于迭代最近点的B样条曲线拟合方法研究

曲线拟合在图象处理、逆向工程应用等领域中有着重要意义。由于对于Ｂ样条参数曲线拟合,数据点的参数化直接影响着拟合的精度,因此提出了一种基于迭代最近点的方法来优化修正数据点的参数,并且证明了应用该方法进行曲线拟合具有局部收敛性。通过实验分析,验证了方法的正确性和鲁棒性。     

隐式B-样条曲线重建的直接Greville纵标法

提出了一种以隐式B-样条曲线为表达形式,基于直接Greville纵标的曲线重建方法。根据点云建立有向距离场,并作为B-样条函数的Greville纵标,然后根据高影响区内的平均代数误差优化Greville纵标;得到一个隐式B-样条函数,该函数的零点集即为重建曲线。该方法具有模型简单,重建速度快,无多余分支,无需手工调节任何参数的优点。实验结果证实了该直接法的效率明显高于点拟合法和普通场拟合法,以几何误差为准则的精度亦优于普通场拟合方法。     

Shape modeling based on specifying the initial B-spline curve and scaled BFGS optimization method

In this paper, we consider the problem of fitting the B-spline curves to a set of ordered points, by finding the control points and the location parameters. The presented method takes two main steps: specifying initial B-spline curve and optimization. The method determines the number and the position of control points such that the initial B-spline curve is very close to the target curve. The proposed method introduces a length parameter in which this allows us to adjust the number of the control points and increases the precision of the initial B-spline curve. Afterwards, the scaled BFGS algorithm is used to optimize the control points and the foot points simultaneously and generates the final curve. Furthermore, we present a new procedure to insert a new control point and repeat the optimization method, if it is necessary to modify the fitting accuracy of the generated B-spline fitting curve. Associated examples are also offered to show that the proposed approach performs accurately for complex shapes with a large number of data points and is able to generate a precise fitting curve with a high degree of approximation.     

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。     

基于Freeman链码的B样条曲线轮廓拟合

提出了一种Freeman链码与B样条曲线误差控制相结合实现轮廓拟合的算法,首先利用Freeman链码法进行边界跟踪,根据相邻像素点间的不同的链码变化关系,排除伪特征点,提取出轮廓中绝大多数特征点,然后结合基于误差控制的B样条曲线法,取得能够精确表示轮廓信息的特征点。本文算法即避免了使用曲率来进行求取特征点的复杂计算,提高了特征点检测速度,又提取出能够精确拟合轮廓的局部支撑点,实现了基于误差控制的轮廓曲线拟合。实验结果证明了本文算法的正确性。     

Reconstruction of B-spline curves and surfaces by adaptive group testing

Point clouds as measurements of 3D sensors have many applications in various fields such as object modeling, environment mapping and surface representation. Storage and processing of raw point clouds is time consuming and computationally expensive. In addition, their high dimensionality shall be considered, which results in the well known curse of dimensionality. Conventional methods either apply reduction or approximation to the captured point clouds in order to make the data processing tractable. B-spline curves and surfaces can effectively represent 2D data points and 3D point clouds for most applications. Since processing all available data for B-spline curve or surface fitting is not efficient, based on the Group Testing theory an algorithm is developed that finds salient points sequentially. The B-spline curve or surface models are updated by adding a new salient point to the fitting process iteratively until the Akaike Information Criterion (AIC) is met. Also, it has been proved that the proposed method finds a unique solution so as what is defined in the group testing theory. From the experimental results the applicability and performance improvement of the proposed method in relation to some state-of-the-art B-spline curve and surface fitting methods, may be concluded.     

An error-bounded B-spline curve approximation scheme using dominant points for CNC interpolation of micro-line toolpath

This paper presents a unified framework for computing a B-spline curve to approximate the micro-line toolpath within the desired fitting accuracy. First, a bi-chord error test extended from our previous work is proposed to select the dominant points that govern the overall shape of the micro-line toolpath. It fully considers the geometric characteristics of the micro-line toolpath, i.e., the curvature, the curvature variation and the torsion, appropriately determining the distribution of the dominant points. Second, an initial B-spline curve is constructed by the dominant points in the least square sense. The fitting error is unpredictable and uncontrollable. It is classified into two types: (a) the geometric deviations between the vertices of the polygon formed by the data points and the constructed B-spline curve; (b) those between the edges of the polygon and the constructed B-spline curve. Herein, an applicable dominant point insertion is employed to keep the first geometric deviation within the specified tolerance of fitting error. A geometric deviation model extended from our previous work is developed to estimate the second geometric deviation. It can be effectively integrated into global toolpath optimization. Computational results demonstrate that the bi-chord error test applies to both the planar micro-line toolpath and the spatial micro-line toolpath, and it can greatly reduce the number of the control points. Simulation and experimental results demonstrate that the proposed B-spline approximation approach can significantly improve machining efficiency while ensuring the surface quality.     

基于B样条隶属函数的模糊推理系统

隶属函数和推理规则的确定是模糊推理的难点。通过研究模糊推理过程和B样条函数的特性,对应用B样条函数拟合模糊隶属函数进行推理的方法进行改进。通过对误差极值点、曲率极值点的计算和筛选,得到B样条函数的型值点。反算求得控制点之后,通过自适应增加控制点对曲线进行调整,增加曲线对隶属函数的拟合度,解决了B样条函数对隶属函数的拟合问题。建立B样条推理规则,构造实现了B样条推理系统,并求出该系统的最终结果为B样条超曲面。最后,通过实验验证了该方法的有效性和可行性。     

基于二次B样条曲线拟合的新算法

针对由四点拟合成一条三次B样条曲线过程中计算量大的缺点,提出了一种简单的二次B样条曲线拟合算法。即用两条二次B样条曲线近似一条三次B样条曲线,以期达到计算量小,光滑度也达到要求,提高B样条曲线的绘制速度。     

基于有向距离场的代数B-样条曲线重建

提出了一种以代数B-样条曲线为表达形式、基于有向距离场的隐式曲线重建方法.首先给定一个表示封闭曲线、可能带有噪音且分布不均匀的平面点云,采用移动最小平方(moving least square,简称MLS)方法对点云去噪、重采样,得到一个低噪音、分布均匀的"线状"点云,再通过Level Set方法建立该"线状"点云的离散几何距离场,最后用一个代数B-样条函数光顺拟合该离散距离场,代数函数的零点集即为重建曲线.曲线重建过程可以归结为求解线性方程组问题.这种重建方法不仅可以得到高质量的重建曲线,还可以得到曲线周围的距离场信息.同时,避免了隐式曲线重建中经常出现的多余分支问题.     

NURBS曲线拟合的最小二乘渐进迭代逼近优化算法

为了使NURBS曲线更精确地拟合散乱数据点,提出了一种基于最小二乘渐进迭代逼近(least square progressive and iterative approximation,LSPIA)的NURBS曲线拟合优化算法.首先,确定一条初始NURBS曲线,利用LSPIA算法优化控制顶点;然后,分别优化数据点参数,拟合曲线的节点和权因子,每优化好一个变量,重新优化控制顶点;最后,经多次优化迭代得到高精度的NURBS拟合曲线.在优化每类变量时,为了避免被其他变量影响,保持其他变量不变.基于LSPIA的NURBS曲线拟合优化算法充分利用了LSPIA算法的优点,在迭代过程中,可以重复使用前一迭代步骤得到的控制顶点等数据,从而节省了运算时间.算法实例表明,该算法能获得一定保形效果.