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.     

反求工程中三角网格拓扑生成的算法研究

散乱点的三角网格剖分是反求工程中的第一个重要环节,在对三角剖分基本方法深入分析的基础上提出了动态圆的概念,使得搜索新三角形的范围大大降低,从而加快速度,并在搜索过程中实现Delauuay三角形优化,另外,通过动态更新搜索边控制三角形生成进度,将新三角形和已有三角形的相交判定转化为和搜索边的相交判定。     

三维有限元网格的自适应生成新方法

本文给出了一种可在任意位置加点的三维有限元网格自动生成方法,提出了有限元计算结果的误差估计公式,实现了网格的自适应细化。     

一种空间曲面上散乱数据的快速三角剖分新算法

在现有三角剖分方法研究的基础上,提出了一种空间曲面上点云数据的快速三角剖分新算法。以区域生长法为主导,通过表面法向量向外原则提出了一种种子三角形选取与构造的新方法,改进生长算法,采用逆时针方式搜寻最优扩展点来生成三角形网格。该算法的总体时间复杂度为O（KN）,能够快速高质量的生成三角网格模型。     

散乱模型的四边形网格剖分方法

针对基于CAD几何信息的网格剖分方法无法避免繁琐模型修补,导致网格剖分效率低下的现状,提出一种基于散乱模型的全四边形网格剖分方法.使用散乱点或者STL格式文件作为网格剖分的输入模型,使用改进的基于散乱模型进行网格剖分的铺路算法,在很大程度上减少甚至避免了模型修补问题.提出以散乱模型作为背景网格,作为控制网格单元尺寸调整的依据:使用网格细分和网格粗化的手段实现网格疏密变化的光滑过渡;自动识别几何模型中的特征并在网格模型中保留.提出了一种高效的铺路面相交搜索方法,综合考虑影响相交处理的多种因素,有效地处理了铺路面相交问题.多个复杂的汽车覆盖件网格剖分的算例结果表明,运用所提出方法完成的网格模型质量很高,算法具有较强的工程实用性.     

根据STL文件生成三维四面体网格

STL文件通过记录一系列的三角形集合信息表示实体的边界几何信息。给出了一种从STL文件生成实体的边界一致的符合Delaunay准则的四面体网格的方法，并对生成的四面体网格进行尺度控制及质量优化，从而得到适合于有限元分析的四面体网格。该方法为CAD／CAE的集成提供了一种思路。     

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。     

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。     

基于B-Rep模型的三维实体的真实感显示

介绍了基于 B- Rep模型的三维实体数据结构。通过对 B- Rep模型表达的三维实体的表面进行 Delau-nay三角剖分 ,对离散后的曲面采用明暗处理技术 ,实现了三维实体的真实感显示 ,获得了效果逼真的三维实体真实感图形。     

三维约束Delaunay三角化的边界恢复方法

在逐点插入法的基础上,提出了一种有效的三维约束Delaunay四面体剖分的边界恢复的改进算法。该算法具有如下优点:只需要插入很少的点即可实现边界恢复,提高了算法的效率;避免了产生不必要的棱边过小的四面体;与现有的四面体网格生成的算法结合的非常好。实践证明,本文提出的边界恢复算法的效率高,所生成的网格质量好,并易于实现。     

逼近散乱数据的矩形网格边缘误差的减小研究

基于SOFM神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成期望疏密程度和精度的双有序点列,但该模型存在边缘误差。为减小矩形网格的边缘误差,改进了矩形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点集,对矩形网格模型中的所有神经元进行整体训练;第2步采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对矩形网格模型中的网格边界角点神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到提高并覆盖数据点集整体分布范围。     

由三角网格模型重构多层次几何信息方法研究

利用STL标准文件系统表达的三角网格模型同CAD模型中几何设计信息间的约束映射关系，提出将三角网格实体模型重构为B—rep、几何信息集、独立于应用领域的几何信息等多层次几何信息表达方法，使面向虚拟设计、虚拟装配领域的应用只需对几何抽象信息表达查询而无需查询最底层的三角网格信息。将提出的方法在摩托车曲面的虚拟变形设计中作为提供产品信息的基础层，初步解决了虚拟环境中产品设计的可行性问题。     

离散数据点集的3D三角划分算法研究

在实物测量造型过程中,根据离散点集进行三角网格划分是其关键环节之一,也是进行后续进行曲面重构的前提和基础。本文在当前的三角网格划分方法比较之后,提出了一种散乱点集的三角网生长算法,该算法无须对离散点集所对应的自由曲面进行分片投影,直接在3D空间从已划分区域边界到未划分区域按照Delaunay准则生成三角网格,并给出了用此算法处理散乱数据的试验结果。     

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。     

三角网格大面积孔洞光顺修补算法的研究

针对曲率变化复杂区域的大面积孔洞缺陷,提出一种基于曲面拟合的光顺孔洞修补算法。首先提取孔洞基本特征信息,基于孔洞边界直接填充修补;接着通过网格细分与优化,获得孔洞内部采样点;最后通过加权分点曲面拟合,调整采样点的空间位置。应用实例表明,该算法获得的修补网格质量高,能较好地逼近原始缺失曲面,且与周围原始网格光顺连接。     

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。     

基于单幅图像数据的三维重构方法研究

针对传统的基于阴影恢复形状方法（SFS）的三维重构方法的局限性,综合运用计算机视觉、图像处理和计算机辅助几何设计理论与技术,提出了一种实用的三维重构方法。采用SFS方法获取三维形貌信息,利用图像分割技术提取物体的二维轮廓信息,通过三维形貌信息与二维轮廓信息的融合建立物体的数字化模型,通过B样条方法实现数字化模型的重构。实例表明,该方法能够有效地去除图像的背景信息,改善重构模型的分辨力,为基于图像的三维重构技术的广泛应用提供了条件。     

基于切片数据的三维重构技术研究

针对由规则外形构成的物体,对轮廓匹配和分支等关键问题进行分析,并对这些问题的解决方法进行改进,提出按照几何中心及轮廓线搭接面积进行匹配和多轮廓线的面积比率将多分支转化若干个单分支来解决分支问题,从而提高了重构质量、简化了重构算法.     

三角网格模型错误检测及修复算法研究

三角网格模型在计算机辅助设计中得到了广泛的应用,但是由于模型常见的一些错误给后续处理带来了极大的困难.针对这个问题,在对常见错误分析的基础上,通过建立相应的数据结构,系统地提出了处理各种错误的算法,最后通过实例验证了算法,取得了理想的修复效果.     

基于特征提取的三角网格模型区域分割算法研究

提出了一种基于特征提取的区域分割的模型简化算法,采用相邻三角形的法矢夹角与预先设定的角度阈值相比较,进行特征的提取,用区域生长法进行非特征区域的划分,获得了特征区域数据。通过与单个角度阈值特征提取的区域分割算法进行比较,对分割后的区域进行最小二乘曲面拟合。结果表明,该区域分割法得到的曲面拟合后误差更小。