空间三角网格曲面的补洞方法*

由三维扫描仪对文物表面进行扫描得到网格数据后,先提取出破洞的边界,利用破洞边界三角形的法矢信息将破洞边界上的点投影到一个平面上,形成一个二维多边形;然后基于该二维多边形各内角及各边长度在多边形内插入新的离散点, 再将多边形内离散点三角网格化;最后用移动最小二乘近似法将破洞附近的点拟和成曲面,以此求出插入点的高度值,这样就得到了在三维空间中的网格数据。     

曲面的自适应三角网格剖分

在传统的映射法基础上 ,采用自适应三角网格加密法能有效地处理带有特征约束条件的任意曲面的三角剖分问题 .在平面三角化算法中对环边统一处理 ,并且采取了一种简单有效的曲率估算方法 ,提高了运行效率 ;并在保持外观的基础上进行了网格质量的优化     

三角网格模型的补洞算法研究

提出了一种三角网格模型的空间孔洞修补算法.首先根据网格中的点、边和三角形之间的关系提取孔洞边界,然后根据孔洞区域的夹角的顺序在空间中依次填补三角形直至修补完全,接着对新增加的高度弯曲的三角形进行细分,最后对修补后的孔洞网格进行几何形态调整,光顺化整个孔洞曲面.实验结果证明,该算法简单、有效,孔洞修补效果好.     

NURBS曲面的有限元网格三角划分

主要介绍一种ＮＵＲＢＳ曲面的有限元网格三角剖分算法，首先讨论ＮＵＲＢＳ曲面的离散算法，接着在此基础上，提出了利用网格前沿技术剖分ＮＵＲＢＳ曲面的算法，并且网格单元和结点同时生成。     

NURBS曲面的有限元网格三角剖分

主要介绍一种ＮＵＲＢＳ曲面的有限元网格三角剖分算法。首先讨论ＮＵＲＢＳ曲面的离散算法，接着在此基础上，提出了利用网格前沿技术剖分ＮＵＲＢＳ曲面的算法，并且网格单元和结点同时生成     

基于离散数据的自由曲面三角网格实现算法

针对自由曲面三角网格实现过程中三角网格的数目和形态等质量问题,提出一种采用最小权法直接实现三角划分的算法。分析和总结了三角形网格的优化方法,制定了具体的三维优化过程,不仅分析指出了现在主流三维划分的优点和局限性,而且结合环域网格的特点,制定了用增加点法完成的三维优化方法。提高了三角划分的速度,改善了三角单元质量,并提高了对三角单元进行修正的速度,实验结果证明了算法的有效性。     

三角网格上五次组合形式的代数曲面重构

提出了三角网格上代数曲面重构的一种方法。构造三个与任意两条边界GC1光滑拼接,与另一条边界GC0拼接的四次代数曲面,将这三个四次代数曲面分别与相应截面相乘并作线性组合,即可得到与三条边界光滑拼接的一个具有组合形式的五次代数曲面。所构造代数曲面具有二次精度、较好局部性、计算复杂度低、较大灵活性等优点。     

三角网格上五次齐次代数曲面的重构

提出三角网格上重建代数曲面的一种方法,利用三次控制曲面来构造五次具有"齐次"形式的GC<'1>光滑曲面,所构造的代数曲面具有2次精度、局部性好、计算量低、自由参数几何意义明确的优点;而且这个五次代数曲面在与一簇特殊的平面相交时,交线为一个四次代数曲线和一条直线,从而化简了这类曲面参数化的计算量.     

密集散乱数据的三角形网格曲面逼近方法

介绍了一种密集三维散乱点群数据的三角形网格曲面逼近方法 .算法采用一定数量的球体在曲面空间的有效投影域上的排布来模拟 Voronoi多边形 ,从而实现平面域约束 Delaunay三角剖分 ,并利用 Hardy多二项式插值原理将其映射到曲面空间 .通过对球体集合的动力学数值仿真 ,解决了网格节点的位置确定和最佳网格节点数量确定的问题 .实际模拟结果表明 :算法结构清晰、实用 ,三角化结果品质良好 ,在数控加工和反求工程中有着广阔的应用前景 .     

裁剪曲面自适应三角化剖分

针对CAD/CAM领域中裁剪曲面的三角剖分问题,从提高效率和满足剖分精度的角度出发,提出了一种较为实用的自适应离散方法,与传统的自适应方法相比,三角片数量有所减少,速度有明显的提高.     

散乱点云的三角网格重构

基于增量扩散法的思想,提出并实现了一个散乱点云的三角网格重构算法,算法首先利用体素网格的散列表对散乱点进行组织,然后在确定了初始种子三角形的基础上,基于活动边扩展规则构造新的三角形,使网格不断向周围扩展直到活动边表空为止,最后算法合并棱边并计算每个三角形的顶点法矢,最终构造出散乱点云的三角网格。     

空间三角网格曲面的边界提取方法

边界是曲面的重要特征之一,在形状匹配、曲面拼接等方面有着重要作用.由于空间网格数据分布不规则,不能从点的坐标直接得到曲面的边界,因此提出了一种空间三角网格曲面的边界提取方法,通过判断一个点的邻接点是否都能通过三角网格的边组成闭合曲线来获取边界点.该方法易于实现、适应性强,并应用于计算机辅助文物复原系统,实验证明,此算法能正确处理空间三角网格数据,且效率很高.     

三角网格模型体素特征分割

针对现有机械制造领域网格模型分割结果缺少工程含义的现状,提出了一种三角网格模型体素特征分割方法。首先在对三角网格模型分割的基础上,对由网格分割得到的每个子网格进行曲面类型识别,然后在基本体素及典型结构显著特征表示的基础上,把识别出的曲面集合与基本体素及典型结构进行匹配,从而将分割结果分类为自由曲面、基本体素和复杂体素,实现具有工程含义的体素特征分割。该方法可以降低模型重构的难度,加快模型重构的速度。     

逆向工程中复杂拓扑关系的三角网格构造*

三角网格构造是逆向工程CAD建模技术中的一个重要步骤。提出了一种针对扫描线点云数据的三角网格构造方法,该方法的核心思想是合并同层的扫描线,并且标记合并后扫描线的间断点,以便三角网格构造和拓扑结构建立。该方法解决了对于包含分叉和内孔特征的三角网格的构造问题。     

基于邻域相似性的三角网格光顺算法

为了提高三角网格模型的质量,满足模型后续处理的要求,提出了一种基于邻域相似性的网格光顺算法。类比图像像素的灰度值,首先构造顶点的双边滤波微分算子,作为其几何灰度值;然后计算顶点邻域之间的相似性,作为顶点几何灰度值的权值,并对顶点的邻域顶点的几何灰度值进行加权平均,得到该顶点的最终几何灰度值;最后将顶点沿着其法矢量方向移动几何灰度值大小的距离,得到光顺后的三角网格模型。实验证明,该算法在光顺模型的同时有效地保持了网格的几何特征。     

三角网格曲面角点的鲁棒性检测算法

为有效检测三角网格曲面上的角点特征,提出一种基于最小主曲率的角点检测算法.首先通过计算网格顶点处的最小主曲率,利用加权最小主曲率定义角点特征函数,并计算角点特征值;然后利用迭代阈值法自动产生检测阈值,以去除噪声和特征不明显的角点;最后采用非极大值抑制法消除局部邻域内的角点聚簇获取特征明显的角点.在此基础上,在多个尺度下分别计算每个网格顶点处的角点特征值,并通过加权将其合并成多尺度角点特征值,新的角点特征值使得角点检测算法具有较高的稳定性和鲁棒性.通过重复检测率实验和部分重叠曲面的配准实验,验证了文中算法的有效性与实用性.     

GSOR Method for the Equality Constrained Least Squares Problems and the Generalized Least Squares Problems

In a recent paper [4], Li et al . gave a generalized successive overrelaxation (GSOR) method for the least squares problems. In this paper, we show that the GSOR method can be applied to the equality constrained least squares (LSE) problems and the generalized least squares (GLS) problems.     

MSLS法的一个注记

一、MSLS法多步最小二乘法(MSLS法)由于其运算简单,不存在收敛性问题,而一直受到人们的重视。在这个方法中,系统模型和噪声模型的辨识是分成三步来完成的,每一步所采用的方法都是简单的最小二乘法。第一步是辨识一个辅助模型参数;第二步是估计原始系统模型的参数;第三步是估计噪声模型的参数。如果不需要求噪声模型的参数,第三步也可以省略。     

A robust hole-filling algorithm for triangular mesh

This paper presents a novel hole-filling algorithm that can fill arbitrary holes in triangular mesh models. First, the advancing front mesh technique is used to cover the hole with newly created triangles. Next, the desirable normals of the new triangles are approximated using our desirable normal computing schemes. Finally, the three coordinates of every new vertex are re-positioned by solving the Poisson equation based on the desirable normals and the boundary vertices of the hole. Many experimental results and error evaluations are given to show the robustness and efficiency of the algorithm.