复杂采空区激光扫描拼合散乱点云球面投影三角剖分算法

利用三维激光扫描技术对采空区进行探测以建立三维可视化模型,从而准确获取其三维空间位置和形态,是矿山采空区事故隐患综合治理工作中的重要环节.但由于采空区形态复杂,往往需要从多个方位对其进行多次探测才能准确获取采空区完整的三维形态.如何对多次探测点云数据拼合后的散乱点云构建三角网格模型,是实现复杂采空区三维探测建模的关键.本文提出了采空区激光扫描拼合散乱点云数据球面投影三角剖分生长算法,首先选定球心将原位点云投影到球面上得到投影点云,然后对投影点云进行三角剖分,最后将投影点云三角网空间拓扑关系还原到原位点云,从而构建复杂采空区三角网模型.为了有效实现算法,研究了球面投影参数设定、XYZ三向单元栅格点云搜索策略、三角形生成规则、优势顶点边界切分策略、边界闭合策略、不规则三角形优化策略等多种方法.实际应用表明,所研究的算法能够生成优质的采空区三角网模型,为实现复杂采空区三维精确建模及可视化管理提供了重要技术支持.     

多边形区域内储层建模结点三角剖分算法研究

结合储层建模结点数据的特点 ,提出了一种对多边形区域内建模结点数据进行快速三角剖分的算法 .如果区域边界边与剖分三角形可能相交 ,根据边界边顶点与剖分三角形确定的矩形区域的关系 ,对于不同情况 ,通过计算矢量叉积 ,或最坏情况下通过计算交点 ,来确定边界边与剖分三角形是否真正相交 .同时 ,讨论了在剖分过程中 ,对边界边链表进行实时更新 ,逐步减少边界边的思路 .虽然整个算法的时间复杂度最坏情况为 O( 3× m×n) ( m为多边形区域内结点形成的三角形个数 ,n为边界边个数 ) ,但在实际应用中 ,对大批量的储层建模结点数据进行三角剖分时 ,文中提出的算法具有比较高的处理效率     

三角网自动连接的聚焦算法

在三角网生长法的基础上，采用面向对象的技术，利用点数组和点索引数组来存贮平面上的散乱数据点，基于Delaunay三角剖分的“圆准则”，提出三角网自动连接的聚焦算法．该算法在扩展新三角形时，将点的搜索范围控制在已知三角形的外接圆内，计算速度大大加快．从给出的算例表明，该算法十分有效，特别适合于大数据量的三角剖分。     

基于图像不变特征与三角剖分的水印算法

针对数字水印抗几何攻击问题,提出了一种基于尺度不变特征变换(SIFT)筛选特征点的算法,以增强提取特征点的鲁棒性.基于筛选的SIFT特征点,在载体图像中生成一凸多边形区域, 利用动态规划算法最优三角剖分该区域,通过密钥K对剖分得到的三角弦等间隔采样,获得更小的三角形.水印信息嵌入在以每个小三角形的质心为圆心的圆周区域内.实验结果表明,该方法对RST攻击具有鲁棒性.     

基于线结构光扫描点云数据的数据精简及三角网格剖分

在分析线结构光扫描点云数据特点的基础上,讨论了针对测量点云数据精简算法,包括测量基面数据精简和基于弦高-角度偏差准则的数据精简算法.介绍了散乱数据的基于Delaunay三角剖分优化准则和Liang提出的相邻扫描线之间的三角网格构建方法,并在此基础上提出了一种改进方法,基于优化准则的线结构光扫描点云数据三角剖分算法,该算法符合Delaunay的三角最优剖分.以摩托车后视镜点云数据为例的实验结果表明该方法是有效的和切实可行的.图12,参11.     

基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础，提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题，并设计出相应的适应度函数、改进的算子以及控制参数，以弥补传统基因遗传算法的不足，提高了执行速度和进化效率．     

多边形内点集的三角剖分算法

提出了一种多边形内点集的三角剖分算法，该算法采用逐层求凸壳，对不在凸壳边界上的多边形顶点给予特殊处理，然后逐层分割环域成三角形序列，最后优化各三角形的边长，改变分割方式，使之能得到最短长度或接近最短长度的三角剖分．     

河流相储层沉积相带自动追踪算法

针对普通三角剖分算法构造三角网经常出现尖锐三角形的问题,提出了一种河流相储层河道砂体沉积相带自动追踪算法.该方法通过插入伪井进行优化Delauny三角剖分设计,结合单向、双向链表及井距比例因子,较好地解决了以往沉积相带图河道砂体跨井排不连续和宽窄不一的问题,在QX油田实际应用中取得了较好的效果.     

无序点云的平坦度自适应增量网格重建算法

设计了无序点云的平坦度自适应增量网格重建算法,通过对局部曲面平坦度的计算,根据预定义的公式,动态地调整自适应逼近误差参数,从而在保证网格质量的同时,过滤部分对重建效果意义不大的点,因此,适用于海量数据．该算法避免了基于三维Delaunay的四面体剖分带来的高复杂度及基于二维平面投影的三角剖分带来的变形和局限性．实验证明,能够高效、可靠地生成贴近原始曲面的三角网格,并取得较理想的绘制效果．     

最优三角形剖分在常规气象观测网上的应用

在Delaunay三角形剖分理论的基础上,分析了三角形剖分算法的经典优化原则存在的缺陷,研究了三角形形态比的特性,提出了最大的三角形形态比优化原则,该原则克服了经典优化原则的不足,且计算方便,根据常规气象资源分析的需要,提出了一个基于最大形态比优化原则的最优三角形剖分算法。     

二维及多维链表及其算法实现

通过对线性链表和数组的比较研究，总结出二(多)维链表的结构和算法。指出采用二(多)维链表可以克服数组内存分配的局限性和单链表数据访问的局限性，并通过实例说明二维链表的用法。     

三角网格中的孔洞修补算法

提出一种三角网格中的孔洞修补算法, 先应用最小内角原则, 对孔洞直接进行三角剖分得到孔洞剖分的新三角形集合, 然后依据孔洞边界顶点密度, 应用圆和最大内角优化原则, 对新三角形集合进行加点细分得到初始补丁网格, 最后应用λ-μ方法对初始补丁网格进一步优化, 得到最终的补丁网格. 实验结果表明, 该算法效率高、 准确性好.     

二进制改进粒子群算法在背包问题中的应用

提出了用于求解0 1背包问题的二进制编码的粒子群算法,阐明了该算法求解背包问题的具体实现过程.为了提高粒子群算法的收敛速度,在传统的二进制编码的粒子群算法中嵌入了记忆功能.通过对其他文献中仿真实例的计算和结果比较,表明该算法在寻优能力、计算速度和稳定性方面都超过了文献中提到的遗传算法和模拟退火算法.提出的求解背包问题的二进制改进粒子群算法,同样可以应用于其他离散优化问题.     

基于Loop细分的自适应细分曲面算法

首先研究了传统的Loop细分曲面算法,通过分析发现随着细分次数的增多细分算法中三角形网格片数增长过快。针对这一问题提出一种自适应细分曲面算法。算法根据相邻两个三角形面上的法向量的夹角,判断细分网格中较为光滑和非光滑的区域。实验结果表明,算法提高了数据处理速度,并且模型简单易实现。     

BP神经网络算法的一种改进

为了减小标准BP算法中迭代次数并提高其收敛速度，提出了将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法，在误差寻优初期，首先采用标准BP算法进行迭代，每迭代一次的工作量较小、所需存贮量较少，且对初始点的要求不高。当寻优过程开始接近最优时，更改寻优算法，即使用DFP变尺度算法。最后，通过MATLAl3实现。结果表明改进后的BP算法减少了迭代次数，提高了寻优的收敛速度。     

图像中连通体的线性标定算法的优化

介绍了基于边界追踪技术的图像连通体的线性标定算法的优化。在线性标定的过程中,我们提出一种新的图像边界点的处理方法,并对优化后的算法与原算法作了比较。优化后的算法节省了内存开销,有效地提高了程序的运行效率。     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

面向车辆路径问题的改进蚁群算法研究

为解决基础蚁群算法在求解车辆路径问题时出现收敛速度慢、易陷入局部最优解等问题,提出了一种改进蚁群算法.首先,引入节约矩阵更新选择概率公式引导蚂蚁搜索;其次,运用分段函数改进挥发因子,调整算法的收敛速度;再次,使用2-opt法,提高算法的局部搜索能力;最后,选取车辆路径问题国际通用数据集进行仿真,运用控制变量法找到信息素...     

基于改进双向RRT算法的机器人路径规划

针对双向快速搜索随机树（BI-RRT）算法在路径规划中存在目标导向性差、收敛速度慢、路径拐点多的问题,提出了一种改进BI-RRT算法。通过目标导向引导随机树更快朝向目标点生长,提高收敛速度。引入贪婪路径优化策略,有效减少路径拐点,提高了路径规划算法的效率。同时提出了一种圆盘碰撞检测的算法,并在多个场景中用Matlab平台进行了圆盘移动机器人的路径规划仿真实验,实验结果验证了所提出算法的可行性和有效性。     

基于细分优化方法的织物模拟

提出一种基于插值细分造型的织物模拟算法.通过对织物物理和几何属性分析,构造出一个带约束的几何模型,在改进的四点插值细分造型基础上,通过动态细分网格并结合曲面优化调整以达到高效模拟柔性织物自然行为的目的.克服了以往仿真方法中求解物理模型复杂、模拟过程难以控制的缺陷,简化了计算模型,提高了计算效率.最后,以织物模拟为例说明该算法的实现.