光栅投影式测量点云数据的曲面重构技术

提出了一种通过光栅投影式测量方法所得结果来获取新的按明暗变化规律分布的三维点群方法．它包括对被测物体进行三维几何模型重构、对被测物体的普通图像进行抖动处理以及将抖动所得图像中的白色像素点向重构的曲面进行投射三个主要步骤．分析了该方法面临的关键问题——线状分布原始三维测量点的曲面重构，提出了一种基于线状分布原始三维测量点的三角片几何模型重构算法，算法简单，可以确保生成性状良好的三角片对曲面进行拟合，并且能够避免出现曲面裂口，从而使曲面连续、光顺．     

密集三维散乱点数据的拓扑矩形网格自组织压缩重建

探讨了曲面密集三维散乱点数据的拓扑矩形网格自组织压缩重建方法。建立了基于自组织特征映射神经网络的三维散乱点数据的拓扑矩形网格自组织压缩重建模型。该模型利用神经元对曲面散乱点的学习和训练来模拟曲面上的点与点之间的内在关系,结点连接权矢量集作为对散乱点集的工程近似化并重构曲面样本点的内在拓扑关系,实现曲面密集三维散乱点数据的自组织压缩。按矩形阵列侧抑制邻区训练调整网络神经元权重矢量,使网络输出层结点呈矩形阵列分布,可生成测量点集压缩后的拓扑矩形网格,可用于NURBS曲面重构。计算机仿真实验表明,所建模型可以实现三维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,重建矩形拓扑网格。     

散乱数据点B样条曲面重构算法的设计与实现

曲面重构是逆向工程的核心环节,由于B样条曲面的局部性,使其成为了曲面重构的首选。详细阐述了B样条曲面构建的理论基础,包括其数学模型和性质。在散乱数据点模型网格划分优化的基础上,提出了基于反求控制点的B样条准均匀双三次曲面重构算法。设计了基于反求控制点曲面重构算法的实现过程,解决了型值点的选取,节点参数化的问题。由于均匀B样条曲面的特点,其曲面网格的四端点不与控制点网格端点重合,为使拟合曲面接近原始曲面,采用了准均匀B样条基进行曲面生成。在VS2008环境下,用C++语言进行程序编写调试,最后给出了算法的运行结果。算法的实现说明了算法的的可行性和可靠性,算法具有速率快、精度高等优点。     

一种基于端点非插值性的NURBS曲面重构方法

为了解决多面片拼接曲面、多修饰特征曲面连续性差且难以延展的问题,提出了基于端点非插值性的NURBS曲面重构方法.首先根据位置和曲率的不同,将原始曲面离散为点云数据,根据离散点计算各个采样路径上的节点矢量;然后计算出曲面重构所需的端点非插值性的共同节点矢量及相应的控制点,并将共同节点矢量转化成标准的端点插值节点矢量,根据最新的端点插值节点矢量在无数据点区间插入新的型值点;最后将所有数据点重新拟合成单一曲面.重构结果表明,通过使用该方法重构所需的计算量降低,重构出的曲面精度较高.在曲率变化剧烈处,既保证了与原始曲面的贴合率,又保证了截面线的曲率连续性.该方法将原始曲面重构为单一曲面,提高了曲面重构精度,有效地解决了造型中易出现的曲面退化、曲面畸变等问题.     

天线罩内廓曲面测量数据处理与重构研究

天线罩是保护天线在恶劣环境条件下正常工作的一种设施,属硬脆材料大型复杂曲面工件.对天线罩内廓形进行精密修磨,可改善其工作性能.其加工属于自由曲面加工.为实现精密修磨,通过测量数据重构出了天线罩的内廓面.根据测得的天线罩内廓面离散数据,剔除坏点和重叠点后应用最小二乘法对测量型值点进行了光顺;通过数据的疏化处理,实现了测量型值点的双有序,完成了基于双三次B样条曲面的天线罩内廓曲面重构.在此基础上得到加工后内廓曲面,为数控加工中刀具轨迹的规划奠定了基础.该方法能够有效地消除测量产生的随机误差,所重构出的曲面具有精度高、光顺性好等特点.     

多个B样条曲面光滑重建的分步计算法

提出一种对多个B样条曲面光滑重建的分步拟合的算法,并通过对一个鼠标的例子进行重建给出了计算结果.说明新的拟合算法既能够处理大量的测量点,又能够提高重建速度,很好地解决多个曲面的光滑重建问题.     

基于微粒群算法的叶片曲面形状误差评定

以涡轮机叶片型面的形状误差评定为例,利用NURBS曲线插值构造出截面设计曲线,提出一种四控制点法构造与测量点最近的NURBS截面设计曲线,建立了计算曲面形状误差的数学模型,并应用微粒群算法计算测量点到曲面的最短距离,实现了曲面形状误差的评定。通过与传统的BFGS和DFP优化方法的计算结果进行比较,表明该方法能快速准确地计算叶片曲面的形状误差。     

微切平面逼近三维散乱数据的研究

提出了三维散乱数据微切平面逼近的算法．基于曲面形状信息反映在三维散乱点集中，用三维点集中某点的邻域点集构造微切平面来近似表示该点处的局部形状，所有点的微切平面集合则构成了待构曲面的近似表示．通过欧几里德最小生成树对微切平面法矢方向进行调整使其达到整体一致性，该算法在三维散乱数据曲面重构中具有重要意义．     

基于采样点曲面重构的拓扑算法的研究

针对带噪声点的点云数据提出了一种曲面重构的新算法,称为TSR Topological Surface Reconstructor(拓扑曲面重构算法).这种算法避免了在很多重构算法中一般使用的如单元格标记以及距离函数近似的大量计算.定义在Delaunay四面体拓扑元素中的一个离散的Morse函数可以计算一个算法所使用的离散的梯度域,决定哪些面属于多面近似.离散Morse理论为该种方法提供了基础,它为算法提供了一个拓扑框架来导出一个曲面的分段线性近似.最后提供了一些重构的结果,并把TSR的性能与其它某些点集重构算法进行了比较.     

一种平面域中三维散乱点的曲面重构方法

针对已知一般平面域的一些三维散乱点数据,提出采用最小二乘法原理求出拟合曲面的系数,根据误差的需求利用切比雪夫逼近原理对拟合系数进行修正的方法,对三维散乱点数据进行拟合,并以叶片为例,利用CAD软件对拟合数据进行曲面重构.实验数据证明,该方法有效地提高了对三维散乱点的处理速度和拟合精度,在复杂曲面表示、加工等领域有广泛应用.