基于最小生成树的R~*-树结点分裂算法

针对R*-树应用到逆向工程领域时遇到的适用性差等问题,提出了一种新的R*-树结点分裂算法.该算法将R*-树索引结点表示为轴向包围盒,依据轴向包围盒外接球间的重叠度计算结点相似度,并将其作为权值构建结点无向连通图,用来求解结点无向连通图的最小生成树.沿最大权值边将最小生成树分裂为2棵子树,并基于结点外接球体积对R*-树结构进行优化,从而实现了R*-树结点分裂.实例表明,R*-树结点分裂算法可处理各种复杂数据的结点分裂问题,能够有效地提高R*-树的构建效率及空间数据的查询效率.     

最小距离分裂算法在NURBS曲面间的改进

基于分裂算法中最小距离在NURBS曲面间的应用研究,提出了以包围体来代替包围盒(AABB)的思想,在求凸包间距离时选取了GJK算法,并对分裂算法进行了改进,从而在算法精度以及算法速度方面实现了极大地提高.     

基于三角网格曲面的环切粗加工刀轨生成算法

提出一种基于三角网格曲面的环切粗加工刀轨生成算法,该算法采用R*-tree建立三角网格曲面的动态空间索引结构,基于该结构快速建立三角网格模型的Z向包络面,采用R*-tree建立Z向包络面的索引结构,对切削平面与Z向包络面求交获取截面轮廓环,判断截面轮廓环的环向,并依据轮廓环间的拓扑关系确定切削区域,通过对轮廓环进行等距偏置获取环切粗加工刀轨.实例证明:该算法对各类复杂三角网格曲面均可准确生成无干涉环切粗加工刀轨,并可实现模型的区域性加工.     

采用R*-tree的三角网格曲面非均匀精简算法

提出了一种三角网格曲面非均匀精简算法.该算法采用R*-tree组织三角网格曲面的空间拓扑结构,实现了三角面片拓扑邻域的快速查询.结合三角网格曲面模型的曲率分布状况,对三角网格曲面进行聚类分簇处理,通过对分簇网格进行局部精简,实现了三角网格曲面模型的整体保形性精简.与同类精简算法的对比实验表明,该算法的数据适应性强,有效地保留了三角网格曲面的型面特征,精简后的网格模型与原网格模型的面片偏差降低了20%～45%,精简时间减少了10%～35%.     

城市物流配送的二阶段启发式算法

针对城市物流配送的特点,将空间聚类算法与蚁群算法相结合运用到路径规划中,提出了一个基于交通网络的VRP二阶段解法.以带权图描述城市交通路网,利用交通网络中各个结点间的距离关系和结点的需求量,以配送车辆的容量为聚类的约束,通过多次迭代将所有结点聚集成相互独立的多个簇.选择簇间相似性最小的聚类,利用蚁群算法,根据簇之间和簇内结点间的距离关系,分两次规划配送路径,最终得到配送中心到所有结点的配送路径.该算法通过聚类降低系统复杂度,缩短了蚁群搜索时间,具有较快的速度.最后用一个仿真实例验证二阶段算法的有效性.     

面向复杂产品交互虚拟装配操作的并行碰撞检测算法

运动对象间碰撞检测是交互式虚拟装配的一个基本问题,提出一种虚拟环境中运动对象间的并行化碰撞检测方法.该方法使用一种并行的、基于区域分割和快速相交校验排序的分解算法来包围盒层次模型,检测计算时依据用户的操作动态决定碰撞检测对以减少检测计算量,同时基于微机和局域网的并行方法来计算模型间碰撞,两个模型间碰撞检测时使用包围盒层次树动态更新方法.随后,以某型汽车底盘虚拟装配时的实时碰撞检测来验证算法性能.结果表明,该方法可以快速建立包围盒层次树模型,并可在交互操作中完成给定精度的实时碰撞检测.     

散乱数据点云边界特征自动提取算法

提出一种散乱数据点云边界特征自动提取算法,该算法采用R* -tree动态空间索引结构组织散乱数据点云的拓扑关系,基于该结构获取采样点的k近邻点作为局部型面参考数据,以最小二乘法拟合该数据的微切平面,并将其向微切平面投影,根据采样点与其k近邻所对应投影点连线的最大夹角识别散乱点云边界特征.实例验证该算法可快速、准确地提取散乱数据点云的边界特征.     

基于凸包的最小体积有向包围盒生成算法

针对复杂物体三维点集的建模问题,提出一种基于凸包的最小体积的封闭有向包围盒生成算法.对凸包和其最小体积有向包围盒的关系进行分析,总结了其4种边面接触类型.通过枚举凸包中边的所有可能的组合,唯一确定包围盒的最优方向.实验证明,该算法可以快速生成符合模型体积特征的最小有向包围盒,且拟合效果良好.     

基于遗传算法的封闭轮廓最小面积凸包围盒生成算法

许多工程应用中需要计算区域最小面积的包围盒。当前工程实践中通常采用的是面积最小的矩形包围盒,而最小面积矩形包围盒在许多工程实践中由于存在较大误差因此并不能满足应用需求。本文基于遗传算法的思想,研究并提出了任意封闭区域(轮廓)最小面积的凸包围盒生成算法。该算法简单,速度快,效果显著。实际应用表明了该算法的有效性与实用性。     

凸多边形最小面积四边形包围盒算法

针对凸多边形的最小面积四边形包围盒问题进行研究,通过数学推导证明,得出了凸多边形的最小面积四边形包围盒的四边都是多共点边,或三边是多共点边而另一边(单共点边)中点与凸多边形的一顶点重合等一系列结论.依据此结论设计了时间复杂度为O(n4)的算法,依据本算法可以构造出凸多边形面积最小的凸四边形包围盒,而且其算法的复杂度仅与凸多边形的边数n相关,是多项式级的复杂度.运算实例表明了算法的正确性和有效性.     

节点位置信息已知的分簇算法

无线传感器网络是一种无线自组织网络,并由大量的传感器节点构成.本文研究了典型的分簇协议,并在此基础上提节点位置信息已知的分簇算法出了一种新的分簇算法——最大最小距离分簇算法（max-min distance clustering algorithm）.该算法在节点位置信息已知的情况下,引入定位点为参量,可确保每轮选出理想的簇头个数.     

基于修剪树的优化聚类中心算法

针对传统聚类算法存在样本形状及孤立点敏感的问题,提出基于修剪树的优化聚类中心(Optimized Clustering Center Based on Trimmed Tree,OCT)算法.该算法自适应地寻找裁剪尺寸来修剪并分割最小生成树为森林,获取森林全部叶子结点并再次构造最小生成树,根据预设簇数n,修剪最小生成树...     

基于布尔搜索的空间目标分布最小包围盒规划

为了降低对平面内无源目标进行定位产生的搜索代价,研究了确定覆盖所有随机部署的无线传感器网络节点的最小包围盒问题.首先提出基于布尔搜索的无线传感器网络节点最小包围盒规划方法,运用深度优先策略,使锚节点不断逼近目标节点的实际位置;然后根据前述算法完成时的锚节点坐标,设计了坐标最大-最小值规划算法以构造最小覆盖面积包围盒.最后通过仿真和算法分析得出,所提策略计算复杂度低于遍历方式的最小包围圆、包围盒算法,且能更准确地估计出覆盖面积最小的包围盒.     

基于R*-tree的散乱点云截面数据获取算法

为快速准确地获取散乱点云的截面数据,以较少数据准确表达模型信息,提出一种截面数据获取算法.采用R* -tree建立点云的动态空间索引结构,基于该结构快速准确获取截面邻域数据,依据该数据与截平面的位置关系将邻域数据分为正负两个邻域,通过对两邻域数据点配对连线与截平面求交获取截面数据,并采用最小生成树算法对其排序,最终得到有序的截面数据.结果表明,该算法数据适应性强,截面数据获取精度高,运行速度快,且能够以较少数据准确表达模型型面特征.     

基于空间分解和混合包围盒的碰撞检测算法

针对如何提高碰撞检测的实时性,提出了一种碰撞检测算法.该算法首先利用空间分解确定相邻物体,然后对相邻物体利用层次包围盒方法进行碰撞检测,在包围盒碰撞检测方面,提出了一种新的包围盒混合结构,这种混合结构结合了AABB包围盒相交测试的简单性和k-DOPs包围盒的紧密性.实验结果表明,该算法有效地提高了碰撞检测的实时性.     

一种基于虚拟手术的三维碰撞检测算法

为了解决虚拟手术的快速碰撞检测问题,提出了一种新的基于方向包围盒层次树的快速碰撞检测算法,利用简化的几何模型表示一方向包围盒层次树来实现复杂物体间的实时碰撞检测.算法在继承一般基于方向包围盒的碰撞检测算法优点的同时,突破了它们的局限性,能够在保证效率的前提下处理任意形状多面体之间的碰撞检测问题.同时采用了三角形带压缩技术和方向包围盒技术来加快碰撞检测阶段的绘制速度,从而提高碰撞检测的效率.     

一种新的无线传感器网络非均匀分簇算法

为避免无线传感器网络的能量空洞问题, 延长无线传感器网络寿命, 提出一种新的基于双簇头的无线传感器网络非均匀分簇算法. 该算法综合考虑节点剩余能量和节点到基站的距离选举分簇簇头, 将无线传感器网络分为不同规模的簇; 为了减小规模较大簇的簇头节点收集与传输数据的负担, 在数据传输阶段构造基于改进最小二 叉树的数据传输路径. 实验结果表明, 该算法能够有效减小节点能量消耗, 可有效延长无线传感器网络的使用寿命.     

基于AABB递进相交空间的快速碰撞检测算法

针对包围盒在碰撞检测中相交的特点,提出一种将场景中两个相交AABB包围盒的相交部分作为新的子空间,再将子空间中的几何模型重新构造AABB包围盒并进行相交测试的递归碰撞检测方法.该方法从宏观到微观的递归方式可以快速确定两个几何模型是否相交,并且有效避免过多的前期准备工作,诸如:考虑构造AABB二叉树时的叶节点划分终止问题;对原始包围盒进行剖分并构造AABB包围盒层次树时,在存储空间方面的压缩存储问题.实验表明,该方法有效地提高了碰撞检测的效率.     

一种基于最大最小距离和SSE的自适应聚类算法

K均值聚类是一种常用的聚类算法,需要指定初始中心和簇数,但随意指定初始中心可能导致聚类陷入局部最优解,且实际应用中簇数未必是已知的。针对K均值聚类的不足,文中提出了一个自适应聚类算法,该算法基于数据实例之间的最大最小距离选取初始聚类中心,基于误差平方和(SSE)选择相对最稀疏的簇分裂,并根据SSE变化趋势停止簇分裂从而自动确定簇数。实验结果表明,该算法可以在不增加迭代次数的情况下得到更准确的聚类结果,验证了所提聚类算法是有效的。     

用于光线跟踪的高并行度表面积启发式(SAH)KD树构建

提出一种用于光线跟踪的SAH-KD树构建方法,解决当前KD树并行算法并行度不高且效率低的问题.算法首先对所有图元包围盒在三个维度按坐标轴左值排序,得到三维上有序的包围盒索引.然后使用层次遍历构建KD树,根据每个节点包围盒选择要划分的维度,并在当前层生成所有节点在该维度下的候选划分点序列.最后计算每个节点的空间树,在GPU中计算每个候选点的SAH值,选择每个节点的最小SAH值点进行划分.实验中采用4个常用场景进行测试算法性能,并同时比较了当前高效串行与并行算法,结果证明本文提出的算法在生成同等质量KD树的情况下达到对比串行方法4~6倍以及对比并行方法的1.3~1.5倍的计算速度,并且能在线程数成倍增加时达到相近倍数的加速比.