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.     

补白

三角域上的曲面造型技术以其适应于不规则与散乱数据点的几何造型和避免出现退化等特性而广受重视.文章给出了三角域上有理Lagrange插值曲面的定义和求值的递推公式．     

逆向工程的研究与发展

逆向工程是一门正在迅速发展中的学科分支,目前还处于不断研究和探讨之中。而逆向工程中的一个重要问题是利用已有的点云数据进行空间曲面的重建,即空间散乱点云的三角剖分问题。逆向工程中空间曲面上点云数据三角剖分的一般方法涉及空间点云数据的过滤,过滤后点云数据的显示,点云数据的三角剖分,最终生成剖分后的空间曲面图形。     

三角域上的有理Lagrange插值曲面及其求值递推公式

三角域上的曲面造型技术以其适应于不规则与散乱数据点的几何造型和避免出现退化等特性而广受重视．文章给出了三角域上有理Ｌａｇｒａｎｇｅ 插值曲面的定义和求值的递推公式．     

基于Bézier曲面的大规模散乱数据的插值

对于大规模散乱数据而言,传统的散乱数据的插值方法由于要通过求解联立方程组来得到插值曲面,因此无法适应大规模散乱数据的逼近.本文提出的基于Bézier曲面的大规模散乱数据的插值方法,是一种通过自适应的迭代方法,对大规模的采样点进行Bézier曲面插值的方法,有助于提高计算的速度和精度.     

反求工程中基于曲面特性的离散数据优化方法

在反求工程中,对数字化测量仪输出的"点云"数据进行处理是关键内容,其中"点云"数据的优化是进行后续曲面建模的前提,采用有效的优化方法得到的数据能够有利于曲面建模.在数据优化过程中,根据三角剖分生成的三角面片所显示的曲面特征,建立曲面曲率和扭曲量与采样密度的对应关系,对测量点进行重采样优化,从而选择更有利于曲面建模的点,压缩数据量,提高曲面建模的准确度和效率.     

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。     

CAGD中散乱数据点的三角曲面构造研究

过任意散乱数据点列构造Ｂｅｒｎｓｔｅｉｎ－Ｂｅｚｉｅｒ三角形插值曲面，用于曲面设计及各种连续信息的形状模拟具有重要意义。提出一种新可处理任意复杂域三角网格生成问题的简单而可靠的算法及其确定三角曲面整体Ｃ＾１连续与构造的几何化公式，直观性强，计算方便，并能处理任意非凸边界及带有内部孔洞的复杂情况。     

基于海量散乱数据的数据压缩及曲面重建新方法

基于三维散乱数据的曲面重构是反向工程中的一项关键技术.文章针对大规模的散乱数据点,给出了一种数据压缩及生成曲面三角网格的新算法.该算法首先按照压缩比例在原始点中提取定量的分布均匀的点作为压缩后的点,然后利用原始点和压缩后的点之间的关系构建三角网格.最后再进行拓扑修正及网格优化,从而得到拓扑正确且均匀的三角网格曲面.实验表明,该算法简单,易于操作,具有较强的适用性.     

基于Bezier曲面的大规模散乱数据的插值

对于大规模散乱数据而言，传统的散乱数据的插值方法由于要通过求解联立方程组来得到插值曲面，因此无法适应大规模散乱数据的逼近．本文提出的基于Bezier曲面的大规模散乱数据的插值方法，是一种通过自适应的迭代方法，对大规模的采样点进行Bezier曲面插值的方法，有助于提高计算的速度和精度．     

基于k-邻域密度的离散点云简化算法与实现

提出一种基于k-邻域密度(即k-邻域中的点云密度)的离散点云简化算法, 并给出了在三角网格重构中的实现. 该方法不仅可以保证实物模型重建后的整体轮廓, 而且在细节部分也较好地保持了局部形状特征. 三角网格重构的实验结果表明, 所给方法简单、 高效, 同时, 在实物模型平滑处与曲率变化较大处均取得了理想效果.     

大型储罐的三维点云精简方法研究

针对大型储罐三维点云数据散乱、冗余点多等影响计算机显示及容积计算的问题,改进了一种储罐三维点云精简算法。该方法先利用均匀网格法,将待处理的三维点云数据分割成若干小栅格;然后根据随机抽样一致(random sample consensus,RANSAC)算法对每个栅格中的点云数据建立球模型,以保留特征点并滤除冗余数据点,达到精简点云的目的。将该方法与传统的均匀网格法和非均匀网格法进行对比,实验结果表明该方法在保证较高精简率的情况下可以更好地保留储罐点云数据特征。     

保留边界特征的点云简化算法

为有效简化点云数据,提出保留边界特征的点云简化算法。该算法利用三维栅格划分法建立散乱点云的空间拓扑关系,计算每个数据点的近邻,通过球拟合法求得其曲率和具有方向性的法向量,采用投影点个数比值法找到并保留点云边界,根据具体情况设定所需阈值,对非边界点进行分类,通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例,完成点云简化。实验结果表明：该算法不仅能对点云进行直接有效地简化,而且还能很好地保留点云模型的细节特征,简化比例达25％～40％。该方法可以满足不同种类点云简化的要求,能够提高计算机运行效率。     

基于散乱点云的快速体积计算法

三维可视化体积计算基本上都是先由散乱点云构建出表面网格模型,然后基于网格模型计算体积,存在计算量大、速度慢的缺点.针对此问题提出一种快速体积计算法,首先使用改进的增量式Delaunay三角剖分对散乱点云进行四面体剖分;然后利用K近邻计算散乱点的拟合曲面和最小生成树,得到各点的法向量;由各点法向量剔除体外四面体;最后计算各四面体体积之和从而得到总体积.实验表明,该算法不仅保证了计算准确度,而且较传统算法大大提高了效率.     

基于改进随机抽样一致的点云分割算法

随着三维点云数据模型在三维建模、测绘、智能城市以及机器视觉等领域的应用,点云数据处理也成为一个研究热点。点云分割就是将三维空间中点云通过一系列算法,将散乱的点云数据划分成更为连贯的子集的过程,可以为后续的数据分析提供数据基础。针对随机抽样一致算法(random sample consensus, RANSAC)对杂乱、无规则点云数据分割效果不佳的问题,提出一种改进的RANSAC点云分割算法。该算法通过构建Kd(K-dimensional)树,利用半径空间密度重新定义初始点的选取方式,进行多次迭代来剔除无特征点,在实现点云分割的同时可以有效去除噪声点;此外,该算法重新设定判断准则,优化面片合并,可以实现点云的精确分割。实验通过对散乱点云数据进行分割,结果表明该改进RANSAC算法的点云特征提取数据量较大,面片分割的准确性较高,是一种有效的点云分割算法。     

复杂采空区三维散乱点建模技术研究及应用

以采空区三维激光扫描系统探测获取的原始数据为依据,针对复杂采空区散乱点云数据,研究提出运用一组等间距的垂直于包围盒走向方向的平行切割面,对散乱点云进行区域划分进而构建空区实体模型的方法.首先确定等间距平行切割面的方向和间距,对散乱点云数据进行划分;其次运用最小距离法确定散乱点云的位置即所归属的切割面;最后运用凸包最小距离法对每个切割面上的散乱点进行排序,成为有序点后对其进行建模.应用表明,研究所形成的建模方法可实现对复杂采空区散乱点云的精确建模.     

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.     

散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

基于中轴线的隧道点云去噪算法

隧道作为一个狭长的封闭空间,其点云内部噪声影响点云分析精度,有效去除隧道点云内部的噪声是基于点云隧道形变分析的关键.提出一种基于中轴线的隧道点云去噪算法.通过对点云双向投影获取隧道在水平和垂直方向的姿态变化,根据高阶多项式拟合两条平面曲线并插值中轴线控制点,通过定义空间线段的夹角加密控制点以表达中轴线.通过计算各控制点处的切平面实现对隧道点云的分割,计算各分块内点到中轴线的距离,并根据给定的距离阈值实现隧道内部点云噪声的过滤.通过两组实验分析证实该方法的可行性与精确性.第一组通过模拟隧道点云数据并采用该方法拟合中轴线,比较分析其与已知中轴线的精度.第二组通过分析处理实际的隧道点云数据,实现隧道点云内部噪声的去除.     

点云数据的三角剖分及计算机三维重建

为了解决直接剖分法因点云数据拓扑结构复杂出现的自交现象,提出了一种基于分治策略的三角剖分方法.首先,对原始点云数据进行平面投影并执行区域分割;其次,在每一个区域内进行直接剖分,剖分过程遵循异侧剖分准则、法向量夹角最大剖分准则、阈值距离剖分准则、最小内角最大剖分准则.最后,按照空间Delaunay剖分准则完成区域之间的连接.实验结果表明,该文提出的剖分方法对于规则曲面点云和非规则曲面点云都具有理想的剖分效果,并且执行速度快.