基于散乱数据的层次B-样条曲面重构算法的数值模拟

针对散乱数据的层次B 样条曲面重构算法,给出了算法的数值模拟过程,证明算法的可行性、有效性及优良性。     

基于散乱数据的层次B样条曲面重构与优化

运用B样条曲面的表示方法,构造了初始B样条曲面网格控制点逼近散乱点集,在此基础上构造包围盒进行局部搜索,用于误差检测,将查找问题转化为计算问题;并采取单元凝聚方式处理小单元,减少了误差超限的子区域个数,最后在误差超限的子区域内优化曲面.由粗糙到精细,实现了散乱数据的曲面重构与优化.该方法在误差检测和区域处理上进行修正,从而加快了搜索速度,简化了计算.算例表明,算法简单易行,逼近效果良好.     

径向基函数神经网络在散乱数据插值中的应用,

针对径向基函数（RBF）神经网络的特点,结合网络设计工作,对计算机辅助几何设计（简称CAGD）中的散乱数据插值和曲面上离散点集的光滑插值问题,采用RBF神经网络进行求解,从应用结果来看,RBF网络适合于解决曲面离散点集的光滑插值问题,比传统的样条方法更有效,更方便,具有较好的使用价值,并且可以很容易地推广到求解高维散乱数据插值问题之中。     

均匀三次B样条曲面顶点反求的整体算法

本文推导出一个由均匀三次B样条曲面上型值点反求网格顶点的整体算法公式,明显地展示出型值点与网格顶点间的函数关系.如果给定曲面上m×n个型值点,再按边界条件给最外层网格顶点赋值,则其余m×n个网格顶点全部可由该式解出.计算过程很简单.克服内存不足的几种措施也在此作了介绍.     

反求工程中散乱点云数据的自动分割与曲面重构

提出了一种在反求工程中对散乱点云数据进行自动分割与曲面模型重构的方法．建立了散乱点云数据之间的拓扑信息，对点云数据进行三角剖分重构网格曲面模型．基于网格曲面求解点云数据的曲率极值，提取边界点云，进一步拟合成边界曲线．利用边界曲线将整个点云自动分割，每一片点云采用二次曲面或自由曲面进行拟合，对于二次曲面可以根据参数自动确定曲面类型，最终得到完整的CAD模型．用一个鞋跟模型的实例证明了该方法的有效性．     

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。     

基于RBF神经网络的地理时空信息预测推理方法

本文在深入分析地理实体时空特征的基础上,对地理实体进行抽象和标准化处理,提出一种针对特征复杂地理实体的地理信息预测推理方法。该方法重点研究了基于RBF网络学习方法的地理实体时空信息预测推理的理论、模型方法和具体过程,通过对地理实体对象化抽象描述和标准化处理,建立时空信息融合的超曲面,并利用RBF神经网络超强的非线性拟合能力,构建了复杂地理实体的时间、空间和属性信息的一体化预测和推理模型,并以桂林漓江阳朔段流域水质中溶解氧(DO)的含量的预测推理验证该方法的可行性,为时空数据处理过程中智慧决策和推理分析提供了有效途径。     

对Bezier曲面和B样条曲面之间过渡曲面构造问题的研究

提出了张量积Bezier曲面和B样条曲面的过渡曲面的算法,并且对于双三次张量积B样条曲面和双三次张量积Bezier曲面给出了计算实例,验证了算法的可行性。     

B样条曲线曲面的一种光顺算法

文章给出了一种新的B样条曲线曲面光顺算法,该算法以型值点的变动量为未知量,以型值点变动量的变动范围为约束条件,给出能量函数;通过遗传算法对能量函数最小化求解,直接得到光顺后的新的型值点;最后给出实例,表明该B样条曲线曲面光顺算法是一种有效的光顺算法。     

基于网格模型的光滑B样条曲面重建算法

提出并实现了一种基于网格模型的光滑B样条曲面重建方法.首先研究并实现了网格模型上特征线的定义和优化方法,在此基础上提供了多种交互式编辑工具,使用户可以方便地构建出符合原始设计意图的四边界区域拓扑模型;最后在综合考虑拟合精度、光顺性和连续性等条件下实现了B样条曲面的光滑拟合.实验证明算法的效率和曲面拟合质量都能较好地满足反求工程的要求.     

改进的RBFNN用于机器人三维表面 测量系统曲面重构

为克服三坐标测量机检测速度慢等缺点,提出机器人三维表面测量系统. 针对该系统设计了一种基于径向基神经网络(RBFNN)的简洁快速曲面重构方法. 该方法考虑到RBFNN选取的神经元函数为高斯函数,将机器人三维表面测量系统获得的点云数据投影到二维平面,然后将该二维平面平均分割,选取分割点为RBFNN神经元的中心,避免了模糊c-均值法选取中心需要迭代计算的缺点,并且重构的网络训练精度和测试精度均高于模糊c-均值法选取中心设计的网络精度. 利用该测量系统获得的实际点云数据验证了     

Adaptive Hierarchical B-spline Surface Representation of Large-Scale Scattered Data

Introduction　　Scattereddatareferstoasetofsamplingpointswhicharerandomlydistributedina2-Dplaneor3-Dspace.Alargescalescattereddatasetalwayshasmanypoints.Ingeneral,therearemorethan10000datapoints.B-splinerepresentationofthelargescalescattereddatareferstotheproblemoffittingasmoothsurfacethroughthesescattereddatapoints.Theinvestigationofthisproblemismotivatedbythefactthatinmanyfields,suchaspetroleumexplorationandmeteorologicalforecasting,datamustbesampledatrandomlocations.Withthecontinuingimpro…     

基于区域分割技术的等距天线曲面重构

针对逆向工程中空间坐标测量时仪器测头半径或靶标厚度的误差补偿问题,提出了对散乱点云数据进行自动区域分割的方法。快速搜索出子区域中测点的最近邻域,利用测点最近邻域构造一个有约束的最小二乘切平面,得到曲面在该测点处的法线矢量。基于Prim算法的优化算法对法线矢量方向进行调整,使各测点处的法线矢量都指向曲面同一侧,进而求取了实际曲面上的点。对于经过误差补偿后的点云数据,从空间任意二次曲面的一般方程出发,基于二次曲面的误差方程和法方程提出一种通用拟合算法,并借助二次型理论得到曲面的特征参数。实验结果证明：应用该区域分割算法能够提高最近邻域的搜索速度,且曲面拟合算法具有很好的鲁棒性和有效性。     

针对工艺品设计中复杂曲面重构的数字化设计研究

为解决工艺品设计中复杂曲面的重构问题,以陶瓷小猪为例,利用逆向工程软件对工艺品复杂曲面进行逆向重构及数字化设计,得到相应的数字模型。通过检测对比,重构的数字模型与实物关键表面偏差均在0.08 mm范围以内,大大提高了复杂曲面的产品设计开发能力,缩短了开发周期,提高了生产效率。     

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。     

散乱数据曲面重建的自然样条细分法

在仔细分析了散乱数据带连续边界条件的多项式样条插值与散乱数据自然样条插值方法后,结合两种方法的优点,得到了一种进行大规模散乱数据曲面重建的自然样条细分方法.该方法的实现较为简单,可以根据需要灵活地构造出满足不同光滑条件的散乱数据重建曲面.仿真实验结果说明了该方法是有效的.