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，又能够提高重速速度，很好的解决多个曲面的光滑重建问题。     

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.     

多个B样条曲面光滑连接的研究

基于 B-Rep重建物体模型表示 ,用 B样条曲面表示其中每个曲面 ,对曲面间的连续性条件进行了研究 .根据曲面间的拓扑结构 ,曲面间可以分别具有 Gk- 2和 G1的光滑连续性 .文中对于曲面拟合的线性约束方程的个数也进行了论述     

扫描成型B样条曲面

提出由曲面边界信息通过扫描变换构造Ｂ样条曲面的方法，并用Ｃ语言在微机上开发了以ＡｕｔｏＣＡＤ为绘图支持软件的扫描成型实用程序。     

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。     

基于多分辨率B样条小波网络的船体曲面光顺和重建

为用于船体型线设计中船体曲面重建和光顺,基于多分辨率小波网络原理,引入三次B样条函数作为小波基函数,三次B样条基函数作为尺度函数,利用小波网络的权值和激励函数的线性组合,构造了新的二维多分辨率B样条小波网络(multi-resolution B-splinewavelet net work,MRBWN).将曲面分解为相互正交的u、v方向函数,用该网络来拟合自由曲面;并利用梯度下降法对网络进行训练.最后对船体曲面进行了光顺,实例证明了该方法的有效性和正确性.     

CAGD中双三次张量积非均匀B样条曲面G2光滑条件

在文献 [6 ]的基础上 ,进一步研究了在工业产品设计中对光滑性要求较高的曲面光滑拼接问题 ,也就是对B样条曲面的G2 光滑条件进行了讨论 ,给出了双三次张量积非均匀B样条曲面G2 光滑的充要条件和较为实用的一个充分性条件     

两邻接二次B样条曲面G1光滑拼接的充分条件

利用二次B样条曲面的矩阵表达式,将B样条曲面进行分片表示,给出了两邻接二次B样条曲面间的G1光滑拼接的充分条件.该拼接算法易于实现,在CAGD的复杂曲面造型中,具有一定的实用价值.     

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.     

一种基于Dijkstra算法的三角网格地表模型算法

对二维地表模型运用Dijkstra算法求解最短路径时,为了减少计算量,需要对模型进行简化后,才开始进行Dijkstra算法的求解,所以结果并不符合实际地表情况。不在模型上进行任何简化,而是直接在模型上划分三角网格来处理最原始的模型。然后用基于Dijkstra算法和矢量夹角的三角网格地表模型算法求解最短路径。通过此算法完成了一个实例的最短路径求解。结果表明,采用文中算法所得到的结果符合Dijkstra算法求得的路径和实际情况,而复杂度并没有因为未简化模型而大幅上升,并且算法具有效率高、复杂度低、稳定性好等优点。     

基于RBF神经网络预拟合的B样条曲面反求

利用径向基函数(RBF)神经网络算法对来自曲面原型的散乱测量数据点进行预拟合,通过径向基函数与隐层权值的线性组合来映射自由曲面的数学模型,并将该数学模型转化为双三次B样条曲面,既精确、快捷地反求了曲面原型,符合光顺、抗噪的要求,又具备CAD/CAM系统中几何模型实用、标准的表达形式,符合可编辑、可交换的要求·     

Triangular Mesh Model Reconstruction from Scan Point Clouds Based on Template

For mesh reconstruction problems of point cloud models which have similar topological structure, a rapid and efficient method is presented to reconstruct triangular mesh surface. Based on projections of point cloud slicing that correspond to template sectional curves, the method constructs topological relevant information among discrete points, which makes unorganized points ordering and builds up optimal approximated B-spline curve, resamples every curve according to its curvature distribution and performes triangular mesh division on it. Finally, surface reconstruction is achieved. The experimental results demonstrate that the surface reconstruction is done as the point cloud hole is filled simultaneously.     

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.     

逆向重建中B样条曲面过渡/微调精简方法

为提高逆向工程中点云数据精简与重构的精度和效率,改进B样条曲面拟合在曲率精简和曲面重构中的应用问题.对逆向工程中的3维扫描技术、3维设计、点云数据的精简及模型重构做了深入细致的应用研究.提出一种基于B样条曲面过渡/微调精简算法,将该研究应用于叶轮的逆向制造中,通过3维扫描获得曲面重构点云数据,将点云数据合理拼合封装与精简,进行曲面重建和3维再设计,同时分析产品的光顺性和精度,并利用快速成型机打印出产品模型样件.研究结果表明该方法既高效提高了曲面建模效率,又改善了逆向建模精度.      

城市实景模型结构化线面特征重构方法

为了改善城市实景模型边缘模糊,提出了一种曲率引导的结构化线面特征重构方法。根据曲率特征将网格分割为平面、可展凹、可展凸以及不可展曲面4类,在平面分割结果内提取平面,在可展凹和可展凸分割结果内提取直线,对过度弯曲的不可展区域进行保留,最终形成包含几何特征的复合网格模型。结果表明,结合曲率信息预先设置几何特征的潜在范围,使得结构化线面特征更可靠,同时保证城市实景中复杂的树结构不被错误地提取为平面。     

三角网格曲面的高光线模型

计算机曲面描述通常采用两种方法：用数学函数曲面表示方法（即连续曲面）和用离散的数据点与相应点间的拓扑关系表示曲面（即网格曲面）。高光线模型是一种可视化的曲面品质分析模型。这里将连续曲面的高光线模型拓展应用到三角网格曲面中，提出了三角网格曲面高光线模型的定义并对三角网格曲面高光线的相关性质及其追踪方法进行了探讨。     

空间三角形网格局部优化研究

提出了一种空间三角形网格局部优化算法．该算法分为两部分：ａ． 网格局部细分优化方法,该方法结合等间距采样法和黄金分割法来获得最优插值点,使网格细分达到满足给定逼近精度的目的;ｂ． 网格局部合并优化方法,给出了网格中三角片合并的判别准则,在满足逼近精度要求的前提下,采用边删除操作合并网格中的某些三角片,达到了减少三角片数量及保证网格中三角片性态较好的目的．空间三角形网格局部优化算法能有效地使网格达到逼近精度的要求,同时减少三角片数量并剔除狭长三角片．     

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。     

基于规范化的B样条密度模型的聚类算法

针对有参混合模型的聚类算法需要假设模型为某种已知的参数模型,存在模型不匹配及非参数正交多项式密度估计不是概率密度函数的问题,提出了一种基于规范化的B样条密度模型的图像聚类算法.通过构建基于规范化的B样条密度函数的非参数混合模型,利用非参数B样条期望最大(NNBEM:Non-parametric B-spline Expectation Maximum)算法估计密度模型的未知参数,并根据贝叶斯准则实现图像的聚类.该方法不需要对模型做任何假设,可有效克服有参混合模型与实际数据分布不一致问题.对模拟图像和真实图像数据进行仿真的结果表明,规范化的B样条密度模型的聚类算法比其他算法具有更好的聚类性能.