一种改进的螺旋边三角剖分算法

提出了一种改进的螺旋边三角剖分算法.本算法引用“自然邻近点集”的概念,以螺旋边三角剖分算法的边界环为基础向外生长三角形,以包围盒算法搜索边界点的邻近点集,估计边界点的法向量,将边界点及其邻近点集投影到切平面上并进行局部二维Delaunay三角剖分,从而确定边界点的自然邻近点集,最后将自然邻近点集以适当的方式添加到边界环上.这样,既避免了拼接问题又能搜索到自然邻近点集,三角剖分后的网格基本上接近最优Delaunay网格.实验结果表明,本算法能高效、稳定地重构出散乱数据点的三角网格.     

基于STL的约束不完全Delaunay四面体剖分

基于STL(STereo Lithography)文件描述的实体造型,应用插入多边形操作技术对实体表面进行二维Delaunay三角网格剖分,形成空间离散点集和新的约束边界;采用换面操作方法实现离散点集的Delaunay四面体构型;采用四面体外接球心和内切球心加权平均的坐标点加密四面体网格;在边界恢复操作中,采用2D-3D联动优化的方法实现边界一致性恢复,对难以恢复的局部区域,放弃Delaunay 空球准则,进行特殊处理,从而实现表面约束的不完全Delaunay四面体剖分.实例表明所提出的算法具有很好的适应性.     

平面上有噪音散乱点集的参数化

散乱点集曲线重建关键步骤是参数化.提出了一种对平面上有噪音散乱点集参数化的新算法.算法中,首先求出点集的Delaunay三角化的最小生成树,继而对最小生成树的最长路径进行参数化.通过把其他点投影到最长路径上,对最长路径以外的点进行参数化.还给出了提高参数化的准确度的方法.以圆盘控制顶点B样条拟合为例展示了该算法的应用.     

基于Delaunay准则的三维网格自动插点算法

提出了一个新的三维网格自动插点算法 .该算法充分利用Delaunay的空圆特性来计算新点的位置并插入新点 ,维护三角化的Delaunay性质 ,使得生成的四面体网格和实体的几何边界完全保形 .该算法生成的四面体具有较好的性质和良好的密度分布 ,还采用了新的插点算子———线段插点、子面插点和四面体插点     

基于样点拓扑近邻的散乱点云曲面拓扑重建

提出一种基于样点拓扑近邻的散乱点云曲面拓扑重建算法,对点云数据构建动态空间索引结构,采用动态扩展空心球算法查询样点k近邻,通过对样点的k近邻数据进行偏心扩展和自适应扩展获取样点的拓扑近邻参考数据,从中查询样点的拓扑近邻,从样点的同层拓扑近邻中获取符合Delaunay条件的匹配点,生成局部Delaunay三角网格,并通过增量扩展实现整个散乱点云的曲面拓扑重建.实例证明,该算法可对无隙、有边界等任意模型的散乱点云进行合理的曲面拓扑重建,有效解决了r-dense恰当采样点云中非均匀区域易产生非工艺孔洞的问题.     

点云数据三角网格生成算法及应用

在引入局部Delaunay边和局部Delaunay三角形的基础上,给出一种平面及空间散乱数据点集的三角网格生成的快速算法,实验表明本算法具有运行速度快、计算准确、存储简单等优点.     

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.     

基于约束Delaunay三角剖分的道路三维建模方法

深入研究了一种建立道路三维模型的方法.首先依据道路设计成果计算出道路模型与地形模型的拼合交线,然后用设计点(特征线)数据替换拼合交线内的地形点(特征线)数据,形成建模所需的原始点集和约束边集.针对原始点集采用逐点插入算法进行Delaunay三角剖分,再依据约束边将初始三角网调整为约束Delaunay三角网,由此得到外观与内部拓扑关系均为整体的道路三维模型.此外,还研制了三角形的快速定位算法,加速了建模过程.实践表明,该方法具有整体性好、网形优、速度快的优点.     

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.     

求解旅行商问题的一个有效算法

采用统计方法,以中国旅行商问题为例给出了一个求解旅行商问题的有效算法.首先对每个点到其他各点的距离进行求和,然后对每点的距离之和排序,取距离之和最长的3个点连成一回路,再按距离之和的大小顺序选取其余节点,插入到回路的最佳位置上,使得新回路增加的长度越来越短,最后得到旅行商问题的回路.算法实现容易、运行速度快,生成的结果接近其最优解.     

非规则复杂域等值填充图的快速绘制方法

针对非规则复杂区域填充等值线图的绘制问题,提出了一种非规则的、复杂区域填充等值线图绘制算法。算法基本思想是:首先应用环形矩形域分割数据点;然后分区逐步插入新点快速生成二维约束Delaunay三角网格化;最后应用三叉树递归原理,快速等值剖分Delaunay三角形,颜色填充绘制等值域。通过研究实例表明,该方法具有很好的实时显示与应用效果。     

约束数据域Delaunay四面体网格生成算法

提出了一种快速Delaunay四面体网格生成的分治算法,将给定约束数据域边界进行Delaunay三角剖分,然后从边界三角形开始递归生成四面体网格．该算法在约束数据域内部生成Delaunay四面体,边界三角形都将成为内部四面体的面,不需要进行边界一致性检查,可避免四面体穿过边界和狭长四面体的产生,而且算法容易理解方便编程．     

一种改进的Delaunay三角形化剖分方法

提出了一种基于Bowyer Watson算法的平面区域Delaunay三角化剖分的改进方法。它结合了前沿推进法的内部结点生成技术和Delaunay联点网格生成技术 ,使得每插入一点所破坏的单元尽可能地少。采用适当的数据结构 ,使Delaunay搜索过程限于局部 ,算法大为简化 ,易于编程 ,浮点计算量少 ,同时也避免了使用函数递归调用。采用在基网格上定义网格步长的办法控制网格的疏密 ,使网格疏密易于控制。几个算例表明 ,该算法是行之有效的。     

具有特征约束的有限单元的三角网格智能化生成

根据Delaunay原理给出了一种具有特征约束的有限单元的三角网格的核心思想、生成方法、算法过程。该智能化方法的核心是同时考虑计算机的自动化和人的经验的共同作用的需要,同时综合考虑了三种内部约束条件：固定结点、固定边、孤岛,在此基础上灵活的设置剖分尺寸进行边界的离散化,然后开始外边界的扩展、插入离散的点后自动地生成了初始的网格。最终利用良好的人机交互界面进行校正。生成真正满足计算需求和实际情况的三角网格。     

三角网自动连接的聚焦算法

在三角网生长法的基础上，采用面向对象的技术，利用点数组和点索引数组来存贮平面上的散乱数据点，基于Delaunay三角剖分的“圆准则”，提出三角网自动连接的聚焦算法．该算法在扩展新三角形时，将点的搜索范围控制在已知三角形的外接圆内，计算速度大大加快．从给出的算例表明，该算法十分有效，特别适合于大数据量的三角剖分。     

一种高效构建Delaunay三角网的算法

提出了一种基于改进的Graham扫描法的分块构建不规则三角网算法。采用分割合并的思想,先对平面上的离散点集区域进行分块,然后对各个子块用改进的Graham扫描法生成不规则三角网,再从边界边出发依次合并相邻的三角网子集,直到所有子集合并结束。本算法采用分块的思想缩小了构网时的搜索范围,对子块用改进的Graham法生成三角网提高了算法性能。实验结果表明,本算法使构网效率有很大的提高。