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.     

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.     

基于包围盒法的散乱点云数据的曲率精简

采用非接触式扫描方法测量工件,能够获得高密集度的点云数据,但是过多的点云数据会严重影响曲面重构的光顺性.因此,精简点云数据成为逆向工程中相当重要的一环.提出了直接根据曲率变化精简点云的方法,对邻域搜索、曲率估算和曲率精简原则等进行了研究.对传统的邻域搜索方法进行了改进,采用包围盒法分割曲面,提高了点云精简的效率和精度.     

基于水平集的散乱数据点云曲面重构方法

提出了基于最小能量约束的水平集重构方法，用以解决由三维数据点云自动重构复杂拓扑结构物体模型的问题．其基本思想是将重构曲面看成是一个定义在三维空间的可变形封闭曲面，在曲面自身几何特征以及目标模型力的作用下，逐步逼近目标模型，其演变过程同时也是曲面能量逐步减小的过程．采用偏微分方程来表示曲面能量最小化的过程，将曲面进行三维空间网格划分，采用快速扫描法将三维数据点云转换为有符号的距离场，并给出了离散偏微分方程的数值解法．实验表明，基于水平集的三维曲面重构方法能够从初始表面自动收缩到目标模型，而且能够适应任意拓扑结构的复杂物体．     

一种基于立方格的散乱点云曲面网格化方法

提出一种新的基于小立方格的网格化方法。首先将空间划分为小立方格, 计算小立方格位于物体表面的可信度, 然后对可信度高的小立方格进行重采样, 最后依据小立方格的空间邻接关系连接重采样点, 形成三角网格。与Marching Cube方法相比较, 该方法不需要考虑等值曲面(iso-surface), 不需要计算小立方格8个顶点的符号, 通过法向一致性区分物体表面的内外。实验表明该方法适用于拓扑变化复杂的散乱点云的景物建模, 效果良好。     

散乱点云的补偿滤波

针对散乱点云的滤波问题,提出了一种体积保持的滤波方法.由于采用双边滤波器对散乱点云模型多次迭代滤波时,在高曲率区域会产生较大的形状变形,因此提出一种新的补偿量滤波算子,对滤波移动量进行平滑处理,获得形状补偿量,并依据形状补偿量将降噪点位置向原始位置方向调整,从而减少了滤波产生的形状变形.实验表明,该方法具有减小体积收缩的能力,对于噪声点云模型滤波,该方法简单、有效,与传统的双边滤波相比,能够减少滤波中的变形,获得具有更多细节特征的点模型.     

常平均曲率超曲面的曲率估计与稳定性

本文给出空间形式中常平均曲率超曲面共形度量的曲率的上界估计，并用它来研究常平均曲率超曲面的稳定性。这就部分地解答了下述问题：给定常平均曲率浸入ｘ：Ｍ＾ｎ→Ｍ＾ｎ＋１（ｃ）寻找一个仅与Ｍ＾ｎ的度量有关的简便条件，使得若区域Ｄ属于Ｍ＾ｎ满足这个条件时，则Ｄ稳定。     

一种利用近似平均曲率提取散乱点云模型特征点的快速算法

在处理散乱点云数据的过程中,一般需要先确定模型的特征点。提出一种从三维空间二次曲面方程中估算一点的平均曲率的新方法,利用平均曲率和视点来提取散乱点云模型的特征点。首先计算一点的k-邻近点,并求出经过这k个点的三维空间二次曲面方程,结合经过该点法线的两个正交平面来估算该点的平均曲率,平均曲率大于给定阈值的点是第一类特征点;第二类特征点是由法向量和视线向量的内积决定的,内积小于给定阈值的点称为特征点。将这两种特征点作为最后点云模型的特征点。该方法与其它方法相比,平均曲率模型参数个数由27个减少到17个,计算量小,仿真效果好。     

面向3D散乱点云数据的曲面拟合综合实验平台

为了解决计算机图形学中曲面拟合知识点授课过程中重理论、偏抽象、不直观等问题,以课堂中的网格模型分割、3D散乱点云数据球面拟合及3D散乱点云数据椭球面拟合等关键知识点为例,开发了基于3D散乱点云数据的球面拟合、椭球面拟合综合实验平台V1.0。利用该平台软件可以较为直观地掌握网格模型数据提取、球面最小二乘拟合和椭球面模型拟合重构等技术原理。该平台不但可以助推课堂教学,而且还在教师科研项目、大学生科创竞赛中发挥了良好的作用。     

散乱点云数据区域分割综述

点云数据的区域分割是CAD模型重建的基础.对散乱点云数据区域分割的概念、准则、分类及研究现状进行了综述,总结了这些分类方法的基本思想并加以分析比较,最后对点云分割技术的发展动态作了介绍,并对未来研究作了展望.     

散乱点云数据的可视化探究

三维激光扫描仪获取的散乱点云数据的可视化工作,是对点云数据进行分析应用的一个重要环节.该文从开发环境配置、点云数据输入、点云数据显示等方面详细讨论了可视化的实现细节,利用VC6+OpenGL实现了点云显示、旋转、平移、缩放、渲染等功能,为点云数据的后续处理提供了直观的帮助.     

基于权值的散乱点云压缩算法

随着点云数据规模的不断增大,基于一定的准则对散乱点云进行压缩和简化直接决定了点云重建的效率.详细介绍了现存的点云压缩算法的原理和方法,总结这些压缩算法的特点和适用对象,并结合散乱点云密度分布特点,提出基于权值的压缩算法,根据点云密度设定不同的权阈值进行点云的自适应压缩,实现散乱点云的快速压缩.最终通过特高压南阳站点云进行算法验证,确定了最佳权阈值,同时通过分析对比证实了算法的高效性和可行性.     

高斯函数约束下的多判别参数散乱点云边缘检测

设计一种散乱点云数据边缘检测算法,从而快速、精确地提取边缘特征.该算法以点云的局部特征为基础,通过分析点云数据各点的法向特性,构建各点k近邻法向夹角特征、曲率特征、距离特征,并在高斯函数的约束下完成点云边缘特征的检测.利用公共数据进行多组实验,对比不同算法下的检测效果.结果表明:该算法提取点云边缘特征的速度更快、效果更好.     

散乱数据点的NURBS曲面重建算法

给出了一个新的散乱数据的NURBS曲面重建算法．算法充分利用邻近点集反映出的局部拓扑和几何信息，基于二维Delaunay三角剖分技术快速地实现每个数据点的局部拓扑重建．然后通过自动矫正局部数据点的非法连接关系，把局部三角网拼接成一张标准NURBS网格．结果表明，本算法非常高效、稳定，可以快速地直接重构出任意拓扑结构的NURBS三角形网格。     

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．     

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.     

基于小波技术的散乱点云自适应压缩算法

提出基于小波技术的散乱点云自适应压缩算法.利用快速成型理论中的切片技术,将三维空间点云数据降为二维平面点云数据,并对排序后的点云数据进行小波变换,利用小波系数峰值,自适应地保留能够反映目标特征和细节信息的点,实现散乱点云的快速压缩.借助于实验,验证切片的分割厚度选为采样间隔的2~3倍时,可以实现快速高质量的散乱点云压缩.结果表明:算法在特征保留上具有明显的优势,能够最大限度地保留特征信息,压缩效果更为理想,且无需设置阈值,同时还具有自适应的特点,有助于实现压缩的自动化.     

散乱点云与重构模型的误差分析

在反求工程中,对产品的实物模型进行数字化测量后,重构得到产品的CAD模型.而实物测量数据与重构模型间的误差分析是必要的,它会对原产品的仿制或重复制造等后续工作产生影响.首先时零件实物的散乱点云进行预处理,得到截平面点云,然后实现曲线拟合和重构模型,最后对散乱点云与重构模型进行误差分析,并通过误差生长线来区分误差大的区域.     

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。     

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.