无序点云的平坦度自适应增量网格重建算法

设计了无序点云的平坦度自适应增量网格重建算法,通过对局部曲面平坦度的计算,根据预定义的公式,动态地调整自适应逼近误差参数,从而在保证网格质量的同时,过滤部分对重建效果意义不大的点,因此,适用于海量数据．该算法避免了基于三维Delaunay的四面体剖分带来的高复杂度及基于二维平面投影的三角剖分带来的变形和局限性．实验证明,能够高效、可靠地生成贴近原始曲面的三角网格,并取得较理想的绘制效果．     

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.     

一种由最大允差确定的散乱数据点云采样网格大小的算法

在逆向工程中，散乱数据点云获取后如何预处理(滤波、压缩和网格大小的划分)是关键，它的处理得当与否直接关系到后续的曲面重构工作。鉴于此，该文提出了一种基于最大允许误差而确定的散乱数据点云采样网格大小的算法，在实践中己取得良好的效果。     

散乱数据云的自适应网格划分

提出了一种基于图像边缘检测的自适应网格划分算法，用此方法可以根据测量曲面的几何特征控制型值点的疏密分布，并在保证模型精度的同时，减少了模型数据量，该算法分图形-图像灰度映射，细化点检测，网格自适应细化三个部分，图形-图像灰度映射将三维数据云映射为灰度图像，通过图像处理检测细化点，定位细化点的位置，由此实现网格自适应细化，在柴油机引擎的测量数据云上的应用表明，该方法可以显著地降低模型数据量，提高建模效率。     

基于GPS和车辙的三维路面重构

提出了一种基于地理定位系统(GPS)和横断面车辙数据的路面三维重构模型.针对GPS和车辙的采样间隔不同,首先采用Cardinal插值算法对非等间距的离散GPS点插值,并按间距需求选取等间距的插值点,然后将序列化后的GPS插值数据与车辙数据融合,构造出在三维空间中用于绘制三角形网格的顶点矩阵,最后实现了三维重构路面的绘制.实验表明用该方法重构的三维路面在路面车辙、坑槽及拥包的检测方面有很好的应用价值.     

基于可信度的TOF相机三维点云球覆盖网格重建

文章提出了一种基于可信度的球覆盖网格重建方法。该方法首先通过TOF相机信号幅值和获取的三维点云信息可信度的关系,利用可信度PCA算法提取出点云的法向矢量;然后根据二次误差函数拟合方法生成一个保持点云特征的球体集;最后通过球体之间的相交关系,构造出三角形网格曲面。实验结果表明,文中方法可以较好地重建出TOF相机三维点云网格曲面。     

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。     

由点云数据生成三角网格曲面的区域增长算法

提出一种新的由点云数据生成三角网格曲面的区域增长算法. 该算法充分利用点云内在的几何与拓扑信息, 使用一组检测过滤规则, 对曲面进行快速网格重构. 算法包括两部分： 首先对点云做预处理完成数据精简, 其次使用一组检测规则, 从种子三角形出发, 针对每个活动边, 在点云中选择匹配点与其构成新的三角形, 并通过不断更新边界, 使剖分区域不断增长. 所使用的检测规则, 可以针对活动边与预选择匹配点之间的不同位置关系采用不同的阈值, 从而避免了重叠与自交三角形的生成, 防止产生错误拓扑, 确保了重构三角网格曲面的质量. 同时针对区域增长算法中的前沿分裂问题, 在数据结构中采用反向重合边, 使剖分过程始终保持一个前沿边界. 实验结果表明, 该算法具有运算速度快、 结果准确性好、 适用范围广等优点.     

注塑模CAE的三维等值线生成算法

提出了三维等值线生成的新算法．通过对曲面的扩展及离散，生成三维曲面的三角形网格．在网格节点构成的空间点集中，进行有序地搜索，并运用线性插值法获取三维曲面上系列的等值点，从而实现三维等值线的生成，以满足注塑模ＣＡＥ后置处理的需要     

基于倾斜影像点云的建筑物提取算法研究

多视倾斜影像密集匹配后能够生成海量点云数据,但数据本身缺乏有效的建筑物分类信息.针对此问题,提出一种基于倾斜影像点云的建筑物提取算法.首先对三维点云进行去噪处理和植被的剔除,将点云进行空间格网分区后降维到二维平面,通过赋予二维平面格网内每个点一定的权值,进而对格网进行特征值重采样.然后对二维平面进行图像形态学处理,利用骨架提取算法找到建筑物的轮廓,将该轮廓和三维点云进行融合后重新整饰建筑物边缘,提取出最终的建筑物点云.两组实验结果表明,该方法提取的建筑物点云轮廓清晰,建筑物立面提取较好,该算法具有较好的稳健性.     

基于点数据集三维空间曲面三角化算法实现

在地质、医学等科学研究领域中,基于原始数据建立三维空间图像模型的研究具有较高价值;特别在三维地质构造建模中,测量获取的原始数据采用点数据集形式表示。基于点数据构建三维空间曲面三角化网格模型能够很好地还原点数据集所表示的曲面形态和展布,在现有的三角化剖分算法研究的基础上,提出一种基于点数据集三维空间曲面三角化网格模型生成算法;该算法生成的网格模型质量较高,能够较好地描述点集所表示的曲面形态。采用描述地质界面的点数据集进行算法验证与测试,根据边界数据实际情况,生成三维空间曲面三角化模型并更新网格模型边界,效果比较理想。     

微切平面逼近三维散乱数据的研究

提出了三维散乱数据微切平面逼近的算法．基于曲面形状信息反映在三维散乱点集中，用三维点集中某点的邻域点集构造微切平面来近似表示该点处的局部形状，所有点的微切平面集合则构成了待构曲面的近似表示．通过欧几里德最小生成树对微切平面法矢方向进行调整使其达到整体一致性，该算法在三维散乱数据曲面重构中具有重要意义．     

保持特征的自适应Loop细分曲面算法及实现

基于Loop细分模式,综合运用生成特征的细分方法和自适应方法等,提出一种计算简便的保持特征的自适应Loop细分曲面生成算法.该算法能够实现自动提取初始网格的尖锐特征,并可以通过交互式方式选择控制尖锐特征边、特征点及相应的尖锐度,同时给出了一种新的顶点平坦度定义.该算法采用自适应方法避免在相对光滑处再细分,提出的顶点平坦度计算简便、高效,能够有效地减少细分生成的网格数量和处理速度.实验表明该算法能较好地生成带半尖锐、尖锐特征的细分曲面.     

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．     

微切平面逼近三维散乱数据的研究

提出了三维散乱数据微切平面逼近的算法。基于曲面形信息反映在三维散乱点集中，用维三点集中某点的邻 集构造微切平面来近似表示该点处的局部形状，所有点的微切平面集合则构成了待构曲面的近似表示。通过欧几里德最小生成树对微切平面法矢方向进行调整使其达到整体一致性，该算法在三维散乱数据曲面重构中具有重要意义。     

插值Loop曲面细分算法在堆焊自由曲面重建中的应用

针对堆焊自由曲面焊缝形貌不规则致使焊缝识别精度低、自动焊接困难的问题,提出了一种利用插值Loop曲面细分算法对旋转电弧传感器采集的堆焊焊缝三维形貌数据进行曲面重建的方法。首先,采用格拉布斯(Grubbs)检验算法对异常采样点进行滤波处理,得到质量较高的形貌数据;然后,采用局部最优Delaunay算法对形貌数据进行初始三角网格剖分;最后,利用插值Loop曲面细分算法对初始三角网格进行曲面细分,实现焊缝三维形貌重建。结果表明,此方法的曲面重建效果良好,降低了初始三角网格剖分的误差,实用性强。     

断层轮廓的双三次非均匀B样条曲面重构

针对断层图像数据,提出了一种曲面重构的方法.依据曲率特征首先提取各层特征点,对其重采样使每行(列)获得统一的采样点数;再对采样点插值得到非均匀双三次B样条曲面;最后,在一定控制精度下对曲面依据距离特征进行节点插入,通过最小二乘逼近法算出新的控制顶点,从而得到误差在容许范围内的逼近曲面.根据断层轮廓的特点,本算法综合运用了周期B样条和非周期B样条,讨论了封闭曲面和非封闭曲面的计算方法.另外插值和逼近的结合应用使该算法更快速、实用.     

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．     

NURBS曲面特性分析及重构的方法

产品造型中曲面的应用越来越广泛，但曲面的特性分析和修改还相当复杂和烦琐。提出了NURBS曲面的特性分析和重构方法，通过在Rhinoceros中表示曲面模型并提取其型值点和表面网格，再编写Autolisp程序在AutoCAD中提取其特性参数，不需要进行复杂的曲面特性计算即可生成曲面特性数据文件。同时，采用Autolisp程序还可生成基于修改后的数据进行曲面重构的脚本文件，直接在Rhinoceros中运行即可完成曲面的重构。实例表明该方法简单实用，效果良好。     

基于机器学习的三维数字图像虚拟场景重建算法

为使三维数字图像虚拟场景重建可以获得更优质的画面,提出一种基于机器学习的三维数字图像虚拟场景重建算法.首先分析场景的状态信息和呈现指令,得到图像重构的网格模型顶点分布位置,通过局部坐标法近似计算全局图像,校正局部细节,完成三维数字图像的渲染处理;然后以空间和尺度为特征点,在图像上构建窗口检测模板,应用分类器抑制离散特征点,去除冗余特征;最后根据拟合函数法求出平滑后的三维坐标重建三维曲面,将局部二维三角分割并映射到三维空间,实现三维数字图像虚拟场景重建.实验结果表明,该算法收敛速度较快,重建图像细节和边缘轮廓完整,整体效果较好.