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．     

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。     

利用OpenGL实现三维物体形状检测可视化

针对三维物体形状检测数据,提出一种简单、可行的基于轮廓线的曲面重构算法,并在C Builder 6.0开发平台上,利用OpenGL(open graphic library)编程,实现了三维物体形状检测的快速可视化.     

基于图像灰度信息的三维曲面测量方法应用

提出一种由图像灰度信息恢复三维形状的自由曲面测量方法,以自然方式提取物体表面的形状信息,实现了系统间的信息集成。介绍了一种适合于自由曲面测量的改进光照模型及其参数的确定方法,给出了基于改进光照模型的由单幅灰度图像和单目多幅灰度图像的曲面重构算法,并用数字相机拍摄的实际图像对算法进行验证-结果表明该测量方法有效可行。     

光栅投影式测量点云数据的曲面重构技术

提出了一种通过光栅投影式测量方法所得结果来获取新的按明暗变化规律分布的三维点群方法．它包括对被测物体进行三维几何模型重构、对被测物体的普通图像进行抖动处理以及将抖动所得图像中的白色像素点向重构的曲面进行投射三个主要步骤．分析了该方法面临的关键问题——线状分布原始三维测量点的曲面重构,提出了一种基于线状分布原始三维测量点的三角片几何模型重构算法,算法简单,可以确保生成性状良好的三角片对曲面进行拟合,并且能够避免出现曲面裂口,从而使曲面连续、光顺．     

反求工程在汽车转向节逆向设计中的应用

借助手持式三维激光扫描仪REVscan对汽车转向节进行扫描,得到转向节的点云数据并导入Geomagic Studio软件进行点云和多边形处理;基于NURBS曲面重构技术,对转向节多边形数据进行曲面拟合和质量分析。结果表明:通过NURBS曲面重构技术可快速改进产品原型,为汽车转向节开发提供了重要途径。     

基于计算机辅助技术的手工艺品设计与研发

基于计算机技术进行辅助设计，可优化手工艺品设计的效率与其美观度：利用三维激光扫描技术采集手工艺品原型的三维数据，应用k-means算法分割原始点云数据集；基于改进的Canny算法提取手工艺品轮廓信息，通过边缘连接算法筛选轮廓边缘点；基于自适应重采样策略重构手工艺品曲面，调节采样点疏密程度自适应生成曲面网格，引入三角形美化度函数约束网格中三角形质量。测试结果显示，该方法提取手工艺品三维轮廓的平均绝对误差、均方根误差低，重构的曲面网格中孔洞数量极少，手工艺品再设计的效果优、可靠性强。     

NURBS曲面建模在产品创新设计中的应用

介绍了NURBS曲面建模技术在产品创新设计中的应用,NURBS曲线和曲面及其性质。讨论了基于NURBS曲面建模技术的产品创新设计中特征曲面数据的获取及其优势。最后以一辆雪地车的创新概念设计为例,紧密结合专业工业产品造型设计软件Rhinoceros深入讨论了NURBS曲面建模技术在产品开发过程中实际应用过程,并对其车身造型曲面进行了特征分析。最终通过UG的NURBS功能重构曲线将其转换为三维数字化制造模型。     

运用曲面拼接思想三维造型

为了构造复杂、形状和边界不规则的三维模型,运用三角曲面光滑拼接条件,通过引入参数确定控制点,构造出三角域上的2次B-B曲面,保证相邻曲面之间达到一定的光滑拼接,并且修改其中参数可改变拼接曲面的形状,结尾构造出可成为工艺品或标志建筑物的三维模型。     

用OpenGL和MFC实现NURBS曲面的绘制及裁剪

NURBS方法因其表示法的同一性、形状控制灵活性，在曲面造型和重构中具有重要作用．该文通过分析，完成了在MFC中用OpenGL实现NURBS曲面的绘制及裁剪，为在逆向工程中实现基于型值点的曲面拟合和裁剪奠定了基础．     

基于平方距离函数的曲面分片参数化重构

提出了基于平方距离函数的曲面分片参数化重构方法，实现了任意拓扑结构模型表面的参数化重构．在四边形网格模型基础上，得到各表面片及其边界线初始参数化模型，以平方距离函数作为误差的度量，采用逐步迭代的方法，使初始参数化模型逼近目标表面．首先，重构出表面片的边界线网格，然后再进行表面片的重构，使重构过程中各参数化表面片始终保持位置连续，因此有效地避免了三维数据点云的参数化问题．其中，影响重构质量的关键因素——四边形网格划分问题，可以通过惩罚项的引入得到改进．实验表明，该方法对复杂模型表面可以得到满意的参数化曲面重构结果．     

基于能量法的C2连续过渡曲面造型方法研究

在研究过渡曲面构造方法基础上,提出了一种基于能量法的C^2连续过渡曲面的造型方法,重点讨论了变形过渡曲面能量优化模型的建立、过渡曲面的边界约束及过渡曲面与原曲面间C^2连续约束的处理等问题．     

一种基于双调和方程的表面重建方法

本文对三维物体的重建算法进行了研究，介绍了一种由边界轮廓线出发的基于表面最平滑准则的表面重建方法，继而提出了一种变误差的多层网格迭代算法，显著提高了算法的运算效率，对核磁共振人脑断层边界轮廓线进行试验，重建出的人脑表面３Ｄ图形，有较好的结果，证明了本算法的有效性。     

基于能量最小的长边条翼身融合5边域过渡曲面的构造

为了构造某类飞行器的机翼面、机身面和长边条面间的5边域翼身融合过渡曲面,确定过渡线、边界线、内部曲线及内部曲线上的法线矢量,以边界线、过渡线和内部曲线为位置约束,以基曲面在过渡线处的法线矢量和内部曲线处的法矢为法矢约束,采用基于能量最小的曲面造型方法分别构建5张4边域曲面.研究表明此方法使这5张曲面在内部跨界曲线处,以及它们和基曲面间在过渡线处的法矢相同.实现了5张4边域曲面拼接构造G1连续的5边域翼身融合过渡曲面.     

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．     

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.      

基于样条的波浪表面重建

最近提出的偏移算法是一种基于光线折射和希尔伯特变换的水槽波浪测量方法.基于三次样条函数和最小二乘法,提出了一种改进的偏移算法.样条函数既用来计算偏移量,又用做波浪表面重建.与原偏移算法相比,改进的偏移算法解决了偏移计算的锯齿问题,得到了更光滑的波浪表面,而且新方法可以给出任意一点的波浪高度值.     

自由曲线曲面重构的数据结构设计

自由曲线曲面重构的数据结构设计是开发逆向工程软件的关键技术之一，该文以MFC(微软基础类库)为基础，研究了基于四边域参数的B-Spline和NURBS曲面重构的数据结构设计的原理、方法及应用，它包括4个部分：点云的数据处理、曲线曲面的反求、矩阵方程解法的组织和曲面的OpenGL显示，实践表明，利用这种方法可以构造简洁的数据结构和高效的曲面反求算法，以解决计算精度和速度问题；利用OpenGL的硬件加速功能可以解决显示速度及质量问题。     

天线罩内廓曲面测量数据处理与重构研究

天线罩是保护天线在恶劣环境条件下正常工作的一种设施,属硬脆材料大型复杂曲面工件.对天线罩内廓形进行精密修磨,可改善其工作性能.其加工属于自由曲面加工.为实现精密修磨,通过测量数据重构出了天线罩的内廓面.根据测得的天线罩内廓面离散数据,剔除坏点和重叠点后应用最小二乘法对测量型值点进行了光顺;通过数据的疏化处理,实现了测量型值点的双有序,完成了基于双三次B样条曲面的天线罩内廓曲面重构.在此基础上得到加工后内廓曲面,为数控加工中刀具轨迹的规划奠定了基础.该方法能够有效地消除测量产生的随机误差,所重构出的曲面具有精度高、光顺性好等特点.     

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