基于曲率和面积的二次误差测度网格简化算法

在经典的二次误差测度(QEM)简化算法基础上,将离散曲率和面积引入到边收缩代价计算中,提出了一种基于离散曲率和面积的二次误差测度网格简化改进算法.该算法既考虑了离散曲面在各顶点附近的弯曲程度,又考虑了曲面的几何形状特征.为保留模型的原始边界特征,规定不对其边界进行简化.试验结果表明,改进算法在网格简化过程中保持了原有算法运行速度快的优点,且简化模型能合理地分配网格,并更好地保持了原始模型的重要特征.     

基于特征保持和二次误差测度的网格简化

目的解决目前网格简化算法不能很好地保持原始网格几何特征的问题。方法基于二次误差测度简化算法,在计算折叠代价时引入网格模型顶点的绝对曲率,同时采用半边折叠操作。结果提出的算法能够有效地达到特征保持的目的,减少了简化过程中模型的存贮量。结论将顶点的绝对曲率概念引入二次误差计算,在保持简化误差的同时,能够更好地保留网格模型的几何特征。分割和并行化处理将是今后需要解决的问题。     

基于改进离散曲率的三角形折叠简化算法

本文提出一种基于改进离散曲率的三角形折叠网格简化算法。利用描述三角形形状的内角权值改进Taubin算法估算三角形顶点的离散高斯曲率,根据Garland算法引入三角形顶点的二次误差度量矩阵,定义三角形的折叠代价为二者的加权和。由折叠代价取得最小值来计算折叠后新点的位置,并以该最小值作为三角形的折叠代价来确定折叠顺序。实验表明,改进的离散曲率能更好的描述三角网格顶点处的弯曲程度,该算法简单快速,并能很好的保持模型的重要几何特征以及拓扑结构。     

基于网格遍历曲率线的曲面网格重划算法

提出了一种基于网格遍历曲率线的曲面网格重划算法,采用局部一般二次曲面法估算离散曲面的微分信息,建立顶点的主曲率场.根据顶点的主曲率及主方向获得模型的网格遍历曲率线,从而实现曲面网格重划.该算法可在获取离散网格微分信息的基础上对模型进行重划,并动态控制重划网格的密度,从而大幅简化逆向领域中曲面重构的步骤.     

保留边界特征的点云简化算法

为有效简化点云数据,提出保留边界特征的点云简化算法。该算法利用三维栅格划分法建立散乱点云的空间拓扑关系,计算每个数据点的近邻,通过球拟合法求得其曲率和具有方向性的法向量,采用投影点个数比值法找到并保留点云边界,根据具体情况设定所需阈值,对非边界点进行分类,通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例,完成点云简化。实验结果表明：该算法不仅能对点云进行直接有效地简化,而且还能很好地保留点云模型的细节特征,简化比例达25％～40％。该方法可以满足不同种类点云简化的要求,能够提高计算机运行效率。     

基于物理属性与三角形正则度的网格简化算法

针对三维虚拟场景的物理属性显示需求,提出一种带属性的边折叠的三角形网格简化方法.该算法计算折叠代价时以模型边曲率和边上物理属性的增量以及三角形正则度作为权因子,边上物理属性的增量使简化后的模型很好地保留了原模型的物理属性特征,而添加三角形正则度优化了简化后模型三角形的形态.同时还解决了边折叠时导致的拓扑错误,并用多选择技术加快了计算速度.经实验验证和对比分析,证明了算法的有效性与正确性.     

基于粒子群优化聚类算法的点模型简化

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化.同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.     

基于Morse-Smale复形的三角网格特征线提取

提出了基于Morse-Smale(MS)复形的特征线提取算法.计算网格各顶点曲率,构造指标函数,并以此为依据建立MS复形,复形中的临界点、升弧和降弧构成初始特征线集合;定义显著度作为判断特征线重要程度的控制参数,通过复形简化过程依次删除次要特征,获得清晰、准确的特征线.实验结果表明,该算法可自动提取相互连接的特征线,计算效率高.     

医学图像三维重建中的关键算法

本文主要讨论了基于序列图像的三维重建中的两个关键算法:特征数据点列的重采样算法与三角化算法.本文把Douglas-Peucker线性简化算法应用在特征边界的重采样上,数据的压缩比得到了明显的改善,也显著地提高了可视化处理速度.并使用一种简单的三角化算法,对重采样后的数据点列进行三角化,实现目标的三维重建.     

基于MMDS的近似测地距离快速求解算法

通过运用度量多维尺度分析(Metric multidimensional scaling,MMDS)技术,将低维曲面上的测地距离计算转化为高维空间中的欧氏距离计算问题,提出一种快速求解三角网格上任意两点间近似测地距离的算法。首先对给定三角网格模型进行简化,得到原网格模型的简化版本。在原始网格模型上求取简化网格中所有顶点对的测地距离,并根据得到的测地距离将简化网格嵌入到高维空间中。运用最小二乘方法将原网格中其他顶点也嵌入到该高维空间。最后,在高维空间中计算顶点之间的欧氏距离来近似表示原网格上任意两点间的测地距离。实验表明,该文算法运行稳定,能够快速计算出不同网格模型上不同顶点间的近似测地距离。     

一种改进的基于二次误差测度的网格简化算法

在医学图像三维表面建模中,会产生大量的三角面,难以在普通PC机上进行实时渲染.为了解决这个问题,本文作者提出一种改进的基于二次误差测度的网格简化算法.通过对顶点进行分类,在简化过程中更好地保持了模型的细节特征,同时考虑了网格中三角面的分布情况,减小了几何误差.结果表明,算法既保持了原算法快速的优点,又满足了医学图像处理对逼真度和网格质量的较高要求.     

基于自组织特征映射区域分割的三维几何模型简化算法

为满足模型简化后保留细节特征的需要,引入自组织特征映射(SOFM)神经网络,提出一种基于区域分割的三维几何模型简化算法:将三维几何模型划分成具有不同特征的区域,在此基础上进行多区域并行简化,利用顶点微调法对简化后的模型进行局部特征修正.结果表明,该方法可在提高模型简化速度的同时,有效保留模型的细节特征,显著改善模型因简化而产生的形变.     

基于特征保持和三角形优化的网格模型简化

在已有的以几何误差最小化为准则的边折叠简化算法的基础上，提出了一种新的三角网格模型简化算法．通过分析网格模型中顶点超邻域的二次误差矩阵，对模型上的重要细节特征进行定位，实现了网格简化过程中细节特征的保持．同时，在边折叠的代价函数中考虑新生成三角形的空间形状优化，并改善了简化序列的构造．算法既保持了边折叠算法快速的优点，又满足了对逼真度和网格质量的较高要求．     

利用顶点预测方法实现三维网格的保形简化

针对产品的三维表面用三角网格来表示时,三角形数量巨大的问题,提出了一种基于顶点预测的三角形折叠简化方法。首先根据网格模型的每一个顶点与其周边元素之间的几何拓扑关系,运用投影预测方法来预测三角形折叠的折叠点坐标,然后运用线性插值算子对折叠点坐标进行调整。为进一步保证简化后模型的质量,在采用距离误差控制的同时,引入了角度误差控制方法。实验结果表明,该简化算法在减少模型的三角形数量的同时,有效地保持模型特征,保证了模型表面的光顺。     

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.      

一种基于特征的复杂平房顶建筑化简算法

基于特征分析的方法,对复杂平房顶建筑的综合算法进行研究,将建筑特征分为双边特征、三边特征和部件特征三类。根据各类特征的特点,设计具体的化简算子,在分析各算子之间关系的基础上,设计化简算法的一般流程。以两类典型建筑和建筑群为基础,对所提出的算法进行实验验证,当采用不同阈值进行化简时,建筑的主要特征均保持良好,综合结果合理,算法效率较高。     

一种改进的人脸特征点定位方法

人脸特征点自动定位方法在人脸识别、三维人脸模型重建等方面都有重要作用.三维人脸模型重建对下巴特征点精度要求很高.采用一种结合遗传算法和活动外表模型(AAM)的人脸特征点定位方法(GA-AAM),对AAM算法在下巴轮廓提取中的不能精确收敛问题作了改进.对于用实时AAM算法做特征点粗定位得到的结果,在AAM的代价函数中引入代表特征点处的边缘信息,进一步采用遗传算法作优化.实验结果表明该方法对下巴特征点的精确收敛十分有效.