基于局部樣本增益優(yōu)化的曲面重建研究.pdf

1、提高以棱邊特征為代表的實(shí)物表面樣點(diǎn)幾何特征重建精度是國內(nèi)外曲面重建領(lǐng)域的研究重點(diǎn)。目前曲面重建采用的曲面局部樣本存在有偏性，影響最終曲面重建結(jié)果的精度，并且不合理的重建規(guī)則也會(huì)導(dǎo)致重建結(jié)果存在孔洞、棱邊凹陷以及非流形面片等缺陷。本文對(duì)曲面局部樣本進(jìn)行增益優(yōu)化，將其應(yīng)用于α-shape和Cocone算法曲面重建過程的優(yōu)化，以有效提高棱邊特征曲面的重建精度。主要研究內(nèi)容與成果如下：
　　(1)提出曲面局部樣本增益優(yōu)化算法，基于KD樹結(jié)

2、構(gòu)快速查詢目標(biāo)樣點(diǎn)的k近鄰點(diǎn)集，將其用作實(shí)物表面上相應(yīng)位置的初始曲面局部樣本，對(duì)樣本內(nèi)各點(diǎn)按其概率密度大小進(jìn)行K均值聚類，基于分類結(jié)果使曲面局部樣本適度向鄰近的采樣稀疏區(qū)域擴(kuò)展，從而彌補(bǔ)因?qū)嵨锉砻嫦鄳?yīng)位置樣點(diǎn)分布不均勻或曲率較大而造成的局部樣本有偏性。該算法對(duì)各種分布類型的實(shí)物表面樣點(diǎn)應(yīng)性較好，可獲取目標(biāo)樣點(diǎn)處的良好曲面局部樣本，而且具有較高的效率。
　　(2)提出α-shape尺度閾值自適應(yīng)調(diào)整算法，結(jié)合增益優(yōu)化后的曲面局部樣本

3、和曲面重建先驗(yàn)知識(shí)，建立α-shape尺度閾值調(diào)整準(zhǔn)則，提高尺度閾值對(duì)實(shí)物表面局部樣點(diǎn)分布特征反映的準(zhǔn)確性?；诔叨乳撝嫡{(diào)整準(zhǔn)則，提出包含曲面局部樣本增益優(yōu)化過程的α-shape曲面重建算法，將其用于實(shí)物表面樣點(diǎn)的曲面重建，可顯著減少重建結(jié)果中的孔洞和棱邊凹陷等缺陷，減少初次網(wǎng)格過濾結(jié)果中非流形面片的數(shù)量，而且具有與主流Delaunay網(wǎng)格過濾方法相當(dāng)?shù)闹亟ㄐ省?br>　　(3)提出保持棱邊特征的Cocone曲面重建算法，建立Coco

4、ne棱邊特征重建優(yōu)化準(zhǔn)則，通過修正法向估計(jì)結(jié)果和調(diào)整棱邊特征樣點(diǎn)的Cocone角度閾值，優(yōu)化棱邊特征重建過程。對(duì)PCA法向估計(jì)所用曲面局部樣本進(jìn)行增益優(yōu)化，從而修正法向估計(jì)結(jié)果。建立棱邊特征樣點(diǎn)Cocone角度閾值的調(diào)整準(zhǔn)則，使棱邊特征樣點(diǎn)的角度閾值大小適應(yīng)棱邊特征區(qū)域的樣點(diǎn)分布。在上述角度閾值調(diào)整過程中，基于對(duì)曲面局部樣本的自適應(yīng)離散高斯聚類實(shí)現(xiàn)棱邊特征樣點(diǎn)識(shí)別，并基于α-shape尺度閾值快速濾除因角度閾值調(diào)整而產(chǎn)生的跨區(qū)域狹長面片