基于自组织神经网络点云重建技术的研究

发布时间：2017-07-26 01:01

  本文关键词：基于自组织神经网络点云重建技术的研究

  更多相关文章： 自组织 点云重建 动态生长 收敛性 孔洞修补

【摘要】：随着现代计算机技术的不断进步,逆向工程技术和三维打印技术的发展越来越深入人心,点云重建作为两种技术中的重要研究方向,广泛应用于汽车、航空航天、生物医疗等各个领域的产品研发和仿制。近年来,人工智能由于具备很强的学习能力、处理非线性能力、具有协作能力等优点,受到逆向工程和三维打印技术的大力关注,并应用于点云重建的研究上,有着广泛的前景。本文针对散乱的无规则点云数据开展人工智能算法的研究,主要内容如下:(1)为了有效地提高点云重建模型的质量、收敛速度和精度,提出了动态生长的自组织神经网络点云重建技术算法,基于自组织神经网络算法,构造了球体三角网格为网络的映射结构,通过对大量无规则节点进行网络学习达到神经元节点的分裂,改变网络结构的固定性,删除不稳定的网格节点,通过网格优化使神经元节点与输入的离散点云保持更加地紧密,最终得到较好的网格重建结果。(2)针对复杂拓扑结构的曲面、亏格曲面等对点云重建技术的限制,提出了动态生长的神经气网络点云重建算法,根据输入的样本点云,自适应调节重建速度的增长,保持几何关系和拓扑结构的收敛性与协调性。利用寿命阈值和累积误差值来插入新的神经元节点,寿命删除机制来删除冗余边的连接。此算法点云重建会产生较高的鲁棒性,重建三角网格的拓扑结构具有收敛性,曲面逼近精度较高,网格比较均匀,最终重建的结果更为理想。(3)针对曲面三角网格重建孔洞修补的问题,研究了动态生长的神经气算法。利用此算法的基本思想,通过非流形边的检测机制删除冗余边并且实时地更新三角面片的信息,在算法重复学习的过程中,直到每个三角面片都达到收敛。利用动态生长的神经气算法修复实体模型中存在的孔洞缺陷,有效地提高了网格重建的效率和曲面的精确程度。上述的研究内容,基于Matlab平台研发了相应的算法模块,通过实验验证了算法的有效性。
【关键词】：自组织 点云重建 动态生长 收敛性 孔洞修补
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.7;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 缩略词10-11
• 第一章 绪论11-22
• 1.1 引言11-12
• 1.2 点云获取技术及特点概述12-13
• 1.3 三维几何模型的表示13-16
• 1.4 点云重建技术的研究现状16-19
• 1.4.1 点云数据预处理的研究现状16-17
• 1.4.2 点云重建技术的研究现状17-19
• 1.4.3 智能技术点云重建的研究现状19
• 1.5 本文研究的内容及安排19-22
• 第二章 动态生长的自组织神经网络点云重建技术22-38
• 2.1 引言22-23
• 2.2 自组织特征映射神经网络23-25
• 2.2.1 自组织神经网络模型分类23-24
• 2.2.2 SOFM网络学习算法24-25
• 2.3 动态生长的自组织神经网络基本思想25-33
• 2.3.1 竞争层网络25-28
• 2.3.2 学习率与拓扑邻域的选择28-29
• 2.3.3 节点的分裂与删除29-31
• 2.3.4 节点网格的优化31-33
• 2.4 动态生长的自组织神经网络算法步骤33-35
• 2.5 实例及分析35-37
• 2.5.1 点云网格重建的质量变化比较35-36
• 2.5.2 点云网格重建的精度偏差分析36
• 2.5.3 点云网格重建的收敛速度对比分析36-37
• 2.6 本章小结37-38
• 第三章 动态生长的神经气算法点云重建技术38-52
• 3.1 引言38-39
• 3.2 动态生长的神经气算法基本思想39-43
• 3.2.1 亏格曲面39-41
• 3.2.2 参数的选取41
• 3.2.3 神经元节点边界的连接41-42
• 3.2.4 神经元节点边界的删除42-43
• 3.3 动态生长的神经气算法步骤43-46
• 3.4 实例及分析46-50
• 3.4.1 点云重建的模型质量比较46-49
• 3.4.2 不同噪声点云参数下点云重建的质量比较49-50
• 3.4.3 网格重建的收敛速度比较分析50
• 3.5 本章小结50-52
• 第四章 基于动态生长神经气算法的三角网格孔洞修补52-64
• 4.1 引言52-53
• 4.2 三角网格孔洞修补的基本思想53-56
• 4.2.1 非流形边的检测54-55
• 4.2.2 三角网格的填补55-56
• 4.3 孔洞修补的算法步骤56-60
• 4.4 实例及分析60-63
• 4.5 本章小结63-64
• 第五章 总结与展望64-66
• 5.1 总结64-65
• 5.2 展望65-66
• 参考文献66-71
• 致谢71-72
• 在学期间的研究成果及发表的学术论文72

【参考文献】

中国期刊全文数据库 前10条

1 伍龙华;黄惠;;点云驱动的计算机图形学综述[J];计算机辅助设计与图形学学报;2015年08期

2 温秀兰;王东霞;盛党红;朱晓春;;改进遗传算法用于自由曲线重建研究[J];中国机械工程;2012年17期

3 李峰;孙立镌;张嘉晶;;基于寻优算法的改进自组织映射研究[J];计算机工程;2012年13期

4 袁天然;廖文和;程筱胜;戴宁;俞青;;三维牙颌模型的牙齿形状建模方法[J];计算机辅助设计与图形学学报;2010年04期

5 朱根松;周天瑞;;蚁群算法在反求工程曲线重建中的应用[J];计算机工程与科学;2008年06期

6 赵继俊;余成亮;;基于点云数据的NURBS曲面重建研究[J];农业机械学报;2007年04期

7 成媛媛;满家巨;全惠云;;基于自适应遗传算法的点云曲线重建[J];中国图象图形学报;2006年09期

8 杨占华;杨燕;;SOM神经网络算法的研究与进展[J];计算机工程;2006年16期

9 柯映林,单东日;基于边特征的点云数据区域分割[J];浙江大学学报(工学版);2005年03期

10 刘雪梅,张树生,洪歧,董文胜;在逆向工程中用神经网络实现点云数据分区[J];计算机工程与应用;2004年28期

，

本文编号：574019