基于散乱点的智能算法的曲面重构的研究

发布时间：2019-11-22 11:29

【摘要】：灰塑是广州传统建筑特有室外装饰艺术,其复杂的工艺和独特的艺术表现风格,使其成为世界非物质文化遗产之一。但是对于灰塑的永久保存和工业化生产的问题,一直困扰着灰塑艺术家们。随着逆向工程技术的不断进步,使这一问题有了解决的可能。逆向工程的体系结构主要由点云数据获取、数据预处理、曲面重建以及快速制造等几部分组成,其中曲面重构是最为关键的技术。现代建模的主流技术是NURBS曲线曲面重构,由于灰塑复杂的艺术形态,采用单张NURBS曲面描述灰塑作品比较困难,若使用多张,则处理曲面片问的拼接有一定难度,不仅运算量大,还容易产生裂缝。针对NURBS曲面的不足,本文提出了一种更适用于灰塑作品重建的方法——一种智能的细分曲面方法,该方法通过低分辨率的控制网格和定义控制网格的细分规则来表示光滑曲面,规则简单,拓扑适应能力强。主要研究内容如下：(1)提出一种针对灰塑点云特性的Delaunay三角化优化算法。针对灰塑的“散乱点云”数据特性,本文对Delaunay三角化进行了研究。Delaunay三角化一直是应用最为广泛的点云数据网格化算法之一,主要可以分为两类：一种是将点云进行区域性的分解,将每个区域进行特殊标注,并对每个区域进行三角化,各个击破的算法策略；一种是将摄取的点云数据进行有序排列,每个点都标记上对应的坐标,把相邻的两个点作为三角形的两个基点,再插入一个点,构成三角形,以此重复在每个相邻的点之间。通过研究这两种算法的特性之后,本文将这两种算法进行了合成,并进行了一定程度的改进,形成了一种更为高效的点云三角化算法,两者结合后可以对任何一块区域的点云集进行Delaunay三角化,使用这种改进后的方法,能更有效地实现由于灰塑复杂的艺术形态而导致点云数据边界复杂区域过多难以网格划分的问题。(2)提出一种针对灰塑曲面特性的网格方法。通过分析大量的灰塑作品的曲面特性,将点云网格的线条进行特别的分类。运用能量消耗最低的方法优化点云网格的顶点坐标,再处理优化处理之后的点云网格的重要点,最后把优化的点云以线性方程的形式进行计算。这种方法能够提高点云数据处理之后的网格和灰塑作品的曲面之间的契合度,优化有的网格质量对后续的处理将起到重要作用,如果网格质量太差,最后重建出来的灰塑曲面的质量也会相应降低。重建后的曲面将更为准确的表达出灰塑作品的艺术气息,使灰塑作品在未来的工业化运用中有更大的实际应用空间,减少人力成本,加速产品流水型生产。(3)提出一种针对灰塑作品点云数据特性的智能细分曲面算法灰塑作品有这样一种特性,局部区域工艺精细度极高,局部区域工艺极其简洁且形状相似,针对这种点云数据的特性,本文提出一种智能的自感应式Loop细分方法,利用这种方法可以有效地避免相识区域的重复性细分,通过计算曲面任意点的曲率,对所有点云的曲率进行曲率相似性比较,这样可以大大降低相似区域过度细分所产生的能源浪费和计算负荷,同时可以对相似点云的区域进行平滑处理,避免因过度相似而导致曲面产生断痕。点云数据的细分曲面在边界区域的奇异点C1连续,文中提出基于自适应Loop的网格细分方法,首先对三角网格模型进行预处理,对三角网格进行顶点优化,得到拟合控制网格。然后对拟合控制网格中的顶点进行修正,对顶点修正后的控制网格进行拓扑形状优化,反复迭代求解,生成满足要求的Loop细分曲面。
【图文】：

供后续的Ｄｅｌａｕｎａｙ子三角网的合并使用。边界点改动为：左终止点－左起逡逑始点－右起始点－右终止点，即删除左边起始点至左终止点、右终止点至右起始点之间逡逑的电，把剩余点合并。如图２－２所示，边界点（公式）与其相临的电分别相连组成新逡逑的三角形，如图（Ｃ）所示。逡逑尊尊逡逑（ａ）逦（ｂ）逦（ｃ）逡逑图２－２邋Ｄｅｌａｕｎａｙ子三角网合并示意图逡逑Ｆｉｇｕｒｅ２－２邋Ｄｅｌａｕｎａｙ邋ｔｒｉａｎｇｕｌａｒ邋ｎｅｔ邋ｍｅｒｇｅ邋ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ逡逑７逡逑

Ｒ？ｐｒｅｓｅｎｔａｔｉｏ？邋ａｆｔｅｒ邋ｍｓｃｆｔｉｏｇ邋ｖｅｒｔｅｘ邋ＩＳ逡逑（ｂ）逡逑图２－１插入新结点１６与老结点相连后的Ｄｅｌａｕｎａｙ三角网的高效合成逡逑Ｆｉｇｕｒｅ２－１邋Ｔｈｅ邋ｅｆｆｉｃｉｅｎｔ邋ｓｙｎｔｈｅｓｉｓ邋ｏｆ邋Ｄｅｌａｕｎａｙ邋ｔｒｉａｎｇｌｅ邋ｎｅｔ邋ａｆｔｅｒ邋ｉｎｓｅｒｔｉｏｎ邋ｏｆ邋ｎｅｗ邋ｎｏｄｅ逡逑１６邋ａｎｄ邋ｏｌｄ邋ｎｏｄｅ逡逑重构合并后的Ｄｅｌａｕｎａｙ子三角网边界点。合并后的Ｄｅｌａｕｎａｙ子三角网的边界点逡逑需要改动，，供后续的Ｄｅｌａｕｎａｙ子三角网的合并使用。边界点改动为：左终止点－左起逡逑始点－右起始点－右终止点，即删除左边起始点至左终止点、右终止点至右起始点之间逡逑的电，把剩余点合并。如图２－２所示，边界点（公式）与其相临的电分别相连组成新逡逑的三角形，如图（Ｃ）所示。逡逑尊尊逡逑（ａ）逦（ｂ）逦（ｃ）逡逑图２－２邋Ｄｅｌａｕｎａｙ子三角网合并示意图逡逑Ｆｉｇｕｒｅ２－２邋Ｄｅｌａｕｎａｙ邋ｔｒｉａｎｇｕｌａｒ邋ｎｅｔ邋ｍｅｒｇｅ邋ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ逡逑７逡逑
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.7

【相似文献】

相关期刊论文 前10条

1 杨明菊;;单景扫描点云数据网模型的构建方法研究[J];硅谷;2011年08期

2 张春成;;一种改进的点云数据栅格算法[J];兵工自动化;2013年06期

3 徐伟恒;冯仲科;苏志芳;胥辉;焦有权;邓欧;;一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法[J];光谱学与光谱分析;2014年02期

4 刘亚文;庞世燕;左志奇;;蚁群算法的建筑立面点云数据提取[J];武汉大学学报(信息科学版);2012年11期

5 喜文飞;方源敏;李帅;李健;;一种新的激光点云数据精简方法[J];测绘工程;2012年04期

6 何丽;李嘉;郑德华;;基于栅格的点云数据的边界探测方法[J];测绘工程;2013年03期

7 陈崇帮;欧新良;唐伟;李琦;;基于点云数据的去噪算法研究[J];长沙大学学报;2013年05期

8 钱锦锋,陈志杨,张三元,叶修梓;点云数据压缩中的边界特征检测[J];中国图象图形学报;2005年02期

9 李占贤;李振臣;陈杰;侯宇;;特殊工件扫描数据处理[J];机械工程师;2010年01期

10 夏永华;方源敏;陈杰;杨永明;左小清;;采空区点云数据的小波平滑方法[J];湖南科技大学学报(自然科学版);2012年01期

相关会议论文 前10条

1 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

2 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年

3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

10 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

相关重要报纸文章 前1条

1 张庆英;危房测量引入三维实景技术[N];中国测绘报;2014年

相关博士学位论文 前10条

1 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年

2 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学（北京）;2014年

3 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年

4 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学（北京）;2010年

5 孙晓东;人体点云数据处理中若干问题的研究[D];北京工业大学;2012年

6 张帆;点云数据几何处理方法研究[D];西北大学;2013年

7 杨建思;机载/地面海量点云数据组织与集成可视化方法研究[D];武汉大学;2011年

8 钟良;LiDAR同机影像辅助点云分类相关技术研究[D];武汉大学;2011年

9 敖建锋;动态沉陷区地面激光扫描数据处理关键问题研究[D];中国矿业大学;2013年

10 张力宁;点云数据抗噪处理方法及其在叶片重建中的应用研究[D];西北工业大学;2006年

相关硕士学位论文 前10条

1 叶雯;杨树活立木点云数据模型化研究[D];南京林业大学;2013年

2 钟婷婷;基于特征的车身典型复杂曲面点云数据的分割[D];吉林大学;2015年

3 刘金玲;基于隐函数实现点云数据重构方法的研究[D];辽宁师范大学;2009年

4 赵柳;基于点云数据的逆向技术研究与设计[D];中北大学;2010年

5 杜小燕;点云数据的光顺去噪与简化技术的研究与实现[D];苏州大学;2009年

6 陈金锐;点云数据三维重建研究[D];武汉理工大学;2011年

7 张飞飞;点云数据简化及三维曲面重构[D];吉林大学;2012年

8 桓秉邦;牙颌点云数据三维可视化研究[D];电子科技大学;2012年

9 李伟;汽车座椅点云数据的精简和三角曲面重构[D];吉林大学;2013年

10 李志良;基于点云数据的真三维建模方法研究[D];太原理工大学;2014年

本文编号：2564453