逼近散乱点云数据的三角形网格精确剖分

• 作者: 张伟
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 逆向工程 三角形网格 神经网络 逼近误差 边缘误差 散乱点云
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 几何设计与计算
• 页码范围: 188-194
• 页数: 7页
• 分类号: TP391
• 字数: 4912字
• 语种: 中文

摘要

基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在逼近误差和边缘误差.为减小三角形网格的逼近误差和边缘误差,构建了精确逼近的三角形网格模型.首先采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;然后对三角形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练.算例表明,应用该模型,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到大幅提高并覆盖散乱点云整体分布范围.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张伟	中国计量学院机电工程学院	60	187	7.0	10.0