[发明专利]一种B样条曲面重建方法在审
申请号: | 201910375098.1 | 申请日: | 2019-05-07 |
公开(公告)号: | CN110211201A | 公开(公告)日: | 2019-09-06 |
发明(设计)人: | 王伟;郭振宇;赵罡 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06T11/20 | 分类号: | G06T11/20 |
代理公司: | 北京慧泉知识产权代理有限公司 11232 | 代理人: | 王顺荣;唐爱华 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供一种基于投影参数化和渐进迭代最小二乘拟合的B样条曲面重建方法,步骤如下:一、获取数据点的边界,对边界数据点进行B样条曲线拟合;二、选定双线性混合Coons曲面作为基准曲面;三、将内部数据点向基准曲面内投影,确定内部数据点的参数值;四、对数据点进行曲面拟合;采用上述技术方案,首先可以把基准曲面看作是对散乱数据点的第一次近似,先拟合边界点,之后计算出基准曲面的所有控制顶点,得到双线性Coons曲面;然后,将数据点向基面投影,引入点到曲面的距离F(u,v)作为待优化的目标函数,采用L‑BFGS方法进行无约束的优化,得到投影参数化结果;最后,根据所给定的u向和v向控制点数目、曲面的次数以及前述获得的投影参数化结果,对数据点进行B样条曲面的渐进迭代最小二乘拟合,最终得到拟合曲面的控制顶点,绘制出曲面。 | ||
搜索关键词: | 基准曲面 投影参数 拟合 最小二乘拟合 内部数据 数据点 双线性 迭代 渐进 投影 控制点 边界数据 获取数据 目标函数 曲面拟合 边界点 无约束 引入点 重建 基面 优化 近似 绘制 | ||
【主权项】:
1.一种B样条曲面重建方法,即一种基于投影参数化和渐进迭代最小二乘拟合的B样条曲面重建方法,其特征在于:它包括以下具体实施步骤:步骤一、获取数据点的边界,对边界数据点进行B样条曲线拟合;定义节点矢量时,保证每个节点区间内至少包含一个参数值,这样会保证拟合效果;记nu,nv分别是曲面在u向和v向的控制顶点个数;在这一步骤中,能确定四条边界上数据点的参数值,通过计算得到边界曲线的控制顶点d1j,其中j=1,2...,nv,以及di1,其中i=1,2...,nu;步骤二、选定双线性混合Coons曲面作为基准曲面,因其具有计算量小、效率高、能完整反映边界特性诸优势;由第一步拟合的得到的曲线控制顶点,根据以下关于双线性混合Coons曲面的计算公式,确定基准曲面上的控制顶点dij;其中ui,vj是边界数据点的参数值,其确定方法如下:ui=(i‑1)/(nu‑1) i=1,2...,nu (2‑2)vj=(j‑1)/(nv‑1) j=1,2...,nv (2‑3)得到基准曲面的基函数表示为:式中:dij表示基准曲面的控制顶点;Ni,k(u)是u向的k次规范B样条基函数,Nj,l(v)是v向的l次规范B样条基函数;步骤三、将内部数据点向基准曲面内投影,确定内部数据点的参数值,具体实现是,将参数值u,v作为待优化量,目标函数F(u,v)设定为点到基准面的距离,采用作为拟牛顿法的L‑BFGS方法对目标函数进行优化,得到使F(u,v)最小时的(u,v),即为参数化结果;目标函数F(u,v)如下:F(u,v)=min||S(u,v)‑pij||2 (3‑1)式中:S(u,v)表示参数(u,v)所对应的曲面上的点,pij代表内部数据点;步骤四、对数据点进行曲面拟合;本发明所采用的方法是渐进迭代最小二乘拟合即LSPIA;虽然不插值于四个角点,但是LSPIA无需求解线性方程组,相比于最小二乘拟合的方法效率更高,同时能得到很好的拟合效果;采用上述技术方案,首先能把基准曲面看作是对散乱数据点的第一次近似,先拟合边界点,之后计算出基准曲面的所有控制顶点,得到双线性Coons曲面;然后,将数据点向基面投影,引入点到曲面的距离F(u,v)作为待优化的目标函数,采用L‑BFGS方法进行无约束的优化,得到投影参数化结果;最后,根据所给定的u向和v向控制点数目、曲面的次数以及前述获得的投影参数化结果,对数据点进行B样条曲面的渐进迭代最小二乘拟合,最终得到拟合曲面的控制顶点,绘制出曲面。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910375098.1/,转载请声明来源钻瓜专利网。