导读:本文包含了孔洞修补论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:孔洞,网格,边界,神经网络,算子,曲面,学习机。
孔洞修补论文文献综述
李松,马聪聪,陆帆,曹菁菁,周勇[1]（2019）在《基于多向波前法的岛屿孔洞修补》一文中研究指出针对现有孔洞修补算法对复杂孔洞修补效果差的问题,提出了一种适用于岛屿类孔洞修补的新型多向波前法。首先检测孔洞边界与岛屿边界并对其进行预处理,以孔洞边界与岛屿边界为波前,插入顶点与叁角面填充孔洞;然后对新增顶点与新增叁角面进行合理性检验;最后根据法矢与曲率调整新增顶点,使其最大程度拟合原有曲面特征。实验结果验证了所提算法的可行性和有效性。(本文来源于《中国机械工程》期刊2019年20期）
王春香,梁亮,王耀,康凯[2]（2019）在《基于优化BP神经网络的点云孔洞修补效果比较分析》一文中研究指出针对逆向软件对叁维点云模型孔洞修补精度不高,提出在软件修补的基础上利用神经网络算法进行调整的修补策略。以挖掘机斗齿内腔孔洞为例,利用思维进化算法(MEA)优化BP神经网络的初始权值和阈值,得到改进的神经网络模型MEA-BP,对修补数据进行调整,并与PSO-BP神经网络、GA-BP神经网络孔洞修补结果做出对比。结果表明:MEA-BP神经网络模型在预测精度有所提高的情况下,效率更高,修补效果更加优越,能够有效地、精确地对孔洞进行修复。(本文来源于《机床与液压》期刊2019年16期）
马娟,孙晓莉,赵文亮,龙根[3]（2019）在《建筑立面激光点云孔洞修补方法》一文中研究指出从建筑立面激光点云孔洞特点出发,提出根据不同的孔洞类型及各建筑立面的规则程度采用不同方法分类修补的思想。将建筑立面分为规则和不规则2种,分别采用不同的方法进行修补,力求过程简单高效。实验证明,借助具有完整点云数据的部件进行复制、近距离设站局部扫描、人工交互插值等方法均可以对孔洞进行有效修补,方法简单、快速、有效、可靠性好,能够满足建筑立面特征线提取等工作。(本文来源于《昆明冶金高等专科学校学报》期刊2019年01期）
王井利,王丙达[4]（2019）在《基于隧道点云特征孔洞修补方法》一文中研究指出针对隧道叁维激光扫描点云的特征,设计一种基于提取轮廓线进而孔洞修复方法。该方法能够对叁维激光扫描点云进行圆柱投影,利用Delaunay叁角构网,提出基于隧道表面叁角网的孔洞识别方法。并且通过阈值过滤标记潜在谷脊点,并在每个潜在谷脊点的局部邻域内构建紧附于潜在曲面、能反映该点局部几何特征信息的叁角网格。最后根据相邻隧道轮廓相似的特点,利用相邻的管片点云对孔洞进行修复该方法能很好的修复孔洞并保留隧道结构细节,并以真实的隧道扫描数据验证算法的有效性和可靠性。(本文来源于《地球》期刊2019年01期）
王春香,张勇,梁亮,王岩辉[5]（2018）在《极限学习机在散乱点云孔洞修补中的应用》一文中研究指出针对逆向工程散乱点云模型上大面积孔洞软件修补效果差和运用传统的BP神经网络算法及改进的BP前馈神经网络效率低,提出了一种基于极限学习机(Extreme Learning Machine,ELM)前馈神经网络的孔洞修补算法。以玩具小车车身点云模型为例,将其人为漏洞分为训练数据和预测数据,采用ELM对训练数据进行训练,建立回归模型,并与BP模型和PSO-BP模型进行对比,验证了ELM神经网络的快速性和预测精度高。并以斗齿点云自然孔洞为实验对象,实现了很好的修补效果,具有较好的实用性和参考价值。(本文来源于《现代制造工程》期刊2018年11期）
刘征宏,林芸[6]（2018）在《一种叁角网格模型的孔洞修补算法》一文中研究指出为了有效修补逆向工程得到的叁角网格模型中缺失的复杂孔洞,提出一种基于孔洞边界边收缩的修补算法。首先提取边界边,接着计算与边界点相关的叁角面法矢夹角以确定收缩方向,再计算边界边与其相邻边距离的平均值以确定收缩距离,然后收缩边界边并细化得到一条新边界,再根据给出的方法在提取的边界边与收缩得到的边界边之间构造新叁角面片,设定终止条件,不断迭代,构造出完整的叁角片,完成孔洞的修补。实验结果表面,此算法能有效完成牙周陶叁角网格缺失的复杂孔洞修补,并且与原有网格光滑过渡,较好地保持了原产品的细节特征。(本文来源于《贵阳学院学报(自然科学版)》期刊2018年03期）
曾露露,盖绍彦,达飞鹏,黄源[7]（2018）在《基于从运动中恢复结构的叁维点云孔洞修补算法研究》一文中研究指出通过光栅投影法可以获取物体的叁维点云数据,但是对于形貌复杂的被测物体,由于测量方式本身含有的一定缺陷,会导致所获取的点云数据出现孔洞区域,从而对后续处理造成影响。结合已有的从运动中恢复结构(SFM)算法,提出一种新的点云孔洞修补方法。首先,利用光栅投影法中得到的二维相位信息来提取叁维点云孔洞区域的边界点;接着,将SFM获取的点云数据集与光栅投影法所采集的点云数据集进行配准,并提取出信息补充点;最后,在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了该算法的稳健性,能较为有效地恢复复杂物体的表面信息。(本文来源于《光学学报》期刊2018年06期）
杨永强,李淑红[8]（2018）在《最小二乘支持向量机的点云数据孔洞修补算法》一文中研究指出为了获得理想的点云数据孔洞修补结果,针对当前算法存在的缺陷,提出一种基于最小二乘支持向量机(LSSVM)的点云数据孔洞修补算法.首先根据散乱点云边界估计孔洞修补范围,然后根据孔洞及周围点的信息,采用最小二乘支持向量机建立一个曲面,并对曲面点云数据的孔洞进行修补,最后采用C++语言编程实现仿真实验.实验结果表明,最小二乘支持向量机能有效修补各种复杂的孔洞,且修补效果优于其他算法.(本文来源于《吉林大学学报(理学版)》期刊2018年03期）
戴维[9]（2018）在《叁维封闭叁角网格模型中的孔洞修补算法研究与实现》一文中研究指出如今,随着3D打印、虚拟现实、增强现实、数字城市等新兴领域的蓬勃发展,叁维模型得到了日益广泛的传播和应用。无人机搭载的倾斜摄影技术的发展和应用,使得快速构建城市规模的叁维实景模型越来越便捷,互联网上也出现了很多共享的实景建模项目。但是,由于倾斜摄影过程可能会存在影像采集死角、或匹配截面过小,从而造成构建出的叁维实景模型存在缺失和孔洞,因而需要进行修补以形成完整的网格模型。本文对叁维封闭叁角网格模型中的孔洞修补问题进行了研究。主要工作如下:1.针对非封闭的叁角网格模型中平面上和曲面上的孔洞,改进了已有的孔洞修补算法,能够处理岛屿状的或者多环的孔洞。算法使用波前法来构造新增叁角形,保证新增叁角形总是能够填满孔洞区域,并且新增叁角形总是和原有叁角形的法矢一致指向模型外侧。对于曲面上的孔洞,剖析了基于泊松变形的修正新增顶点位置的方法。该方法可以使得新增叁角网格区域和孔洞周围区域的平滑过渡,让新增叁角网格更精确地拟合缺失部分的形状。2.研究了叁维封闭的叁角网格模型中孔洞和缺失的修补问题。提出了一种简易有效的孔洞的修补方法。因为往往残缺部分的叁角网格与实物模型表面的叁角网格存在明显的界线,所以使用了分水岭算法先对网格进行面分割,然后结合快速凸包算法,筛选出原模型表面的叁角网格。接下来问题就转化为对非封闭的表面叁角网格上的孔洞进行修补。对于存在大量小型岛屿的模型,先从叁角形数目最多的部分开始,利用凸包上各个岛屿部分间的拓扑关系,估计孔洞边界的生长方向,调整根据波前法生成的新增叁角形的方向,以确保各个岛屿都能够连接起来,获得一个完整的、无自交的叁角网格模型。之后,对网格模型进行光顺处理,保持新增顶点的拓扑结构不变,调整新增顶点位置,使得新增叁角形区域内部以及新增叁角形区域和周围区域之间的过渡更加平滑。3.利用开源叁维图形处理库,开发了叁维模型处理软件模块,用于加载和处理上游输出的叁维场景模型,并实现和验证上述非叁维封闭和叁维封闭的叁维网格模型中的孔洞修补算法。(本文来源于《南京大学》期刊2018-05-23）
曾露露[10]（2018）在《散乱点云的孔洞修补及叁维重构研究》一文中研究指出随着叁维测量技术的应用范围不断扩大,点云数据采集、处理与重构等技术难点成为了研究的热点。由于测量方式本身的局限性或者是物体形状的复杂性,获取的点云数据会有一定的缺失。与此同时随着叁维点云测量设备精度的提高,点云数据量级也越来越大,应用场景对网格重构效率的要求也越来越高,而现有的网格重构算法难以满足要求。为了解决这些问题,本文针对孔洞修补以及网格重构的关键技术进行了深入研究,并提出了新的算法,主要工作如下:1.散乱点云的孔洞修补。针对点云复杂孔洞的修补问题,提出基于SFM(Structure From Motion,从运动中恢复结构)的点云孔洞修补算法。该算法利用SFM获取的数据集补充孔洞区域的信息,辅助孔洞修补。该方法首先利用光栅投影法获得的二维相位信息来提取叁维点云孔洞区域的边界点;接着将SFM获取的点云数据集和光栅投影法采集的点云数据集进行配准,并提取出信息补充点;最后在添加了补充点的点云数据集上,利用径向基函数计算曲面方程,修补孔洞。实验结果证明了算法的鲁棒性,能有效地恢复复杂物体的表面信息。2.散乱点云的网格重构。为了提高海量点云网格重构的效率,提出了基于改进kdtree(k-dimensional树)的Delaunay(德洛内)叁角化算法。该算法改进了kdtree的分割停止条件,并改变了控制点的提取方式,有效地提高了网格化效率。算法首先利用宽度优先的kdtree分割点云,并在适当的深度停止分割以保证数据块的大小合适;然后对具有空间结构的点进行标记;接着提取kdtree结构中非叶子节点上的点作为控制点;最后依次插入控制点、非控制点进行Delaunay叁角化重构网格。实验结果表明该算法能够有效地提高点云网格重构的效率,且重构的网格质量更优。(本文来源于《东南大学》期刊2018-05-21）
孔洞修补论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对逆向软件对叁维点云模型孔洞修补精度不高,提出在软件修补的基础上利用神经网络算法进行调整的修补策略。以挖掘机斗齿内腔孔洞为例,利用思维进化算法(MEA)优化BP神经网络的初始权值和阈值,得到改进的神经网络模型MEA-BP,对修补数据进行调整,并与PSO-BP神经网络、GA-BP神经网络孔洞修补结果做出对比。结果表明:MEA-BP神经网络模型在预测精度有所提高的情况下,效率更高,修补效果更加优越,能够有效地、精确地对孔洞进行修复。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
孔洞修补论文参考文献
[1].李松,马聪聪,陆帆,曹菁菁,周勇.基于多向波前法的岛屿孔洞修补[J].中国机械工程.2019
[2].王春香,梁亮,王耀,康凯.基于优化BP神经网络的点云孔洞修补效果比较分析[J].机床与液压.2019
[3].马娟,孙晓莉,赵文亮,龙根.建筑立面激光点云孔洞修补方法[J].昆明冶金高等专科学校学报.2019
[4].王井利,王丙达.基于隧道点云特征孔洞修补方法[J].地球.2019
[5].王春香,张勇,梁亮,王岩辉.极限学习机在散乱点云孔洞修补中的应用[J].现代制造工程.2018
[6].刘征宏,林芸.一种叁角网格模型的孔洞修补算法[J].贵阳学院学报(自然科学版).2018
[7].曾露露,盖绍彦,达飞鹏,黄源.基于从运动中恢复结构的叁维点云孔洞修补算法研究[J].光学学报.2018
[8].杨永强,李淑红.最小二乘支持向量机的点云数据孔洞修补算法[J].吉林大学学报(理学版).2018
[9].戴维.叁维封闭叁角网格模型中的孔洞修补算法研究与实现[D].南京大学.2018
[10].曾露露.散乱点云的孔洞修补及叁维重构研究[D].东南大学.2018
论文知识图
