基于成長型神經(jīng)網(wǎng)絡(luò)曲面重建及網(wǎng)格優(yōu)化的研究.pdf

1、本論文的主要工作如下：1、研究使用成長型神經(jīng)網(wǎng)絡(luò)的曲面快速重建方法。神經(jīng)網(wǎng)絡(luò)在處理輸入數(shù)據(jù)時(shí)一次只采樣一個(gè)點(diǎn)，計(jì)算速度獨(dú)立于輸入數(shù)據(jù)量，而且能很好地處理含噪聲的數(shù)據(jù)，因而特別適合基于三維掃描散亂點(diǎn)集的曲面重建。這為基于學(xué)習(xí)的曲面重建方法開辟了一條新途徑，具有廣闊的應(yīng)用前景。我們?cè)谇嬷亟ㄟ^程中采用線性組合的方式分裂節(jié)點(diǎn)，使用一種簡化的方法計(jì)算節(jié)點(diǎn)的Voronoi區(qū)域面積用于分配新增節(jié)點(diǎn)的計(jì)數(shù)器值，并對(duì)生成的曲面作進(jìn)一步的綜合優(yōu)化。

2、 2、提出使用基于能量最小化的網(wǎng)格優(yōu)化算法：對(duì)于給定的三維散亂點(diǎn)集合和初始三角網(wǎng)格，使用能量最小化算法對(duì)網(wǎng)格頂點(diǎn)位置優(yōu)化，使網(wǎng)格更好地逼近三維散亂點(diǎn)。 3、提出一種新穎的網(wǎng)格綜合優(yōu)化算法：對(duì)某一形體表面的三維散亂點(diǎn)集給定一個(gè)初始三角網(wǎng)格，使用神經(jīng)網(wǎng)絡(luò)中自組織映射算法對(duì)網(wǎng)格頂點(diǎn)位置優(yōu)化，使網(wǎng)格更好地逼近三維散亂點(diǎn)，使網(wǎng)格中節(jié)點(diǎn)的分布更符合散亂點(diǎn)數(shù)據(jù)的空間概率分布，并分裂網(wǎng)格中度數(shù)特別大的節(jié)點(diǎn)，使網(wǎng)格的空間形狀更加平滑。