基于點的造型與繪制技術的研究.pdf

1、隨著計算機圖形學的飛速發(fā)展，三維計算機圖形學已經滲透到計算機應用的方方面面。人們對計算機造型與繪制技術的要求不斷提高，計算機模擬場景的規(guī)模越來越大，景物的細節(jié)也越來越豐富。特別隨著三維數碼掃描儀的大規(guī)模普及與應用，掃描所得到的網格點的數目達到了十億的數量級，掃描獲取的幾何體的細節(jié)以及外形的日漸豐富，對有效生成、處理超大規(guī)模幾何模型的新方法的需求也日漸增長。采用傳統(tǒng)的基于三角面片的繪制方法，現有的計算機硬件難以達到實時繪制的要求，繪制環(huán)節(jié)

2、成為了瓶頸。近年來，一種新的繪制三維模型方法—“基于點的繪制”開始逐漸被人們所重視，隨著對其研究的不斷發(fā)展，逐漸成為計算機圖形學中研究熱點。 本文首先介紹了基于點的獲取、處理以及繪制的全流程，基于點表示曲面的性質和基于點表示曲面的方法，以及目前常見的幾種基于點的造型技術。本文主要工作： (1)基于Kohonen神經網絡能夠保持拓撲結構的自組織映射的特性，對散亂數據點進行曲面重構，建立了基于自組織特征映射神經網絡的矩形網格

3、重構模型。所建模型利用神經元對曲面散亂數據點的學習和訓練來模擬曲面上點與點之間的內在關系，節(jié)點連接權向量集作為對散亂數據點集的近似化并重構曲面樣本點的內在拓撲關系。通過該方法得到的曲面可以對原始的散亂數據點集逼近，可以作為后繼曲面重構的初始曲面，而且還可以對密集散亂數據點自組織壓縮，并構建保持原數據點集的拓撲形狀，這樣降低原始數據點的數量，擴大了神經網絡曲面重構方法的應用領域。 (2)主要根據徑向基函數神經網絡(RBFNN)具有

4、很強的非線性逼近能力，以及強大的抗噪、修復能力等優(yōu)點，提出將徑向基函數神經網絡應用于帶有噪聲數據散亂數據點自由曲面的重構方法，并對該方法理論上的可行性和實踐上的實用性進行了討論和驗證。結果表明：該模型不僅能夠有效地逼近不完善的、帶有噪聲的曲面，而且學習速度很快，提高了對破損、不完全曲面重建的效率和精度，得到的曲面光順性好。 本文最后部分主要介紹了基于點繪制的技術，以及基于點的繪制方法、基于點繪制技術存在問題和基于點的繪制技術的進