基于轮廓数据的B样条曲面重建

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (19): 59-62.

基于轮廓数据的B样条曲面重建

林子植¹,潘日晶^1,2

1.福建师范大学数学与计算机科学学院，福州 350007
2.福建师范大学网络安全与密码技术重点实验室，福州 350007

收稿日期:2007-09-29 修回日期:2007-12-10 出版日期:2008-07-01 发布日期:2008-07-01
通讯作者: 林子植

B-spline surface reconstruction based on profile data

LIN Zi-zhi¹,PAN Ri-jing^1,2

1.School of Mathematics and Computer Science，Fujian Normal University，Fuzhou 350007，China
2.The Key Lab of Network Security and Cryptography，Fujian Normal University，Fuzhou 350007，China

Received:2007-09-29 Revised:2007-12-10 Online:2008-07-01 Published:2008-07-01
Contact: LIN Zi-zhi

摘要/Abstract

摘要： 针对B样条曲面拟合中出现的问题和困难，提出了一种基于行组织的轮廓数据（截面数据）的曲面重建方法。该方法避免了数据点的参数化问题，使得逼近曲面拥有较好的形状和合理的控制顶点数量。该方法的基本思想是：首先构造易于控制的低阶曲面拟合数据点，此曲面称控制曲面，然后利用高次曲面逼近该曲面，此高次曲面称为逼近曲面，为所需要的重建曲面。在曲面重建中利用最佳平方逼近和光顺函数，减少了逼近曲面的控制顶点冗余，较有效地防止了逼近曲面的形状突变和曲面的扭曲，很大程度地提高了曲面的质量。

关键词: B样条曲面, 轮廓数据, 逼近, 参数化, 最佳平方逼近

Abstract: A method for fittting profile data points using B-spline surface is proposed.Firstly，the profile data points are fited by a B-spline surface with low degree，which is named controlling surface.Secondly，another B-spline surface is controlled approximating the controlling surface，which is named approximating surface.The approach completely avoids the parametrization in surface fitting.Futhermore，the surface builted with this method fitting has fewer control points，and the shape of the surface is also quite fair.

Key words: B-spline surface, profile data, approximation, parametrization, knots, least square approximation

林子植¹,潘日晶^1,2. 基于轮廓数据的B样条曲面重建[J]. 计算机工程与应用, 2008, 44(19): 59-62.

LIN Zi-zhi¹,PAN Ri-jing^1,2. B-spline surface reconstruction based on profile data[J]. Computer Engineering and Applications, 2008, 44(19): 59-62.

[1]	黄仝宇，胡斌杰，朱婷婷，黄哲文. 面向驾驶场景的多尺度特征融合目标检测方法[J]. 计算机工程与应用, 2021, 57(14): 134-141.
[2]	黄晓慧1，冯宝红1，张小国2，王小虎2. 草图直接成图的外业房产测量算法研究[J]. 计算机工程与应用, 2019, 55(5): 265-270.
[3]	季挺，张华. 基于CMAC的非参数化近似策略迭代增强学习[J]. 计算机工程与应用, 2019, 55(2): 128-136.
[4]	李骏，刘岩. Lukasiewicz型直觉模糊推理三I方法的性质分析[J]. 计算机工程与应用, 2018, 54(8): 44-47.
[5]	严兰兰，黄涛. 曲线曲面逼近与插值的统一表示[J]. 计算机工程与应用, 2018, 54(5): 180-185.
[6]	王延华，李腾. 基于双目视觉的接触网磨耗在线检测研究[J]. 计算机工程与应用, 2018, 54(5): 242-246.
[7]	陈宙斯，胡文心. 简化LSTM的语音合成[J]. 计算机工程与应用, 2018, 54(3): 131-135.
[8]	陈斯泳，安聪沛. 球面l1-正则化逼近模型及其应用研究[J]. 计算机工程与应用, 2018, 54(12): 35-40.
[9]	何安玲，何选森. 基于有理非线性函数的Fast-ICA算法[J]. 计算机工程与应用, 2018, 54(1): 251-255.
[10]	孙劲光1，赵欣2. 一种改进近邻传播聚类的图像分割算法[J]. 计算机工程与应用, 2017, 53(6): 178-182.
[11]	雷霆，张国良，汤文俊，孙一杰. 不确定性自由漂浮空间机器人神经自适应控制[J]. 计算机工程与应用, 2016, 52(8): 29-32.
[12]	彭新东，杨勇. 基于Pythagorean模糊语言集多属性群决策方法[J]. 计算机工程与应用, 2016, 52(23): 50-54.
[13]	陈素根. T-Bézier三角曲面带权渐进迭代算法及其推广[J]. 计算机工程与应用, 2016, 52(2): 191-196.
[14]	肖红光1，文俊1，陈立福2，史长琼1. 一种新的高分辨率SAR图像道路提取算法[J]. 计算机工程与应用, 2016, 52(15): 198-202.
[15]	彭定洪1，2，聂军1. 基于Tversky参数化的犹豫模糊集相似性测度研究[J]. 计算机工程与应用, 2016, 52(14): 54-61.