本文關(guān)鍵詞：基于自組織神經(jīng)網(wǎng)絡(luò)點(diǎn)云重建技術(shù)的研究

  更多相關(guān)文章： 自組織 點(diǎn)云重建 動(dòng)態(tài)生長(zhǎng) 收斂性 孔洞修補(bǔ)

【摘要】：隨著現(xiàn)代計(jì)算機(jī)技術(shù)的不斷進(jìn)步,逆向工程技術(shù)和三維打印技術(shù)的發(fā)展越來(lái)越深入人心,點(diǎn)云重建作為兩種技術(shù)中的重要研究方向,廣泛應(yīng)用于汽車、航空航天、生物醫(yī)療等各個(gè)領(lǐng)域的產(chǎn)品研發(fā)和仿制。近年來(lái),人工智能由于具備很強(qiáng)的學(xué)習(xí)能力、處理非線性能力、具有協(xié)作能力等優(yōu)點(diǎn),受到逆向工程和三維打印技術(shù)的大力關(guān)注,并應(yīng)用于點(diǎn)云重建的研究上,有著廣泛的前景。本文針對(duì)散亂的無(wú)規(guī)則點(diǎn)云數(shù)據(jù)開展人工智能算法的研究,主要內(nèi)容如下:(1)為了有效地提高點(diǎn)云重建模型的質(zhì)量、收斂速度和精度,提出了動(dòng)態(tài)生長(zhǎng)的自組織神經(jīng)網(wǎng)絡(luò)點(diǎn)云重建技術(shù)算法,基于自組織神經(jīng)網(wǎng)絡(luò)算法,構(gòu)造了球體三角網(wǎng)格為網(wǎng)絡(luò)的映射結(jié)構(gòu),通過(guò)對(duì)大量無(wú)規(guī)則節(jié)點(diǎn)進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)達(dá)到神經(jīng)元節(jié)點(diǎn)的分裂,改變網(wǎng)絡(luò)結(jié)構(gòu)的固定性,刪除不穩(wěn)定的網(wǎng)格節(jié)點(diǎn),通過(guò)網(wǎng)格優(yōu)化使神經(jīng)元節(jié)點(diǎn)與輸入的離散點(diǎn)云保持更加地緊密,最終得到較好的網(wǎng)格重建結(jié)果。(2)針對(duì)復(fù)雜拓?fù)浣Y(jié)構(gòu)的曲面、虧格曲面等對(duì)點(diǎn)云重建技術(shù)的限制,提出了動(dòng)態(tài)生長(zhǎng)的神經(jīng)氣網(wǎng)絡(luò)點(diǎn)云重建算法,根據(jù)輸入的樣本點(diǎn)云,自適應(yīng)調(diào)節(jié)重建速度的增長(zhǎng),保持幾何關(guān)系和拓?fù)浣Y(jié)構(gòu)的收斂性與協(xié)調(diào)性。利用壽命閾值和累積誤差值來(lái)插入新的神經(jīng)元節(jié)點(diǎn),壽命刪除機(jī)制來(lái)刪除冗余邊的連接。此算法點(diǎn)云重建會(huì)產(chǎn)生較高的魯棒性,重建三角網(wǎng)格的拓?fù)浣Y(jié)構(gòu)具有收斂性,曲面逼近精度較高,網(wǎng)格比較均勻,最終重建的結(jié)果更為理想。(3)針對(duì)曲面三角網(wǎng)格重建孔洞修補(bǔ)的問(wèn)題,研究了動(dòng)態(tài)生長(zhǎng)的神經(jīng)氣算法。利用此算法的基本思想,通過(guò)非流形邊的檢測(cè)機(jī)制刪除冗余邊并且實(shí)時(shí)地更新三角面片的信息,在算法重復(fù)學(xué)習(xí)的過(guò)程中,直到每個(gè)三角面片都達(dá)到收斂。利用動(dòng)態(tài)生長(zhǎng)的神經(jīng)氣算法修復(fù)實(shí)體模型中存在的孔洞缺陷,有效地提高了網(wǎng)格重建的效率和曲面的精確程度。上述的研究?jī)?nèi)容,基于Matlab平臺(tái)研發(fā)了相應(yīng)的算法模塊,通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性。
【關(guān)鍵詞】：自組織 點(diǎn)云重建 動(dòng)態(tài)生長(zhǎng) 收斂性 孔洞修補(bǔ)
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.7;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 縮略詞10-11
• 第一章 緒論11-22
• 1.1 引言11-12
• 1.2 點(diǎn)云獲取技術(shù)及特點(diǎn)概述12-13
• 1.3 三維幾何模型的表示13-16
• 1.4 點(diǎn)云重建技術(shù)的研究現(xiàn)狀16-19
• 1.4.1 點(diǎn)云數(shù)據(jù)預(yù)處理的研究現(xiàn)狀16-17
• 1.4.2 點(diǎn)云重建技術(shù)的研究現(xiàn)狀17-19
• 1.4.3 智能技術(shù)點(diǎn)云重建的研究現(xiàn)狀19
• 1.5 本文研究的內(nèi)容及安排19-22
• 第二章 動(dòng)態(tài)生長(zhǎng)的自組織神經(jīng)網(wǎng)絡(luò)點(diǎn)云重建技術(shù)22-38
• 2.1 引言22-23
• 2.2 自組織特征映射神經(jīng)網(wǎng)絡(luò)23-25
• 2.2.1 自組織神經(jīng)網(wǎng)絡(luò)模型分類23-24
• 2.2.2 SOFM網(wǎng)絡(luò)學(xué)習(xí)算法24-25
• 2.3 動(dòng)態(tài)生長(zhǎng)的自組織神經(jīng)網(wǎng)絡(luò)基本思想25-33
• 2.3.1 競(jìng)爭(zhēng)層網(wǎng)絡(luò)25-28
• 2.3.2 學(xué)習(xí)率與拓?fù)溧徲虻倪x擇28-29
• 2.3.3 節(jié)點(diǎn)的分裂與刪除29-31
• 2.3.4 節(jié)點(diǎn)網(wǎng)格的優(yōu)化31-33
• 2.4 動(dòng)態(tài)生長(zhǎng)的自組織神經(jīng)網(wǎng)絡(luò)算法步驟33-35
• 2.5 實(shí)例及分析35-37
• 2.5.1 點(diǎn)云網(wǎng)格重建的質(zhì)量變化比較35-36
• 2.5.2 點(diǎn)云網(wǎng)格重建的精度偏差分析36
• 2.5.3 點(diǎn)云網(wǎng)格重建的收斂速度對(duì)比分析36-37
• 2.6 本章小結(jié)37-38
• 第三章 動(dòng)態(tài)生長(zhǎng)的神經(jīng)氣算法點(diǎn)云重建技術(shù)38-52
• 3.1 引言38-39
• 3.2 動(dòng)態(tài)生長(zhǎng)的神經(jīng)氣算法基本思想39-43
• 3.2.1 虧格曲面39-41
• 3.2.2 參數(shù)的選取41
• 3.2.3 神經(jīng)元節(jié)點(diǎn)邊界的連接41-42
• 3.2.4 神經(jīng)元節(jié)點(diǎn)邊界的刪除42-43
• 3.3 動(dòng)態(tài)生長(zhǎng)的神經(jīng)氣算法步驟43-46
• 3.4 實(shí)例及分析46-50
• 3.4.1 點(diǎn)云重建的模型質(zhì)量比較46-49
• 3.4.2 不同噪聲點(diǎn)云參數(shù)下點(diǎn)云重建的質(zhì)量比較49-50
• 3.4.3 網(wǎng)格重建的收斂速度比較分析50
• 3.5 本章小結(jié)50-52
• 第四章 基于動(dòng)態(tài)生長(zhǎng)神經(jīng)氣算法的三角網(wǎng)格孔洞修補(bǔ)52-64
• 4.1 引言52-53
• 4.2 三角網(wǎng)格孔洞修補(bǔ)的基本思想53-56
• 4.2.1 非流形邊的檢測(cè)54-55
• 4.2.2 三角網(wǎng)格的填補(bǔ)55-56
• 4.3 孔洞修補(bǔ)的算法步驟56-60
• 4.4 實(shí)例及分析60-63
• 4.5 本章小結(jié)63-64
• 第五章 總結(jié)與展望64-66
• 5.1 總結(jié)64-65
• 5.2 展望65-66
• 參考文獻(xiàn)66-71
• 致謝71-72
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文72

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 伍龍華;黃惠;;點(diǎn)云驅(qū)動(dòng)的計(jì)算機(jī)圖形學(xué)綜述[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年08期

2 溫秀蘭;王東霞;盛黨紅;朱曉春;;改進(jìn)遺傳算法用于自由曲線重建研究[J];中國(guó)機(jī)械工程;2012年17期

3 李峰;孫立鐫;張嘉晶;;基于尋優(yōu)算法的改進(jìn)自組織映射研究[J];計(jì)算機(jī)工程;2012年13期

4 袁天然;廖文和;程筱勝;戴寧;俞青;;三維牙頜模型的牙齒形狀建模方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2010年04期

5 朱根松;周天瑞;;蟻群算法在反求工程曲線重建中的應(yīng)用[J];計(jì)算機(jī)工程與科學(xué);2008年06期

6 趙繼俊;余成亮;;基于點(diǎn)云數(shù)據(jù)的NURBS曲面重建研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2007年04期

7 成媛媛;滿家巨;全惠云;;基于自適應(yīng)遺傳算法的點(diǎn)云曲線重建[J];中國(guó)圖象圖形學(xué)報(bào);2006年09期

8 楊占華;楊燕;;SOM神經(jīng)網(wǎng)絡(luò)算法的研究與進(jìn)展[J];計(jì)算機(jī)工程;2006年16期

9 柯映林,單東日;基于邊特征的點(diǎn)云數(shù)據(jù)區(qū)域分割[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2005年03期

10 劉雪梅,張樹生,洪歧,董文勝;在逆向工程中用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)分區(qū)[J];計(jì)算機(jī)工程與應(yīng)用;2004年28期

，

本文編號(hào)：574019