基于自适应变搜索区间的遗传算法的点云曲线重建

论文摘要

曲线重建问题在反求工程和计算机视觉中都有着广泛的应用。反求工程(reverse engineering)的一个重要任务是由物理模型重建出几何表示模型,这其中包括数据采集、预处理、曲面拟合和建立CAD模型4个步骤,其核心问题是如何从采样点集出发重建出曲线、曲面的模型。在计算机视觉中通常要考察如何从图像或扫描获得的离散数据点重建几何模型,以利于形状分析和识别。上述二者都要求由已知的无序、带噪音的采样点集拟合出一条或多条曲线,反映出该点集的形状和走向。曲线拟合在逼近论和几何造型中都是一个重要的研究课题。随着三维扫描技术的成熟,点云问题成为了一个倍受关注的热门问题。有序散乱点曲线重建已经有了许多成熟的方法。对无序数据点的曲线重建,近年来已逐步受到人们的重视。另一方面,遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型,是一种新的全局优化搜索算法,具有简单通用,稳定性强,适于并行处理以及高效、实用等显著特点,在很多领域得到了广泛应用。基于这些理论可行性的大前提,本文在吸取前人实践经验的基础上,提出了改进了的自适应的遗传算法,深入研究了自适应遗传算法在反求工程中点云曲线重建的问题中的应用策略,并得到了比较满意的结果。 全文共分四章,在第一章,首先介绍了曲线曲面重建的研究背景,实际意义以及当前国内外研究的大致情况。

论文目录

• 中文摘要
• 英文摘要
• 第一章 绪论
• 1.1 曲线曲面造型及反求工程
• 1.2 点云拟合技术的定义
• 1.3 曲线重构
• 第二章 遗传算法
• 2.1 遗传算法的基本步骤
• 2.2 遗传算法的基本理论
• 2.3 遗传算法的基本操作
• 2.4 遗传算法的特点
• 2.5 遗传算法的应用情况
• 2.6 遗传算法应用中的几个关键问题
• 第三章 基于自适应变搜索区间遗传算法的点云曲线重建
• 3.1 多种参数的动态自适应确定
• 3.2 搜索区间的动态自适应确定
• 3.3 曲线重建算法
• 3.3.1 相关定义
• 3.3.2 点云区域分割
• 3.3.3 曲线型值点确定
• 3.3.4 后处理与曲线光顺性
• 3.3.5 型值点拓扑结构的确定
• 3.3.6 重建曲线的生成
• 第四章 实验结果与分析
• 4.1 平面曲线
• 4.2 点云厚度较小空间曲线
• 4.3 点云厚度较大空间曲线
• 结语
• 参考文献
• 附录
• A.1 攻读硕士期间已发表（待发表）的学术论文
• A.2 湖南师范大学学位论文原创性声明
• A.3 湖南师范大学学位论文版权使用授权书