Помощь в учёбе, очень быстро...
Работаем вместе до победы

Построение гладких параметрических CAD/CAM моделей деформированных деталей по сетке МКЭ-решения

Диссертация: Построение гладких параметрических CAD/CAM моделей деформированных деталей по сетке МКЭ-решения
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Рис. 0.2. Модель автоматизированного процесса проектирования оснастки обработки, что важно для серийного производства. В современных САМ (Unigraphics, Catia) системах используется гладкое, аналитическое, параметрическое (например, онлайновое) представление поверхностей заготовок в CAD системе. Таким образом, для более эффективного использования высокопроизводительного обрабатывающего оборудования… Читать ещё >

Содержание

  • 1. Анализ предшествующих работ
    • 1. 1. Обзор систем построения 30 моделей по реальным объектам
    • 1. 2. Обзор методов автоматической сегментации поверхности
    • 1. 3. Анализ полигональных поверхностей
      • 1. 3. 1. Алгоритм расчета геометрических свойств дискретной поверхности
    • 1. 4. Обзор методов сглаживания, как кусочно-линейных кривых, так и полигональных поверхностей
    • 1. 5. Введение в проблему реконструкции поверхностей
      • 1. 5. 1. Связанные термины
      • 1. 5. 2. Классификация
      • 1. 5. 3. Методы построения неявно заданных поверхностей
      • 1. 5. 4. Радиальные базисные функции. (РБФ)
      • 1. 5. 5. Методы ноль множеств {Ъ{))
      • 1. 5. 6. Методики основанные на физических принципах и деформируемых моделях
      • 1. 5. 7. Методы вычислительной геометрии
      • 1. 5. 8. Параметрические и основанные на проецировании методы
      • 1. 5. 9. Методы структурирования
      • 1. 5. 10. Надежные методы
      • 1. 5. 11. Обучающиеся методы
    • 1. 6. Отличия представленной задачи от существующих систем
  • 2. Сегментация расчетной сетки на участки поверхности однородной кривизны. Выделение точек разделительных ребер и построение их цепочек
    • 2. 0. 1. Построение разделительных ребер на расчетной сетке в деформированном состоянии
    • 2. 0. 2. Выделение участков поверхности
    • 2. 0. 3. Построение охватывающих поверхности контуров
  • 3. Сглаживание и построение В-сплайновых граничных кривых деформированной расчетной сетки
    • 3. 1. Идентификация точек перегиба
    • 3. 2. Управление точками перегиба
    • 3. 3. Реализация алгоритма
    • 3. 4. Объединение двух сплайнов Безье
    • 3. 5. Объединение двух сплайнов Безье и В-сплайна
  • 4. Сглаживание поверхностей
  • 5. Реконструкция поверхностей и комплекс программ построения ЗБ модели по расчетной сетке
    • 5. 1. Реконструкция поверхностей
    • 5. 2. Требования к комплексу программ
    • 5. 3. Характеристика входных данных
    • 5. 4. Представление фасетной модели и выбор языка программирования
    • 5. 5. Сглаживание
    • 5. 6. Анализ участков поверхностей и распознавание их типов
    • 5. 7. Построение плоских, цилиндрических и линейчатых участков поверхности в Unigraphics
    • 5. 8. Построение участков поверхности произвольной формы
    • 5. 9. Результаты применения программы

Построение гладких параметрических CAD/CAM моделей деформированных деталей по сетке МКЭ-решения (реферат, курсовая, диплом, контрольная)

Объект исследования и актуальность темы. За последние несколько лет резко возрос объём проектно — конструкторских и проектно — технологических работ. Это связано прежде всего с тем, что отечественные предприятия смогли адаптироваться к современным условиям работы. Новый менеджмент предприятий увеличивает число заказчиков, а следовательно расширяется номенклатура выпускаемых изделий. При этом проходит очень большое число модификаций этих изделий, но в целом серийность, то есть количество одного выпускаемого изделия уменьшается. Одновременно с этим, резко сократилось число высококлассных станочников, технологов, проектировщиков оснастки, но появились молодые специалисты. У них нет накопленного опыта и знаний «старой гвардии», но они свободно работают с современными вычислительными средствами. Кроме того, более актуальными становятся проблемы увеличения производительности труда разработчиков новых изделий, сокращения сроков проектирования, повышения качества разработки проектов, решение которых определяет уровень научно-технического прогресса общества. Всё это является определяющим фактором для активного использования в современном производстве компьютерной техники и станков с ЧПУ, что в свою очередь увеличивает потребность в автоматизированных САЭ/САМ/САЕ системах. Также необходимо отметить, что произошло очень существенное сокращение времени, отводимого на подготовку производства. Это ещё один довод в пользу CAD/CAM/CAE систем, так как разработка и отладка электронной модели изделия и управляющей программы в соответствии с созданной электронной моделью и технологией изготовления изделия являются одним из важнейших: этапов подготовки производства. Ещё больше перечисленные проблемы усугубляются при производстве деталей с пространственно — сложными поверхностями. Это связано с существенными ограничениями технологических решений, применяемых при изготовлении, которые в свою очередь вызваны функциональными возможностями существующего оборудования и инструментально — станочной базы. В качестве входной информации для этих систем выступает параметрическая гладкая модель геометрии детали, которую обычно создаёт конструктор. Однако к настоящему времени значительно расширился круг задач, в которых исходная модель оказывается неизвестной, но даны координаты множества точек поверхностей объекта (детали), либо реально уже существующего, либо полученного численным расчетом, например методом конечных элементов. Характерной особенностью этого множества является то, что его элементы (точки) заданы со значительным шумом (случайным искажением), который сопряжен, например, с погрешностями расчета или сканирования. Требуется так обработать данное множество, чтобы получить (восстановить) гладкую параметрическую модель геометрии объекта в пределах заданного допуска. Такой допуск, например, может быть равным заданной точности фрезерования. В следствии актуальности и важности для практики, сформулированная задача обработки данных множеств получила специальное название — задача обратного проектирования (в англоязычной литературеReverse Engineering (RE)). В общем случае до сих пор эта задача не имеет решения. Известны работы, как отечественных авторов: Попов Е. В., Чмыхов Д. В., Конушин A.C., Беляев А. Г., Зорин Д., Фоменко А. Т. и других, так и зарубежных авторов: Taubin G., Chen Y., Desbrun M., Lavoue G. и других в которых описаны решения узкоспециализированных задач реконструкции поверхностей. Из-за постоянного, широкого и высокого спроса на решение задач RE на рынке появился ряд коммерческих программных пакетов построения пространственной (3D) геометрии объекта по множеству его точек сканирования. Однако опыт показывает, что их применение в случае деталей с пространственно — сложными поверхностями не приводит к решению, удовлетворяющему технологическим ограничениям, причина кроется в ошибках процесса сегментации, а без него, ключевого этапа реконструкции, результаты других этапов также дают неудовлетворительный результат.

Проблемой, решению которой посвящена данная работа, является проблема построения CAD-модели развертки (заготовки для формообразования) детали и оснастки, которые получены численным расчетом и представлены в виде зашумленных погрешностями вычислений координат поверхностных узлов деформированной сетки конечных элементов. Причем рассматривается класс деталей типа монолитных панелей обшивок крыла самолета, которые характеризуются крупногабаритностью, разнотолшин-ностью, нерегулярным оребрением и двойной кривизной. Для этого класса деталей задача вычисления развертки во всех существующих коммерческих CAD-системах является «неподъемной», как сейчас, так, наверное, и в ближайшем будущем. Поэтому к настоящему времени развертку и оснастку для гибки данных деталей подбирают, как правило, экспериментальным.

СТП и ТУ.

Программы идах обработки.

Плита.

Изготовление развертки панели.

У2Р.

Развертка —>

Формование панели У2Ф.

•—> Панель.

Контроль параметроь.

У2К.

V 1 4 к *.

Станок с ЧПУ Фориолок Оборудование Контрольный § стенд.

Рис. 0.1. Схема процесса изготовления крыльевой панели путем. В ряде случаев этот путь сопряжен с недопустимо большими материальными и временными затратами. Именно поэтому так актуальна замена старых методов проектирования оснастки для крупногабаритных деталей сложной пространственной формы, как крыльевые обшивки и панели. Схема изготовления таких панелей представлена на на Рис. 0.1). Поэтому современная организация труда и работы требует внедрения более точных и дешевых методов проектирования оснастки с использованием расчетных технологий CAD/CAM/CAE с целью выполнения этих итераций на компьютере, а не в металле на производстве. В работах Олейникова А. И. предложен и реализован итерационный алгоритм вычисления этих объектов. Предложенная ими схема представлена на Рис. 0.2.

Результатом численных расчетов являются сеточные (полигональные) 3D модели, модель заготовки (развертки) и модель конечного состояния деформирования панели, необходимая для проектирования штамповой оснастки. Эти модели необходимо передать в CAD/CAM систему, при этом упростив их, чтобы получить качественные поверхности после обработки заготовок на станках с ЧПУ с использованием уже имеющегося программного обеспечения и опыта его использования и для снижения времени i I рое кти ро ван и е ос н астк н.

Рис. 0.2. Модель автоматизированного процесса проектирования оснастки обработки, что важно для серийного производства. В современных САМ (Unigraphics, Catia) системах используется гладкое, аналитическое, параметрическое (например, онлайновое) представление поверхностей заготовок в CAD системе. Таким образом, для более эффективного использования высокопроизводительного обрабатывающего оборудования необходимо преобразовать полигональную модель в аналитическую максимально рационально, где возможно, в пределах допуска и расчетной ошибки, построить плоские, цилиндрические и линейчатые поверхности. Как известно все эти поверхности относятся к классу разворачиваемых на плоскость без растяжений и разрывов. Обработка таких поверхностей может быть осуществлена более эффективно, поскольку формообразование таких поверхностей производится при контакте инструмента с заготовкой по линии или торцевой плоскости режущего инструмента, в то время как обработка поверхностей двойной кривизны производится точечным контактом сферического инструмента с заготовкой. Поэтому при решении данной задачи обратного проектирования возникает дополнительная задача выделения (идентификации) плоских, цилиндрических и линейчатых участков CAD-модели.

Существующие системы Reverse Engineering или обратного проектирования используются для построения 3D моделей по результатам сканирования. В нашем же случае мы имеем исходную аналитическую и расчетную модели детали, их использование позволяет значительно упростить алгоритмы обратного проектирования, что и было целью диссертационной работы.

В связи с изложенным целью диссертационной работы является разработка методов, алгоритмов и программ построения по сетке МКЭ-решения гладких параметрических CAD моделей заготовок и оснастки деталей с выделенными плоскими, цилиндрическими и линейчатыми участками.

Для достижения данной цели были поставлены и получены программные решения следующих задач:

• сегментация триангулированной сетки поверхности объемного тела на подобласти (участки) однородной кривизны и выделение их дискретных граничных кривых;

• сглаживание граничных кривых и выделенных подобластей, определение их типов: плоских, цилиндрических и линейчатых и получение их гладких параметрических уравнений;

• создание специализированного программного обеспечения по автоматизированному построению гладких параметрических CAD моделей заготовки и оснастки с выделенными плоскими, цилиндрическими и линейчатыми участками;

• опытно промышленные испытания полученного комплекса программ.

Методы исследования. Поставленные в работе задачи решались методами системного анализа, вычислительной геометрии, теории сплайнов, объектно-ориентированного программирования с использованием основных положении технологии машиностроения и ряда других методов и алгоритмов.

Научная новизна:

• Разработан новый метод и алгоритм сегментации (выделения) деформированных поверхностей полигональных объемных моделей заготовок авиационных деталей путем нахождения соответствия с поверхностями исходной модели детали и методы их преобразования согласно типу поверхности: плоскость, цилиндр, линейчатая поверхность в параметрическое представление в системе иш? гарЫс5.

• Разработан метод и алгоритм сглаживания неровностей выделенных поверхностей, за счет использования найденного соответствия с поверхностями исходной аналитической модели.

• Разработаны новые критерии распознавания с использованием гауссово отображения для определения плоских, цилиндрических и линейчатых участков поверхностей, поскольку обработка таких поверхностей выполняется более эффективно на станках с ЧПУ.

• Разработаны новые методы и алгоритмы выделения граничных кривых, сопрягаемых поверхностей их сглаживания и построения в системе ЗО-моделирования Unigraphics с заданной точностью, заключающиеся в том, что используются параметры соответствующих граничных кривых исходной аналитической объемной модели детали.

Практическая значимость заключается:

• в реализации комплекса программного обеспечения для функционирования в составе интегрированной САО/САМ/САЕ-системы, который позволяет получить решение обратного проектирования по построению разверток крупногабаритных деталей типа крыльевых панелей для пассажирских самолетов и оснастки для их формовки по сетке МКЭ-решения;

• в применении модифицированной интегрированной САО/САМ/САЕ-системы для преобразования расчетных данных в эффективные для производства модели, что позволяет без преобразования передать эти модели для дальнейшего использования в производстве;

• в обеспечении регламентированной точности при построении поверхностей типа: плоскость, цилиндр, линейчатых и произвольных криволинейных поверхностей за счет использования разработанных методов, что позволяет повысить эффективность использования станков с ЧПУ.

Положения, выносимые на защиту:

• Методы и алгоритмы анализа полигональных трехмерных моделей, сегментации (выделения) и распознавания типов участков поверхностей, основанные на использовании исходной модели и гауссового отображения.

• Методы и алгоритмы реконструкции поверхностей полигональных трехмерных моделей в аналитическое представление, основанные на полученных типах поверхностей.

• Комплекс программ, использующий имеющийся программный интерфейс и реализующий разработанные алгоритмы в системе 30-моделирования иг^гарЫсэ, позволяющий упростить разработку программ для станков с ЧПУ и уменьшить время обработки.

Обоснованность и достоверность результатов была проверена опытным путем в производстве, для чего с использованием разработанного комплекса программ по результатам моделирования процессов штамповки были спроектированы развертка и штамповая оснастка панели консоли крыла пассажирского самолета. По спроектированным 30 моделям была изготовлена оснастка и выполнено формование панели. Результатом стало то, что более 50% контрольных точек лежали в допуске на изготовление с первого предъявления, а остальные участки потребовали незначительной ручной доводки. В то же время, применяемые на производстве методы потребовали пятикратной модернизации моделей развертки и соответственно программ механообработки и штамповой оснастки. Таким образом, применение расчетных методов проектирования оснастки и соответственно разработанного программного комплекса на практике показало как работоспособность, так и эффективность расчетного метода и разработанного программного комплекса.

Основное содержание диссертации опубликовано в работах:

1. Олейников А. И., Долгополик ОД. Сглаживание и построение В-сплайновых граничных кривых деформированной расчетной сетки. //Информатика и системы управления. — 2011. — N-2. -С. 133−139.*.

2. Лекарш А. И., Олейников А. И., Бакаев В. В., Долгополик ОД., Сары-ков С. Э. Подготовка производства сложных деталей двойной знакопеременной. кривизны методом конечно-элементного анализа геометрической модели с комплексной разработкой формообразующей оснастки, развертки детали и рекомендаций по технологическому процессу. //САПР и График. — 2009. — №-2. — С.88−96.*.

3. Guzev M., Oleinikov A., Bormotin К., Dolgopolik Multithreaded Integrated Design of Airframe Panel Manufacture Processes. //Methods and Tools of Parallel Programming Multicomputers, Revised selected papers of the 2nd Russia-Taiwan Sypposium, MTPPM-2010, Vladivostok, Russia, May 2010, LNCS 6083, Spring-Verlag, Berlin Heidelberg, 2010. C.283−292.

4. Долгополик О. Д., Марьин Б. H, Фролов Д. Н. Методика автоматизированного определения положения листовой заготовки сложной криволинейной формы в штампе с использованием CAD систе-мы//Сборка в машиностроении и приборостроении. — 2006. — N4. -С. 120−126.*.

5. Олейников А. И., Бормотин К. С., Долгополик О. Д., Пекарил А. И. Интегрированная компьютерная система моделирования и проектирования процессов формовки крупноразмерных деталей //Труды 5й Московской Международной Конференции ТПКММ. — 2007. -С. 245.

6. Олейников А. И., Бормотин К. С., Долгополик ОД. Интегрированная многопоточная система проектирования процессов изготовления панелей планера самолета //Параллельные вычислительные технологии (ПаВТ2008): Труды международной научной конференции (Санкт-Петербург, 28 января — 1 февраля 2008 г.). — Челябинск: Изд. ЮУр-ГУ, 2008. — С. 199−206.

7. Олейников А. И., Коробейников С. Н., Бормотин К. С, Долгополик О. Д., Пекарш А. И. Интегрированное проектирование и моделирование процессов формообразования крыльевых пане-лей//Прикладные задачи механики деформируемого твердого тела и прогрессивные технологии в машиностроении: сб.ст., Вып.3.-Ч.1., Комсомольск-на-Амуре, 2009. -С. 190−252.

8. Долгополик О. Д., Бакаев В. В., Олейников А. И., Пекарш А. И. Программно-вычислительный комплекс для расчета 3D разверток штамповой оснастки и техпараметров формообразования панелей //Свидетельство о регистрации программы для ЭВМ Ае2 009 612 260. М.: Роспатент, 2011 — Статьи в ведущих рецензируемых научных журналах, рекомендованных Высшей аттестационной комиссией РФ.

ВЫВОДЫ.

1. Разработан алгоритм сегментации (выделения) деформированных поверхностей и выделения граничных кривых полигональных объемных моделей заготовок авиационных деталей путем нахождения соответствия с поверхностями исходной модели детали и методы их преобразования согласно типу поверхности: плоскость, цилиндр, линейчатая поверхность в параметрическое представление в системе Ш^гарЫсэ;

2. Предложен метод сглаживания неровностей выделенных поверхностей и граничных кривых, за счет использования соответствия с поверхностями исходной аналитической модели;

3. Реализованы разработанные методы реконструкции деформированных поверхностей, полученных при численном анализе методом конечного элемента технологии формообразования крупногабаритных авиационных деталей со сложной пространственной формой, который позволяет получить решение обратного проектирования по построению разверток крупногабаритных деталей типа крыльевых панелей для пассажирских самолетов и оснастки для их формовки по сетке МКЭ-решения и позволяющий их дальнейшее использование в производстве без преобразования.

Ожидаемый экономический эффект от внедрения всего расчетного комплекса проектирования оснастки составляет 1 млн. рублей на одном комплекте панелей, а течении производства одного типа самолета около 20−30 млн.рублей.

Показать весь текст

Список литературы

  1. Alfeld, P. Scattered data interpolation in three or more variables. In Mathematical Methods in Computer Aided Geometric Design, T. Lyche and L. Schumaker, Eds. Academic Press, 1989, pp. 1−34.
  2. Allgower, E. L., and Schmidt, P. H. An algorithm for piecewise-linear approximation of an implicitly defined manifold. S1AM Journal on Numerical Analysis 22(2) (April 1985), 322−346.
  3. Althaus, E., and Mehlhorn, K. Tsp-based curve reconstruction in polynomial time. In Proceedings of the Eleventh Annual ACMSIAM Symposium on Discrete Algorithms (N.Y., January 2000), ACM Press, pp. 686−695.
  4. Amenta, N., and Bern, M. Surface reconstruction by voronoi filtering. In Proceedings of the Fourteenth Annual Symposium on Computational Geometry (SCG'98) (New York, June 1998), Association for Computing Machinery, pp. 39−48.
  5. Amenta, N., Bern, M., and Eppstein, D. The crust and the /3-skeleton: Combinatorial curve reconstruction. In Graphical models and image processing: GMIP (1998), vol. 60(2), pp. 125-??
  6. Amenta, N., Bern, M., and Kamvysselis, M. A new voronoibased surface reconstruction algorithm. In Proceedings of SIGGRAPH 98, M. Cohen, Ed. Addison Wesley, 1998, pp. 415−422.
  7. Amenta, N., Choi, S., Dey, T. K., and Leekha, N. Simple algorithm for homeomorphic surface reconstruction. In Proceedings of the 16th Annual Symposium on Computational Geometry (SCG-00) (N. Y., June 2000), ACM Press, pp. 213−222.
  8. Attali, D. r-regular shape reconstruction from unorganized points. In Proceedings of the 13th International Annual Symposium on Computational Geometry (SCG-97) (New York, June 1997), ACM Press, pp. 248−253.
  9. Bajaj, C. L., Bernardini, F., and Xu, G. Automatic reconstruction of surfaces and scalar fields from 3d scans. In Computer Graphics, 29(Annual Conference Series) (November 1995), pp. 109−118.
  10. Bajaj, C. L., and Ihm, I. Smoothing polyhedra using implicit algebraic splines. In Computer Graphics, vol. 26(2). July 1992, pp. 79−88.
  11. BAJAJ, C. L., and XU, G. Anisotropic diffusion of surfaces and functions on surfaces. In ACM Trans. Graphics 22 (2003), vol. 1, pp. 432. 9.
  12. Bernardini, F., and Bajaj, C. Sampling and reconstructing manifolds using alpha-shapes, technical report csd-tr-97−013. Tech. rep., Department of Computer Science, Purdue University, West Lafayette, IN, 1997.
  13. Bernardini, F., Bajaj, C. L., Chen, J., and Schikore, D. R. A triangulation-based object reconstruction method. In Proc. 13th ACM Symp. Computational Geometry (June 1997), ACM Press, pp. 481−484.
  14. Bernardini, F., Bajaj, C. L., Chen, J., and Schikore, D. R. Automatic reconstruction of 3d cad models from digital scans. International Journal of Computational Geometry and Applications (IJCGA) 9(4−5) (1999), 327-,
  15. Bishop, C. M. Neural Networks for Pattern Recognition. Oxford University Press, Oxford, UK, 1995.
  16. Blinn, J. F. A generalization of algebraic surface drawing. In ACM Transactions on Graphics, vol. 1(3). July 1982, pp. 235−256.
  17. Bohn, C.-A. Radiosity on Evolving Networks. PhD thesis, Fachbereich Informatik, Universitat Dortmund, Dortmund, Germany, 2000.
  18. Boissonnat, J.-D. Geometric structures for three-dimensional shape representation. In ACM Transactions on Graphics, vol. 3(4). October 1984, pp. 266−286.
  19. Brinkley, J. F. Knowledge-driven ultrasonic three-dimensional organ modeling.: In IEEE-Transactions, vol. 7(4) of PAMI. 1985, pp. 431−441.
  20. Carr, J., Fright, W., and Beatson, R. Surface interpolation with radial basis functions for medical imaging. In IEEE Transactions Med. Imag. (February 1997), vol. 16.
  21. Chaine, R. A geometric-based convection approach of 3-d reconstruction. In Proceedings of the Eurographics/ACM SIGGRAPH symposium on Geometry processing (2003), Eurographics Association, pp. 218−229.
  22. CHEN, C.-Y., and CHENG, H.-Y. A sharp dependent filter for mesh smoothing. In Computer Aided Geometric Design 22 (2005), pp. 376 391. 18.
  23. Chen, Y., and Medioni, G. Description of complex objects from multiple range images using an inflating balloon model. In Computer Vision and Image Understanding: CVIU (May 1995), vol. 61(3), pp. 325−334.
  24. CLARENZ, U., DIEWALD, U., and RUMPF, M. Anisotropic geometric diffusion in surface processing. In Proceedings of the Conference on Visualization 2000 (2000), IEEE Computer Society, pp. 145−152. 6.
  25. Curless, B. L. New methods for surface reconstruction from range images. PhD thesis, Stanford University, Computer Systems Laboratory, June 1997. PhD Thesis CSL-TR-97−733.
  26. Dahmen, W. Smooth piecewise quadric surfaces. In Mathematical Methods in Computer Aided Geometric Design. Academic Press, 1989, pp. 181−194.
  27. Dahmen, W., and Thamm-Schaar, T.-M. Cubicoids: modeling and visualization. Computer Aided Geometric Design 10(2) (April 1993), 89−108.
  28. Delaunay, B. Sur la sph’ere vide. In Izvestia Akademia Nauk SSSR, VII Seria, Otdelenie Matematicheskii i Estestvennyka Nauk, vol. 7. 1934, pp. 793−800.
  29. Deng, C., and Yang, X. A local fitting algorithm for converting planar curves to b-splines. In Computer Aided Geometric Design, vol. 25. 2008, pp. 837−849.
  30. DESBRUN, M., MEYER, M" SCHRODER, P., and BARR, A. H. Implicit fairing of irregular meshes using diffusion and curvature flow. In Proceedings of SIGGRAPH'99 (1999), pp. 317−324. 4.
  31. DESBRUN, M., MEYER, M., SCHRODER, P., and BARR, A. H. Anisotropic feature-preserving denoising of height fields and bivariate data. In Graphics Interface 2000 Proceedings (2000), pp. 145−152. 7.
  32. Dey, T. K., and Kumar, P. A simple provable algorithm for curve reconstruction. In Proceedings of the Tenth Annual ACMSIAM Symposium on Discrete Algorithms (N.Y., January 1999), ACM-SIAM, pp. 893−894.
  33. Dey, T. K., Mehlhorn, K., and Ramos, E. A. Curve reconstruction: Connecting dots with good reason. In Proceedings of the Conference on Computational Geometry (SCG '99) (New York, N.Y., June 1999), ACM Press, pp. 197−206.
  34. Dinh, H. Q., Turk, G., and Slabaugh, G. Reconstructing surfaces using anisotropic basis functions. In Proceedings of the Eighth International Conference On Computer Vision (ICCV-01). Los Alamitos, CA, July 2001, pp. 606−613.
  35. Dinh, H. Q., Turk, G., and Slabaugh, G. Reconstructing surfaces by volumetric regularization using radial basis functions. IEEE Trans. Pattern Anal. Mach. Intell. 24(10) (2002), 1358−1371.
  36. Dyn, N., Levin, D., and Rippa, S. Numerical procedures for surface fitting of scattered data by radial basis functions. SIAM J Sci. Stat. Comput. 7 (1986), 639−659.
  37. Edelsbrunner, H., Kirkpatrick, D. G., and Seidel, R. On the shape of a set of points in the plane. In IEEE Trans. Information Theory IT-29. 1983, pp. 551−559.
  38. Edelsbrunner, H., and Mucke, E. P. Three-dimensional alpha shapes. In ACM Transactions on Graphics, vol. 13(1). January 1994, pp. 43−72.
  39. Elber, G. Model fabrication using surface layout projection. In Computer-Aided Design (1995), vol. 27, pp. 283−291.
  40. FIELD, D. A. Laplacian smoothing and delaunay triangulations. In Communications in Numerical Methods in Engineering 4 (1988), pp. 709−712. 1.
  41. Fleishman, S., Cohen-Or, D., Alexa, M., and Silva, C. T. Progressive point set surfaces. ACM Transactions on Graphics 22(4) (October 2003), 997−1011.
  42. FLEISHMAN, S., DRORI, I., and COHEN-OR, D. Bilateral mesh denoising. In ACM Trans. Graphics 22 (2003), vol. 3, pp. 950−953. 12.
  43. Flusser, J. An adaptive method for image registration. Pattern Recognition 25 (1992), 45−54.
  44. Foley, T. A., Lane, D. A., Nielson, G. M., Franke, R., and Hagen, H. Interpolation of scattered data on closed surfaces. Computer Aided Geometric Design 7 (June 1990), 303−312.
  45. Fomenko, A. T., and Kunii, T. L. Topological Modeling for Visualization. Springer Verlag, April 1988.
  46. Fritzke, B. Growing cell structures a self-organizing network for unsupervised and supervised learning. Tech. rep., International Computer Science Institute, Berkeley, May 1993.
  47. Fritzke, B. Growing self-organizing networks why? In ESANN'96:European Symposium on Artificial Neural Networks (1996), pp. 61−72.
  48. Funke, S., and Ramos, E. A. Smooth-surface reconstruction in near-linear time. In Proceedings of the 13th Annual ACM-SIAM Symposium On Discrete Mathematics (SODA-02) (New York, January 2002), ACM Press, pp. 781−790.
  49. Giesen, J. Curve reconstruction, the traveling salesman problem, and menger’s theorem on length. In Proceedings of the Conference on Computational Geometry (SCG '99) (New York, N.Y., June 1999), ACM Press, pp. 207−216.
  50. Giesen, J., and John, M. Surface reconstruction based on a dynamical system. In Computer Graphics Forum, vol. 21(3). 2002, pp. 363−363.
  51. Gold, C. Crust and anti-crust: A one-step boundary and skeleton extraction algorithm. In Proceedings of the Conference on Computational Geometry (SCG '99) (New York, N.Y., June 1999), ACM Press, pp. 189−196.
  52. Gross, M., and Seibert., F. Visualization of multidimensional data sets using a neural network. The Visual Computer 10(3) (1993), 145−159.
  53. Guo, B. Surface generation using implicit cubics. In Scientific Visualization of Physical Phenomena (Proceedings of CG International '91). Springer-Verlag, 1991, pp. 485−503.
  54. Guo, B. Nonsplitting macro patches for implicit cubic spline surfaces. In Eurographics '93, Eurographics. Blackwell Publishers, Oxford, UK, 1993, pp. 433−445.
  55. Hastie, T., and Stuetzle, W. Principal curves. Journal of the American Statistical Association, 84 (1989), 502−516.
  56. Hastie, T., Tibshirani, R., and Friedman, J. Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Verlag, New York, 2001.
  57. HILDEBRANDT, K., and POLTHIER, K. Anisotropic filtering of nonlinear surface features. In Computer Graphics Forum 23 (2004), vol. 3, pp. 391−400. 10.
  58. Hilton, A., Stoddart, A. J., Illingworth, J., and Windeatt, T. Reliable surface reconstruction from multiple range images. Lecture Notes in Computer Science, 1064 (1996), 117.
  59. Hoffman, M., and V’arady, L. Free-form modeling for scattered data by neural networks. Journal for Geometry and Graphics (1998).
  60. Hoppe, H. Surface Reconstruction from Unorganized Points. PhD thesis, Dept. of Computer Science and Engineering, U. of Washington, 1994.
  61. Hoppe, H., DeRose, T., Duchamp, T., McDonald, J., and Stuetzle, W. Surface reconstruction from unorganized points. In Computer Graphics (SIGGRAPH '92 Proceedings), vol. 26. July 1992, pp. 71−78.
  62. Hoppe, H., DeRose, T., Duchamp, T., McDonald, J., and Stuetzle, W. Mesh optimization. In Proceedings of SIGGRAPH'93 (1993), pp. 1926.
  63. Hoppe, H., DeRose, T. D., DuChamp, T., McDonald, J., and Stuetzle, W. Mesh optimization. Tech. Rep. Technical Report TR-93−01−01, University of Washington, Department of Computer Science and Engineering, January 1993.
  64. JONES, T. R., DURAND, F., and DESBRUN, M. Noniterative, feature-preserving mesh smoothing. In ACM Trans. Graphics 22 (2003), vol. 3, pp. 943−949. 11.
  65. KIM, B., and J., R. Geofilter: Geometric selection of mesh filter parameters. In Computer Graphics Forum 24 (2005), vol. 3, pp. 295 302. 5.
  66. Kobbelt, L. P., Vorsatz, J., Labsik, U., and Seidel, H.-P. A shrink wrapping approach to remeshing polygonal surfaces. In Computer Graphics Forum, vol. 18(3). September 1999, pp. 119−130.
  67. Kohonen, T. Self-organized formation of topological^ correct feature maps. Biological Cybernetics, 43 (1982), 59−69.
  68. Kojekine, N., Hagiwara, I., and Savchenko, V. Software tools using csrbfs for processing scattered data. In Computers and Graphics, vol. 27(2). April 2003, pp. 311−319.
  69. Krishnamurthy, V., and Levoy, M. Fitting smooth surfaces to dense polygon meshes. In SIGGRAPH 96 Conference Proceedings (New Orleans, Louisiana, August 1996), Annual Conference Series, ACM SIGGRAPH, Addison Wesley, August 1996, pp. 313−324.
  70. Lee, K.-M., Meer, P., and Park, R.-H. Robust adaptive segmentation of range images. IEEE Trans. Pattern Analysis and Machine Intelligence, 20(2) (February 1998), 200−205.
  71. Levin, D. Mesh-independent surface interpolation. 2003.
  72. Li, A., and Crebbin, G. Octree encoding of objects from range images. Pattern Recognition, 27 (1994), 727−739.
  73. Lim, C. T., Turkiyyah, G. M., Ganter, M. A., and Storti, D. W. Implicit reconstruction of solids from cloud point sets. In
  74. SMA '95: Proceedings of the Third Symposium on Solid Modeling and Applications. ACM, May 1995, Salt Lake City, Utah, May 1995, pp. 393−402.
  75. Liu, Y., Tang, K., and Joneja, A. Modeling dynamic developable meshes by hamilton principle. In Computer-Aided Design (2007), p. 757bT)"763.
  76. Lorensen, W. E., and Cline, H. E. Marching cubes: A high resolution 3d surface construction algorithm. In Computer Graphics (SIGGRAPH '87 Proceedings), vol. 21. July 1987, pp. 163−169.
  77. Meer, P., Mintz, D., Kim, D. Y., and Roseneeld, A. Robust regression methods for computer vision: a review. International Journal of Computer Vision, 6(1) (April 1991), 59−70.
  78. Melkemi, M. a -shapes and their derivatives. June 1997.
  79. Mencl, R. Surface reconstruction from unorganized points in space. 1995.
  80. Mencl, R., and Muller, H. Interpolation and approximation of surfaces from three-dimensional scattered data points. 1998.
  81. Meyer, F. Automatic screening of cytological. In Comput. Vision, Graphics Image Process. 1986, p. 356ni'S369.
  82. Moore, D., and Warren, J. Adaptive mesh generation ii: Packing solids. Tech. rep., Rice University, 1990. TR90−139.
  83. Moore, D., and Warren, J. Approximation of dense scattered data using algebraic surfaces. In 24th Annual Hawaii International Conference on System Sciences (1991), pp. 681−690.
  84. Muraki, S. Volumetric shape description of range data using «blobby model
  85. Computer Graphics (SIGGRAPH '91 Proceedings), vol. 25. July 1991, pp. 227−235.
  86. Nielson, G. Modeling and visualizing volumetric and surface-onsurface data. In Focus on Scientific Visualization. Springer-Verlag, 1993, pp. 191−242.
  87. Oblonsek, C., and Guid, N. A fast surface-based procedure for object reconstruction from 3d scattered points. Computer Vision and Image Understanding: CVIU, 69(2) (February 1998), 185−195.
  88. Ohtake, Y., Belyaev, A., Alexa, M., Turk, G., and Seidel, H.-P. Multi-level partition of unity implicits. In Proceedings of ACM SIGGRAPH 2003 (2003), vol. 22(3), ACM Transactions on Graphics, ACM Press, pp. 463−470.
  89. OHTAKE, Y., BELYAEV, A., and BOGAEVSKI, I. Mesh regularization and adaptive smoothing. In Computer-Aided Design 33 (2001), vol. 11, pp. 789−800. 13.
  90. Ohtake, Y., Belyaev, A., and Seidel, H.-P. A multiscale approach to 3d scattered data interpolation with compactly supported basis functions. In International Conference on Shape Modeling and Applications 2003 (Seoul, Korea, May 2003).
  91. O’Rourke, J. Polyhedra of minimal area as 3d object models. In Proceedings of International Joint Conference on Artificial Intelligence (1981), pp. 664−666.
  92. Peng, J., V., S., and Zorin, D. A simple algorithm for surface denoising. In Proceedings of IEEE Visualization (2001), pp. 107−112. 23.
  93. Pentland, A., and Sclaroff, S. Closed-form solutions for physically based shape modeling and recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 13(7) (July 1991), 715−729.
  94. Pollack, R., and Festschrift, E. G. Springer-Verlag, 2002, ch. Surface reconstruction by wrapping finite point sets in space.
  95. Pratt, V. Direct least-squares fitting of algebraic surfaces. In Computer Graphics (SIGGRAPH '87 Proceedings) (July 1987), vol. 21, pp. 145 152.
  96. Pulli, K., Duchamp, T., Hoppe, H., McDonald, J., Shapiro, L., and Stuetzle, W. Robust meshes from multiple range maps. In Proceedingsof IEEE Int. Conf. on Recent Advances in 3-D Digital Imaging and Modeling (May 1997).
  97. Rousseeuw, p. J., and Leroy, a. M. Robust Regression and Outlier Detection. John Wiley & sons, December 1987.
  98. Sakkalis, T., and Charitos, C. Approximating curves via alpha shapes. Graphical models and image processing: GMIP, 61(3) (May 1999), 165 176.
  99. Schudy, R. B., and Ballard, D. H. Towards an anatomical model of heart motion as seen in 4-d cardiac ultrasound data. In Proceedings of the 6th Conference on Computer Applications in Radiology and Computer-Aided Analysis of Radiological Images (1979).
  100. Sclaroff, S., and Pentland, A. Generalized implicit functions for computer graphics. In Computer Graphics (SIGGRAPH '91 Proceedings) (July 1991), vol. 25, pp. 247−250.
  101. Sethian, J. A. Level Set Methods. Cambridge University Press, 1996.
  102. SHEN, Y., and BARNER, K. E. Fuzzy vector medianbased surface smoothing. In IEEE Trans. Visualization and Computer Graphics 10 (2004), vol. 3, pp. 252−265. 17.
  103. Sibson, R. A vector identity for the dirichlet tessellation. In Mathematical Proceedings of the Cambridge Philosophical Society (1980), vol. 87, pp. 151−155.
  104. Sibson, R. A brief description of natural neighbour interpolation. 1981, pp. 21−36.
  105. Sibson, R., and Stone, G. Computation of thin-plate splines. SIAM Journal on Scientific and Statistical Computing, 12(6) (November 1991), 1304−1313.
  106. Soucy, M., and Laurendeau, D. Multi-resolution surface modeling from multiple range views. In Conf. on Computer Vision and Pattern Recognition (CVPR '92) (June 1992), pp. 348−353.
  107. Stewart, C. V. Minpran: a new robust estimator for computer vision. In IEEE Transactions on Pattern Analysis and Machine Intelligence (October 1995), vol. 17, pp. 925−938.
  108. Subramanian, K., and Fussel, D. A search structure based on k-d trees for efficient ray tracing. Tech. rep., The University of Texas at Austin, 1992. Tx 78 712−1188.
  109. Succi, G., Sandini, G., Grosso, E., and Tistarelli, M. 3d feature extraction from sequences of range data. In Proceedings of the 5th International Symposium on Robotics Research (1991), pp. 116−127.
  110. Tang, K., and C.Wang. Modeling developable folds on a strip. Journal of Computing and Information Science in Engineering 5 (2005), 35−47.
  111. Tarbox, G., and Gottschlich, S. Ivis: An integrated volumetric inspection system. In Proceedings of the 2nd CAD-Based Vision Workshop (1994), pp. 220−227.
  112. TASDIZEN, T., WHITAKER, R., BURCHARD, P., and OSHER, S. Geometric surface smoothing via anisotropic diffusion of normals. In Proceedings of the Conference on Visualization 2002 (2002), IEEE Computer Society, pp. 125−132. 8.
  113. TAUBIN, G. A signal processing approach to fair surface design. In SIGGRAPH'95 Conference Proceedings (1995), pp. 351−358. 3.
  114. Taubin, G. A signal processing approach to fair surface design. In SIGGRAPH 95 Conference Proceedings (Los Angeles, California, August 1995), Annual Conference Series, ACMSIGGRAPH, Addison Wesley, pp. 351−358.
  115. TAUBIN, G. Linear anisotropic mesh filtering. Tech. rep., IBM Research Report RC22213(W0110−051), 2001. 14.
  116. Teichmann, M., and Capps, M. Surface reconstruction with anisotropic density-scaled alpha shapes. In IEEE Visualization '98 (1998), IEEE, pp. 67−72.
  117. Terzopoulos, D. Regularization of inverse visual problems involving discontinuities. IEEE Transactions on Pattern Analysis and Machine Intelligence, 8(4) (1986), 413−424.
  118. Turk, G., and Levoy, M. Zippered polygon meshes from range images. In Proceedings of SIGGRAPH '94 (Orlando, Florida, July 24−29, 1994) (July 1994), Computer Graphics Proceedings, Annual Conference Series, ACM SIGGRAPH, ACM Press, pp. 311−318.
  119. Turk, G., and O’Brien, J. F. Variational implicit surfaces. Tech. rep., Georgia Institute of Technology, 1998. GIT-GVU-99−15.
  120. Turk, G., and O’Brien, J. F. Shape transformation using variational implicit functions. In Computer Graphics, vol. 33 of Annual Conference Series. 1999, pp. 335−342.
  121. Turk, G., and O’brien, J. F. Modelling with implicit surfaces that interpolate. ACM Transactions on Graphics, 21(4) (October 2002), 855=873.
  122. Varady, L., Hoffman, M., and Kovacs, E. Improved free-form modeling of scattered data by dynamic neural networks. Journal for Geometry and Graphics 3 (1999), 177−181.
  123. , R. C. 3d computational morphology. In Eurographics '93. Eurographics, Blackwell Publishers, Oxford, UK, 1993, pp. 115−127.
  124. Vemuri, B. C. Representation and recognition of objects from dense range maps. PhD thesis, University of Texas at Austin, 1987.
  125. Vemuri, B. C., Mitiche, A., and Aggarwal, J. K. Curvature-based representation of objects from range data. Image and Vision Computing 4(2) (May 1986), 107−114.
  126. VOLLMER, J., MENCL, R., and MULLER, H. Improved laplacian smoothing of noisy surface meshes. In Proceedings of Eurographics (1999), pp. 131−138. 2.
  127. Watson, D. F. Contouring: A guide to the Analysis and Display of Spatial Data. Pergamon Press, 1992.
  128. YAGOU, H., OHTAKE, Y., and BELYAEV, A. G. Mesh smoothing via mean and median filtering applied to face normals. In Proceedings of Geometric Modeling and Processing (2003), pp. 124−131. 15.
  129. YAGOU, H., OHTAKE, Y., and BELYAEV, A. U. Mesh denoising via iterative alpha-trimming and nonlinear diffusion of normals with automatic thresholding. In Computer Graphics International 2003 (CGI'03) (2003), pp. 28−34. 16.
  130. Yngve, G., and Turk, G. Creating smooth implicit surfaces from polygonal meshes. 1999.
  131. Yoshizawa, S., Belyaev, A., and Seidel, H.-P. Smoothing by example, mesh denoising by averaging with similarity-based weights. 19.
  132. Yu, Y. Surface reconstruction from unorganized points using selforganizing neural networks. In IEEE Visualization 99, Conference Proceedings (1999), pp. 61−64.
  133. Zhang, Z. Parameter estimation techniques: A tutorial with application to conic fitting. Tech. rep., Inria, Institut National de Recherche en Informatique et en Automatique, October 1995. RR-2676.
  134. Zhao, H., and Osher, S. Visualization, analysis and shape reconstruction of unorganized data sets. In Geometric Level Set Methods in Imaging, Vision and Graphics (2002), Springer-Verlag.
  135. Zhao, H.-K., Osher, S., and Fedkiw, R. Fast surface reconstruction using the level set method. In Proceedings of the IEEE Workshop on Variational and Level Set Methods in Computer Vision (Vancouver, BC, Canada, July 2001), pp. 194−202.
Заполнить форму текущей работой

Пора сдавать?