2) unorganized points
散乱数据
1.
A new approach to reconstruct subdivision surfaces from unorganized points of arbitrary topology is proposed.
提出一种对海量散乱数据根据给定精度拟合出无需裁剪和拼接的、反映细节特征的、分片光滑的细分曲面算法 该算法的核心是基于细分的局部特性 ,通过对有特征的细分控制网格极限位置分析 ,按照拟合曲面与数据点的距离误差最小原则 ,对细分曲面控制网格循环进行调整、优化、特征识别、自适应细分等过程 ,使得细分曲面不断地逼近原始数据 实例表明 :该算法不仅具有高效性、稳定性 ,同时构造出的细分曲面还较好地反映了原始数据的细节特
3) Scatter data
散乱数据
1.
A Differential Equation Based Scatter Data Fitting Method and Its Application;
基于微分方程的散乱数据拟合方法及其应用
4) scattered data
散乱数据
1.
A Theorem Proof on the Optimal Convex Triangulation of the Scattered Data Points in Aplane;
平面上散乱数据点的最优三角分划的一个定理证明
2.
Smooth fitting of scattered data based on particle swarm optimization algorithm;
基于粒子群优化算法的散乱数据光顺拟合
3.
Surface Fitting of Scattered Data with B-Spline Method;
散乱数据曲面拟合的B样条方法
5) scattered data points
散乱数据点
1.
The triangular interpolating surface construction based on scattered data points has extensive applications in CAD/CAM, scientific visualization, image processing.
基于散乱数据点集构造三角插值曲面的方法,在CAD/CAM、科学计算可视化、图像处理等领域有着广泛的应用。
6) scattered data
散乱数据点
1.
Wavefront algorithm for triangulation of scattered data based on Java3D;
基于Java3D实现散乱数据点三角剖分的算法
2.
Catmull-Clark surface is reconstructed with arbitrary topology from dense scattered data, using lifting wavelet under triangulation and mesh simplification algorithms.
将曲面重构看作是一种信号重构过程,针对大量散乱数据点,借助成熟的三角网格划分和网格化简算法,利用提升小波变换实现曲面重构,可以快速地构造出复杂拓扑结构的Catmull-Clark曲面;给出了小波系数估算方法以及基于网格拓扑结构的局部最优路径搜索算法·通过运行实例证明了文中算法的有效性
3.
Based on the technology of path generation and boundary trimming, a new triangulation algorithm for 2D scattered data in non-convex region is presented.
本文针对传统剖分方法的不足,基于轨迹生成和边界裁剪等技术,提出了实现包含若干内孔的复杂多边形区域内散乱数据点自动三角剖分的新方法,并给出用此法进行三角剖分若干实例。
补充资料:测绘数据处理
测绘数据处理
survey data processing
eehui shulu ehuli测绘数据处理(survey data processing)指工程勘察测童中所获得的大量相关数据进行统计、归纳、整理的过程。相关数据包括数字、文字、符号、曲线和图形等,如观测数据、检验数据、原始数据等,对这些数据进行归纳整理、检验分类、计算变换等的处理后,得出工程需要的数据、表册、图形等结果。 测绘数据处理分为一般计算、平差计算和计算机辅助成图。 一般计算包括在工程勘察测绘中,若干工序间各种数据按严格数学关系所进行的计算和变换工作。如大地坐标与高斯一克吕格平面直角坐标的相互转换,平面直角坐标与极坐标的相互转换,各种线路特征点的计算,单纯的统计假设检验,等等。它是分布在各项测绘工作中的一个子工序,特点是数据之间没有几何矛盾,不需进行几何平差。 平差计算为了消除平面或高程控制网中各观测值之间的几何矛盾(称为几何条件),按最小二乘法求定控制网中各几何元素(方向、距离、高差、方位、坐标、高程)的最佳估值和评定观测元素及其函数精度所进行的工作。 一个平差计算单元的数据,可分为起始数据(已知高精度的边长、方位、高程等)、观测数据(水平方向、边长、高差等)和待求数据(未知点的坐标、高程等)三类。起始数据和待求数据是非随机性数据。观测数据是随机性数据,含有误差,误差可分为系统误差和偶然误差两类。对某一个具体观测量,在相同条件下作一系列观测,系统误差表现为按一定规律变化或保持常数;而偶然误差在大小和符号上都表现出偶然性,但从大量偶然误差的总体看,它是服从正态分布的,即在一定的观测条件下:偶然误差的绝对值不会超过一定的限值;绝对值小的误差比绝对值大的误差出现的可能性大;绝对值相等的正误差和负误差出现的可能性相等,偶然误差的理论平均值为零。最小二乘法是针对偶然误差的处理方法。 在求定平面控制点的坐标或高程控制点的高程时,必须观测足以确定构网形状的那些量(称为必要观测量)。例如为了确定平面三角形三内角的大小必须观测其中任意两个角度,这两个角度就是必要观测量。但为了检核质量和提高精度还要观测另外一些量(称为多余观测量)。如前述的三角形观测了三个内角,就有一个量是多余观测量,观测量之间就会出现某些几何矛盾,例如平面三角形三内角的观测值总和不等于1800,要消除这些矛盾,即产生平差问题。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条