首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--机器辅助技术论文

基于工业CT图像的三角网格简化及狭长三角网格优化研究

中文摘要第3-4页
英文摘要第4-9页
1 绪论第9-19页
    1.1 课题背景第9-13页
        1.1.1 逆向工程技术概述第9-11页
        1.1.2 工业CT技术概述第11-13页
    1.2 国内外研究现状第13-17页
        1.2.1 三角网格简化研究现状第14-15页
        1.2.2 狭长三角网格优化研究现状第15-17页
    1.3 课题来源及研究意义第17页
    1.4 课题组织架构第17-19页
2 基于工业CT图像序列的三角网格重建第19-35页
    2.1 引言第19页
    2.2 网格重建技术简介第19-22页
        2.2.1 CT图像序列获取第19-20页
        2.2.2 网格重建过程误差分析第20-21页
        2.2.3 三角网格模型重建方法概述第21-22页
    2.3 基于MC算法的三维重建第22-28页
        2.3.1 MC算法基本原理第22-26页
        2.3.2 MC算法步骤第26-27页
        2.3.3 MC算法重建效果第27-28页
    2.4 STL三角网格格式第28-29页
    2.5 三角网格的数据结构第29-33页
        2.5.1 网格拓扑结构第29-30页
        2.5.2 网格模型存储的数据结构第30-33页
    2.6 读取大数据量的STL模型第33-34页
        2.6.1 内存映射读取STL模型第33页
        2.6.2 读取结果与分析第33-34页
    2.7 本章小结第34-35页
3 基于(?)细分法改进的三角网格简化算法第35-51页
    3.1 引言第35页
    3.2 网格简化方法概述第35-41页
        3.2.1 (?)细分法第35-37页
        3.2.2 确定折叠点第37-38页
        3.2.3 确定折叠代价顺序第38-40页
        3.2.4 简化算法的基本步骤第40-41页
    3.3 结果与讨论第41-49页
    3.4 本章小结第49-51页
4 基于最小二乘支持向量机的狭长三角网格优化方法第51-69页
    4.1 引言第51页
    4.2 最小二乘支持向量机第51-53页
        4.2.1 最小二乘支持向量机基本概念第51-52页
        4.2.2 最小二乘支持向量机的学习样本和预测函数第52-53页
    4.3 优化方法描述第53-59页
        4.3.1 狭长三角网格识别第53-54页
        4.3.2 确定网格模型训练集样本区域第54-55页
        4.3.3 计算顶点二阶加权Laplacian坐标第55-56页
        4.3.4 计算顶点在切平面上的坐标第56-57页
        4.3.5 确定最小二乘支持向量机参数并预测第57页
        4.3.6 算法步骤第57-59页
    4.4 实验结果与数据分析第59-67页
        4.4.1 实验结果第59-63页
        4.4.2 实验结果数据分析第63-67页
    4.5 本章小结第67-69页
5 软件系统集成与逆向制造实例应用第69-79页
    5.1 引言第69-70页
    5.2 软件集成系统的架构第70页
    5.3 软件集成系统的功能设计第70-73页
    5.4 逆向制造实例第73-76页
    5.5 本章小结第76-79页
6 结论与展望第79-81页
    6.1 总结第79-80页
    6.2 展望第80-81页
参考文献第81-87页
附录第87-89页
    A.作者在攻读学位期间发表的论文专利第87页
    B.作者在攻读学位期间参与的科研项目第87-88页
    C.学位论文数据集第88-89页
致谢第89页

论文共89页,点击 下载论文
上一篇:文化语境对英语阅读语篇涵义的解释力
下一篇:诉调对接机制研究