计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
35期
196-198
,共3页
逆向工程%三角形网格%神经网络%边缘误差%散乱点云
逆嚮工程%三角形網格%神經網絡%邊緣誤差%散亂點雲
역향공정%삼각형망격%신경망락%변연오차%산란점운
基于SOFM神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在边缘误差.为减小三角形网格的边缘误差,改进了三角形网格模型的训练模式,提出了3步训练模式.第1步采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;第2步采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练;第3步采用边界点集中的角点点集,对与边界角点匹配最佳的网格边界神经元进行训练.算例表明,应用该训练模式,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到提高并覆盖散乱点云整体分布范围.
基于SOFM神經網絡構建的三角形網格模型可以實現測量點雲壓縮後的Delaunay三角逼近剖分,但該模型存在邊緣誤差.為減小三角形網格的邊緣誤差,改進瞭三角形網格模型的訓練模式,提齣瞭3步訓練模式.第1步採用整箇測量點雲,對三角形網格模型中的所有神經元進行整體訓練;第2步採用測量點雲中的邊界點集,對三角形網格模型中的網格邊界神經元進行訓練;第3步採用邊界點集中的角點點集,對與邊界角點匹配最佳的網格邊界神經元進行訓練.算例錶明,應用該訓練模式,可以有效減小三角形網格的邊緣誤差,三角形網格逼近散亂點雲的逼近精度得到提高併覆蓋散亂點雲整體分佈範圍.
기우SOFM신경망락구건적삼각형망격모형가이실현측량점운압축후적Delaunay삼각핍근부분,단해모형존재변연오차.위감소삼각형망격적변연오차,개진료삼각형망격모형적훈련모식,제출료3보훈련모식.제1보채용정개측량점운,대삼각형망격모형중적소유신경원진행정체훈련;제2보채용측량점운중적변계점집,대삼각형망격모형중적망격변계신경원진행훈련;제3보채용변계점집중적각점점집,대여변계각점필배최가적망격변계신경원진행훈련.산례표명,응용해훈련모식,가이유효감소삼각형망격적변연오차,삼각형망격핍근산란점운적핍근정도득도제고병복개산란점운정체분포범위.
