- 1、本文档共56页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
教学课件课件PPT医学培训课件教育资源教材讲义
CATIA曲线曲面造型的几何理论基础;Bezier 贝塞尔曲线曲面;Catia曲线曲面造型的几何理论基础; NURBS-非均匀有理B样条(Non-Uniform Rational B-Spline)
一条NURBS曲线用一个带比重控制点和曲线的次序以及一个节点矢量的集合定义。
非均匀(Non-Uniform):指NURBS基函数的节点沿参数轴不等距分布,即节距不均匀,而且允许重节点的存在。
有理(Rational):采用分式表示,增加了权因子,是有理的,其分子分母分别是参数多项式和多项式函数。
每个控制点都带有一个数字( 权因子),除了少数的特例以外,权值大多是正数。当一条曲线所有的控制点有相同的权值时 ( 通常是1 ),称为“非有理” ( Non-Rational ) 曲线,否则称为“有理” ( Rational ) 曲线。Bezier方法及B-样条方法都是非有理的。
NURBS 的“R”代表有理,意味着一条NURBS 曲线有可能是有理的。在实际情况中,大部分的NURBS曲线是非有理的, 但有些NURBS 曲线永远是有理的,圆和椭圆是最明显的例子。
B样条(B-Spline): 由多段参数化表示的曲线组成。NURBS的基函数与B-Spline的基函数一样。
* NURBS曲线曲面是 非有理B-样条曲线曲面和有理/非有理Bezier曲线曲面的推广。;曲线、曲面的显式、隐式、参数表示
曲线、曲面可以用显式、隐式和参数表示。
显式:形如z=f(x,y)的表达式。对于一个平面曲线,显式表示一般形式是:y=f(x)。在此方程中,一个x值与一个y值对应,所以显式方程不能表示封闭或多值曲线,例如,不能用显式方程表示一个整圆。
隐式:形如f(x,y,z)=0的表达式。如一个平面曲线方程,表示成f(x,y)=0的隐式表示。隐式表示的优点是易于判断函数f(x,y)是否大于、小于或等于零,也就易于判断点是落在所表示曲线上或在曲线的哪一侧。
参数表示:形如x=f(t),y=f(t),z=f(t)的表达式,其中t为参数。即曲线上任一点的坐标均表示成给定参数的函数。
如平面曲线上任一点P可表示为:P(t) = [x(t), y(t)];
空间曲线上任一三维点P可表示为:P(t) = [x(t), y(t), z(t)];如图:; 最简单的参数曲线是直线段,端点为P1、P2的直线段参数方程可表示为:
P(t) = P1 + ( P2 - P1 )t t ∈[0, 1];
圆在计算机图形学中应用十分广泛,其在第一象限内的单位圆弧的非参数显式表示为:
其参数形式可表示为:
参数表示的曲线、曲面具有几何不变性等优点,计算机图形学中通常用参数形式描述曲线、曲面。
其优势主要表现在:
(1)可以满足几何不变性的要求,坐标变换后仍保持几何形状不变
(2)有更大的自由度来控制曲线、曲面的形状。如一条二维三次曲线的显式表示为:
只有四个系数控制曲线的形状。而二维三次曲线的参数表达式为:
有8个系数可用来控制此曲线的形状。
(3)对非参数方程表示的曲线、曲面进行变换,必须对其每个型值点进行几何变换,不能对其方程变换(因不满足几何变换不变性);而对参数表示的曲线、曲面可对其参数方程直接进行几何变换。; (4)便于处理斜率为无穷大的情形,不会因此而中断计算。
(5)参数方程中,代数、几何相关和无关的变量是完全分离的,而且对变量个数不限,从而便于用户把低维空间中曲线、曲面扩展到高维空间去。这种变量分离的特点使我们可以用数学公式处理几何分量。
(6)规格化的参数变量t∈[0, 1],使其相应的几何分量是有界的,而不必用另外的参数去定义边界。
(7)易于用矢量和矩阵表示几何分量,简化了计算。位置矢量、切矢量、法矢量、曲率和挠率(见高等数学)
插值、逼近、拟合
插值:给定一组有序的数据点Pi,i=0, 1, …, n,构造一条曲线顺序通过这些数据点,称为对这些数据点进行插值,所构造的曲线称为插值曲线。常用插值方法有线性插值(用直线模拟实际曲线)、抛物线插值(用二次多项式曲线模拟实际曲线),三次样条插值等。
在插值问题中,样条插值通常比多项式插值好用。用低阶的样条插值能产生和高阶的多项式插值类似的效果,并且可以避免被称为龙格现象的数值不稳定的出现。并且低阶的样条插值还具有“保凸”的重要性质。
逼近:构造一条曲线使之在某种意义下最接近给定的数据点,称为对这些数据点进行逼近,所构造的曲线为逼近曲线。
文档评论(0)