Bezier曲线是参数多项式曲线.PPT

5.1 模型重构技术概述 5.1.1 模型重建方法分类 （1）按数据类型，可分为有序点和散乱点的重建； （2）按测量机的类型，可分为基于CMM、激光点云、CT数据和其他测量数据的重建； （3）按造型方式，可分为基于曲线的模型重建和基于曲面的直接拟合； （4）按曲面表示方法，分为边界表示、四边B样条表示、三角面片（B样条，Bezier） 和三角网格（平面）表示的模型重建等。 5.1.2逆向工程的三维CAD模型重构的两个方面 5.2 曲线拟合概念 曲线拟合造型 1、插值 :给定一组有序的数据点Pi(i=0,1,…,n)，这些点既可以是从实物测量得到的，也可以是设计人员给出的。要求构造一条顺序通过这些数据点的曲线，称为对这些数据点进行插值，所构造的曲线称为插值曲线，所采用的数学方法称为曲线插值法。 把曲线插值推广到曲面，类似就有插值曲面和曲面插值法 曲线拟合造型 插值法建立曲线的优点：所得到的曲线必会通过所有测量的数据点， 因此，曲线与点数据的误差为零。 插值法建立曲线的缺点：点数据过大时，则曲线控制点也相对增多。同时，若点数据有噪声存在，使用插值法 拟合曲线时，应先进行数据平滑处理以去除噪声点。 5.3 参数曲线、曲面插值与逼近 1. 参数多项式 参数多项式曲线方程 1. 参数多项式 多项式形式简单，当选定一组多项式基函数后，通过改变作为基函数的多项式的次数及基表示中定义形状的系数矢量，可获得丰富的形状表达力；又多项式无穷次可微，因而曲线曲面足够光滑；且容易计算函数值及各阶导数值。 2. 数据点参数化 常用的数据点参数化方法 1）均匀参数化 (等距参数化) 节点在参数轴上呈等距分布，ui+1= ui +正常数 为处理方便起见，常取成整数序列 ui = i,i=0,1,······ ,n 这种参数化法仅适合于数据点多边形各边（或称弦长）接近相等的情况 ，否则，在相邻段弦长相差悬殊 的情况下，生成插值曲线后弦长较长的那段曲线显得 较扁平，弦长较短的那段曲线则膨得厉害，甚至出现 尖点或打圈自交的情况 。 常用的数据点参数化方法 2）积累弦长参数化（简称弦长参数化） 这种参数法如实反映了型值点按弦长的分布情况，能够克服型值点按弦长分布不均匀的情况下采用均匀参数化所出现的问题 。 被认为是最佳的参数化方法 。 常用的数据点参数化方法 3）向心参数化法 向心参数化法假设在一段曲线弧上的向心力曲线切矢从该弧段始端至末端的转角成正比，加上一些简化假设，得到向心参数化法。 此法尤其适用于非均匀型值点分布。 常用的数据点参数化方法 4） 修正弦长参数化法 公式详见书上P157 弦长修正系数ki=1。从公式可知 ，与前后邻弦长及相比，若越小，且与前后邻弦边夹角的外角θi-1和θi (不超过时)越大，则修正系数就 k i 就越大 。 采用不同参数化法生成的参数插值曲线 3. 多项式插值曲线 Vanderminde（范德蒙）方法 假设把插值多项式 表示成单项式的形式： 式中，系数矢量 （j =0,1,2,……，n)待定。 3.多项式插值曲线 Vanderminde（范德蒙）方法 根据已知数据求未知参数的标准方法是写出关于这个问题的每个方程： 4. 最小二乘逼近 取逼近曲线P（u）上具有参数值 的点 与数据点 间的距离的平方和 4. 最小二乘逼近 4. 最小二乘逼近 欲使 J 最小， 、 、 都应为最小，即应使下列的偏导数为零 5.4 B样条曲线插值与逼近 1.B样条的递推定义和性质 B样条曲线的方程定义为： 是控制多边形的顶点 (i=0,1,..,n) 称为k阶（k-1次)B样条基函数 B样条基函数是一个称为节点矢量的非递减的参数t的序列所决定的k阶分段多项式，也即为k阶（k-1次)多项式样条。 1.