-
公开(公告)号：CN109872394A
公开(公告)日：2019-06-11
申请号：CN201910023996.0
申请日：2019-01-10
Applicant: 重庆大学
Abstract: 本发明公开了基于最小二乘支持向量机的狭长三角形网格优化方法，主要步骤为：1)利用工业CT技术，得到待测对象的CT切片。2)将CT切片重建为三维点云STL模型，并读取三维点云STL模型。3)优化三维点云STL模型。4)对优化后的三维点云STL模型进行狭长三角形网格识别。5)利用最小二乘支持向量机和拉普拉斯算子对狭长三角形网格的顶点坐标进行优化。本发明提出了一种基于支持向量机以最小二乘法作为向量机改进形式的拉普拉斯算子的三角形网格优化方法。本发明可以使狭长三角形网格尽可能的接近正三角形的网格，并使得优化的网格曲面更加光顺。
-
公开(公告)号：CN109872394B
公开(公告)日：2021-04-27
申请号：CN201910023996.0
申请日：2019-01-10
Applicant: 重庆大学
Abstract: 本发明公开了基于最小二乘支持向量机的狭长三角形网格优化方法，主要步骤为：1)利用工业CT技术，得到待测对象的CT切片。2)将CT切片重建为三维点云STL模型，并读取三维点云STL模型。3)优化三维点云STL模型。4)对优化后的三维点云STL模型进行狭长三角形网格识别。5)利用最小二乘支持向量机和拉普拉斯算子对狭长三角形网格的顶点坐标进行优化。本发明提出了一种基于支持向量机以最小二乘法作为向量机改进形式的拉普拉斯算子的三角形网格优化方法。本发明可以使狭长三角形网格尽可能的接近正三角形的网格，并使得优化的网格曲面更加光顺。
-
Search Results
2
records
(took 0.014 seconds)
