基于神经网络的密集三维散乱数据曲面重建研究

摘要

探讨了基于神经网络的密集三维散乱数据点曲面重建方法。建立了基于扩展Kohonen自组织特征映射神经网络的三角网格构建网络模型及其训练算法。经过训练，神经网络将整个曲面散乱点数据分成许多子区域，子区域的分类核心即为神经元连接权矢量，连接权矢量集作为对散乱点集的工程近似化并重构曲面样本点的内在拓扑关系，实现曲面密集三维散乱点数据的自组织压缩。按六角形阵列侧抑制邻区训练调整网络神经元权重矢量，使网络输出层结点呈六角形阵列分布，可实现测量点集压缩后的Delaunay三角逼近剖分。每个子区域用一个线性函数逼近，便可得到三角网格顶点处法矢。计算机仿真实验表明，所建神经网络模型可以实现期望规模和精度的三角网格剖分并有效保持原数据点集的拓扑特征。