[发明专利]基于最小二乘支持向量机的狭长三角形网格优化方法有效
| 申请号： | 201910023996.0 | 申请日： | 2019-01-10 |
| 公开（公告）号： | CN109872394B | 公开（公告）日： | 2021-04-27 |
| 发明（设计）人： | 任华桥;段黎明;陈杨喜;罗喜为 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06T17/20 | 分类号： | G06T17/20;G06K9/62 |
| 代理公司： | 重庆缙云专利代理事务所(特殊普通合伙) 50237 | 代理人： | 王翔 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 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。 | ||
| 搜索关键词： | 基于 最小 支持 向量 狭长 三角形 网格 优化 方法 | ||
【主权项】：
1.基于最小二乘支持向量机的狭长三角形网格优化方法，其特征在于，主要包括以下步骤：1)利用工业CT技术，对所述待测对象进行处理，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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910023996.0/，转载请声明来源钻瓜专利网。
