.png){kind=icon}
返回
Multi-level k-nearest neighbors algorithm for direct point cloud-based engineering analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.cma.2026.118933.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
点云表示在科学和工程应用中的几何建模中正被越来越多地使用，这主要得益于先进扫描技术的广泛应用。尽管点云在表示不同物体方面具有高度灵活性，但其无结构特性为直接用于工程分析带来了若干挑战。为解决此问题，大多数分析方法需要从点云重建一个近似网格。然而，许多网格重建技术在面对复杂几何形状时需要手动调整，并且往往难以在没有人工干预的情况下正确重建噪声、低密度或拓扑模糊的点云。虽然k-最近邻（kNN）算法在网格重建方法中广泛使用，但它需要根据点云的密度和底层对象的拓扑复杂性对不同点云进行参数（包括k值）的手动调整。为解决这些问题，我们提出了一种新颖的多级k-最近邻（M-kNN）方法，该方法通过迭代扩展局部邻域来识别点云所表示的底层对象的表面连通性。M-kNN能够改善点云重采样和更精确的几何处理，特别是在合成和真实数据集所展示的具有接近、非相交结构的几何形状方面。所提出的方法还使得能够直接使用原始点云进行基于点云的工程分析，而无需重建表面网格。
Keyword:
point cloud
k-nearest neighbors
mesh reconstruction
geometric modeling
engineering analysis
