Next: Ausblick Up: Glätten von Flächen Previous: Beispiele
Bei der Erzeugung von parametrisierten Flächen aus Meßpunkten werden
üblicherweise in einem ersten Schritt die Punkte parametrisiert; dann wird
ein least squares fit durchgeführt. Diese Vorgehensweise hat zwei
Nachteile. Es werden nicht die kürzesten Abstände der Punkte zur
Fläche minimiert, sondern durch die Parametrisierung induzierte
Abstände. Die zwangsläufig nicht optimale Parameterbelegung führt
oft auf ein schlecht konditioniertes System beim least squares fit.
Die Folge sind unbefriedigende, wellige Flächen. Das vorgestellte
Verfahren bestimmt eine optimale Parametrisierung zusammen mit der
Fläche in einem iterativen Prozeß. Beim einfachen least squares fit müssen außerdem die Schoenberg-Whitney-Bedingungen erfüllt werden.
Dadurch können keine beliebig berandeten Punktmengen oder Punktmengen
mit ,,Löchern`` behandelt werden. Durch die Einführung von
Energiefunktionalen wird es möglich, auch solche Punktmengen glatt zu
approximieren [14,17]. Die Randkurven der Tensorproduktfläche
fallen dann nicht mehr mit den Rändern der Punktwolke zusammen. In einem
zweiten Schritt wird die berechnete Approximationsfläche an den Rändern der
Punktwolke abgeschnitten (siehe Figur (5)). Diese neuen Randkurven
werden auch als Trimmkurven bezeichnet und über Splinekurven
im Parameterbereich der Fläche beschrieben.
Seien nun die fehlerbehafteten Meßpunkte mit
bezeichnet. Zu diesen soll eine energieminimale Tensorprodukt-B-Spline-Fläche berechnet werden, die eine vorgebene
Fehlertoleranz einhält. Als Energien werden die Funktionale
des Abschnitts 2 verwendet.
Der Abstand der gesuchten Fläche zu den Vorgabepunkten wird über
|
(15) |
erfaßt. Damit läßt sich das Approximationsproblem schreiben als:
|
(16) |
Fest vorgegeben sind die Ordnungen und die Knotenvektoren der B-Spline-Fläche sowie die Fehlertoleranz und die
skalaren Designparameter
mit
.
Die legen den Einfluß der verschiedenen Energien fest und damit
die Gestalt der Approximationsfläche. Eine starke Wichtung
- von
führt zu Flächen mit kleinem Flächeninhalt,
- von
führt zu Flächen mit geringer Durchbiegung,
- von
führt zu Flächen mit geringen
Krümmungsänderungen.
Als Unbekannte hat man die Kontrollpunkte
und die Parameterwerte
der Punkte.
Der Ansatz mit Lagrange-Multiplikatoren
|
(17) |
führt auf ein hochdimensionales, nichtlineares Problem, dessen Lösung
mit Standardmethoden zu sehr hohen Rechenzeiten führt.
Durch das Festhalten der Kontrollpunkte bzw. der Punktparameterwerte
zerfällt das Problem in zwei einfache Teile [5]:
- für feste Parameterwerte und festes ergibt
sich ein lineares Approximationsproblem
- für feste Kontrollpunkte
und festes ergeben sich 2-dimensionale nichtlineare Unterprobleme, die
sogenannten Parameterkorrekturen [8]
Damit kann die Flächenapproximation als Iterationsverfahren formuliert
werden:
- Bestimmung einer Startparametrisierung ;
- Lösen des linearen Approximationsproblems
;
- Berechnung der mit Parameterkorrektur
- Fortfahren mit (2) bis
Die Startparametrisierung kann durch Projektion der Punkte auf einfache
Referenzflächen erfolgen [11]. Die Güte der Parameterwerte spielt
hier eine untergeordnete Rolle, da diese Parameterwerte nur eine erste
Näherung darstellen. Eine Projektion auf die Ausgleichsebene ist in
vielen Fällen ausreichend.
Mit
hat das lineare Approximationsproblem die
Gestalt
|
(18) |
Die notwendigen und hinreichenden Bedingungen für ein Minimum
|
(19) |
führen auf das lineare Gleichungssystem
|
(20) |
Die quadratischen Matrizen und sind alle
symmetrisch, positiv semidefinit und besitzen wegen der Lokalität der
B-Spline-Funktionen eine dünn besetzte Bandstruktur. ist
darüber hinaus i. allg. regulär und die Lösung damit eindeutig bestimmt.
Die Matrix und die rechte Seite sind dieselben wie beim least
squares fit. Die Einträge der Matrizen ergeben sich zu:
mit den Abkürzungen (9) des Abschnitts 3.3, wobei
der Integrationsbereich jedoch nicht eingeschränkt wird.
Die Matrizen sind fest über alle Iterationen und müssen deshalb
nur einmal zu Beginn berechnet werden.
Die Parameterkorrektur in Schritt 3 bestimmt für jeden Punkt die
Parameterwerte des Lotfußpunktes auf der Fläche. Die Minimierung wird
mit einem 2-dimensionalen Newton-Verfahren durchgeführt. Die
Korrekturterme lauten
und sind unabhängig von den verwendeten Energieintegralen.
Das Gesamtverfahren erzeugt anfangs sehr glatte, steife Flächen, die
sich in jedem Iterationsschritt besser an die Vorgabepunkte anpassen.
Dadurch bleibt die Parameterkorrektur nicht vorzeitig in lokalen Minima
hängen; die orthogonale Lage der Fehlervektoren kann im allgemeinen bereits
nach ein bis zwei Newton-Schritten erreicht werden.
Im Anschluß sind noch einige Beispielflächen teilweise zusammen mit
Isophoten dargestellt. In Figur 4 ist ein least squares fit zu sehen und die korrespondierende Fläche, die mit
dem vorgestellten Verfahren berechnet wurde. Figur 5 zeigt eine
glatte Approximationsfläche zu einer fünfeckig berandeten Punktmenge und
eine Approximationsfläche zu einer irregulären Punktmenge mit großen
Löchern.
Figur 6 schließlich zeigt den least squares fit und
die glatte Approximation zu einer komplex strukturierten Punktmenge.
Abbildung: least squares fit und glatte Approximationsfläche zu
1448 Punkten
|
Abbildung: Getrimmte Approximationsfläche zu ,,fünfeckiger``
Punktwolke und Approximationsfläche zu ,,löchriger`` Punktmenge
|
Abbildung: least squares fit und glatte Approximationsfläche
zu 4101 Punkten
|
|