PINPOLYHEDRON:
这个函数是一种新型的实现算法。测试是否
点/在一个多面体内部/外部定义的三角形脸,
顶点。它可以用于非凸等各种复杂的模型
卷,多材料的身体,没有假设取向
脸的法线。最重要的是,该算法是非常有效的
对大规模问题。作者的最好的知识,它是最快的
代码在大规模环境中。
语法:
输出= pinpolyhedron (p,顶点,脸);
输入:
p:被测试的点表示为一个Nx3 XYZ坐标的矩阵,
例如,[(x1, y1 z1;x2 y2 z2;…]。
顶点:多面体的顶点,Mx3 XYZ坐标的矩阵,
例如,[(x1, y1 z1;x2 y2 z2;…]。
脸:多面体的脸,Mx3矩阵,
例如,[a1, b1, c1;a2、b2, c2;…]。a b c是三个顶点的索引号
形成了三角脸。
输出:
输出:一个Mx4数组。前三列是相同的输入p。
函数设置第四列1和0,站
多面体内外的分别,2代表
p在边界上。
关于多材料多面体:
的身体可能是由不同的材料,从哪一个可以
多材料呈三角形多面体的外边界和内部
不同材料之间的界限。
我们的算法也可以用于多材料多面体。
在这种情况下,语法几乎是相同的。然而,面临的输入
应该是一个Mx5矩阵,例如,[a1, b1, c1, m11公路m12;a2、b2, c2, m21、锰;…]。
这里a b c仍然顶点的索引号,m1和m2是两个
材料一脸的两侧。
以这种方式调用该函数,它将表明,点进去
的身体,材料重点是通过设置第四列输出
价值的材料数量。如果一个测试点就是一个三角形的脸上,
外边界上的脸还是一种内在,函数
将输出值设置为2。
作者:郭YuFei Jose m . Maisog刘摩根富林明
参考:刘摩根富林明,陈Y.Q.何塞•m . Maisog乔治Luta,一种新的观点
控制测试算法基于预处理和确定三角形,
计算机辅助设计,42卷,12路,2010年12月,页1143 - 1150。
2014年9月22日:1.0版
到目前为止,我们的工作是16日援引研究论文的真实性方面:
1)Breitenfeld m .静态非平常状态peridynamics建模的三维断裂[D]。伊利诺伊大学香槟分校,2014年。
2)Magalhaes S V G,安德拉德M V,富兰克林W R, et al . PinMesh-Fast和精确的3 d点位置查询使用统一的网格研究[J]。2016年计算机与图形学,58:1 - 11。
3)Bongiorno E G, Goia a希尔伯特数据的分类方法基于代理密度[J]。计算统计与数据分析,2016年,99:204 - 222。
4)Bartoněk D, BurešJ, Opatřilova即广泛的地理信息系统项目的优化预处理[J]。先进的科学字母,2014,20 (- 11):2026 - 2029。
5)魏X, Joneja,唐k的改进算法的自动化设计大型机器人皮肤[J]。IEEE自动化科学与工程,2015,12 (1):372 - 377。
6)Maisog J·m·如何制作一个基于c++和R包管理R-Forge:教程[J]。2011年。
7)陆P,江X,陆W, et al。快速、准确和健壮的操作使用本地化的建设性的立体几何多面体树[J]。
8)霍尔瓦特D,Žalik b包含测试多面体使用GPU上的深度值比较[J]。国际计算机理论与工程学报,2017,(2):137。
9)李L, Cazzell M, Babawale O, et al .自动化立体像素分类使用atlas-guided扩散光学断层扫描评估脑功能网络的年轻人和老年人[J]。Neurophotonics 2016 3 (4): 045002 - 045002。
10)巴尔贝托,Painho M,卡布拉尔P,等。除了数字人体地图册:分段集成三维拓扑模型的人体研究[J]。国际期刊E-Health和医疗通信(IJEHMC), 2017年8 (1):19-36。
11)de Magalhaes S V G,安德拉德M V,富兰克林W R, et al。确切的十字路口的3 d几何模型[J]。
12)李J,王w .快速和可靠的基于gpu的point-in-polyhedron确定[J]。计算机辅助设计,2017年。
13)莫雷蒂V f . Inclusao之间nuvem de pontos e digitalizacao 3 D: ? e implementacao [D]。大学联邦做南里奥格兰德,2015年。
14)林明億。人體仰臥下個人化脊椎型態分析[J]。臺灣大學醫學工程學研究所學位論文,2016:1-45。
15)Opatřilova i Metodikařešeni masivnich uloh v GIS研究[J]。2015年。
16)Bongiorno E G, Goia a希尔伯特数据的分类方法基于代理密度[J]。计算统计与数据分析,2016年,99:204 - 222。
问题或建议吗?给我发电子邮件:guoyufei2014@gmail.com