曲面边界样点逆向均值漂移识别

针对现有的曲面边界样点识别算法难以适应非均匀分布的实物表面采样数据的问题,将目标样点的k-近邻点集作为曲面局部样本,基于均值漂移算法使得曲面局部样本在一定程度上向目标样点邻近的采样数据稀疏区域扩展,实现对曲面局部样本的增益优化,并对增益优化后的曲面局部样本进行核密度估计,获取目标样点对应的模式点,并通过比较目标样点与其对应模式点的偏离程度进行边界样点判定。实验表明,该算法可快速准确地识别曲面裁剪边界、几何连续的相邻面片公共边界以及曲率变化较大的过渡曲面上的特征样点,并且对非均匀分布的采样数据具有良好的适应性。