逆向工程技术已在诸多领域中有广泛的应用,但仍有许多问题有待进一步研究。本文在已有研究工作的基础上,引入新的思想方法和数学工具,应用径向基函数和神经网络技术,深入研究了散乱点云模型重建和任意拓扑三角网格模型修复技术,以期拓展解决问题的技术手段,在某种程度上改进现有方法的效果、效率和稳定性等。论文的主要研究内容和成果概括如下:1.提出并实现了一种基于径向基函数神经网络的三角网格模型修复算法。该算法以孔洞边界附近若干重相邻三角片的顶点作为样本数据训练神经网络,运用已训练好的网络实现填充孔洞的三角片顶点的坐标值优化,并对三角片的形状进行优化调整,最终实现模型的修复。通过与国际著名逆向工程软件Geomagic进行对比测试,表明算法的修复速度较快、效果较好。2.研究了基于径向基函数的体数据场技术,提出了一种修复三角网格模型的算法。该算法使用径向基函数建立孔洞曲面的隐式方程,将新增三角片顶点映射到孔洞曲面上,可实现一般孔洞、岛屿孔洞和非封闭孔洞等多种类型孔洞的修复。算法可以保证最终修复的孔洞曲面同其周围曲面保持良好的几何一致性,尤其对曲率变化急剧部位处孔洞的修复获得了良好的、优于国内文献中报道的效果,对数据缺损比较严重的孔洞的修复效果不逊色于Geomagic软件。提出了一种运用径向基函数建立颜色场的巧妙算法,实现了带颜色属性的三角网格模型孔洞的修复,获得了良好的效果。3.研究了基于紧支撑径向基函数的模型重建技术,提出了一种点云简化算法,并运用紧支撑径向基函数实现了简化后点集的隐式曲面模型重建及其误差分析;提出了一种新颖巧妙的思路,运用紧支撑径向基函数实现了三角网格模型顶点的隐式曲面重建,基于体数据场方法和步进立方体算法实现了三角网格模型等距面的生成,解决了等距自交问题,可与快速原型制造、数控加工实现集成。4.研究了基于自组织映射神经网络的模型重建技术,提出了一种神经元初始化方法,采用对散乱点云分块学习的策略,显著提高了神经网络的学习效率,并改善了网络的学习效果,实现了光滑B样条曲面模型重建;运用基于自组织映射神经网络的自适应参数化方法完成三角网格模型的四边界域内数据点的参数化,综合考虑曲面重建精度、光顺性以及曲面片拼接的连续性等因素,实现了一种具有较强实用性的三角网格模型分片光滑B样条曲面模型重建算法。本文的研究结果用大量应用实例进行了验证。