逆向工程中点云孔洞填充算法的研究

提出了一种新的孔洞光滑填充算法。该算法首先从孔洞周围已有的点云数据中提取采样点,对得到的采样点进行插值拟合得到拟合曲线,然后离散曲线形成点列,补充到空白区域,较好地解决了使用曲线插补方法实现散乱点云数据中孔洞光滑填充问题。由于避免了使用参数曲面对散乱数据点云进行插补,该方法可以应用于具有复杂曲面形状的点云。     

结合平面投影与区域生长的点云表面重建

为提高点云曲面重建的精度和效率,提出了一种将平面投影与区域生长相结合的散乱点云曲面重建方法。从散乱点云中选取局部点集,对其离散度进行判断,将较平滑的符合离散度要求的点集投影到二维平面并进行三角剖分,将三角剖分后点之间的拓扑连接关系映射回三维空间,实现该部分点云的表面重建,对剩余的散乱点用改进的区域生长法重建表面。实验结果表明,该算法能够重建出结构形态正确、保留物体细节信息的三维模型,降低曲面重建复杂度并提高其精确度。     

逆向工程中密集数据采样以及网格化技术

以激光-机器视觉测量方式得到的曲面数据云为基础,探讨了基于给定精度的曲面密集散乱数据点群的数据压缩以及几何建模方法.其中根据激光测量方式和三维点群分布的特点,提出一种在给定采样精度基于曲率的曲面自适应采样的方法;并通过激光扫描曲线间的采样点匹配为进一步数据压缩提供依据;并由度量曲面的初步网格点阵对测量点逼近程度好坏来进一步完成对曲面模型的修正.通过实例验证了这种方法的可行性.     

激光-机器视觉测量系统的数据采样及网格化

以激光-机器视觉测量方式得到的曲面数据云为基础,探讨基于给定精度的曲面密集散乱数据点群的数据压缩以及几何建模方法。其中,根据激光测量方式和三维点群分布的特点,提出一种在给定采样精度基于曲率的曲面自适应采样的方法;通过激光扫描曲线间的采样点匹配为进一步数据压缩提供依据;并由度量曲面的初步网格点阵对测量点逼近程度好坏来进一步完成对曲面模型的修正。通过实例验证这种方法的可行性。     

基于曲面局平特性的快速曲面重建算法

提出了一种基于曲面局平特性的散乱点集的曲面重建算法。基于曲面局平特性的重建算法具有快速、内存需求少的优点,但这类算法对输入点集有局部平坦性的要求,对局部质量没有保证,容易出现空洞、重叠、法矢不连续等缺陷。通过分析对这类方法进行改进。实践结果表明,在采样点过少或极其不均匀情况下,仍能得到较好的重建质量。     

基于平面散乱点集的曲线重建算法

在反求工程中,基于散乱数据点的曲线重建研究有着重要的意义。本文给出了一种基于投影的移动最小二乘(MLS)曲线重建方法。首先快速搜索散乱点的K邻近,并引入相关性概念,应用MLS法细化散乱点集,最后通过排序和简化重建曲线。实验表明,细化点集准确地反映了数据点的形状和走向,拟合效果良好,效率较高。本文算法可应用于运动曲面重建中的轮廓线拟合。     

样点邻域同构曲面约束的散乱点云法向估计

针对现有点云法向估计算法难以兼顾估计结果的精度与稳健性问题,以局部采样区域同构曲面作为样点邻域点集所反映曲面形状约束,提出一种散乱点云法向估计方法。该方法将目标样点的邻域点集作为局部样本进行曲面重建,获取插值于采样点集并与采样表面拓扑同构的局部网格曲面;对曲面局部区域高斯映射结果进行聚类分析,获取目标样点的各向同性邻域面;基于面片的正则度以及面片至目标样点的测地距离,确定目标样点各向同性邻域面片法向的加权均值,并将所得结果作为目标样点的法向估计结果。试验结果表明,该方法在点云数据信噪比为40 dB的情况下可保证98%以上样点法向估计偏差在以内,可稳健处理含有噪声以及采样不均匀等缺陷的散乱点云法向估计问题,对于含尖锐特征的点云亦能准确估计样点法向,且具有较高的计算效率。     

利用噪声特点与曲面拟合的点云去噪及光顺算法研究

逆向工程中,随着三维扫描测量技术的迅速发展以及基于海量采样点云数据的高精度模型的产生,使得快速有效地处理点云这一技术显得更加重要.点云的去噪和光顺是法矢估计、曲率计算及曲面重建等后续处理工作的重要基础,依据散乱数据点云中的噪声点的特点,对其进行分类,并提出一种新的基于曲面拟合及噪声特点分步去噪的方法.     

基于交互的B样条曲面重建与误差计算

基于三角网格模型的B样条曲面重建技术得到深入发展,计算与显示重建后的B样条曲面与原始测量三角网格之间的误差对分析曲面重建品质有重要作用。一种较为实用的B样条曲面重建方法是对三角网格模型进行四边界区域划分后进行栅格式采样,再根据采样点进行B样条曲面拟合。针对这种重建方法,研究了一种建立三角网格顶点与四边界区域对应关系的算法,再用离散的方法计算点到对应曲面的距离误差,最后用线性插值方法实现误差彩色．云图的显示。     

基于二维Delaunay近邻的空间散乱数据曲面重建算法

给出了一种新的散乱数据曲面重建算法。算法基于曲面的局平特性，通过二维Delaunay三角剖分到三维空间的映射，快速查找空间任意点的Delaunay近邻，然后根据散乱数据重建三角网格中顶点互为Delaunay近邻的原理，进行曲面拓扑重建。应用新的求解κ-近邻和二维Delaunay近邻的算法，提高了曲面重建的算法效率。实验表明，该算法高效、稳定，对不均匀数据有较好的适用性。     

逆向工程中的数据点云的分割

逆向工程中由数据点云构建物体表面模型中，对数据点云恰当的分割是表面建模的一个很重要步骤。文中以激光-机器视觉测量方式得到的曲面数据云为基础，探讨了曲面密集三维散乱点群数据的分割技术。根据激光测量方式和三维点群分布的特点，建立了在计算机中表示散乱点群数据结构。建立树形空间结构完成对密集散乱点群进行空间分割，由此实现对散乱点群数据的几何分割。     

基于光学定位仪的曲面三角网格重建及其应用

针对光学定位仪采集到的非均匀散乱数据进行曲面的实时三角网格重建。首次给出了光学定位仪采集点的曲面重建过程中样本密度以及邻域值的确定方法,并将其应用到手术导航中的骨表面重建,从而更好地利用可视化技术帮助医生进行术中判断。多次重建结果表明,该方法与未改进的曲面重建方法相比,能够更好地确定曲面的边界,在实际应用中也更为有效。     

基于自适应采样的曲面加工误差 在机测量方法

基于模具在机测量的自适应采样结果,提出一种新的获取自由曲面加工误差的方法。该方法首先基于自适应采样获取加工曲面上少量测点的坐标数据,利用NURBS曲面重构来拟合加工曲面;然后基于广义牛顿法计算重构的实际曲面和理论曲面的法向距离,获得自由曲面的加工误差,并对实验加工的模具模型曲面的轮廓度误差进行分析。实验结果表明,基于自适应采样的加工曲面重构方法能够在机测量且有效地获得自由曲面加工误差。     

Rapid surface reconstruction from a point cloud using the least-squares projection

A new approach for the rapid and robust surface reconstruction from a point cloud is presented based on the distance field and the least-squares projection (LSP) algorithm. This novel approach works directly on the point cloud without any explicit or implicit surface reconstruction procedure. First, a coarse base polygonal model was created directly from the distance field for the given point cloud through the iso-surface extraction. After acquiring a rough base polygonal model, we obtain a quality polygonal model through the iterative refinement and least-squares projection which projects current working polygonal model onto the point cloud in a least-squares sense. The main contribution of this work is the robust and fast surface reconstruction from randomly scattered 3D points only without any further information. We demonstrate the validity and efficiency of this new approach through a number of application examples.     

基于Matlab三维数据点三角剖分方法研究

逆向工程中点云数据点三角划分处理,在散乱数据插值曲面构造、快速原型制造以及有限元分析等方面有着重要的应用.根据Delaunay三角划分理论及Lawson优化准则,借助于Matlab中用于点云处理模块快速实现了空间散乱数据点的直接三角划分,给出了数据点三角划分程序代码,并以某小客车车身外表面点云数据处理过程加以验证,给出其外形数据点Delaunay三角划分以及凸壳包络图,由此可以早期发现逆向设计过程中可能存在的问题,从而减少后期修改次数,极大缩短新产品的开发周期,提高了设计精度.     

On-line three-dimensional point cloud data extraction method for scan-tracking measurement of irregular surface using bi-Akima spline

Point cloud data extraction is an important process in scan-tracking measurement. In this paper, a new method of on-line three-dimensional point cloud data extraction for scan-tracking measurement is proposed for reducing extremely dense sampled data while maintaining data accuracy during the real-time scan-tracking measuring process. It is inspired from sketch paintings: First outlining the broad contour of the curve and then revising local details till the interpolated curve satisfies the required accuracy. This method adopts bi-Akima spline interpolation for connecting acquired points in NC machining or for point data fitting in reverse engineering. It can reduce efficiently the amount of point data with a smaller data reduction ratio and a smoother machined/fitted surface than conventional three-dimensional chordal method.     

曲面工件自动超声检测轨迹规划

航空发动机叶片是典型复杂曲面结构,为实现叶片的自动化超声检测,提出基于曲面点云数据重建的自动化检测轨迹规划方法,在此基础上实现7轴联动复杂曲面自动扫描成像。叶片点云采用线激光轮廓仪配合工件旋转轴自动扫描获取,数据拼接整理后采用数据拟合方法获得曲面轮廓方程,基于曲面上的曲线方程规划加减速扫描轨迹,进一步对各扫描轨迹点进行多轴运动分解,获得包括六轴机械手和工件旋转轴在内的各轴轨迹。实际检测试验表明,轨迹规划算法可以实现叶片自动扫描,获得清晰C扫描图像。     

采样点分布对基于面形斜率径向基模型的自由曲面拟合精度的影响

鉴于自由曲面模型的面形拟合精度在自由曲面表征以及面形初始结构选取等研究中的重要性,本文针对基于面形斜率的高斯径向基表征模型,研究了不同的采样点分布类型对该模型面形拟合精度的影响。采用不同采样点分布拟合离轴二次曲面和带凸起的抛物面,结果表明采用均匀随机分布的采样点有利于实现高精度的面形拟合,且达到一定的拟合精度后,采样点的数目对拟合精度的影响有限。以离轴三反系统为设计实例,对比了由不同采样方式生成初始面形后系统的像质优化结果。结果显示,采用均匀随机型采样方式得到的初始面形进行系统优化,最终全视场平均调制传递函数(MTF)可以达到0.72以上,远高于由边缘集中采样方式生成初始面形后系统像质的优化结果,从而印证了理论研究结果。