散乱点云的孔洞识别和边界提取算法研究

针对逆向工程中已有孔洞识别算法执行效率低、孔洞边界点提取不完整等问题,提出一种新的基于KD树和K邻域搜索的点云孔洞识别及边界提取算法。该算法首先利用KD树建立散乱点云的拓扑关系。其次,计算点云密度、定义距离阈值作为判别参数,利用K邻域搜索计算每个点与其K个邻域点的距离,距离大于阈值的点即为边界点。再次,采用单坐标搜索法去除外边界,保留孔洞边界。最后,利用边界追踪算法获取完整的孔洞边界点。以涡轮叶片和挖掘机斗齿为研究对象,对点云上的自然孔洞利用该算法进行识别。结果表明,该算法能够快速地识别出散乱点云中孔洞,并能完整地提取出孔洞边界点,实用性强。     

一种曲面特征保持的航空叶片点云精简方法

针对现有点云精简方法在航空薄壁叶片叶缘高曲率特征区域及点云稀疏区域存在取样不足的问题,提出了一种基于重聚类策略的精简方法。通过移动最小二乘法定义点--曲面距离函数,区分高低曲率特征,建立了原始点云和精简点云之间的距离关系,在高曲率区域重聚类,实现叶缘高曲率特征保持;并在重聚类时判断点云疏密程度,对稀疏区域进行重聚类。航空叶片、铸造模具等典型复杂曲面测量点云的精简过程中,该方法相比于均匀采样法、层次聚类法,在高曲率区域可保持较高的几何精度。     

基于CGAL的点云三角面片重构

点云的三角面片重构是曲面重构的基础,通过三角面片重构可得到离散点的邻接关系,这些邻接关系为曲面拟合提供必要的信息.介绍了一个功能强大的计算几何库CGAL,并利用它完成对面模型的点云三角面片重构和体模型的点云三角面片重构.     

矿用轴流通风机叶片三维几何模型反求重构

通风机叶片形状是影响通风机气动性能的关键因素,为了引进和吸收先进的矿用轴流通风机叶片设计技术,采用反求技术对其三维几何模型进行反求重构.首先,根据通风机叶片设计特点规划测量路径,应用三坐标测量机(CMM)对矿用轴流通风机叶片表面曲面进行测量,提取通风机叶片表面曲面的三维点云数据.然后,在反求软件UG中,利用最小二乘拟合曲线检查法对所提取的点云数据进行异常点的剔除,运用弦高-夹角综合法进行点云数据的精简.最后,采用非均匀有理B样条(NURBS)对各截面数据点进行曲线拟合,并使用通过曲线组生成曲面的方法重构了矿用轴流通风机叶片的三维几何模型,这对矿用轴流通风机计算流体力学模拟和叶片优化设计具有重要意义.     

基于MATLAB的三维超声成像及图像处理

三维超声成像与传统的二维超声成像相比,能提供丰富的立体结构信息,有着广泛的用途.专为研究目的设计了基于虚拟仪器的三维超声实验平台,因此可以利用基于计算机的各种处理软件,对该平台所采集的三维数据进行研究.利用MATLAB对实验数据进行了基于表面轮廓法的三维图像重构,观察不同的平滑领域参数以及轮廓提取阈值对三维重构效果的影响.还利用MATLAB对重构后的三维图像进行旋转、切割、切片,从各个角度对立体图像进行观察;并能够进行生物测量,距离测量的相对误差不大于8.00%,容积测量的相对误差不大于8.03%.重构后的图像保持了原物的形状与大小.     

基于B样条曲面的点云孔洞拟合填充

为了后续曲面重构的需要,针对有孔洞的点云数据,提出了一种孔洞拟合填充的自适应方法.由于孔洞与其周围离散点有一定的连续性,该算法首先从孔洞周围已有的点云数据中选取离散点,用新的参数化方法对得到的离散点参数化后,用最小二乘法进行自适应曲面拟合,对得到的拟合曲面通过迭代法逐步逼近优化,考虑曲率变化的影响在曲面上取点,实现了孔洞光滑填充.实例表明,改进的参数化方法使算法的复杂度减低,进一步迭代优化提高了曲面拟合精度,在面上取点时考虑了曲率变化,因此该方法可以应用于具有复杂曲面形状的点云中的孔洞填充.     

采用虚拟立体视觉的航空发动机叶片点云测量方法

叶片作为航空发动机的重要零部件,加工成本极为昂贵,为了实现对残损叶片的修复,必须精确获取叶片曲面点云数据,为修复提供数据支持。为此,研究了一种采用虚拟立体视觉的测量方法,首先分析虚拟立体视觉系统的数学模型,利用非参模型及精密靶标实现对系统内外参数的标定,然后采用KLT(Kanade-Lucas-Tomasi)算法结合外极线约束实现了叶片散斑点之间的立体匹配,最后采用点到投影射线距离平方和最小化作为约束条件求解叶片点云空间坐标,得到叶片曲面点云数据。实验结果表明,根据本文方法获取的叶片曲面点云数据拟合出的叶片曲面相关系数大于0.99,叶片曲面几何参数均值误差小于0.2 mm。本方法针对发动机叶片点云测量这一特殊应用环境,提出了一种简化的测量方法,实现了叶片点云的高精度、高可靠性测量。     

单条纹截面轮廓传感器的设计与标定

为实现单条纹截面轮廓传感器的设计与标定,建立了单条纹截面轮廓传感器测量物体表面点空间坐标的数学模型,基于此模型分析了单条纹截面轮廓传感器的测量误差,得出了传感器各结构参数与测量误差之间的关系.在综合分析各结构参数对测量误差的影响的基础上,得出了传感器结构参数设计的依据,并给出了结构参数设计及标定的实例.最后,通过实验的方法对传感器的测量精度进行了验证.实验结果表明:深度测量相对误差＜0.3%,重构的复杂表面具有良好的视觉效果.     

一种双面凸轮的反求设计方法

提出一种双面凸轮的反求设计和误差控制方法。从动件类加速度对轮廓曲线误差敏感,通过修正从动件类加速度曲线,以间接提高凸轮廓线精度。通过数字化测量,获得凸轮双面轮廓的点云数据,对点云数据进行精简并进行重构、装配对齐,获得凸轮轮廓实体模型。对获得的凸轮轮廓数据二次求导并拟合,获得从动件类加速度曲线和类加速度误差值。基于类加速度误差与从动件位移误差的关系函数,对轮廓线进行修正,从而消除反求误差。     

面向船体外板曲面重建的散乱点云精简算法

针对船体外板形变曲面实时检测与快速高效三维重建的要求。提出了以空间层次剖分和特征曲率相融合的精简算法,通过k-d树剖分准则将三维点云数据剖分成不同层次空间,层层递归形成树状数据模型,在每个节点空间内,同时分别利用K-邻域计算、曲率估算,获得点云特征曲率信息,设定可调的曲率阈值,依据阈值将同一数据源的点云数据区分为不同曲率大小的区域,运用不同的精简算法,实现保持曲面基本特征的曲面重建。实验结果分析,该算法保证曲面重建的基础上,大大减少了曲面的点云数量,提高了曲面重建效率。     

基于粒子群的多毫米波安防机器人环境感知方法

安防机器人常工作于昏暗、烟雾等环境,毫米波有探测这类环境的能力,但其点云是稀疏的,可将多毫米波的点云融合 以提高环境感知的能力。 点云融合时需要精确的结构参数,针对测量法获取结构参数存在误差的问题,在分析多毫米波点云坐 标的基础上,利用粒子群算法对毫米波雷达结构参数进行搜索,并根据搜索结果进行点云融合以及环境地图的构建;同时提出 稀疏点云地图的评价指标,对毫米波感知效果进行定量评价。 利用安防机器人在昏暗环境下开展实验,结果表明与结构参数由 测量法获取的多毫米波感知系统对比,点云数量有所增加,地图边界空洞数量平均减少 55% ,边界噪声率平均下降 12. 9% ,物 体点云离散度平均下降约 0. 06,中心位置的偏移量均有所减小。     

面向自动修补的复杂零件孔洞识别

依据样点的邻域在其局部微切平面投影的分布情况,提出了一种针对采样密度不均、几何形状复杂、孔洞面积大小不一的散乱点云模型的孔洞识别方法.通过使用Np邻域,使得位于密度过渡区域的点被准确分类;由于样点的邻域可能跨过多个面,常规PCA方法估算的点云法矢不准确,从而导致模型尖锐位置上的点误判,通过引入距离权重,保证了局部微切平面计算的准确性;针对邻域点数k取值较少,检测结果中存在较多噪声点,而k值较大又会覆盖模型中较小的孔洞,通过邻域支持的方法,有效地检测出模型中的小面积孔洞;为有利于自动化修补孔洞,文中采用划分空间栅格聚类的方法确定孔洞位置及数量,避免了点与点之间距离的反复计算,加快了聚类速度.实验结果表明,该方法能有效检测模型中面积大小不一的孔洞,得到的检测结果噪声点少,孔洞轮廓清晰.     

基于轮廓波维纳滤波的图像压缩传感重构

图像压缩传感重构利用自然图像可稀疏表示的先验知识,从比奈奎斯特采样率低得多的随机投影观测值中重构原始图像.为了克服传统的压缩传感重构中正交小波方向选择性差和未利用变换系数的邻域统计特性的缺点,利用了轮廓波维纳滤波去噪算子替代迭代阈值法中的阈值算子,进而提出了基于轮廓波维纳滤波的图像压缩传感的重构算法.实验结果表明,该算法提高了重构图像的峰值信噪比和视觉效果,保护了图像的细节,加快了重构算法的收敛速度.     

基于二维轮廓点云的螺纹中径计算

基于轮廓点的螺纹多参数综合测量方法由于螺纹工件的定位误差、非均匀磨损等情况会导致中径计算偏差,因此,提出了一套基于二维轮廓点云的螺纹中径计算方法。该方法利用三次样条插值均匀密化采样数据,再用稳健高斯回归滤波处理得到轮廓滤波中线;然后通过定义相邻两段牙侧线之间距离均方差最小的目标函数,利用复合形-模拟退火(CMSA)算法求解出实际螺纹轮廓的中径线;最后根据所求中径线计算出螺纹中径参数。实验结果表明:当X、Y、Z轴的轴向定位偏差为1mm,旋转偏差为2°时,所得到的中径测量误差比范一保和TONG Q等人的方法平均减小17.23%和96.93%,说明所提出的计算方法可以有效减少定位偏差对中径参数计算的影响。提出的计算方法具有通用性,可应用于接触式和非接触式采样得到的二维螺纹轮廓点云数据。     

基于散乱点云模型的自适应分层方法研究

针对在分层过程中,如何调节分层效率与成型精度之间矛盾的问题,通过对现有分层算法,分层过程中初始分层厚度确定、数据精简及轮廓线拟合等方法的研究,提出了一种基于点云距离变化的自适应分层算法。基于散乱点云模型,通过计算每层切片中各线段与最近点的距离,筛选出了距离的最大值;计算了相邻两层之间最大距离的变化率,然后与设定的阈值进行了比较,自动地调整了分层厚度;经过对斗齿点云模型的分层实验,验证了算法的有效性。实验结果表明:该算法能够在一定程度上平衡分层效率和成型精度之间的关系,并且适应于高精度、型面较复杂模型的分层。     

局部阈值自适应的地面点云分割

为了进一步提高自动驾驶感应模块中激光雷达点云地面分割算法的分割精度，提出一种基于种子点距离阈值和路面波动加权幅值自适应的地面点云分割算法。该算法在极坐标栅格地图划分的基础上，将种子点的选取判断阈值与二维平面的水平距离特征相关联，通过点云间的水平距离变化控制种子点集的更新；在道路模型拟合过程中，为解决斜坡路面模型更新停滞问题引入坡度连续性判断准则，根据路面波动加权幅值的变化建立点云的分割阈值方程，最终实现关于点云距离特征的自适应阈值分割。对开源数据集Semantic KITTI进行点云二分类数据处理，并在此基础上测试算法性能。实验结果表明：与现有算法相比，本文所述地面分割算法的精确率和召回率均提升了2%～4%，具有较高的准确性。     

海量散乱点云out-of-core快速均匀精简算法

海量散乱点云的精简对其显示及交互性操作具有重要的意义。为快速有效地精简海量散乱点云,改进CR树结点分裂算法,将上溢结点子结点包围盒集转化为包围盒的中心点集,利用CR树与数据库SQLite构建主存-辅存分级存储机制,从而实现海量散乱点云的out-of-core管理,计算CR树目标结点层中每个结点所包含点集的均值点,将距离均值点最近的点作为该点集的精简结果,根据目标结点层的不同实现海量散乱点云不同程度的精简。实验证明,基于分级存储机制的快速均匀精简算法能够快速有效地精简海量散乱点云。     

基于B样条曲面的点云孔洞拟合填充

为了后续曲面重构的需要,针对有孔洞的点云数据,提出了一种孔洞拟合填充的自适应方法。由于孔洞与其周围离散点有一定的连续性,该算法首先从孔洞周围已有的点云数据中选取离散点,用新的参数化方法对得到的离散点参数化后,用最小二乘法进行自适应曲面拟合,对得到的拟合曲面通过迭代法逐步逼近优化,考虑曲率变化的影响在曲面上取点,实现了孔洞光滑填充。实例表明,改进的参数化方法使算法的复杂度减低,进一步迭代优化提高了曲面拟合精度,在面上取点时考虑了曲率变化,因此该方法可以应用于具有复杂曲面形状的点云中的孔洞填充。     

利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取

机载激光雷达点云密度分布不均、建筑物形状不规则且复杂多样等多种因素,导致现有建筑物轮廓提取方法存在参数难以设置、适应性较差等问题,为此本文提出一种利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取方法。首先采用固定邻域点数分析各点的邻域方向分布,以获取不同邻域方向间的夹角,根据建筑物外轮廓点的特点,定义潜在轮廓点并将其视为初始轮廓点进行提取,从而得到初始轮廓点提取结果;考虑到无序轮廓点难以用于实际任务,因此利用建筑物点云构建不规则三角网并对其中的边进行删除、添加等操作,得到仅与初始轮廓点相连的边集,通过非固定边长的扫描方式跟踪轮廓点,并基于设计的规则剔除导致明显锯齿状的轮廓点,从而得到有序、平滑的建筑物外轮廓提取结果。利用具有不同密度分布、不同形状的模拟和真实建筑物点云进行试验,结果表明,方法对不同场景采用相同的参数,均能得到较好的外轮廓提取结果,F1分数优于90.88%。方法在保证提取轮廓F1分数较高的同时,可有效地克服参数难以设置的问题,具有较强的适应性,可为建筑物三维模型重建等应用提供稳定、可靠的建筑物外轮廓信息。     

损伤零件点云模型配准的ICP算法

针对损伤零件的传统点云模型配准过程中存在着运算效率低与损伤部位损伤量确定误差较大等问题,提出一种基于原始ICP算法的改进算法。考虑模型因为损伤而引起的特征与表面形貌的改变,利用法矢夹角进行点云数据的精简,保留模型主要特征,再利用对应点的曲率约束与距离约束设定阈值剔除损伤区域点云,保证对应点之间快速准确地配准。最后,运用Matlab实现改进算法,并利用损伤的轮机叶片点云数据的配准验证该算法的有效性。