基于三坐标测量数据的点云曲面重构

基于CMM测量数据,针对鼠标数据的特点,进行了边界拟合、特征识别、分片重建、光滑拼接等技术的研究.利用三次B样条拟合边界曲线,利用微分几何方法进行曲面特征的识别与分割,利用拉伸及放样法进行曲面片重构,最后进行曲面片相交、剪裁、过渡完成最终的鼠标模型.     

逆向工程中的三维测量数据点云的分割

以线激光一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．根据线激光测量方式和三维点群分布的特点，建立了恰当的数据结构在计算机中表示散乱点群．并通过树形的空间结构完成对密集散乱点群空间分割，由此实现对散乱点群数据的几何分割。     

一种点云数据噪声点的随机滤波处理方法

目前逆向工程中广泛采用激光扫描法来获取数据，测量过程中不可避免地混有不合理的噪声点，导致重构的曲线、曲面不光滑，因此，需要去除数据中的噪声点。对激光线扫描法获取数据的噪声点处理方法进行了研究。噪声点处理方法与点云数据的排列形式有关，通过对点云数据噪声数学模型的分析，认为激光线扫描法获取数据时，噪声点的产生主要是由随机误差引起的，其特点是幅值大，在光刀扫描线上引起较大的尖峰，据此提出一种简单、快速、实用的降噪方法——随机滤波法。该方法通过比较连续点之间的相对位置，给定一个阈值，将其中位置起伏较大的点判定为噪声点并予以去除。通过实例验证该方法能满足曲线、曲面重构的要求。     

栅格型点云数据的自由曲面建模技术研究

通过研究激光线扫描测量原理以及测量数据类型，提出一种有效的数据点平滑处理技术和复杂曲面建模方法．该方法包括三个步骤：首先对测量点数据平滑处理；然后进行特征线提取，并以特征线为基础对曲面进行分割；最后，在每块测量点数据上进行以NURBS为基础的曲面构造，并将各曲面进行拼接、裁剪，形成完整的曲面。     

点云数据集的隐式曲面重构研究进展

点云数据的曲面重建就是对扫描设备获得的物体散乱数据点重建三维物体表面,它被广泛应用于计算机动画、目标识别、数据可视化以及地理信息系统。点云的隐式曲面重建由于能够去除点云噪声,修补孔洞和裂缝,不需要拼接和平滑等后续处理,成为点云数据集曲面重构的重要方法。文中综述了目前一些主要的隐式曲面重构方法,就隐式模型以及相应的曲面重构算法的优缺点进行了分析比较,并对隐式曲面重构存在的问题和未来发展方向作了相应的分析和讨论。     

应用遗传模糊聚类实现点云数据区域分割

为了准确地实现点云数据的区域分割,将基于遗传算法的模糊聚类算法应用于逆向工程中的点云数据区域分割中。首先估算出法矢量、高斯曲率和平均曲率,并与坐标一起组成八维特征向量,用加权距离代替欧氏距离,然后通过遗传算法获得全局最优解的近似解;最后将近似解作为模糊聚类的初始解进行迭代,实现点云数据的区域分割,从而避免传统FCM算法的局部性和对初始解的敏感性,减少了迭代次数。以汽车钣金件为例,证明了应用遗传模糊聚类实现点云数据区域分割的有效性,并验证了该方法能快速、准确地实现点云数据的区域分割。     

基于坐标变换的圆柱体点云数据拟合方法

为了解决工程测量中圆柱体点云数据的拟合问题,论文通过迭代逼近法求解圆柱体中轴线方向向量,再将点云数据按照中轴线方向进行坐标变换到与竖直方向平行,最后通过拟合平面圆形得到圆柱体的模型参数,将三维的非线性拟合问题转换为二维的线性拟合问题,降低了处理的复杂度,也避免了非线性最小二乘拟合过程中初值选取的问题,同时也能处理任意方...     

逼近散乱点云数据的三角形网格精确剖分

基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云 压缩后的Delaunay 三角逼近剖分,但该模型存在逼近误差和边缘误差。为减小三角形网格 的逼近误差和边缘误差,构建了精确逼近的三角形网格模型。首先采用整个测量点云,对三 角形网格模型中的所有神经元进行整体训练;然后对三角形网格中的网格神经元的位置权 重,沿网格顶点法矢方向进行修正;最后采用测量点云中的边界点集,对三角形网格模型中 的网格边界神经元进行训练。算例表明,应用该模型,可以有效减小三角形网格的边缘误差, 三角形网格逼近散乱点云的逼近精度得到大幅提高并覆盖散乱点云整体分布范围。     

基于SVM和空间投影的点云空洞修补方法

为实现在逆向工程中的点云空洞修复,在理论研究的基础上,通过空间投影获得二维数据,采用支持向量机做回归分析,获得残缺点的坐标参数,从而完成空洞修补,运用数字实验对该方法的可行性进行验证,仿真实验结果表明,该方法可以获得良好的修补效果,能够为曲面建模和数控系统G代码的生成提供完整的点云数据,具有一定应用价值。     

基于径向基函数的残缺点云数据修复

提出一种具有较强鲁棒性的残缺点云数据修复算法,借助kD tree寻找点云的缺陷边界,确定点云的缺陷区域;然后利用二次曲面的特性参数化边界点列;最后,通过径向基函数表示的插值曲面计算位于残缺区域内部的数据点,实现残缺点云数据的修复．     

反求工程中的点云切片算法研究

提出了一种快速有效的点云切片算法．该算法基于空间栅格划分建立离散点之间的拓扑关联信息,通过高效的平面点云求交算法构造平面散乱点列;并基于多项式时间复杂度的混合式曲线重建算法实现了任意非均匀分布平面点列的多义线重组．应用实例表明：文中算法快速准确,稳定可靠．     

A Modified SOFM Method for Point Cloud Segmentation in Reverse Engineering

The purpose of reverse engineering is to convert a large point cloud into a CAD model. In reverse engineering, the key issue is segmentation, i.e. studying how to subdivide the point cloud into smaller regions, where each of them can be approximated by a single surface. Segmentation is relatively simple, if regions are bounded by sharp edges and small blends; problems arise when smoothly connected regions need to be separated. In this paper, a modified self-organizing feature map neural network (SOFM) is used to solve segmentation problem. Eight dimensional feature vectors (3-dimensional coordinates, 3-dimensional normal vectors, Gaussian curvature and mean curvature) are taken as input for SOFM. The weighted Euclidean distance measure is used to improve segmentation result. The method not only can deal with regions bounded by sharp edges, but also is very efficient to separating smoothly connected regions. The segmentation method using SOFM is robust to noise, and it operates directly on the point cloud. An examples is given to show the effect of SOFM algorithm.     

在逆向工程中用神经网络实现点云数据分区

点云的数据分区问题是逆向工程中的一个瓶颈问题。论文在传统的自组织特征映射(SOFM)神经网络的基础上,用多层自组织特征映射(MLSOFM)神经网络实现逆向工程中点云的数据分区,克服了SOFM用于数据分区的局限性,不需预先指定分区的数目,实例运行结果验证了此方法的可行性。     

基于改进ICP算法的点云自动配准技术

在零件的型面检测过程中,通常有数据采集、曲面重构、曲面配准和误差求取几个步骤。其中,曲面之间的配准是检测中关键的一环。针对传统的经典ICP(Iterative Closest Point)算法在配准过程中受噪声干扰大、鲁棒性差的缺点,在应用点云主方向贴合的粗略配准基础上,以经典的ICP算法为基础,提出了点云数据的欧氏距离阈值去噪和点云的方向矢量夹角阈值两种方法改进ICP算法,并应用改进算法作为点云之间的精确配准算法。对于经过初始配准的点云数据使用欧氏距离阈值法剔除点云间点对的噪声,并经点云各点间的方向矢量夹角阈值进行对应点采样,提高了传统ICP算法的效率和精度。经飞机和汽车零件点云配准实验验证,本算法的配准误差在±1μm内。算法具有设计简洁,响应快速的特点,有实际工作意义。     

ICP算法在点云配准中的应用

逆向工程中经常需要把多次测量得到的点云进行配准。提出了一种基于特征点的改进ICP算法,在采用主方向贴合法实现初始配准的基础上,使用曲率特征点和k-dtree寻找最近点,提高了ICP算法的效率。该算法具有速度快精确度高的特点,并且在实际应用中验证了配准效果和算法稳定性。     

层次聚类法在逆向工程中的应用研究

针对层次聚类法和逆向工程的点云采样问题,在深入分析层次聚类法特 征的基础上对其进行了分类定义,包括曲面变分、BSP 构建等关键技术,构建了算法实现的 流程图。应用该算法结合Geomagic Qualify 软件对某汽轮机厂的水轮机叶片进行了采样和逆 向建模研究,证明了层次聚类法在逆向工程方面应用的可行性。     

点云数据中拉伸面特征的提取

根据拉伸曲面的定义,提出了一种基于点云数据的拉伸面的拉伸方向提取算法,首先,估算点云的主曲率和主方向,在过滤平面数据后计算最小主方向的平均方向,在噪声去除的基础上得到初始拉伸方向;然后,以点云在拉伸方向上的最小投影面积作为目标函数,对初始拉伸方向进行优化得到精确的拉伸方向,最后用几个实例证明了文中方法的正确性、可行性和适用性。