散乱点云局部形貌标架量化及特征识别方法

针对散乱点云特征识别结果存在噪声及特征遗漏的问题，提出一种基于曲面局部形貌标架的点云特征识别方法。基于点云局部中轴对样点的隔离作用，剔除样点欧氏邻域内的非测地邻域点，为曲面构造优化的局部样本模型。析取局部离散样本中的准共法截线点对集合，构造散乱点云的局部形貌标架。基于标架夹角的差异性，对曲面样本形貌进行量化分析，区分平滑、边界、棱边及尖角等特征区域，实现对中心样点属性的稳健判别。实验结果表明，该方法适用于不同采样密度的点云，可显著降低点云特征识别结果中的噪声点规模，且能有效减少特征遗漏现象。     

基于球面特征的点云配准方法研究

针对多视点云的配准问题,提出了基于球面特征的自动配准方法。在测量的零件周围固定标准球,把零件和标准球作为一个整体进行点云测量。用球面拟合的方法求解标准球的球心坐标,并在待配准点云的球心坐标中搜索对应点,从而计算粗配准中的旋转矩阵和平移矩阵,实现点云的粗配准,采用融入球心坐标信息的改进的ICP算法(迭代最近点法)实现点云的精配准。这种方法大大缩少了粗配准中对应点的搜索范围,并实现了自动配准,提高了配准效率,改进的ICP算法增强了配准算法的鲁棒性,实例证明该方法有效。     

基于改进ICP算法的损伤零部件精确配准方法

针对损伤零部件点云模型与原始模型利用传统迭代最近点算法配准出现较大误差的问题,提出一种基于该算法的改进算法,以实现两模型间对应点的准确获取,从而实现损伤零部件点云与原始模型的准确配准。考虑到损伤零部件表面尺寸和形貌发生变化,该算法将对应点曲率约束与对应点间的距离约束结合,并设定曲率和距离阈值实现损伤点云的自动剔除,保证了配准点云对应点的准确性及配准的快速性。最后,运用MATLAB实现了算法编写,并通过损伤模具的配准验证了该算法的有效性。     

局部中轴约束的散乱点云特征提取方法

逆向工程领域内,为提升散乱点云特征提取结果的准确性,提出一种基于局部中轴判断采样曲面形态的方法。通过三维Voronoi剖分处理初始点云数据,基于任一给定样点邻近区域内的Voronoi极点模拟局部中轴面,随后求解极点坐标的协方差矩阵,通过主元分析、特征值平面拟合等方法求解局部中轴的形位分布特性,进而判断采样曲面在给定样点处的形貌特点,实现对棱边、尖角区域样点的识别与提取。试验结果表明,该方法适用于不同采样密度的点云,可显著提升棱边、尖角区域特征提取结果的准确性。     

基于测量步距的散乱点云k近邻搜索算法

提出了一种基于测量步距d的k近邻快速搜索算法。该算法根据三维测量原理,综合考虑了测量数据的密度ρ和测量误差δ,给出了散乱点云数据的临界搜索半径r,极大地缩小了k近邻的搜索区域。考虑到邻近点数k的取值,弹性地改变搜索半径r以满足不同k值的需要,实现散乱点云数据k近邻的快速最优搜索。     

基于分支限界的三维曲面全局配准方法

在三维测量中常需要将测量点云数据与已知曲面模型进行配准。采用隐式函数建立点云数据到曲面模型的距离场,进而进行非线性优化求解可以有效提升配准效率。然而由于点到曲面的近似距离及刚性变换的约束,其误差函数呈现非凸性而导致迭代极易陷入局部最优。为实现全局配准,提出了一种利用分支限界算法搜索点到曲面近似距离平方和误差函数最小化变换参数的方法。通过确定刚体变换参数空间中误差函数的上下界限加快搜索,并结合一种等效距离公式的LevenbergMarquardt算法优化的局部配准方法加速收敛并保证配准精度。三维模型的配准实验与分析验证了本文全局配准方法的有效性。     

一种快速搜索散乱点云数据k邻近的算法

针对逆向工程中散乱点云数据的k近邻搜索,提出一种快速搜索散乱点云k邻近点的算法。该算法根据点云数据的范围、点的总数及最近点数目k,确定合适的立方体边长,采用空间划分策略,把数据划分成多个子立方体;然后用哈希表记录每个予立方体所包含的数据点及每个点所在的立方体索引号,并排除不包含数据的子立方体,以此确定邻近点的最佳搜索范围。实验结果表明：该算法有效的提高k近邻搜索的速度,同时保证了搜索结果的正确性。     

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。     

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。     

基于局部泊松曲面重建的点云刚性配准方法

为兼顾点云配准精度与收敛速度,提高配准过程收敛的稳定性,提出一种基于局部泊松曲面重建的点云刚性配准方法。该方法基于曲面局部样本重建泊松曲面并将其作为配准参考曲面,以采样点至参考曲面的最近点作为匹配点,将匹配范围由曲面局部样本扩大为该样本所拟合的曲面域,提高点对匹配精度。同时,基于所重建的泊松曲面计算配准误差,消除采样误差对配准过程收敛判定的延迟影响,加快配准过程的收敛速度。在配准过程中,通过调整因子调节匹配点在曲面域的匹配范围,增大点对在配准误差偏大情况下匹配的概率,提高配准过程收敛的稳定性。试验表明,该方法在保证配准精度的同时可显著减少收敛时的迭代次数,配准过程收敛于全局最优的稳定性更高。