保持尖锐特征的多边形网格模型孔洞修补方法研究

针对由点云数据重建得到的多边形网格模型存在孔洞的问题,提出了一种保持尖锐特征的多边形网格模型孔洞修补算法.首先,利用基于径向基函数的插补方法获得能够近似地逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配算法对该隐式曲面进行三角化,完成孔洞填充曲面片与原始模型的孔洞边界的缝合.最后,针对孔洞边界存在尖锐特征进行特征增强处理.实验结果证明,该算法对多边形网格模型的孔洞修补取得良好效果,并能够有效地恢复孔洞区域包含的尖锐特征.     

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。     

形状约束的样本填充式三维模型修复

为解决不完整三维模型修复过程中孔洞形状不规则、现有方法曲面配准精度不高的问题,提出一种能够有效保持孔洞边界过渡自然并恢复模型表面细节特征的模型修复方法。首先,追踪所有1-邻域边和1-邻域三角形数量不相等的点来探测模型的孔洞边界。设计一种基于二维网格数量的算法确定不完整模型的匹配候选集,同时根据双稀疏表示的三角网格顶点位置误差、边平滑误差和正交约束来预测最优匹配模型;然后,结合边界顶点的曲率、边界轮廓线折角的余弦值及相邻边界点的线段长度构造能有效表达不完整模型与碎块模型之间对齐关系的特征点描述子;最后,使用二阶伞算子来平滑模型的修补边界。实验结果表明,模型修复时间节省19%~26%,模型修复误差平均下降35%。该方法打破了当前模型修复方法中修复裂缝大且难以实现模型表面细节的局限性,可快速有效地实现破损模型的修复。     

三角网格曲面孔洞修补算法

针对反求工程中由于点云数据的不完整而产生的三角网格孔洞,提出了一种三角网格模型孔洞的空间修补算法。在提取孔洞边界特征后进行边界预处理,建立孔洞边界特征平面,并将孔洞边界向该平面投影;逐次寻找投影多边形中夹角最小的对应空间边界点作为网格生长点进行修补,直至新增的三角网格覆盖原有的孔洞;以孔洞边界周围的网格顶点作为采样点,对新增的孔洞网格顶点位置进行最小二乘拟合调整,以实现孔洞的准确修补。通过实例验证,说明该方法具有较好的孔洞修补精度和稳定性。     

基于最小二乘支持向量机的三角网格修补算法

为实现点云数据孔洞区域的修补,提出了一种基于最小二乘支持向量机的三角网格曲面孔洞修补算法。首先检测出孔洞,采集孔洞边界周围的三角片顶点作为学习样本训练最小二乘支持向量机模型;然后对孔洞多边形进行平面填充,获得新增三角片的顶点,并用已训练好的最小二乘支持向量机模型将其优化,最终实现孔洞的修补。实验结果表明,该方法的精度和处理速度优于人工神经网络,具有一定的实用性,为孔洞修补研究提供了一种新思路。     

基于支持向量机的曲面数据修补

针对有孔洞的点云数据,提出了一种基于支持向量机的修补方法.该方法首先找出孔洞的边界点,然后根据边界点获得模型的样本点集;其次,为了获得均匀的修补点,建立局部坐标系,进行坐标变换,通过坐标变换后的边界点采样得到模型的输入,实现残缺点云数据的修补,为后续的曲面构造提供完整的数据型面.     

逆向工程中点云孔洞修补技术研究

对于散乱点云模型上的大面积、跨面孔洞,逆向软件往往难以修补。为了提高孔洞修补精度、获得完整的点云模型,提出了对手受惩罚竞争学习算法(Rival penalized competitive learning,RPCL)和模糊C均值聚类算法(Fuzzy C-means,FCM)相结合的综合改进径向基函数神经网络(RBF)算法,建立了基于改进算法的点云孔洞修补模型,并以挖掘机斗齿和汽车模型为研究对象,利用RPCL-FCM-RBF联合算法对不同特征的点云孔洞进行了修补研究。结果表明,该算法在很大程度上提高了点云孔洞的修补精度,其补洞效果远优于逆向软件。而且,较之传统的RBF神经网络,该方法所建模型具有更高的预测精度、能够有效地调整洞口缺失数据、实现点云孔洞的精确修复,实用性强。     

三维点云模型孔洞边界识别的研究综述

逆向工程中点云数据获取技术的发展使点云模型广泛应用于不同领域,然而,由于多种因素存在,使得到的三维点云数据缺失造成孔洞,影响后续曲面重构及三维模型重建工作。对点云模型的孔洞形成原因及孔洞类型进行了分析和总结,并回顾了已有的孔洞边界识别方法,就当前两大方面的边界识别方法做出了详细地介绍,归纳和阐述了一些方法的原理,对比它们的优缺点及其适用范围,最后分析了孔洞识别主要存在的难题以及应对方法,为后续研究提供有益的参考。     

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...     

极限学习机在散乱点云孔洞修补中的应用

针对逆向工程散乱点云模型上大面积孔洞软件修补效果差和运用传统的BP神经网络算法及改进的BP前馈神经网络效率低,提出了一种基于极限学习机(Extreme Learning Machine,ELM)前馈神经网络的孔洞修补算法。以玩具小车车身点云模型为例,将其人为漏洞分为训练数据和预测数据,采用ELM对训练数据进行训练,建立回归模型,并与BP模型和PSO-BP模型进行对比,验证了ELM神经网络的快速性和预测精度高。并以斗齿点云自然孔洞为实验对象,实现了很好的修补效果,具有较好的实用性和参考价值。     

基于2D激光扫描的基准检测技术研究

在机器人自动制孔系统中,基准孔检测的准确性会直接影响整个机器人制孔过程的位置精度。为获取基准孔孔位准确信息,采用激光扫描的方式对基准孔进行检测。设计了2D线激光扫描在基准平面内点云的三维转化方法,通过分析基准孔在扫描仪坐标系下点云的分布特点,提出了一种基于坐标差值的基准孔边界提取算法。通过设定相邻点云在线激光扫描仪坐标系下z轴的坐标差值获取边界点,实验验证该算法能有效地去除点云中的噪声点,获取准确的基准孔边缘特征信息,进而得到准确的基准孔孔位信息。     

基于线激光扫描的基准孔检测与定位方法

为了满足尖端制造领域中大部件的数字化钻孔与装配需求,利用线激光扫描仪和工业机械臂提出了基准孔自动检测与 定位系统及方法。 首先,对基准孔三维点云进行孔底点云插值补偿,采用双向梯度约束算法实现了基准孔的粗略边缘特征点提 取;然后,针对提取的边缘特征点,采用基于角度判断的细化算法和基于平面拟合的压缩算法,实现了边缘特征点的精细化提 取;最后,对边缘特征点进行空间圆参数化,得到了孔径和孔距,实现了基准孔的检测与定位。 实验结果表明:该方法对基准孔 的检测精度和定位精度(相对误差)分别为 1. 77% 和 0. 24% ,优于传统方法的 2. 77% 和 0. 46% ,能够满足生产制造中大部件的 数字化钻孔与装配要求。     

结构光检测点云精简与重构参数自动调节方法

针对薄壁叶片的点云扫描采样会产生特征消失、三角重构会产生孔洞现象的问题,提出一种改进的点云精简以及重构的方法。首先,根据法向量夹角阈值和欧氏距离提取叶片外轮廓;其次,计算点云的平均曲率和高斯曲率,设定阈值对点云划分子集,采用索引空间法对点云数据进行精简;然后,采用贪婪算法针对距离阈值系数和三角形参数对叶片点云进行实验分析,得出没有孔洞的贪婪三角参数经验值;最后对距离阈值系数和点云平均间距拟合出关系式,实现贪婪重构的参数自动调节。实验结果表明,在总体精简率为90%左右时,相较于另外两种方法,标准偏差分别下降了26.45%和19.92%,外轮廓尺寸平均偏差分别下降了79.81%和47.97%。按照提出的方法设置重构参数,重构质量良好,对薄壁叶片实现在机智能加工检测具有良好的应用参考。     

基于有向线段重构轮廓与成对几何直方图的缓解阀盖图像匹配算法

针对货运列车缓解阀盖缺失故障的检测,提出一种基于轮廓有向线段重构与成对几何直方图的匹配方法。该方法首先根据最大弦长和极半径确定采样初始位置,并根据局部弯曲度评价机制对轮廓进行动态分级采样;然后以采样点为端点按逆时针顺序构建有向线段,依次计算每对线段间的有向相对角和归一化当量距离,并最终将其作为该对线段的双重特征描述子计入二维直方图;最后使用巴氏距离对二维直方图间的相似性进行度量。实验分析表明,该算法对旋转、缩放和平移等几何变换有较好的鲁棒性,同时也兼顾了检测效率,满足了列车故障检测的实时性要求。     

基于自由曲面点云的RPM自适应分层研究

针对由激光三维扫描设备获取的点云数据及其后续RPM操作,提出基于栅带的自由曲面点云自适应分层方法.以栅带为基元,将点云投影栅带化,从中获取特征点集,结合相邻栅带距离最小值点找寻构建层间轮廓.定义投影点云栅带面积比为表面误差,建立其与堆层厚度的关系,通过表面误差逼近定值最终确定堆层厚度.经实例验证,此方法得到的分层模型充分满足RPM的要求.     

一种基于八邻域深度差的点云边缘提取算法

提出了一种基于八邻域深度差(8N-DD)的点云边缘提取算法。算法根据目标特征的点云,对每个特征点沿深度方向进行垂直投影并对投影点进行栅格划分,计算出每个栅格内投影点所对应深度的平均值作为该栅格的深度值;然后比较每个栅格与其八邻域栅格的深度差,根据深度差判断该栅格内是否存在边缘点,并采用排序法从栅格内筛选出目标的点云边缘点。针对含有非孔洞和孔洞的两种典型点云数据,利用八邻域深度差算法进行点云边缘提取,验证了算法的有效性。     

离散点云等残留高度数控加工刀轨生成方法

为了最大化刀轨行间距,从而减少刀轨总长度,针对离散点云提出了一种等残留高度刀轨生成方法。提出以点云局部轮廓点集直接生成残留高度点的迭代计算方法,再根据残留高度点和点云局部点集迭代计算出下一行等残留高度刀位点,从而获得等残留高度刀轨。算法无需点云等距或曲面重构,为了提高算法效率,提出了算法所需数据初值的优化计算方法。最后对典型的点云模型生成刀轨,与等行距刀轨相比,提出的算法生成的等残留高度刀轨总长度大幅减少,验证了算法的可行性和有效性。     

基于HALCON的锥形表面小孔测量

为解决等离子切割保护帽表面小孔尺寸的测量问题,提出一种区域分割与RANSAC算法联合拟合圆的方法。首先提取出小孔区域,再用二阶高斯函数导数计算出小孔的边缘点位置。选用矩形分割法对边缘点进行阵列分割,以矩形区域中两个边缘点连线求半径,生成一个假定的圆模型方程,再将其他边缘点代入圆模型中,判断该点是否为圆模型的解,运用RANSAC算法迭代计算出最优圆模型,最后使用HALCON软件完成拟合测量。实验结果表明,该测量方法能更准确地识别边缘轮廓,与最小二乘法对比,拟合圆弧更加接近实际轮廓。在测量中使用标定板和游标卡尺进行标定,适合于实际检测。     

基于角点稳健提取的长方体参数化拟合方法

长方体基元拟合是三维点云几何拟合的典型问题,在三维重建、逆向工程、工业三维量测等实际场景中有着广泛应用。在实际应用中由于遮挡及设备盲区等原因,通常无法获取完整长方体点云数据,导致建模或量测时难以准确拟合长方体结构。针对该问题,本文提出一种结合平面拟合投影分割以及残缺平面垂角检测的长方体参数化拟合方法实现了长方体参数化拟合。首先,该方法通过平面拟合投影分割算法获取强轮廓信息的平面点云;然后,设计了残缺平面垂角检测算法,以拟合长方体真实角点;最后,利用非共面四点法对长方体残缺角点进行计算补全,获得完整的长方体参数信息。实验表明,本文方法在各类情况下均能准确检测并补全长方体角点信息以及平面参数信息,角点查准率召回率均为100%,平均误差仅为1.204×10^-3 m,能够实现精确的长方体参数化拟合。