散乱噪声点云的数据分割

提出基于边界曲线微分几何特征的新方法分割散乱噪声点云.改进TAUBIN方法以精确恢复散乱噪声数据的主曲率和主方向.通过分析散乱点在主方向的曲率变化,达到识别G1、G2连续边界点的目的.获得的边界点形成边界带,将点云分割为多块子区域.最后采用区域增长的方法提取各子区域.试验结果表明所提出的方法能够克服噪声影响,有效提取散乱噪声点云的G1、G2边界.对复杂曲面模型,该方法也能够直接获得较好的G2连续边界.     

逆向工程中一种基于点云的制造特征识别方法

针对点云识别制造特征可以为逆向工程系统和CAX系统集成提供一个直接通道。利用特征组成面集及其之间的约束关系进行制造特征识别。首先利用模糊c-均值聚类方法对点云进行分区,利用分区过程中得到的隶属度找出面片的邻接关系,对分片点云进行曲面类型判别,利用最小二乘法进行平面或二次曲面的几何参数提取,对选取的面片进行平行、垂直、相切、凸凹等约束关系判别,与预先定义的特征规则相匹配,从而实现制造特征识别。实例验证了本文算法的有效性。     

自由曲面测量的三维散乱点云无约束配准

结合局部曲面拟合和广义二分优化搜索,提出了用于大尺寸自由曲面形貌测量中多视三维散乱点云自动配准的算法.首先,对点云微小局部区域进行标准最小二乘曲面拟合,根据拟合残差提取给定点云的全部非平坦区;借助图论中“邻接”与“可达”的概念以及非平坦区的空间分布统计特征,进行相邻点云非平坦区的区域聚类计算以及区域匹配,进而自动获得配准位姿初值.然后,计算源点云在目标点云中最靠近点的k邻近,并向k邻近点的局部移动最小二乘拟合曲面做正交投影,以提取对应点.最后,采用广义二分优化搜索进行位姿变换的优化求解.试验结果表明:该方法稳定、可靠,无需人工交互,适用于采样错移情形.在重叠区域内选取150个对应点进行位姿优化时,平均配准缝隙约为0.02mm,可以满足大尺寸自由曲面形貌测量的多视三维散乱点云配准的要求.     

二进制点云局部特征描述子研究

基于点云局部特征描述的三维目标识别是机器人视觉领域一个具有重要研究价值且富有挑战性的研究方向.尽管目前已有大量三维特征描述子的相关研究工作,但它们大多数采用浮点数,对计算和存储的开销很大,并且鉴别力较弱,鲁棒性不强.鉴于此,从点对特征出发,提出一种鉴别力高,鲁棒性强,结构紧凑,计算迅速的高性能点云局部描述算法——二进制...     

基于点云深度学习的加工特征识别方法

在计算机辅助设计与制造系统中,加工特征识别是一项关键技术。针对传统的特征识别技术可扩展性差、鲁棒性差等问题,提出一种基于点云深度学习的加工特征识别方法。通过对加工特征表面进行均匀点采样,构建加工特征的点云数据集。使用K近邻算法构建点云的旋转不变表示,提出一种融入几何先验知识的点云分类网络。对于多特征模型的点云数据,提出一种加工特征点集的提取方法和相交特征的分离方法。通过具体实例验证了所提方法的有效性,表明该方法能识别CAD模型中的单一特征和相交特征。     

散乱点云的拓扑结构重建算法的研究

基于由测量点云直接生成数控加工路径的这种思想,在散乱点云拓扑结构重构过程中,将散乱点云进行等间隔区域分割,将点云进行压缩并投影至切平面,得到切平面的散乱点集,同时建立新的链表结构分区存储点云数据.由平面上点的二维坐标定位,运用基于正交投影理论双映射算法对切平面上的散乱点进行排序,分析平面点自然次序邻接排序的局限性,通过计算当前点与其邻近点的矢量分布趋势,进一步改进双映射排序算法,完成各切片上数据的拓扑重构.     

逆向工程中散乱点云的K邻域搜索算法研究

针对逆向工程中散乱点云的K邻域搜索,提出了一种快速、精确的散乱点云K邻域搜索算法。该算法根据点云包围盒的大小,点的总数以及邻域点的个数,采用二次空间划分的策略,以确定合适的立方体小栅格的梭长,从而保证立方体小栅格里点的个数相对均匀。然后,建立以采样点为中心的球体、该点到所对应的立方体小栅格环六壁的距离为半径的取值范围,依次增加该球体的半径,以球体内有K个点为中止条件,可以快速完成采样点的K邻域搜索。与已有算法相比,该算法具有较高的搜索效率。     

基于自适应最优邻域的散乱点云降噪技术研究

在分析已有滤波技术的基础上,计算点的法向矢量和法向局部方差。采用与法向局部方差有关的自适应角度阈值的截断函数限制邻域点的选择,获得与表面特征有关的自适应最优邻域;采用改进的三边滤波方法实现法向矢量滤波和位置滤波。实验验证了该方法的可行性,与其他滤波方法相比,该算法能更有效地保持细节特征,同时获得光顺的离散表面。     

特征保持的散乱点集光顺算法

提出了一种特征保持的散乱点集光顺算法.首先,搜索点的k最近邻域,计算出点的Delaunay邻域.然后通过考查点及其二阶邻域之间的几何关系,设计出一种带有抑制函数的双边滤波器,用于噪声点集模型的光顺.实验结果显示,本文的光顺算法不但能够有效地去除噪声,抑制体积收缩,并对特征的保持效果也较为理想.     

RBF神经网络在斗齿散乱点云漏洞修补中的应用

为了获得精确而完整的斗齿三维点云模型,研究了基于三维扫描仪测量的斗齿自然点云漏洞的修补方法。应用RBF神经网络重点对于逆向软件难以修补的大面积自然漏洞和跨面漏洞进行了修补研究,取得了成功;并将其修补结果与采用逆向软件的修补结果进行了对比。结果表明:应用RBF算法对斗齿散乱点云漏洞的修补效果要远好于应用逆向软件修补的结果,证明了RBF神经网络算法在斗齿散乱点云自然漏洞修补中的实用性;解决了工程实际中几种具有复杂内腔及外形斗齿的逆向点云数据修补的实际问题,为后续采用"点云-曲面-实体模型"逆向策略来获取这些斗齿的设计数据提供了可靠依据。就漏洞修补处理过程中的关键环节和要点进行了扼要说明。     

基于多描述子投票的飞机蒙皮局部扫描点云定位

为了提高数字化飞机蒙皮检测技术的效率,针对其中局部蒙皮和数字模型的对齐问题,提出了基于多描述子投票的飞机蒙皮局部扫描点云定位算法,采用基于测地距离的蒙皮面片选取方法,综合利用多种三维点云描述子的识别能力差异来确定数字模型上的定位区域,同时提出了投票点加权定位法来提高定位位置精度。根据对比实验结果和工程实例上的实际应用,得出结论如下：所提算法相比于基于单一描述子的定位方法定位准确率平均提高约37.5%;所提算法在实际工程中具有可行性。     

一种新的截面轮廓特征点识别与分段曲线类型判别算法

截面特征处理技术是基于特征的反求工程CAD建模中的一个重要组成部分,而特征点识别、分段曲线类型判别是其首要环节。本文提出一种新的算法:首先对截面数据点排序;然后基于协方差矩阵的特征值分析自适应地确定支撑区域;在此基础上计算离散点的曲率进而完成特征点识别并实现数据分段;最后确定每个分段数据所对应的曲线类型。实验表明:算法精度较高,为基于特征的截面曲线重建提供了依据。     

基于特征实体模型上的截面轮廓自动特征识别方法

复杂零件特征实体上的相交特征自动识别问题，仍是CAD／CAPP领域未解决的难点。本文提出了基于特征实体模型上的截面轮廓造型自动特征识别方法，并制定了一系列各类特征的合理识别规则和识别算法。这种方法探索了一条实现自动特征识别的新途径，实现了对复杂箱体类零件的加工加工特征自动识别与信息自动提取，从而实现了CAD／CAPP系统的信息自动传递。     

基于图的夹具特征识别方法研究

夹具特征识别是实现夹具自动化设计的基础。本文在属性邻接图的基础上,给出了一种通过几何推理实现夹具特征识别的方法。在该方法中定义了制造特征方向,并通过最大凹边凝聚的方法,实现了极限表面的识别,在此基础上通过一系列几何推理算法来识别夹具特征。该方法可以有效地解决CAD与夹具设计CAD之间的集成问题,为自动化夹具设计探索了一种新的途径。     

基于属性邻接图的制造特征识别方法

制造特征的识别是实现CAD／CAPP／CAM集成的关键技术,既要将特征交互的区域合理分解,又要避免在识别过程中把单个特征不恰当地分解为两个或多个特征,本文使用辅助面、延伸面相结合的方法,对零件的属性邻接图表示进行扩展,同时引入了联合加工特征的概念及识别方法,使扩展后得到的图被分解后能够真实地表示零件的制造特征,从而使加工的推理胡切、更快捷。     

基于属性邻接图的轴类零件制造特征识别方法

CAD系统与CAPP系统的集成是企业内部各种应用系统集成的基础,制造特征的识别是实现CAD/CAPP集成的关键技术。本文应用基于属性邻接图的方法在AC IS平台上对轴类零件的制造特征进行识别,有效地识别出该类零件的主特征和常见的辅助特征,并利用AC IS提供的类库提取模型底层的几何参数,从而得到定义各项特征所需的几何尺寸信息。最后以XML中性文件的形式输出识别结果,为后续进行的工艺自动生成提供初始数据。     

车加工特征的自动识别与选择方法

提出一种车加工特征的自动识别和优化选择方法。首先，对于需要铣／车的零件，使用基于实体布尔运算的渐进式方法生成最大车加工体；然后，在毛坯和最大车加工体几何模型的基础上。生成需要切除材料的几何模型，并将该模型剖分为单元网格，形成属性化图的表示，根据属性化子图匹配算法统一地识别常规特征和用户自定义特征，形成零件车加工的原始特征集合；根据特征个数和方向数最小原则对原始特征集合进行优选和去冗余；最后，在相交特征之间选择特征前后顺序约束，使得按此顺序修剪后的特征重叠部分达到最少，以实现加工时间优化的目的。最后输出的是修剪后的非冗余特征集合及在其上的前后约束有向图。     

基于法向量区域聚类分割的点云特征线提取

针对逆向工程领域中散乱点云模型过渡线及细节特征线提取不完整问题,提出一种法向量区域聚类的特征线提取方法。采用自适应邻域的主成分分析法估算模型的法向量,利用萤火虫算法优化的模糊C均值聚类算法对法向量的进行聚类实现模型的有效分割。构造点集剔除与合并准则从各分割块边界点集中析取候选特征点,再以局部邻域主轴方向为基准提取特征点。实验结果表明：简单模型的特征线基本可准确完整提取,相对复杂模型的特征线数量提取率可达90%,长度提取率达到了85%。算法具有良好的自适应性和准确性,能有效提取点云模型尖锐特征和细节特征,并尽可能多地保留模型过渡特征。     

3DP分层切片中基于点云射线投影的NURBS曲面切片算法

给出用于三维打印机的分层切片算法。利用打印模型点云图像不同方向的分形维数参数和切片层数来确定切片方向;通过建立点云在切平面映射的NURBS曲线来拟合模型轮廓线,然后产生打印机使用的指令G代码。设计λ进制数来确定切片方向。λ进制数由两个要素组成,其一是分形维数D,其二是切片层数N,D和N都是越小越好。确定了打印方向后,可进行切片处理,得到切平面。点云图像的散乱点映射到切平面,这些点用带一定偏移量的射线来划分,射线与点云交点就是形成NURBS曲线的控制点。详细给出控制点寻找以及建立NURBS曲线及曲面的过程。首先引入分形维数参数D作为重要参数来确定切片方向,使用λ进制体系优化打印方向,提出高效的射线分割算法来分割点云,并使用NURBS曲线拟合来获得精确的边界轮廓。通过两个模型验证该算法误差都在公差允许范围内,优化了打印方向,提高了打印速度。