反求工程中基于照片重构点云数据的研究

通过在不同的方位所拍摄的两幅照片,根据双目视觉匹配原理,以循环淘汰式鲁棒性匹配结果做为种子点,用唯一性和连续性约束实现区域扩散的对应点匹配,并利用相机非线性优化方法的标定结果和SFM重建算法来恢复物体三维结构信息。本方法仅仅利用数码相机作为图像传感器来测量物体的三维模型,避免了其他的测量方法操作复杂,测量物体尺度限制性等,通过照片就能够直接生成面向反求工程的点云数据。试验结果表明本文的方法能够达到理想的精度,是有效可行的。     

基于点云数据重构三维网格模型的神经网络法

给出了一种新的基于神经网络的点云数据重构CAD实体模型的新方法。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点、曲面的控制网格，通过神经网络的权值约束实现曲线段、曲面片之间的光滑拼接。同时对恢复的隐式表面的初始逼近网格自适应性进行优化。利用谊方法恢复的网格形状，无论在表面还是在隐式曲面的轮廓部分都能获得很好的视觉效果。所有算法的时间复杂度均为O（n），可以完全实时进行。     

反求工程中散乱点云的曲线构造

对反求工程中的点云数据处理,给出一种基于特征的区域分割法来划分点云,为后续曲面拟合提供有利条件。     

基于点云数据的反求特征约束识别方法

反求CAD模型应该包含原始的设计意图.忽略特征之间几何约束的重建CAD模型很难满足产品装配对齐及产品对称等要求.点云数据隐含了原始CAD模型设计信息.识别隐藏在数据点云中的正向设计CAD建模特征和定位基准特征,从而为基于约束的公差求解提供基础,是准确进行反求CAD建模的关键.结合正向设计手段,研究利用点云数据识别原始设计特征约束信息,从而准确反求原始模型.     

基于特征线的复杂曲面反求工程中的CAD建模技术

三维轮廓测量技术是实现反求工程的重要手段 ,复杂曲面建模技术是反求工程研究的重点内容。研究了激光线扫描测量原理以及“点云”数据类型。针对栅格点数据 ,提出了一种快速有效的复杂曲面建模技术 ,并以实例说明“点云”数据平滑处理、特征线提取、曲面分块及曲面构造过程     

反求工程中三维几何形状测量及数据预处理

分析反的体系结构,综合介绍实物三维几何形状测量方法及其技术特点和发展现状。最后给出主要的测量数据预处理方式。     

反求工程建模中基于CAD模型的修正技术

为了解决复杂外形产品反求工程(RE)建模经常遇到的零件CAD模型配合问题与尺寸精度、形状精度问题,提出按照测量数据建立基准零件的CAD模型和其他零件的CAD模型,并且从基准零件上取得相关配合面数据,对其他零件CAD模型进行修改的模型修正技术.     

基于反求工程的汽车内饰件逆向设计

介绍了反求工程技术,通过对点云预处理和CATIA的数字曲面编辑器及自由造型模块,对得到的汽车内饰件点云进行了分网和曲面逆向设计,并探讨了在划定点云范围、过滤点云、分网以及曲面造型设计过程中的一些技巧和方法.通过误差分析后得出了一些有用的结论.实例表明,采用反向和正向相结合的设计方法,能极大地提高了汽车内饰件的开发效率.     

基于Surfacer的点云数据的预处理研究

“点云”的预处理研究,包括平滑和拓扑关系的建立。利用反求软件——Surfacer,对“点云”进行了平滑,然后直接从空间入手,从一般性的角度来说明了点云数据的三角剖分的算法,建立数据之间的拓扑关系。文中最后指出下一步的工作。     

反求工程点云数据压缩技术研究

非接触扫描可以准确快速地获得大量点云数据,但是海量数据会影响后续的模型重构,为此需要进行压缩处理。本文提出了根据曲率的不同来压缩点云的方法:利用包围盒法分割点云数据,完成邻域搜索,计算邻域内的曲率,并据此进行数据压缩。通过实例验证表明,此方法对曲率变化大的点云数据的压缩具有较好的效果。     

二维图像的光亮度重构实体几何模型的神经网络法

三维表面重建技术具有广泛的应用前景，由二维图像的光亮度重构实体几何模型是工业制造中迫切需要研究的课题之一。本文给出了一种基于BP神经网络的新型反射模型，用于三维实体几何模型的恢复与重建，它是基于兰伯特(Lambertian)反射模型的改进算法，这一造型手段可用于CAD/CAE/CAM系统中，使得重建出的三维模型可以参与造型系统实体的基本运算和操作，共同推动CAD/CAE/CAM在制造业信息化领域的技术进步。从实例表明该算法较传统的算法更快和更精确。     

一种用人工神经网络重建自由曲面的方法

提出一种神经网络方法,用于逆工程中自由曲面的重建。讨论了网络结构、修改的ＢＰ学习算法,并给出了网络重建的一个ＮＵＲＢＳ曲面的精度。结果表明该方法可以用来重建已有曲面的数学模型,进而淫于加工这些曲面。     

制造领域中反向工程曲面推理的神经网络法

将神经网络技术用于制造领域中反向工程曲面的推理,建立了神经网络计算模型。使用神经网络方法推理实体表面的突出优点是不需要表面知识,只需要测得表面的有限点数即可,网络将学习参数变量之间的组合关系,推断出曲面的函数形式,计算出未知坐标点的值,避免了许多的人为假设和繁杂的数学计算,体现出一种智能推理过程。本文列举了有关推理实例,包括初等解析曲面和自由曲面,从理论和实际计算证明了这种方法的可行性和有效性。结果表明,神经网络对于反向工程曲面的推理是一种非常好的辅助分析手段。这对于复杂的、不完整的、部分磨损或损坏的实体表面具有实际用途。     

反求工程中隐式曲面的三维网格自动精确恢复新算法

提出了一种基于点云数据的隐式曲面三维网格自动精确恢复新算法。该算法首先对恢复的初始三角形网格进行区域分割和边界重构,将隐式曲面的三角形网格分离出来,然后对恢复的隐式曲面表面的初始逼近网格从3个方面进行优化:即将初始逼近网格的曲率控制与网格面的拓扑一致性调整;调整网格顶点法矢与交互式分割;补偿网格抽样率。通过该算法能将隐式曲面的三角形网格自动精确恢复。然后进行网格光顺,输出优化的CAD模型。实例证明了该方法的正确性、可行性和实用性。     

在逆向工程中用神经网络技术实现自由曲面的重建

现有自由曲面的重建和还原制造是整个逆向工程中最关键的技术。当某些表面被部分损坏或者曲面模型不甚完整时,这些技术就显得非常有用。为了能在现有自由曲面基础上建立模型,首先用坐标测量机或激光扫描仪获取数字值,随后,将这些数据用于转换成模型。本文叙述以神经网络逼近方法用计算机重建模型再现已有自由曲面及制造加工这些曲面。在这里,我们设计了三个四层神经网络并使用误差反向传播法（ＢＰ）来训练网络。     

神经网络在逆向工程中进行三维实体特征识别

介绍了一种基于神经网络直接从测量数据中提取三维实体特征的方法,包括以下几个部分：（1）点云边点识别和区域分割;（2）对点云边点进行拟合,形成特征边,并进行特征编码;采用ANN进行特征识别;（3）由边特征信息提取特征参数,构造三维实体特征。由神经网络方法直接提取实体特征使逆向工程集成制造系统的建立更为方便。     

基于Geomagic的曲面CAD模型重构

随着逆向工程的发展,越来越多的产品采用逆向制造。以冲压件为例,讲述了Geomagic、UG软件进行逆向参数化建模的设计思路和应用特点。使用Geomagic软件将获取的制件表面数据进行预处理,并基于NURBS曲面对制件进行自由曲面重构及误差分析,最后在UG中完成曲面局部重构及实体建模。表明,应用Geomagic、UG软件相互结合,可以进行曲面快速重构,大大缩短了设计周期,提高了研发效率。     

利用神经网络重建材料声阻抗的新方法

提出一种采用Ｈｏｐｆｉｅｌｄ神经网络重建材料声阻抗的新方法,对层状材料仿真和实际应用表明,该方法克服了传统方法的缺点,具有较高分辨率和计算效率。     

基于SOFM神经网络的整体网格重构模型

提出了基于SOFM神经网络的大规模散乱点数据压缩方法,并建立了重构矩形拓扑整体网格和三角拓扑整体网格神经网络模型。