基于非均匀热传导理论的点云数据平滑处理

在逆向工程和自由曲面数字化检测过程中,针对面点云及散乱点云数据平滑与特征信息准确保留的矛盾及噪声点的传播问题,引入非均匀热传导理论建立点云平滑数学模型,将点云数据拟化为一个温度场,点云特征边界处可设定为绝热壁,从而使平滑操作仅在局部区域内进行,使平滑操作与特征信息的保留达到很好的协调。试验结果证明该方法具有鲁棒性强,及在点云平滑的过程中能够完整保持特征边界信息的特点,为后续的逆向建模及自由曲面数字化检测提供了可靠的质量保证。     

航空发动机外形点云的保特征去噪方法

三维激光扫描设备可以提供航空发动机外形实测点云,但其中包含的噪声会直接影响后期外形几何模型的重建精度。为保证在去除噪声的同时不模糊或破坏掉发动机复杂的外形几何特征,提出了一种基于深度学习的点云保特征去噪方法。将航空发动机外形噪声点云分割成特征数据和非特征数据之后,分别设计了特征去噪网络和非特征去噪网络,用于预测特征噪声点和非特征噪声点的位置修正向量,噪声点沿预测向量移动后被投影回模型真实的底层表面上,实现去噪。构建了用于特征去噪学习和非特征去噪学习的数据集。验证结果表明,在将该方法应用于各种噪声尺度的发动机外形点云时,相比现有的学习基方法,去噪效果得到提高,且有更好的几何特征保护能力,可以为后续重建提供高质量点云。     

保持特征的散乱点云数据去噪

为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。     

应用改进迭代最近点方法的点云数据配准

提出了基于点云边界特征点的改进迭代最近点(ICP)方法来提高逆向工程中点云数据配准的效率和精度.首先,提出了基于点云边界特征点的初始配准方法.对点云最小包围盒进行三维空间划分,建立空间网格模型;运用边界种子网格识别及生长算法,从点云边界提取特征点,运用奇异值矩阵分解法(SVD)求出点云的变换矩阵,得到初始配准结果.然后,提出了改进的ICP精确配准方法.对点云对应点赋予权重,剔除权重大于阈值的点,通过对目标函数引入M-估计(M-estimation),剔除异常点.最后,在初始配准的基础上,运用改进的ICP方法精确配准.对经典ICP方法和改进ICF方法做对比实验,结果显示,改进方法的配准效率提高了70％以上,误差减小到0.02％.实验表明,本文方法大幅提高了点云配准的效率和精度.     

反求工程中一种数据平滑的方法

逆向工程中测量获得的点云数据中存在一定的噪声点，必须对其进行数据平滑处理。在比较弦高比阈值滤波、均值滤波和中值滤波的基础上，提出一种数据平滑的方法。该方法充分利用数据点间的相关性和位置信息，对数据点和噪声点采取不同的处理方式，避免了噪声的传播。实验研究表明，该方法既能较好地滤除噪声点又有较好的保边性。     

人体散乱点云数据的区域分割算法

正确的人体点云数据分析不仅是人体3D测量的必要手段,更是未来服装数字化设计的基础,也是服装定制化智能生产的数据来源。人体散乱点云数据相比规整数据拥有更多的噪声及不规则性,这使得提取轮廓以及提取分割特征点更加困难。为了解决人体散乱点云数据分割难题,提出了基于移动最小二乘的切割算法。首先使用主成分分析法进行点云数据的调整,并使用夹角分析法提取投影到特定平面的二维轮廓。在此基础上,采用移动最小二乘法对部分二维数据点进行局部拟合并根据导数信息提取分割特征点。最后,利用VT K作为点云显示平台,对不同人体点云数据进行算法验证。实验结果表明,该分割方法实用可靠。     

特征提取的点云自适应精简

作为一种反映物体形貌的三维信息,点云数据的原始数据量十分庞大,直接对过多的数据进行操作会影响后续重建等工作。本文提出了一种新的点云特征提取自适应精简算法。首先对原始点云进行空间划分,构建点的k邻域,设置特征参数,进行特征分析,识别不同区域的信息和数据。然后针对平面数据预先进行边界的检测和提取,对剩余部分进行精简。最后,针对非平面区域,先提取特征,再根据曲率的不同进行不同程度的精简。办公室数据扫描实验结果表明,处理大小为百万以内点的点云模型可以在几秒之内完成,精简比能够达到90%以上,与原始数据间的误差较小:平面部分在精简前后平均偏差均在0.02mm以内,波动很小,为0.005 7mm;非平面区域精简前后的平均偏差均在0.08mm左右,差值仅为0.000 3mm,精简精度得以保证。因此,利用提出的算法处理后的数据能更好地展示物体的形貌。     

A progressive point cloud simplification algorithm with preserved sharp edge data

Due to recent advances in high-speed 3D laser-scanning technologies, the set of dense points collected from the external boundary surface of a physical object, often referred to as the point cloud data, is emerging as a new representation format of 3D shapes. A typical point cloud data set contains millions of coordinate data points, and this leads to significant computational challenges for the subsequent data processing tasks in practical applications. This paper presents a new point cloud simplification algorithm to reduce the number of data points scanned from a mechanical part, in which the boundary surfaces often contain sharp edges. Because of the distinct feature represented by data points located on or near the sharp edges (edge points), these points should always be retained by the simplification process. The proposed algorithm thus identifies these edge points first and then progressively removes the least important data point until the specified data reduction ratio is reached. The quantification of a point’s importance is based on points in its neighborhood and corresponds to the point’s contribution to the representation of local surface geometry. The effectiveness of the proposed algorithm is demonstrated through the simplification results of several practical point cloud data sets.     

基于UG二次开发的点云数据曲面建模

点云数据的曲面建模是反求建模的核心技术之一。针对三坐标测量的点云数据,利用VC强大的数据处理能力和UG出色的曲面造型功能,开发了基于UG/Open API的曲面造型插件。该插件集中了数据预处理功能和曲线曲面建模功能,数据预处理主要包括噪声处理、曲面扩展及数据平滑。经验证,该方法建模速度快、精度高、适应性好。     

基于协方差矩阵的点云孔洞边界检测

逆向工程中点云模型孔洞边界的检测是孔洞修补的前提,完美的孔洞轮廓线有利于提高孔洞修补的质量.参照二维图像中边界的定义,给出了三维模型中点云孔洞边界的定义,并且提出了一种简单的孔洞轮廓线生成算法.首先,通过分析邻域点协方差矩阵特征值之间的关系,提出了一种边界点检测算子,用于初步提取孔洞特征点;然后,综合考虑邻域点最大特征...     

逆向工程中NURBS曲面重构的数据筛选研究

逆向工程中NURBS曲面重构的数据筛选是一个广义的概念,它所涉及的内容很广泛,包括数据获取过程中的处理。本文讨论了通过将曲面离散来获得规则点云数据和通过将NC刀具轨迹转化为规则点云数据。此外数据筛选还包括数据获取后的处理,针对这种情况对如下三个方面进行了讨论:点云数据的光滑处理;点云数据的过滤处理;特征点的识别与筛选。     

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。     

双边特征聚合与注意力机制点云语义分割

机器视觉是环境感知的重要手段之一,是自动驾驶、机器人、工业检测等领域的研究热点,而点云数据的精细分析是其 中的一项关键技术。 针对大尺度真实场景点云数据分割精度低的问题,提出了一种适用于点云数据语义分割的网络结构。 首 先,构建了一个双边特征聚合结构,通过分别处理点云的几何信息和语义信息,达到充分利用点云特征信息的目的。 其次,使用 近邻特征的高维空间相关性计算点与点之间的相互作用,进行局部邻域的上下文信息增强。 提出了一种混合池化结构代替最 大值池化,减少信息损失,使用横向跨层池化连接来增强特征多样性。 最后,引入注意力机制提取全局特征,滤除尺度噪声,增 强特征在空间上的表现力。 实验结果表明,该方法在大尺度真实场景点云数据集 S3DIS 上的平均交并比为 68. 2% ,平均准确率 为 80. 7% ,比 PointNet 提高了 20. 6% 和 14. 5% ,客观指标优于已有的代表性方法。     

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。     

一种曲面特征保持的航空叶片点云精简方法

针对现有点云精简方法在航空薄壁叶片叶缘高曲率特征区域及点云稀疏区域存在取样不足的问题,提出了一种基于重聚类策略的精简方法。通过移动最小二乘法定义点--曲面距离函数,区分高低曲率特征,建立了原始点云和精简点云之间的距离关系,在高曲率区域重聚类,实现叶缘高曲率特征保持;并在重聚类时判断点云疏密程度,对稀疏区域进行重聚类。航空叶片、铸造模具等典型复杂曲面测量点云的精简过程中,该方法相比于均匀采样法、层次聚类法,在高曲率区域可保持较高的几何精度。     

曲面重构中散乱点云数据曲率估算算法的研究

获取测量点云数据的几何特征信息是曲面重构的基础,估算数据点方向矢量和曲率是点云数据处理中必须面对的问题。这里针对散乱测量数据点云,以局部数据点协方差矩的最小特征向量作为数据点的方向矢量,并根据实际测量情况,对基于二次曲面拟合的数据点曲率估算算法进行了改进。对实际测量点云数据,能够较准确地估算出点云方向矢量和曲率,并能形象显示出数据点云的曲率分布。     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

<Emphasis Type="Italic">A Binary Morphology-Based Filtering Algorithm for Reverse Engineering</Emphasis>

A laser scanner is a common surface measurement tool in reverse engineering (RE). The point cloud obtained from a laser scanner usually has some noisy points. An algorithm based on a binary morphology technique is presented to identify the noisy points. After removing the noisy points, the filtered point cloud can be used to reconstruct the surface of a 3D object. The filtering algorithm described can remove both the points at a "far" distance from the scanned object and the "prods" on the surface of the object. ID="A1"Correspondance and offprint requests to: Dr C. L. Wang, Department of Mechanical Engineering, The Hong Kong University of Science and Technology, Clear Water Bay, Kowloon, Hong Kong. E-mail: wangcl@ust.hk     

自由曲面测量点云数据的建模方法研究

本文提出了一种散乱点云数据的建模新方法。通过对点云数据进行空间三维划分，实现了边界信息的高效提取。采用局部曲面拟合方式得到位于截平面上的有序数据，使得无序的散乱数据形成了有序的阵列数据，实现了NURBS曲面的精确拟合。实验证明，该方法非常适合卷曲类模型的自由曲面重构，在某零件的测量、建模和加工中已经得到了实际应用。     

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。