面向快速原型制造的形状反求关键技术

用局部切平面族逼近原型体的方法进行基于散乱数据点云的形状反求。基于某点的邻域点集构造局部切平面，用黎曼图表示局部切平面的邻接关系，通过最小生成树进行局部切平面调整，使其法矢一致化，然后用Marching Cubes法重建三角网格模型。该方法除了点的三维坐标，无需任何附加信息即可自动判断散乱数据点所蕴涵的拓扑结构，适于快速建立具有任意拓扑结构的复杂形体。应用结果表明该方法稳定、可靠、执行效率高。     

融合图像域信息的面结构光测量点云数据三角化处理

点云数据三角化处理是逆向工程及快速原型领域中不可缺少的环节。针对传统点云数据三角化算法效率低及鲁棒性差的特点,结合面结构光三角法测量原理,提出融合图像域信息的点云数据三角化方法;根据点云数据图像域信息所具有的空间拓扑关系完成图像域内的三角化连接;然后将其映射到三维空间域中完成点云数据的三角化。由于图像域具有拓扑确定性,不需要将点云数据映射到二维平面再进行平面空间的拓扑关系确定及三角化处理,从而使算法的鲁棒性及处理效率得到提升,最后以具体的实例验证算法有效性。算法已用到具体的项目中实现了测量过程中点云数据的快速三角化。     

基于二元Lagrange插值的点云数据切片技术

针对低密度点云切片精度难以保证的问题,提出了一种针对各种密度点云数据的点云切片算法。首先,拟定切片方案,确定切片平面组并根据切片平面组获得带状点云数据。其次,利用带状点云的步进排序方法,对其进行排序,并按排序选取一定数目的点云作为插值节点。再次,基于二元Lagrange插值法在特定插值点处对所选插值节点进行插值,并依照点云顺序依次对带状点云进行运算,从而得到切片平面上的二维有序点列。最后,对此点列进行最小二乘拟合,得到点云数据的截面曲线。应用实例表明:该算法突出优点为适应性强,且准确快速、稳定可靠。     

结合平面投影与区域生长的点云表面重建

为提高点云曲面重建的精度和效率,提出了一种将平面投影与区域生长相结合的散乱点云曲面重建方法。从散乱点云中选取局部点集,对其离散度进行判断,将较平滑的符合离散度要求的点集投影到二维平面并进行三角剖分,将三角剖分后点之间的拓扑连接关系映射回三维空间,实现该部分点云的表面重建,对剩余的散乱点用改进的区域生长法重建表面。实验结果表明,该算法能够重建出结构形态正确、保留物体细节信息的三维模型,降低曲面重建复杂度并提高其精确度。     

基于三维测量扫描线点云的表面重建

由结构光测量系统获得扫描线点云，通过剔除测量方向部分冗余数据点和插补扫描方向的稀疏数据，对物体表面原始三维数据密度进行适当调整。采用基于局部切平面簇的方法对调整后的数据点云进行表面重建，建立优化函数简化网格，并采用Loop细分法平滑网格，获得描述物体表面特征的重建表面。该方法解决了由扫描线点云重建物体表面的问题。     

基于支持向量机的点云曲面刀具路径规划

针对单值散乱点云曲面刀具路径规划问题,提出了一种基于最小二乘支持向量机的计算方法。在计算过程中,将点云数据向平面投影,得到二维点集。应用网格划分和边界网格内测量点高斯映射技术,提取平面区域内的边界特征点。用边界特征点定义点云曲面的实际加工区域,在此区域内规划平行等间距刀具路径。应用最小二乘支持向量机拟合点云数据,求得被加工曲面的连续表达模型,经此模型将二维刀具路径数据向三维空间映射,求出刀触点数据。将刀触点经法向偏置计算,求得刀位点。实例验证证明,该方法能较好地解决信息不完备散乱点云曲面刀具路径生成问题。      

逆向工程中自由曲面自组织重建研究

探讨了曲面密集三维散乱点数据的自由曲面自组织重建方法。建立了基于扩展自组织特征映射神经网络的自由曲面自组织重建模型及其训练算法。所建模型的网络神经元对曲面散乱点的学习来模拟曲面上的点与点之间的内在关系 ,神经元连接权矢量集重构曲面样本点的内在拓扑关系。经过训练 ,神经网络将整个曲面散乱点数据分成许多子区域 ,子区域的分类核心即为神经元连接权矢量 ,每个子区域用一个线性函数逼近 ,实现自由曲面自组织重建。计算机仿真表明 ,所建神经网络模型可实现三维密集散乱点数据自组织压缩及曲面自组织重建于一体。     

基于散乱测量数据点的三轴数控粗加工刀位轨迹生成算法

提出了一种直接利用三维散乱测量数据点的三轴数控粗加工刀位轨迹生成算法。首先根据切层深度作一组垂直于Z轴的平面,去截取测量点云,得到一系列切层截面点集,再在每个切层面上组环并判断加工区域,规划出刀位轨迹,将每一分层平面上的刀位轨迹按适当的方式连接起来,就可构成零件的整体加工轨迹。该算法避免了由测量点构造曲面且由曲面来进行刀位轨迹生成的这一复杂过程。     

逆向工程中点云孔洞填充算法的研究

提出了一种新的孔洞光滑填充算法。该算法首先从孔洞周围已有的点云数据中提取采样点,对得到的采样点进行插值拟合得到拟合曲线,然后离散曲线形成点列,补充到空白区域,较好地解决了使用曲线插补方法实现散乱点云数据中孔洞光滑填充问题。由于避免了使用参数曲面对散乱数据点云进行插补,该方法可以应用于具有复杂曲面形状的点云。     

一种基于曲线拟合与采样的点云数据压缩方法

在反求工程中,从样件表面采集得到的通常是数量非常庞大的点云数据,严重影响了曲面重建算法的效率;另外,基于四边域曲面的重建算法通常要求型值点数据呈拓扑矩形排列,而采样得到的散乱点云通常不满足这一拓扑要求。文中提出了一种新的数据压缩技术路线,用于把海量散乱点云数据合理地压缩到四边域曲面重建所要求的数据量和拓扑形式。该方法的核心是B样条曲线的拟合和采样。为使采样点更好地反映原始模型的外形特征,给出了一种基于曲率的自由曲线自适应采样算法。应用实例表明本文提出的方法达到了预期的效果。