带有矩形参照物的可程序化点云精确拼接算法

针对带有矩形参照物的待拼接点云,提出了一种确立参照点的矩形对角点拼接点云算法,即使用参照物顶面平面方程,缩小寻求顶面点云的范围,然后使用划分平面保留顶面点云;通过去除噪声点及最大值算法,较准确地确定了参照物顶面的四个对角参照点,并初步估计了精度;通过这些参照点,可以获得拼接变换矩阵的参数。本算法是一种数值算法,有利于结合逆向工程软件与编程软件进行程序化实现。     

三维模型重建中点云ICP拼接算法的改进

提出一种以不同视野下的点云为处理对象,自动进行点云配准的拼接算法.该算法首先利用点云的曲率、法矢量等几何信息,计算出初次拼接变换,并用几何哈希的方法筛选出最优的变换,完成初次拼接.然后改进最近点迭代法(iterative closest point,ICP)中最近点的选取方法:对点云A中的测点,先求出另一点云B中与其最近的3个点,并由这3个点构成一个三角形,把测点到三角形的垂足作为测点的最近点.并用该算法对点云进行再次拼接.最后基于该算法实现了对车头模型的配准.结果表明,该算法具有较高的配准精度.     

基于自由变形的航空叶片模型快速修正北大核心

使用传统重构方法对航空叶片模型进行重构需要对叶片实际点云进行点云分割,曲面拼接等复杂操作,重构效率较低。针对此问题,提出了一种基于自由变形的航空叶片模型快速修正方法。首先,将叶片设计模型离散点云与叶片实际点云数据进行点云配准;其次,通过KD-tree计算叶片模型的特征点集与实际点云数据的误差,结合自由变形算法实现叶片设计模型局部或整体误差快速修正;最后,进行拓扑重构,完成叶片设计模型变形修正。实验结果表明,与传统方法重构的叶片设计模型相比,所提方法算法效率与重构精度得到显著提升,将重构精度提升至0.092 8 mm,并且算法运算效率为传统重构方法的7.231倍。     

自由曲面扫描线测量点云数据处理技术

采用测量点云数据进行自由曲面的重构是逆向工程的关键技术之一,自由曲面重构的精度很大程度取决于点云数据处理技术.论文根据自由曲面测量点云数据比较普遍采用的数据组织方式--扫描线点云数据的特点,详细阐述了包括异常点去除、数据拼接与统一、平滑与滤波、数据精简等点云数据的处理技术,提出了自由曲面扫描线点云数据的高精度和自动化处理方法与流程.实例表明,经过自动处理的点云数据能够充分满足后续曲面重构建模的需要,并能为建模提供可靠的数据保障.     

基于双边滤波的三维曲面重构技术在钢轨检测中的应用

钢轨廓形的测量对指导钢轨打磨、提高列车运行安全、延长钢轨寿命具有重要的意义。采用三维激光扫描重建技术,获取钢轨廓形点云数据;分别采用迭代最近邻算法、双边滤波法以及曲率精简法对钢轨点云数据进行拼接、降噪和精简处理;对比在不同高斯滤波参数下,该技术对钢轨点云数据的滤波效果。结合UM动力学软件和有限元分析软件对三维重构后的钢轨模型进行仿真对比分析。结果表明:采用该三维重构技术可以快速地对钢轨的型面进行重构;高斯滤波参数σ_c为20时,对钢轨点云数据的滤波效果较好,能够使钢轨轨顶保持良好的细节特征。     

基于局部特征的位姿求解算法北大核心

为提高点云数据配准精度,更准确获取目标物体位姿信息,提出一种基于局部特征的多源数据匹配位姿求解方法。首先,通过3D深度相机获取模型三维点云数据,并根据梯度阈值算法从大量点云数据中得到物体表面梯度值;其次,使用L+边界提取算法提取物体边缘轮廓特征信息,再遍历实体大量点云数据求解二维轮廓特征值,从而对输出的轮廓特征数据建立特征数据库;最后,对获取的点云数据特征进行数据处理,通过Hu矩匹配算法找到相对应的数据源后再由F-ICP匹配算法获取模型位姿。结果表明基于局部特征的多源数据匹配算法可以有效对点云数据进行位姿计算,匹配精度得到提升。     

一种点云数据曲线光顺处理算法

在光顺点云数据时,为了避免采用多项式曲线拟合点云数据难以取得较好的拟合效果,以及采用分段曲线拟合方法在分段处不满足函数连续性和可导性的缺陷,在传统最小二乘法曲线拟合的基础上,提出了基于拉格朗日乘数法对点云数据光顺处理的算法,对该算法进行了建模、求解及实际算例验证.通过对点云数据处理后结果表明:光顺后的曲线及曲线一阶导数在全域下均连续,且光顺后值与初始值最大偏离误差值不超过0.1mm,偏移幅度小于0.5％.因此,该算法曲线拟合精度高,满足点云数据光顺处理的要求,为点云数据的曲线光顺处理提供了参考依据.     

基于PTS 光栅扫描仪的模具点云获取工艺研究

模具增材再制造过程中,所得的点云结果常常出现碎片、空洞、噪点以及拼接精度较低等问题,不能满足后期实施增材再制造。从扫描角度、喷涂层数和光强3个方面对优质模具点云的获取作了研究。分别设计4种不同角度、6组喷涂层数以及4组光强的试验,比较相应的标记点识别、对比点云图的完整性以及拼接精度。结果表明,在该试验条件下,平面扫描角度0°、侧面扫描角度58．1°、喷涂层数7层以及灰度值150所得到的点云拼接精度高,且扫描出的点云噪点较少,点云的完整性良好。     

基于点云数据驱动的中厚板机器人焊接路径规划

为实现中厚板多层多道自动化焊接的需求,提出一种基于点云数据驱动的机器人焊接路径自适应规划算法。以V形焊缝为例,首先通过线结构光扫描焊缝表面采集点云数据,对点云数据进行滤波预处理,在精简数据量的同时也去除噪声点,据此采用点云分割和边缘提取算法成功提取焊缝特征点。最终通过焊接实验验证算法的准确性和可行性,结果表明,提出的算法处理得到的焊缝特征点坐标与人工示教得到的实际坐标偏差小于0.17 mm,能够满足实际应用需求。     

锥台工件点云拟合算法研究

针对不完整锥面工件模型拟合问题背景，为了解决大量点云数据的标准几何模型拟合问题，提出一种基于遗传算法的锥面点云数据拟合算法：通过随机选取拟合模型采样点，用点云数据点-标准模型采样点的距离计算替代点云数据点-标准曲面模型的距离运算，提高计算效率同时保留点云细节特征；通过对点云数据建立Kd-tree索引提升标准模型采样点距离检测效率；通过遗传算法迭代搜索拟合模型参数，并通过变数据量、变拟合精度等方法改进遗传算法的搜索效率。经实验验证：采用该算法可有效提升部分锥面工件拟合的匹配精度，误差范围±0.5 mm,且对于大量点云数据的处理效果良好。     

反求工程中基于UG的几何建模技术的研究

文章阐述了反求工程的基本概念及方法,开发了"点云"数据优化处理程序.并利用UG二次开发工具--UG/Open API,实现了数据优化处理模块与UG造型软件的集成,介绍了利用UG软件建立三维CAD模型的过程及其应用范例.     

复杂箱体零件的激光扫描测量与模型重构

复杂箱体是一种制造难度较大的重要零件,逆向设计技术可以有效缩短复杂箱体零件的设计周期、降低生产成本,箱体的数字化测量是逆向设计的关键技术之一。在对复杂箱体进行数字化测量时,选用了转站方式的激光扫描测量方法。箱体外表面的点云数据可以通过激光扫描测量直接获得;箱体内腔形状复杂,难以测量,通过将石膏灌入箱体内腔,待石膏冷却成型后取出石膏,测量石膏外表面获得石膏外表面点云数据。计算出石膏质心,将石膏表面点云依照石膏材料的收缩率进行以质心为中心的缩放处理,反求出箱体内腔表面的点云数据,最后利用特征点匹配的方法将复杂箱体的外形点云数据和内腔点云数据融合,形成完整的箱体点云模型。根据点云完成了复杂箱体零件的三维数字模型的重构和精度评价。     

面向铸件自动化打磨的点云精简方法

由于铸件自动化打磨作业中存在点云数据过冗余等问题，导致数据处理时间过长，影响加工效率。为了提高点云处理的计算效率，提出一种基于线性耦合曲率的点云精简方法，以兼具效率和精度。对源扫描点云构建K-d树数据结构，并提出更稳健的线性耦合曲率特征模型以提取特征域；在此基础上，利用改进空间二分法快速精简非特征域；最后融合特征域和精简后的非特征域，得到最终精简结果。结果表明：该方法可得准确的精简比，拟合曲面模型仅存在微小的数据空洞。在90%精简比、2.7%噪声比条件下，保形性误差为0.867 mm，优于传统的点云精简方法，能够实现铸件点云的高效精简。     

航空发动机叶片数字化再制造方法研究

叶片作为航空发动机的关键部件,其数字化三维模型等核心技术资料一直由国外发动机厂商垄断。为获取航空发动机叶片的三维数字化模型,提出一种基于海量点云数据的叶片数字化模型重建方法。利用激光扫描仪获取的叶片点云数据;在点云数据预处理部分,进行点云对齐并合理精简;将点云数据截面转化为含有噪声的时域信号进行滤波,引入单树小波包分析方法,并通过坐标变换将其分割为叶盆面和叶背面;依据叶片的型面特点,采用不同方法对叶片截面边界进行拟合。反复上述过程,采用蒙面曲面的方法建立叶片数字化三维模型。实验结果表明,利用该方法建立的发动机叶片模型具有良好的光顺性和几何精度,明显提升了建模效率。     

反向工程中数据点云的拼合

根据反向工程中数据获取的特点，提出了一种拼合从不同角度获得的物体表面数据点云的方法。该方法的基本思想是在物体表面附着若干个特殊参考点，然后识别和比较不同角度获得的图像中的参考点，找出具有相同拓扑特征的部分，最后通过这些共有参考点的匹配，达到拼合数据点云的目的。实践表明，这种方法简便易行，精度高。     

An adaptive slicing approach to modelling cloud data for rapid prototyping

In this paper, an adaptive slicing method for modelling point cloud data is presented. A layer-based rapid prototyping (RP) model is directly constructed from arbitrarily scattered cloud data and fed to RP machines for fabrication. The emphasis is on how to control the thickness of each layer so that a user-specified shape error is met. Given a set of unorganised point cloud acquired by scanning a part, the first step is to segment the cloud data into a number of layers by slicing the point cloud along the part building direction (user-specified). Taking the first layer, the data points are projected onto a plane. These projected data points are then compressed and sorted to keep only the key feature points (FPs) using a reduction method based on linear correlation. The FPs are then used to construct a polygon approximation of the points. The maximum deviation of the points in the layer is then compared to the given shape error to decide whether to reduce or increase the layer thickness. This process is repeated until the maximum deviation is just below the given shape error and the first layer thus obtained. Subsequently, the remaining layers are obtained in the same manner. The algorithm has been implemented using VC++ and OpenGL. Testing results are very much satisfactory. Compared with traditional modelling methods, this method is highly automated and the generated layer-based model is highly efficient for RP manufacturing.     

基于点云配准的曲面三维差异检测

在工件打磨任务中,实测数据与标准模型数据之间的差异性比较是实现机器人自动化打磨的关键研究问题之一。针对如何快速精确地提取陶瓷素胚工件曲面的三维差异数据问题,设计了一种曲面配准流程。首先,针对点云的粗对齐步骤,采用体素网格滤波进行下采样,采用了Hough投票法进行粗配准,将粗配准步骤运行时间控制在0.3 s以内。其次,针对点云的精确配准步骤,利用了CUDA加速比较耗时的ICP配准算法,将精确配准耗时控制在0.5 s以内。最后,针对差异提取步骤,通过引入Octree数据结构实现了差异点云的快速提取。最终,将模型曲面点云与扫描曲面点云之间的RMS误差控制在0.5 mm内,总运行时间控制在1 s之内,实现了两个曲面的快速精确对齐以及差异提取。     

基于激光SLAM的移动机器人导航算法研究

定位技术是机器人技术中导航控制和路径规划的关键问题,传统定位方式采用全球定位系统(GPS),难以完成精准的定位导航功能,不依赖于GPS的定位导航方法是目前机器人领域的研究热点。提出一种基于激光雷达采集的点云信息帧间匹配方法,根据改进式激光点云数据的位姿估计算法,结合非线性优化进行了校正和优化,完成移动机器人对未知环境的精确定位。通过ROS机器人操作系统搭建实验平台,对改进算法进行验证,证明改进后帧间匹配算法的建图和定位效果对应的鲁棒性与定位精度效果更佳,可满足工程要求。