基于支持向量机的曲面数据修补

针对有孔洞的点云数据,提出了一种基于支持向量机的修补方法.该方法首先找出孔洞的边界点,然后根据边界点获得模型的样本点集;其次,为了获得均匀的修补点,建立局部坐标系,进行坐标变换,通过坐标变换后的边界点采样得到模型的输入,实现残缺点云数据的修补,为后续的曲面构造提供完整的数据型面.     

三角网格曲面孔洞修补算法

针对反求工程中由于点云数据的不完整而产生的三角网格孔洞,提出了一种三角网格模型孔洞的空间修补算法。在提取孔洞边界特征后进行边界预处理,建立孔洞边界特征平面,并将孔洞边界向该平面投影;逐次寻找投影多边形中夹角最小的对应空间边界点作为网格生长点进行修补,直至新增的三角网格覆盖原有的孔洞;以孔洞边界周围的网格顶点作为采样点,对新增的孔洞网格顶点位置进行最小二乘拟合调整,以实现孔洞的准确修补。通过实例验证,说明该方法具有较好的孔洞修补精度和稳定性。     

基于最小二乘支持向量机的三角网格修补算法

为实现点云数据孔洞区域的修补,提出了一种基于最小二乘支持向量机的三角网格曲面孔洞修补算法。首先检测出孔洞,采集孔洞边界周围的三角片顶点作为学习样本训练最小二乘支持向量机模型;然后对孔洞多边形进行平面填充,获得新增三角片的顶点,并用已训练好的最小二乘支持向量机模型将其优化,最终实现孔洞的修补。实验结果表明,该方法的精度和处理速度优于人工神经网络,具有一定的实用性,为孔洞修补研究提供了一种新思路。     

保持尖锐特征的多边形网格模型孔洞修补方法研究

针对由点云数据重建得到的多边形网格模型存在孔洞的问题,提出了一种保持尖锐特征的多边形网格模型孔洞修补算法.首先,利用基于径向基函数的插补方法获得能够近似地逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配算法对该隐式曲面进行三角化,完成孔洞填充曲面片与原始模型的孔洞边界的缝合.最后,针对孔洞边界存在尖锐特征进行特征增强处理.实验结果证明,该算法对多边形网格模型的孔洞修补取得良好效果,并能够有效地恢复孔洞区域包含的尖锐特征.     

极限学习机在散乱点云孔洞修补中的应用

针对逆向工程散乱点云模型上大面积孔洞软件修补效果差和运用传统的BP神经网络算法及改进的BP前馈神经网络效率低,提出了一种基于极限学习机(Extreme Learning Machine,ELM)前馈神经网络的孔洞修补算法。以玩具小车车身点云模型为例,将其人为漏洞分为训练数据和预测数据,采用ELM对训练数据进行训练,建立回归模型,并与BP模型和PSO-BP模型进行对比,验证了ELM神经网络的快速性和预测精度高。并以斗齿点云自然孔洞为实验对象,实现了很好的修补效果,具有较好的实用性和参考价值。     

三维点云模型孔洞边界识别的研究综述

逆向工程中点云数据获取技术的发展使点云模型广泛应用于不同领域,然而,由于多种因素存在,使得到的三维点云数据缺失造成孔洞,影响后续曲面重构及三维模型重建工作。对点云模型的孔洞形成原因及孔洞类型进行了分析和总结,并回顾了已有的孔洞边界识别方法,就当前两大方面的边界识别方法做出了详细地介绍,归纳和阐述了一些方法的原理,对比它们的优缺点及其适用范围,最后分析了孔洞识别主要存在的难题以及应对方法,为后续研究提供有益的参考。     

逆向工程中点云孔洞修补技术研究

对于散乱点云模型上的大面积、跨面孔洞,逆向软件往往难以修补。为了提高孔洞修补精度、获得完整的点云模型,提出了对手受惩罚竞争学习算法(Rival penalized competitive learning,RPCL)和模糊C均值聚类算法(Fuzzy C-means,FCM)相结合的综合改进径向基函数神经网络(RBF)算法,建立了基于改进算法的点云孔洞修补模型,并以挖掘机斗齿和汽车模型为研究对象,利用RPCL-FCM-RBF联合算法对不同特征的点云孔洞进行了修补研究。结果表明,该算法在很大程度上提高了点云孔洞的修补精度,其补洞效果远优于逆向软件。而且,较之传统的RBF神经网络,该方法所建模型具有更高的预测精度、能够有效地调整洞口缺失数据、实现点云孔洞的精确修复,实用性强。     

基于径向基函数的多种类型孔洞修补算法研究

利用径向基函数对散乱数据点进行曲面重建受到越来越多学者的关注,并被应用于解决网格模型中的孔洞修补问题。本文在实现径向基函数对简单孔洞进行修补的基础上,进一步研究了对多种类型孔洞的修补问题,提出了统一的修补算法:首先利用填充算法对孔洞进行填充,然后使用径向基函数建立孔洞区域的隐式曲面,最后将新增加的三角片顶点调整到建立的隐式曲面上,并给出了修补结果的优化处理。实例证明,该算法适用性好,对不同类型孔洞的修补效果理想。     

基于无网格局部Petrov-Galerkin法的曲面修复算法

针对三维残缺数据曲面重构的困难,提出残缺点云或有孔洞网格曲面数据修复的新算法,该方法通过拟合进行曲面重构,大大减小了边界节点误差的影响;同时采用基于板壳理论的无网格法,使孔洞曲面修复更光滑,尤其可以更真实地修补出锻压制造的薄板零件.首先应用移动最小二乘法插值对残缺点云进行边界提取,然后给出逐层节点布置算法,最后应用基于最小势能原理的无网格法进行曲面修复,并将通常无网格法中积分圆域改进为多边形域.编写相应程序,经简单二次曲面缺损网格修补验证算法的有效性,结果分析表明误差很小,曲面修复结果理想.为进一步证明算法实用性,对实际薄壳产品的孔洞进行算法应用,修补效果理想.     

基于逆向工程的减速器箱盖修复及3D打印应用研究

以减速器箱盖为例,研究了基于逆向工程技术及3D打印技术的减速器箱盖修复及制造方法。利用三维扫描仪对箱盖进行点云数据采集,通过Geomagic软件对点云数据进行处理及重建,基于最小凸包法对箱盖模型进行孔洞修复,构建完整的减速器箱盖的三维模型,从而3D打印出减速器箱盖实物模型。结果表明,运用逆向工程技术可以构建复杂曲面,弥补传统设计制造方法的缺陷,有效缩短工艺周期。此方法对于复杂模型的设计制造具有一定的参考意义。     

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。     

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...     

一种基于支持向量机的孔洞修补方案评估方法

为了自动评估逆向设计软件的点云孔洞修补效果,以确定最佳的修补方案,提出了一种基于支持向量机的点云孔洞修补评估算法。首先,以基于实际工程应用的挖掘机斗齿点云为实验对象,在斗齿的不同部位人为构造20个点云孔洞,用专业逆向设计软件Imageware13.2进行孔洞修补,并建立相关特征向量。其次,将60%的特征向量作为训练样本输入SVM模型进行训练,并建立参数优化后的SVM分类器模型。最后,将其余特征向量作为测试样本输入SVM模型进行分类识别。实验证明,此方法具有较好的识别效果,识别正确率可达90%,并有鲁棒性好、识别速度快等优点。     

基于多向波前法的岛屿孔洞修补

针对现有孔洞修补算法对复杂孔洞修补效果差的问题,提出了一种适用于岛屿类孔洞修补的新型多向波前法。首先检测孔洞边界与岛屿边界并对其进行预处理,以孔洞边界与岛屿边界为波前,插入顶点与三角面填充孔洞;然后对新增顶点与新增三角面进行合理性检验;最后根据法矢与曲率调整新增顶点,使其最大程度拟合原有曲面特征。实验结果验证了所提算法的可行性和有效性。     

基于孔洞分割的点云孔洞填充算法

逆向设计过程中,由于物体曲面形状复杂和扫描设备的原因,扫描得到的点云中难免有孔洞出现。为了产生封闭的实体曲面,需要对孔洞进行填充。国内外许多学者提出了许多关于孔洞填充的算法,不过这些算法主要针对曲率较小区域的孔洞。基于此,提出了一种新的改进算法,解决了高曲率区域的复杂孔洞填充问题。通过孔洞在投影面上的投影,判断是否存在交叉点,将孔洞分为简单的孔洞和复杂的孔洞。当遇到复杂孔洞时,采用分割的方法把复杂的孔洞分割成简单的孔洞,再对其进行修补。     

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RBF神经网络的三角网格曲面孔洞修补

针对由测量数据重建得到的三角网格曲面存在孔洞的问题,提出了一种基于径向基函数(RBF)神经网络的修补方法.该方法首先检测出孔洞,通过对孔洞特征多边形实施三角化获得新增三角片顶点;在孔洞边界周围采集三角片顶点,将其作为样本点集来训练RBF网络;将训练好的RBF网络用于新增三角片顶点坐标的优化,最终实现孔洞的修补.修补实例表明,该算法对流形曲面上封闭孔洞的修补精度较高,修补效果良好.     

散乱点云的孔洞识别和边界提取算法研究

针对逆向工程中已有孔洞识别算法执行效率低、孔洞边界点提取不完整等问题,提出一种新的基于KD树和K邻域搜索的点云孔洞识别及边界提取算法。该算法首先利用KD树建立散乱点云的拓扑关系。其次,计算点云密度、定义距离阈值作为判别参数,利用K邻域搜索计算每个点与其K个邻域点的距离,距离大于阈值的点即为边界点。再次,采用单坐标搜索法去除外边界,保留孔洞边界。最后,利用边界追踪算法获取完整的孔洞边界点。以涡轮叶片和挖掘机斗齿为研究对象,对点云上的自然孔洞利用该算法进行识别。结果表明,该算法能够快速地识别出散乱点云中孔洞,并能完整地提取出孔洞边界点,实用性强。     

物体三维数字化中消除遮挡孔洞的视点规划方法研究

针对视点规划研究中的遮挡与孔洞问题,提出了通过建立点云孔洞边界点最小包容盒来有效消除遮挡孔洞的新方法。把视点规划分为侧面信息激光扫描视点规划和遮挡孔洞表面扫描视点规划,以孔洞边界点最小二乘平面的平行面为视觉系统扫描遮挡孔洞表面的运动平面,视觉系统的平移运动范围大于最小包容盒的四周平面范围,对孔洞轮廓表面进行点云数据采集。最后通过实例验证了所提方法的有效性。     

非封闭三角网格模型边界特征的自动识别

孔洞修补是反求工程中的重点研究内容之一,孔洞修补必须要准确定位和识别孔洞边界。非封闭三角网格模型边界和孔洞边界的识别多采用人机交互方法。提出一种新的孔洞边界自动识别方法:将边界顶点和边界网格向该边界对应的投影特征平面投影以获得边界投影多边形,利用平面几何多边形内角和知识进行自动识别,若边界投影多边形所对应的无网格部分夹角总和等于多边形的内角和则为孔洞边界,反之则为模型边界。通过实例验证,该方法能够自动识别出模型边界和孔洞边界并分离,提高了在非封闭三角网格模型中孔洞边界识别的效率。