共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
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。 相似文献
3.
基于最小二乘支持向量机的三角网格修补算法 总被引:1,自引:0,他引:1
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。 相似文献
4.
5.
6.
7.
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。 相似文献
8.
基于径向基函数的多种类型孔洞修补算法研究 总被引:3,自引:0,他引:3
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。 相似文献
9.
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. 相似文献
10.
11.
12.
13.
《现代制造技术与装备》2017,(3)
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。 相似文献
14.
15.
16.
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。 相似文献
17.
18.
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。 相似文献
19.
20.