点云数据的管道面重构

针对反求工程中管道面重构问题，提出了一种从点云数据中直接提取管道面特征参数的算法.算法
分为两步：第一步将管道面数据视为过渡特征数据，利用过渡特征提取原理获得管道面的一系列截面线
，经概率统计方法进行噪声去除后，得到准确的截面线及其半径.第二步是由截面线的中心确定管道面的
脊线点列.利用移动球法，球的直径即是采样步长，沿着脊线方向对点列进行均匀采样，然后对采样点列
进行高斯平滑，获得光滑均匀的脊线点列.用三次B样条曲线拟合采样点列而获得脊线.计算实例表明，该
方法能够稳定、准确地提取出管道面的几何特征参数.     

基于区域分割与约束逼近的二次曲面重建

从散乱数据中有效地分离出特征与约束是表达原始产品设计意图的关键.基于点的连通性及同一特征曲面数据点估算法矢、曲率的相似性,并在特征曲面拟合误差控制下实现了空间散乱数据二次曲面数据的自动分离;应用二次曲面的几何参数表达建立了二次曲面整体约束逼近的最优化数学模型,将几何约束情况下的二次曲面重建转化为数学模型的求解,使重建的CAD模型可有效再现二次曲面之间的几何约束.工程应用实例表明:该方法稳定可靠,可显著提高反求工程CAD建模效率及重建模型精度.     

基于4D Shepard 曲面的点云曲率估算

为了高效处理大规模点云数据，提出了一种新的曲率估算方法.该方法基于空间六面体栅格分割点
云，针对每个栅格中的测量点逼近局部二次抛物面，通过计算并检查抛物面的最小采样密度和自适应划分
栅格来构建符合给定允差的局部曲面，使用步进法对曲面进行采样，利用坐标转换法计算每个采样点的曲
率、插值采样点的坐标和曲率来构造全局4D Shepard 曲面，并快速计算点云中每个测量点的曲率.结果表
明，该方法通过Shepard 曲面插值点的简单线性组合估算曲率，无需构建三角网格，具有复杂度低，实用
性强的特点.应用该方法能够快速、准确地获取大规模离散数据的曲率值.     

三维散乱点云分割技术综述

综述了三维散乱点云分割技术的有关概念、分类方法及研究现状,总结了这些分割方法的基本思想并加以分析比较,评述了点云分割技术的发展动态,并对未来的研究方向作了展望。     

基于真实三维人体点云的特征参数提取

针对真实三维人体点云数据,提出一种快速提取人体特征参数的方法。首先对点云数据进行预处理,并将人体中心点转化为坐标原点,然后利用人体几何形状以及特征参数的定义,通过分层探索法来定位人体特征点,最后利用人体特征点得到相应的特征截面信息,使用边缘识别法提取特征轮廓边界点,对于不同人体体型,基于人体几何形状分析法自动识别正常和肥胖人体体型,有效地计算不同体型的真实特征参数信息。数值实验说明了该方法的有效性。     

反求工程中的数据预处理和建模技术

反求工程是从实物样件经重新设计得到产品模型的过程．在构建曲面模型过程中．采用三坐标测量机获取三维离散数据“点云”．用Surfacer软件对“点云”进行预处理和曲面重构,并按分割后的“点云”进行建模．最后给出了建模实例．     

基于网格化曲率聚类的点云分割

针对三维散乱点云数据,提出一种基于网格化曲率聚类的点云分割算法．首先对点云进行三维空间动态网格划分建立散乱数据点的拓扑关系,利用坐标转换法,在局部坐标系内拟合抛物面,进而求得高斯曲率、平均曲率等微分信息,然后基于聚类分析的思想利用高斯曲率和平均曲率的相似性进行点云数据的初始分割,再利用空间网格的拓扑关系检查和纠正完成点云数据的区域分割．该方法不需计算出每一个测量点的曲率值,从而提高了计算速度．     

基于点云数据的三维人体头部分割技术研究

三维人体分割技术是数字化服装、数字化人体测量、计算机动画等应用中最关键的技术,但当前存在着分割不是很精确的缺点。针对头部分割不精确的缺点,对基于点云数据的三维人体头部分割技术进行了研究,提出以最大距离法和近似凸包边法定位分割特征点和分割切面,并引入分割切面倾斜角实施头部分割。实验结果表明：提出的分割方法提高了头部分割的实时性和精确性。     

三维激光点云数据的特征线光滑处理方法研究

在点云数据的三维建模过程中,常常会碰到特征线的光滑处理问题,通过拉格朗日插值、多项式拟合和三次样条函数拟合这3种方法对三维激光点云数据的特征线进行光滑处理.和原始数据进行实验对比分析,检验出样条拟合在特征线光滑处理方面有一定的优越性.     

一种新的点云数据特征骨架提取方法

为解决点云数据的线骨架提取问题,为点云数据的后续几何处理的奠定基础,提出了一种新的点云数据骨架提取方法.通过对点云数据的空间层次剖分后建立其简化模型,可有效地避免噪声点对骨架的干扰;根据离散Morse理论,从简化模型中提取主要的特征点,用测地线连接这些主要特征点可得到模型的初步骨架.采用可见反力场方法将初步骨架内推至模型内部,对内推后的骨架光顺及聚类后形成最终骨架.该方法能够直接处理带噪声数据的大规模点云数据,所形成的骨架连续.     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.     

基于自组织特征映射神经网络的点云数据分区

自组织特征映射神经网络SOFM可以实现无监督的特征聚类.利用SOFM实现逆向工程中点云数据分区,通过改进SOFM网络初始权值方法以及引进能量函数控制迭代次数,提高了SOFM的分区效率.利用SOFM方法实现点云数据分区具有较强的容错性能,对测量数据点无任何要求.实例运行结果验证了此方法的可行性.     

Optimized initial aligning algorithm for point cloud registration

This paper deals with the initial aligning problem of pairwise point cloud registration. A novel Distance Disparity Matrix algorithm derived from Euclidean invariants of rigid motion is proposed to prune the obvious outlier matches while keeping the most inliers.The pruned matches are then sent into a Least-Squares Backward procedure to estimate optimized rigid transformation in fewer iterations.The employed thresholds are automatically determined with respect to the actual resolution of input point clouds. Experimental results show that the proposed strategy effectively eliminates the outliers to achieve better initial alignment at a high speed, and further enhances the performance of point cloud registration.     

一种基于曲率极值法的LiDAR点云特征提取算法

针对地面LiDAR（1ightdetectionandranging）技术在三维数据采集过程中无法体现人的主观判别能力、采样数据存在大量冗余的问题,提出了一种基于曲率极值与最小生成树准则的LiDAR点云特征提取算法．通过二次曲面拟合实现对原始采样曲面的模拟与表达,估算采样表面的几何微分属性,分别基于平均曲率比较法、曲率极值法来实现特征点的初选与精选;设计并实现了一种基于最小生成树准则的特征点拓扑邻接关系的确定方法以及相应的最小生成树裁减算法,在确定特征点拓扑邻接关系的同时,依据裁减算法实现了采样地理实体表面特征的精确提取．实验证明,算法是可行、有效的,利用算法提取了LiDAR点云的特征之后,有效地增强了点云数据的表达能力,弥补了地面LiDAR技术在数据采集过程中无法体现人的主观判别能力的不足;借助于算法提取的采样地理实体表面特征来指导和约束点云数据简化过程,可在有效保留原始采样曲面重要特征的同时实现点云数据的大幅度精简．     

基于点云和设计模型的仿真模型快速重构方法

随着产品装配质量要求的不断提高,为了在CAD模型仿真试验中快速且准确地表达零件实际加工质量,提出基于点云和设计模型的仿真模型快速重构方法. 采用“一面两孔配准”方法,将零件实测点云数据配准到设计模型上;根据设计模型边界提取出曲面重构所需的控制顶点;采用非均匀有理B样条（NURBS）方法对控制顶点进行曲面拟合;根据仿真需求,结合边界表示法（BREP）和构造实体表示法（CSG）实现模型表面的局部和快速替换. 在CATIA中开发基于实测点云数据和设计模型的仿真模型快速重构模块,和基于可拓展标记语言（XML）和特征完全匹配的数字预装配模块. 以某航空企业典型零件和舱门预装配为例,验证该方法的重构精度和效率及其在预装配仿真中的高效性和准确性.     

浊点萃取分光光度法测头发中锌的含量

针对传统萃取分光光度法测定头发中的锌含量,需要使用苯、四氯化碳等有机毒性试剂萃取锌-双硫腙疏水配合物,存在污染环境和操作费时之弊端,采用浊点萃取法代替有机毒性试剂萃取锌-双硫腙红色疏水配合物,用分光光度法测定人发中的锌含量.选择湿法消化处理头发试样,选取非离子表面活性剂曲拉通X-114和硫酸铵作为浊点萃取体系,对锌-双硫腙红色疏水配合物进行浊点萃取;实验测定了浊点萃取物的最大吸收波长、萃取剂的浓度、萃取剂的测定、硫酸铵的用量及显色体系的pH和显色剂的用量对吸光度的影响,并进行回收率实验.实验结果表明浊点萃取的配合物最大吸收波长为527 nm、质量分数2％的萃取剂为0.3～1.0 mL、硫酸铵1.2g、pH为4.5、显色剂的用量为0.2～0.8 mL,锌含量的线性范围为0.2～1.2 μg/mL,线性回归方程为A=0.435 9 c（μg/mL） ＋0.014 8,相关系数r=0.997 3,表观摩尔吸光系数为5.894×10 000 L/（mol·cm）,测定结果的相对偏差为2.4％,回收率为98.76％～102.2％.用该法测定头发中的微量锌,结果令人满意,对食品中微量锌的测定具有一定应用价值.