逆向工程中的三维测量数据点云的分割

以线激光一机器视觉测量方式得到的曲面数据云为基础，探讨了曲面密集三维散乱点群数据的分割技术．根据线激光测量方式和三维点群分布的特点，建立了恰当的数据结构在计算机中表示散乱点群．并通过树形的空间结构完成对密集散乱点群空间分割，由此实现对散乱点群数据的几何分割。     

在逆向工程中用神经网络实现点云数据分区

点云的数据分区问题是逆向工程中的一个瓶颈问题。论文在传统的自组织特征映射(SOFM)神经网络的基础上,用多层自组织特征映射(MLSOFM)神经网络实现逆向工程中点云的数据分区,克服了SOFM用于数据分区的局限性,不需预先指定分区的数目,实例运行结果验证了此方法的可行性。     

反求工程中的点云切片算法研究

提出了一种快速有效的点云切片算法．该算法基于空间栅格划分建立离散点之间的拓扑关联信息,通过高效的平面点云求交算法构造平面散乱点列;并基于多项式时间复杂度的混合式曲线重建算法实现了任意非均匀分布平面点列的多义线重组．应用实例表明：文中算法快速准确,稳定可靠．     

点云数据中空洞区域的自动补测算法

通过引入平均误差及平均曲率影响因子,自动计算出补测空洞的影响区域,进而利用影响区域内的数据构造连续曲面并计算出空洞内的数据点．文中算法是一个具有自适应特性的数据补测算法．     

基于特征的反求工程建模系统RE-SOFT

RE-SOFT作为一个专业化的反求工程建模软件在业界拥有较高的知名度,其许多核心技术独具特色．介绍了该软件的整体架构、主要功能和若干关键技术．通过对数据预处理、特征提取、特征重建和编辑中的一些核心技术的介绍,展示了反求工程领域的最新研究成果．叶片反求建模的应用分析表明,应用该系统进行反求建模可以获得完整特征表达的理想CAD模型．最后总结了RE-SOFT的主要特色,并给出了今后反求工程领域的主要研究方向．     

利用模糊神经网络实现逆向工程中的区域分割

论文提出了一种改进的模糊自组织特征映射网络(fuzzySOFM),它不仅显著加快了聚类的速度,而且算法简单。该网络采用由数据点的坐标、估算出的法矢量和曲率构成的八维特征向量作为输入,快速地实现了逆向工程中点云数据的区域分割。与现有方法相比,该方法具有以下优点:第一,具有更高的聚类速度,并可以直接处理含噪声数据;第二,聚类的结果与数据输入的顺序无关;第三,能利用数据的隶属度快速提取出特征线数据,从而将基于面的分割和基于线的分割结合起来。实验结果证明了这种方法的有效性。     

反求工程中点云数据的二次曲面特征提取技术

基于点的连通性及同一特征面测量点几何特征相似性，在特征曲面拟合误差控制下，实现了散乱数据二次曲面的区域分割．工程应用实例表明：文中方法稳定可靠，可显著提高反求CAD建模效率与重建模型精度。     

基于深度学习的点云语义分割研究综述

近年来,深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展。点云语义分割作为理解三维场景的关键步骤,受到了研究者的广泛关注。随着深度学习的迅速发展并广泛应用到三维语义分割领域,点云语义分割效果得到了显著提升。主要对基于深度学习的点云语义分割方法和研究现状进行了详细的综述。将基于深度学习的点云语义分割方法分为间接语义分割方法和直接语义分割方法,根据各方法的研究内容进一步细分,对每类方法中代表性算法进行分析介绍,总结每类方法的基本思想和优缺点,并系统地阐述了深度学习对语义分割领域的贡献。然后,归纳了当前主流的公共数据集和遥感数据集,并在此基础上对比主流点云语义分割方法的实验结果。最后,对语义分割技术未来的发展方向进行了展望。     

基于K-means聚类方法的三维点云模型分割

提出采用K-means聚类分析方法对三维点云模型进行分割。论文指出,对于分布呈现类内团聚状三维点云模型,K均值聚类分割可以得到较好的结果。与三维网格模型的K均值聚类分割、点云模型的谱系聚类分割的实验结果比较证实了这一点。     

点云数据中拉伸面特征的提取

根据拉伸曲面的定义,提出了一种基于点云数据的拉伸面的拉伸方向提取算法,首先,估算点云的主曲率和主方向,在过滤平面数据后计算最小主方向的平均方向,在噪声去除的基础上得到初始拉伸方向;然后,以点云在拉伸方向上的最小投影面积作为目标函数,对初始拉伸方向进行优化得到精确的拉伸方向,最后用几个实例证明了文中方法的正确性、可行性和适用性。     

逆向工程点云数据采集系统设计及应用

针对目前四轴激光测量机的不足,设计了一种五轴逆向工程点云数据采集系统;在四轴的基础上增加了激光测头的旋转轴,采用基于PCI总线的运动控制系统及USB总线的数据采集系统,并植入了图像采集系统,通过二次开发技术利用Windows的应用程序编程接口函数对扫描范围进行自动识别;软件系统使用了采集路径规划及测量数据优化处理算法;在原始数据测量及曲面反求建模两个方面进行了实例应用,零件大斜度面和垂直于工作台的表面均能覆盖测量,并且所有点云数据是一次测量完成,实验结果验证了本系统的可行性与稳定性。     

基于改进ICP算法的点云自动配准技术

在零件的型面检测过程中,通常有数据采集、曲面重构、曲面配准和误差求取几个步骤。其中,曲面之间的配准是检测中关键的一环。针对传统的经典ICP(Iterative Closest Point)算法在配准过程中受噪声干扰大、鲁棒性差的缺点,在应用点云主方向贴合的粗略配准基础上,以经典的ICP算法为基础,提出了点云数据的欧氏距离阈值去噪和点云的方向矢量夹角阈值两种方法改进ICP算法,并应用改进算法作为点云之间的精确配准算法。对于经过初始配准的点云数据使用欧氏距离阈值法剔除点云间点对的噪声,并经点云各点间的方向矢量夹角阈值进行对应点采样,提高了传统ICP算法的效率和精度。经飞机和汽车零件点云配准实验验证,本算法的配准误差在±1μm内。算法具有设计简洁,响应快速的特点,有实际工作意义。     

Multi-View Point Clouds Registration without Feature Extraction for Use in Reverse Engineering of CAD Models

For reverse engineering a CAD model, it is necessary to integrate measured points from several views of an object into a common reference frame. Given a rough initial alignment of point cloud in different views with point-normal method, further refinement is achieved by using an improved iterative closest point (ICP) algorithm. Compared with other methods used for mult-view registration, this approach is automatic because no geometric feature, such as line, plane or sphere needs to be extracted from the original point cloud manually. A good initial alignment can be acquired automatically and the registration accuracy and efficiency is proven better than the normal point-point ICP algorithm both experimentally and theoretically.     

基于切片方法截面数据处理

为了提高后续截面轮廓重建的精度,提出了基于截面切片后数据处理的系列算法.首先用点云束细化算法对切片数据进行细化处理,采用类似于移动最小二乘法的跟踪方法,整个过程不对测量数据进行局部坐标变换,迭代步长由点云密度控制;将截面切片数据细化后,用双链表排序算法对细化后的数据进行排序处理;对截面测量数据的特征点提取,结合"角偏差法"和"弦高差法"的优点,研究了对提取特征点结果影响的几个主要因子,提出一种对冗余数据处理及特征点提取的方法,得到的点云数据可以进行很好的分组处理,并拟合成合适的轮廓特征单元.     

基于局部特征匹配的对称面提取算法

在反求工程中,对称面提取对于点云的几何模型重建具有重要意义,根据对称性原理,给出了点云模型中双侧对称性的数学定义,在此基础上,构造了一种基于迭代最近点(ICP)数据匹配的对称面提取算法,该算法已经在反求工程CAD系统RE-SOFT中实现,并应用于汽车引擎罩、卫生洁具零件的模型重构。     

逆向工程中的多视定位算法研究

首先在采用标签法预定住的基础上计算每个控制点的名义对应点,建立了控制点集的一种名义对应关系,然后将旋转变换矩阵和平移变换矩阵的计算描述为一个约束优化问题,根据优化理论中的Kuhn—Tucker定理以及矩阵值函数的微商理论,利用奇异值分解导出了旋转变换矩阵和平移变换矩阵的计算公式,并通过迭代法计算视图问定位所需的坐标变换,从而快速方便地实现了多视定位。试验结果表明,本文提出的方法满足后续模型重建所需的精度要求。     

点云表面曲线的手绘构造方法

为了勾勒点云的骨架或在点云上标记符号,提出一种基于手绘的点云表面曲线构造方法．首先将手绘的二维草图识别成二次曲线;然后将其均匀离散化并分别投影到点云表面;最后判断投影点是否接近于同一平面,如果是,则将二次曲线重新投影到该拟合平面;否则,将投影点连接成B样条曲线并对其平滑去噪．实验结果表明,利用该方法可以快速勾勒出点云轮廓,并在点云表面高效地绘制出二次曲线或者平滑的B样条曲线．     

基于逆向工程的飞机曲面重建方法研究磁

介绍了逆向工程的基本知识,飞机曲面数据采集的一般流程;提出了点云数据预处理算法实现,包括点云滤波算法、点云数据精简算法和基于奇异值分解法的多视点云拼接算法,通过对数据的预处理,大部分数据噪声得以消除,数据量进一步简化,多视点云数据实现空间配准;研究了飞机曲面重建的数据处理流程,对飞机机体进行若干分区,按照点、线、面的建模处理流程对每个区进行独立建模;最后以Catia逆向建模模块对某型样机点云数据处理流程为例,详细探讨了飞机曲面重建的流程,精度验证等方法实现,实践证明,论文介绍的算法和处理方法切实有效,建模数据准确可靠。     

基于双目的三维点云数据的获取与预处理

在计算机辅助几何设计、医学诊断、物体识别与定位等领域的应用需求下,三维点云数据的获取与处理技术受到越来越多的关注。现在有多种不同的方式可以获取现实世界中物体的三维点云数据,并对数据进行相应处理。为了能够很好地对三维数据点云进行前期的预处理,首先通过双目摄像机获取物体的三维点云,并采用八叉树法对点云数据进行相应的预处理,然后在逆向工程软件中描述出来,从逆向工程软件中可以看出得到的物体与实际物体比较接近,从而可以证明所获取的点云数据可以用来描述物体,并且点云数据的处理技术是可行的。     

医学图像自动分割的神经网络算法

提出了一种基于Ｋｏｈｏｎｅｎ聚类神经网络的图像分割算法。首先论述了Ｋｏｈｏｎｅｎ聚类神经网络的基本原理，在此基础上对其进行了改进，将其用于医学图像分割中。针对聚类中心初始值选取的盲目性，提出了初始值优选法，大幅度提高了分割算法的速度。实验表明，本文提出的算法能快速、准确地完成医学图像的自动分割。