反求工程中基于照片重构点云数据的研究

通过在不同的方位所拍摄的两幅照片,根据双目视觉匹配原理,以循环淘汰式鲁棒性匹配结果做为种子点,用唯一性和连续性约束实现区域扩散的对应点匹配,并利用相机非线性优化方法的标定结果和SFM重建算法来恢复物体三维结构信息。本方法仅仅利用数码相机作为图像传感器来测量物体的三维模型,避免了其他的测量方法操作复杂,测量物体尺度限制性等,通过照片就能够直接生成面向反求工程的点云数据。试验结果表明本文的方法能够达到理想的精度,是有效可行的。     

反求工程中基于点云数据集的CAD建模研究

提出了一种新的基于神经网络的点云数据重构CAD光顺造型的新算法。首先对点云数据平滑处理;然后进行特征线提取,并以特征线为基础对曲面进行分割。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点／曲面的控制网格,通过神经网络的权值约束实现曲线段／曲面片之间的光滑拼接。同时对恢复的隐式表面的初始逼近网格自适应性优化。实验效果表明,该方法能够得到精确的逼近结果,同时能满足反求工程的实时需求.     

反求工程中散乱点云的曲线构造

对反求工程中的点云数据处理,给出一种基于特征的区域分割法来划分点云,为后续曲面拟合提供有利条件。     

基于局部基面参数化的点云数据边界自动提取

提出了一种反求工程中基于局部基面参数化方法的点云数据边界特征的自动提取方法。首先选择合适的局部基面 ,然后用点云垂直投影于局部基面投影点的参数化代替空间点的参数化 ,二次参数曲面逼近点云 ,再利用曲面的微分特性估计点云数据的曲率值 ,求出曲率极值点 ,从中提取边界点。通过这些边界点可以进一步拟合边界曲线 ,达到对点云数据进行自动分片的目的。该方法具有较强的可操作性和实用性 ,对于反求工程的自动化和智能化研究具有实际意义     

基于Surfacer的点云数据的预处理研究

“点云”的预处理研究,包括平滑和拓扑关系的建立。利用反求软件——Surfacer,对“点云”进行了平滑,然后直接从空间入手,从一般性的角度来说明了点云数据的三角剖分的算法,建立数据之间的拓扑关系。文中最后指出下一步的工作。     

点云数据的几何属性分析及区域分割

为了提高参数化反求建模的效率,提出一种基于微分几何量统计分析的区域自动分割算法。该方法将点云划入规则分布的三维栅格;将栅格中测量点的几何属性值映射到法曲率坐标系和高斯球上,利用假设检验法识别映射点的分布模式;基于映射点的聚类性质、栅格的拓扑关系和分布拟合的结果分割与二次曲面、拉伸面和直纹面等特征曲面对应的数据区域。实例表明：该算法可以稳定、高效地提取点云中的特征信息,能够广泛应用于虚拟现实、计算机视觉等领域。     

基于特征与约束的反求工程参数化建模体系及关键技术研究

提出了基于特征及约束的反求工程参数化建模体系;研究了反求工程中特征及约束的定义、分类及表达,建立了参数化特征约束重构的最优化数学模型;探讨了参数化反求软件与通用CAD系统的集成技术;文章最后给出了一参数化曲面反求建模的实例。     

基于点云数据重构三维网格模型的神经网络法

给出了一种新的基于神经网络的点云数据重构CAD实体模型的新方法。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点、曲面的控制网格，通过神经网络的权值约束实现曲线段、曲面片之间的光滑拼接。同时对恢复的隐式表面的初始逼近网格自适应性进行优化。利用谊方法恢复的网格形状，无论在表面还是在隐式曲面的轮廓部分都能获得很好的视觉效果。所有算法的时间复杂度均为O（n），可以完全实时进行。     

基于图形的点云数据拼接方式研究与应用

反求设计是再现实物模型原型的数字化设计过程.在反求设计中,由于实物模型的点云数据往往不能一次测量完成,多次测量的点云数据需要通过数据拼接来达到数据统一,坐标一致.数据拼接的精度关系到测量的点云数据的精度,从而最终影响反求的三维模型的准确性.通过对点云数据拼接方法研究,结合正向设计中的几何约束对齐方式,采用基于几何图形的数据拼接方式,通过几何图形的完全对齐,实现多次测量的点云数据精确拼接,实践证明该方法在保证点云拼接精度上是切实可行的.     

基于二元Lagrange插值的点云数据切片技术

针对低密度点云切片精度难以保证的问题,提出了一种针对各种密度点云数据的点云切片算法。首先,拟定切片方案,确定切片平面组并根据切片平面组获得带状点云数据。其次,利用带状点云的步进排序方法,对其进行排序,并按排序选取一定数目的点云作为插值节点。再次,基于二元Lagrange插值法在特定插值点处对所选插值节点进行插值,并依照点云顺序依次对带状点云进行运算,从而得到切片平面上的二维有序点列。最后,对此点列进行最小二乘拟合,得到点云数据的截面曲线。应用实例表明:该算法突出优点为适应性强,且准确快速、稳定可靠。     

反求工程点云数据压缩技术研究

非接触扫描可以准确快速地获得大量点云数据,但是海量数据会影响后续的模型重构,为此需要进行压缩处理。本文提出了根据曲率的不同来压缩点云的方法:利用包围盒法分割点云数据,完成邻域搜索,计算邻域内的曲率,并据此进行数据压缩。通过实例验证表明,此方法对曲率变化大的点云数据的压缩具有较好的效果。     

反求工程中点云数据的曲线拟合技术

针对反求工程中的激光随机扫描所产生的散乱点云数据,提出一种曲线拟合方法。该方法能有效地对点云数据进行三角剖分、精简、平滑去噪处理等操作,并能最终得到满足要求的拟合曲线。     

A reverse engineering methodology for rotary components from point cloud data

This paper presents data analysis and model generation techniques for reverse engineering rotary components such as shafts and rotary dies. Existing reverse engineering techniques create a computer-aided design model from point cloud data that are a mathematical ‘best fit’, but this may be an inaccurate representation due to noise contained in the model. Also, rotary components have their own set of design parameters and reverse engineering design challenges. For several rotary applications, the point cloud data go through a series of transformations (such as transforming the points from a rotational to a planar representation) in order to extract the relevant information, and then a ‘healing’ process is performed to modify critical geometry and dimensions. To meet these challenges, a systematic approach is adopted in a comprehensive manner to extract the relevant information and transform it into relevant design knowledge. Several practical examples are presented that highlight the issues, the reverse engineering methodology, and how these techniques provide a platform for any subsequent design modifications and the component manufacture.     

基于统计特征的点云模型匹配技术

为使匹配结果收敛于全局最优解,提出基于统计特征的点云模型匹配技术.通过调整自由模型与固定模型的一个或多个对应统计特征重合或一致来实现模型的匹配.基于统计特征的模型匹配分为完全匹配和部分匹配两种情况.完全匹配能够一次匹配成功;部分匹配需要进一步处理才能完成模型匹配:交互调整自由模型中未被约束的自由度,使得自由模型与固定模型达到视觉上的匹配,然后采用迭代最近点算法精确匹配.根据统计特征进行模型匹配,使匹配方案稳定、可靠,保证匹配结果收敛于全局最优解.     

基于约束搜索球的点云数据与CAD模型精确比对检测

针对传统数字化比对检测中点偏差计算的准确性及效率不高的问题,提出了一种基于约束搜索球的点云数据与计算机辅助设计模型比对检测技术。首先,为了提高计算的准确性,在分析现有点—面计算模型的基础上,提出了点—边计算模型及点—点计算模型,用于计算曲率变化较大区域的点偏差。其次,为了提高计算效率,在最邻近顶点搜索过程中采用K-D树进行加速,在点数据归属过程中,构建一系列约束搜索球,将点云数据与计算机辅助设计模型比对的范围限制在约束搜索球内,降低算法的时间复杂度,提高点数据归属的效率。以某大型叶片为例,验证了该方法的有效性。     

利用点云数据的法矢及曲率估算

测量数据的微分几何属性估算是逆向工程中区域分割以及曲面拟合的基础,对逆向工程研究具有重要意义。简单介绍了基于坐标转换法的法矢和曲率估算方法;以迭代的方式对估算值进行优化,提高了点云法矢和曲率估算的精度;试验结果表明,迭代优化方法简单可行,能够计算出精确的结果。     

利用IGES的人工骨三维结构生成过程中的数据转换

为了解决人工骨三维结构生成过程中编程生成数据与CAD/CAM系统之间的数据转换问题,设计了基于初始化图形交换规范(IGES)的文件格式数据转换模块,实现了将程序所生成人工骨三维结构数据转换为标准数据格式的IGES文件,该文件可以被CAD/CAM系统正确读取。经过测试,几何数据转换完整,结果可靠。     

基于小波包的点云数据平滑处理

点云数据的平滑处理是逆向工程曲面建模前的必要环节.提出了基于小渡包的点云数据平滑处理方法,通过小波包变换将点云数据分解成不同层次的小波系数,而点云数据中的噪声点属于高频信息范围,所以在小波系数域内通过去除高频信息重构点云数据,一方面可以实现点云数据的平滑处理,另一方面则可以针对不同的频谱信息进行噪点云除.同时,由于点云数据的离散间隔信息不均匀,采用离散小波进行处理时在采样方式上存在误差,故根据点云数据的获得原理,采用图像域的二维信息作为索引代替原三维点云数据的x,y坐标.小渡包重构后通过索引信息将原来的坐标信息还原,从而达到点云数据平滑的目的.整个算法通过图像域、小波系数空间和三维欧式空间的相互转换完成点云数据的平滑处理.最后以具体的实例验证所提方法的有效性.     

基于信息向量机的机载激光雷达点云数据分类

针对支持向量机应用于机载激光雷达(LiDAR)点云数据分类时存在的模型稀疏性弱、预测结果缺乏概率意义、训练时间长等缺点,提出一种基于信息向量机的LiDAR点云数据分类算法。该算法采取假定密度滤波算法进行近似逼近,将分类问题转化为回归问题;以最大后验微分熵为依据,选择LiDAR点云数据活动子集信息向量实现模型稀疏化;最后,通过边缘似然最大化进行核函数自适应获取,选择一对余分类方法实现了点云数据多类分类。利用Niagara地区和非洲某地区点云数据进行了对比实验。结果表明:与支持向量机方法相比,基于信息向量机分类方法的分类精度分别提高到94.20%和90.78%,基向量数量分别减少到50个和90个,训练时间分别降低到5.86s和8.03s。实验结果验证了基于信息向量机的点云数据分类算法具有训练速度快、模型稀疏性强、分类精度高等优点。