基于模糊逻辑的三维散乱数据非均匀简化算法

研究了三维散乱数据的非均匀简化问题,给出了法向变化量的定义及其与曲面高斯曲率的关系。在此基础上,提出了一种新的基于模糊逻辑的非均匀简化算法。该算法可通过初始分块立方体的大小调节平坦区域数据点的密度,也可通过对不同的模糊集设置不同的细分函数,调节中、大曲率区域数据点的密度。算法还采用了分别在每个含点立方体内进行法向一致性调整的方法,提高了法向调整的速度。应用实例表明了算法的实用性和有效性。     

面向船体外板曲面重建的散乱点云精简算法

针对船体外板形变曲面实时检测与快速高效三维重建的要求。提出了以空间层次剖分和特征曲率相融合的精简算法,通过k-d树剖分准则将三维点云数据剖分成不同层次空间,层层递归形成树状数据模型,在每个节点空间内,同时分别利用K-邻域计算、曲率估算,获得点云特征曲率信息,设定可调的曲率阈值,依据阈值将同一数据源的点云数据区分为不同曲率大小的区域,运用不同的精简算法,实现保持曲面基本特征的曲面重建。实验结果分析,该算法保证曲面重建的基础上,大大减少了曲面的点云数量,提高了曲面重建效率。     

散乱噪声点云的数据分割

提出基于边界曲线微分几何特征的新方法分割散乱噪声点云.改进TAUBIN方法以精确恢复散乱噪声数据的主曲率和主方向.通过分析散乱点在主方向的曲率变化,达到识别G1、G2连续边界点的目的.获得的边界点形成边界带,将点云分割为多块子区域.最后采用区域增长的方法提取各子区域.试验结果表明所提出的方法能够克服噪声影响,有效提取散乱噪声点云的G1、G2边界.对复杂曲面模型,该方法也能够直接获得较好的G2连续边界.     

逆向工程中散乱点云的K邻域搜索算法研究

针对逆向工程中散乱点云的K邻域搜索,提出了一种快速、精确的散乱点云K邻域搜索算法。该算法根据点云包围盒的大小,点的总数以及邻域点的个数,采用二次空间划分的策略,以确定合适的立方体小栅格的梭长,从而保证立方体小栅格里点的个数相对均匀。然后,建立以采样点为中心的球体、该点到所对应的立方体小栅格环六壁的距离为半径的取值范围,依次增加该球体的半径,以球体内有K个点为中止条件,可以快速完成采样点的K邻域搜索。与已有算法相比,该算法具有较高的搜索效率。     

非均匀C-C细分曲面的曲率分析

分析了非均匀C-C细分的特点,为细分网格上正则部分的曲率计算给出了两种方法:基于网格顶点的曲率计算和基于网格面的曲率计算。这两种方法都能精确计算出网格的正则点在极限位置的曲率。对于以面为基础的方法,还能精确计算出网格的正则面在极限曲面上对应区域的任意参数位置的曲率。这两种曲率计算的方法也能够精确计算出网格正则部分的其它几何属性,如法矢量、主方向、主曲率等。对于奇异点附近区域的曲率,本文给出的算例用局部逐层细分的方式进行逼近。细分曲面任意位置的几何属性都可能需要计算时,本文的方法可以作为解析法的补充。     

逆向工程中散乱点云变尺度配准算法研究

针对传统散乱点云配准算法收敛区间与配准精度之间的矛盾,提出一种变尺度点云配准算法.构造一种基于重合点计数点云配准测度函数;对测度函数的高斯平滑过程进行研究,并对尺度参数对测度函数性能的影响规律进行分析;根据测度函数在大尺度参数下平滑但存在极值偏移,在小尺度参数下全局极值位置精确但存在局部极值的特点,提出一种尺度参数可变的散乱点云配准算法;借鉴模拟退火算法的思想,通过对比选定Lundy退化策略作为算法的尺度衰减策略;采用曲率约束进行控制点筛选并利用快速高斯变换进行测度函数值的计算以提高算法效率;利用合成数据和实测数据进行对比试验,结果基于变尺度策略的散乱点云配准算法具有更加广泛的收敛区间和更高的配准精度.     

一维非均匀齿轮形貌点云精确配准方法

为了提高虚拟齿轮形貌点云和实测非均匀齿轮形貌点云的配准精度提出一种配准方法。首先以实测齿轮形貌点云数据为基准生成与其数量相同的虚拟齿轮形貌点云数据;再利用互相关算法求出这两组点云数据的初相位,并对虚拟齿轮形貌点云进行相位平移;最后以实测齿轮形貌点云数据为基准,重新生成一组与其点与点对应的虚拟齿轮形貌点云数据,实现两组点云数据的精确配准。实验结果表明:当周采样数目为125952时,采用一维非均匀齿轮形貌点云配准方法较迭代最近点(ICP)算法,角位移配准精度提高了0.0008°,线位移配准精度提高了4μm。该方法可提高非均匀齿轮形貌点云的配准精度。     

拟均匀细分曲面方法进行曲面重构

将最小内角之和最大的原则作为非均匀Catmull Clark细分到均匀Catmull Clark细分的过渡判定原则 ,在充分利用上述 2种细分方法思想的基础上 ,提出了一种拟均匀细分方法 ,这种细分的方法比传统的单一细分方法有更好的灵活性 ,可以达到较好的曲面重构效果。     

曲面重构中散乱点云数据曲率估算算法的研究

获取测量点云数据的几何特征信息是曲面重构的基础,估算数据点方向矢量和曲率是点云数据处理中必须面对的问题。这里针对散乱测量数据点云,以局部数据点协方差矩的最小特征向量作为数据点的方向矢量,并根据实际测量情况,对基于二次曲面拟合的数据点曲率估算算法进行了改进。对实际测量点云数据,能够较准确地估算出点云方向矢量和曲率,并能形象显示出数据点云的曲率分布。     

采用截面特征点云的NURBS自由曲面构建

结合NURBS曲面的构建理论,以工程软件UG为平台,探讨了基于截面特征点云的NURBS自由曲面构建的工程实现方法.实现了由截面特征点云进行NURBS曲线拟合,再由拟合曲线进行自由曲面的构建过程,并从曲面的表面状态与误差两个方面对构建的自由曲面进行评估.实践表明:采用该方法构建的自由曲面能保证NURBS曲面拟合质量,且精度高,能有效地反映实物原型.     

基于自适应最优邻域的散乱点云降噪技术研究

在分析已有滤波技术的基础上,计算点的法向矢量和法向局部方差。采用与法向局部方差有关的自适应角度阈值的截断函数限制邻域点的选择,获得与表面特征有关的自适应最优邻域;采用改进的三边滤波方法实现法向矢量滤波和位置滤波。实验验证了该方法的可行性,与其他滤波方法相比,该算法能更有效地保持细节特征,同时获得光顺的离散表面。     

海量散乱点云out-of-core快速均匀精简算法

海量散乱点云的精简对其显示及交互性操作具有重要的意义。为快速有效地精简海量散乱点云,改进CR树结点分裂算法,将上溢结点子结点包围盒集转化为包围盒的中心点集,利用CR树与数据库SQLite构建主存-辅存分级存储机制,从而实现海量散乱点云的out-of-core管理,计算CR树目标结点层中每个结点所包含点集的均值点,将距离均值点最近的点作为该点集的精简结果,根据目标结点层的不同实现海量散乱点云不同程度的精简。实验证明,基于分级存储机制的快速均匀精简算法能够快速有效地精简海量散乱点云。     

自由曲面测量点云数据的建模方法研究

本文提出了一种散乱点云数据的建模新方法。通过对点云数据进行空间三维划分，实现了边界信息的高效提取。采用局部曲面拟合方式得到位于截平面上的有序数据，使得无序的散乱数据形成了有序的阵列数据，实现了NURBS曲面的精确拟合。实验证明，该方法非常适合卷曲类模型的自由曲面重构，在某零件的测量、建模和加工中已经得到了实际应用。     

复杂曲面类模型的逆向建模技术的研究

为了缩短零件的开发周期,用逆向工程建模和创新已经成为一种越来越受欢迎的方法。逆向工程在没有零件CAD文件的情况下,能够迅速重新构建现有经典的设计并开发新设计。以游戏手柄为例,从原始点云数据采集、点云数据的编辑、逆向建模(CAD模型的重构)以及产品CAD模型的质量分析四个方面介绍复杂曲面类模型的逆向建模过程。     

一种基于特征的自适应地形模型简化方法

经研究提出了一种新的根据地形特征自适应确定误差评价函数和表面细分策略的模型简化方法.为了降低特征提取给算法带来的额外开销,建立了细节层次结构,并且提出了与层次结构相结合的特征点选择算法.根据特征点构造了与层次结构中节点相关的特征域,从而限定了特征搜索范围,提高了特征提取的效率.在此基础上建立了特征域的匹配度函数,实现了地势起伏相似区域的合并,最后根据特征域匹配情况自适应选择误差计算方法和阈值.最终达到了提高模型精度和算法效率的双重目的.文中方法在多个基准数据上均进行了实验研究,结果表明与经典层次细分方法相比,算法效率和模型精度均得到显著提高.     

基于型值点拟合的非均匀有理B样条曲线曲面延拓算法

提出了一种用于非均匀有理B样条曲线曲面延拓的算法,采用＂先离后合＂的思想,首先对需要延拓的非均匀有理B样条基线进行分析,构造出一系列的基线型值点;然后将延拓点加入到型值点序列中,再对新的型值点序列进行插值,创建出延拓曲线;最后对生成的延拓曲线的控制顶点序列进行优化操作,以保证所创建的延拓曲线拥有最佳的几何数据结构,从而为下一次延拓打下坚实的基础。算法通过在型值点构造过程中调节容差检验值,使得延拓操作能够适应任意精度的运算场合,从而在运算速度与精度之间达到最佳平衡。讨论了非均匀有理B样条曲线曲面延拓的几种不同形式,以及相应延拓点的计算方式,并给出了运用该算法的运行结果。     

空间散乱点尼近邻搜索的新策略

提出了一种快速搜索后近邻点的算法。本算法采用空间包围盒分决策略,将数据点空间沿三个坐标轴方向分割成若干小立方体子空间。在局部搜索过程中,通过方向控制减小扩展的搜索范围,优先在后近邻最有可能出现的立方体子空间内搜索。大量实际数据的实验结果表明：本文算法可以大大提高海量散乱数据点的后近邻搜索的速度。     

基于曲率突变分析的点云特征线自动提取

点云特征线提取是点云模型重构的基础,国内外对此从边缘检测、特征线跟踪和面域分析等方面展开了研究,但由于存在模型多样性、点云数据噪声和不完整性、特征复杂性等问题,看似简单的特征线自动化提取很难实现。从曲率突变点隐含了点云特征线这一论断出发,借鉴图像处理中的区域分割和边缘检测思想,提出了特征线提取中的聚类、细化、分段和排序方案。在具体实现中分别提出了基于连通区域聚类的备选点集分离算法,基于局部影响区域腐蚀的点集细化算法,以及基于组合搜索准则和主成分分析(PCA)双向搜索的特征线分支截断和排序算法。在对比实验中,确定了算法关键参数曲率突变点比例w和方向夹角阈值θT的推荐值,并与类似算法对比能提取更多的特征点;在模型实验中,简单几何模型的特征线提取正确率达到了100%,复杂机械零件模型和艺术品模型的特征线提取正确率均达到了85%以上,取得了预想的棱线和特征轮廓线提取效果。算法具有通用性和可扩展性,通过程序优化可获得更好的特征提取效果。     

空间散乱点k近邻搜索的新策略

提出了一种快速搜索k近邻点的算法。本算法采用空间包围盒分块策略,将数据点空间沿三个坐标轴方向分割成若干小立方体子空间。在局部搜索过程中,通过方向控制减小扩展的搜索范围,优先在k近邻最有可能出现的立方体子空间内搜索。大量实际数据的实验结果表明:本文算法可以大大提高海量散乱数据点的k近邻搜索的速度。     

基于简化点云带动的涡轮叶片快速配准技术

针对涡轮叶片密集点云数据与计算机辅助设计模型配准速率慢、耗费时间长的问题,提出基于简化点云带动涡轮叶片快速配准的方法。基于叶片的三维光学扫描数据和计算机辅助设计模型,采用均匀采样法和曲率采样法简化点云模型数据,通过最近点迭代和奇异值分解相结合的配准方法,实现叶片密集点云模型与计算机辅助设计模型的快速配准,并对配准精度和速度进行了统计分析。结果表明,基于均匀采样法简化的点云数据模型带动的配准,在保证配准精度的前提下能有效提高配准效率。