器官反求CAD建模中的虚拟测量

针对基于断层轮廓数据反求CAD建模中曲面品质较差的问题，提出一种基于复合三角Bezier曲面的局部虚拟测量方法。首先分离品质较差的局部曲面，然后拟合局部曲面的散乱点得到光顺的中间曲面模型，最后将中间曲面离散得到修正的曲面模型。算例表明，利用局部虚拟测量方法可以明显提高器官重构曲面模型的品质。该方法也可以用于改善零件反求CAD中曲面局部特征的品质。     

曲面分割求交方法的实现

曲面求交是CAD/CAM中的重要问题,分割求交方法用得最多。但是在实现这种方法时,计算精度一直没有得到很好的解决。本文在实验的基础上指出,精度问题贯穿整个求交过程,各种错误现象由此而生。文章还介绍了作者在实现这一方法时在这方面的努力,但最后不得不指出,如果不彻底解决精度问题,这一方法的生命力将受到影响。     

反求工程中的曲面建模技术及相关软件(模块)分析

反求工程是当前先进制造技术研究的热点之一,本文在简要综述反求工程中的CAD建模技术的基础上,分析了几种反求工程软件（模块）的技术特点。     

反求工程CAD建模技术研究

将设计思想或实物原型迅速、直接、精确地转变为可以再加工的CAD模型,是产品创新设计和快速原型制造面临的关键技术,综合国内外反求工程CAD建模的研究和应用现状,分析了反求工程CAD建模问题的特点和需要进一步解决的主要问题,讨论了目前工程界普遍采用的反求工程CAD建模技术与思路,以及作者在解决这一系列问题中取得的进展情况。     

反求工程中的混合切片技术

提出一种基于平面与“点云”、平面与NURBS曲面求交计算的混合切片方法．该方法可以保证切片曲线在点云和曲面的连接处达到G^1连续，在此基础上的重构曲面既能保证与相邻曲面的连续性要求，又能满足对点云的逼近精度要求，对反求建模尤其是过渡特征的重建有着重要意义．文中详细探讨了平面与曲面求交和点云切片两个核心算法，并对基于模型特征的混合切片方案的选择原则以及不同方法进行了论述和比较．最后用实例证明该方法在反求建模中是切实可行的．     

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。     

产品反求工程中基于几何特征及约束的模型重建

由于大多数机械零件产品都是按一定特征设计制造的,同时特征之间具有确定的几何约束关系,因此,在产品的模型重建过程中,一个重要的目标即是还原这些特征以及它们之间的约束,具体方法是首先进行特征识别,将测量数据分块,然后基于特征约束建立优化数学模型,在建模过程中寻求满足特征参数目标函数下的约束最优解,使重建模型更为准确、接近原型。     

反求工程中消除CT切片轮廓奇异点研究

在基于工业CT的反求工程中，轮廓跟踪是其重要的步骤之一。本文分析了边缘检测后可能存在的断点、毛刺、双像素宽边界等奇异点，给出了8邻域和5邻域相结合的跟踪算法。该算法能够有效地消除奇异点，实现了连续单像素链序列表示的封闭轮廓曲线。通过对某车辆发动机的实验，表明采用该算法能够准确表达实物的边界，具有较好的实用性。     

反求工程中的曲面建模技术及相关软件（模块）分析

反求工程是当前先进制造技术研究的热点之一,本文在简要综述反求工程的中ＣＡＤ建模技术的基础上,分析了几种反求工程软件的技术特点。     

三角网格模型的特征线提取

在反求工程中，散乱数据点云的曲面重构常采用三角网格模型，若将其转换成曲面实体模型则有更广泛的应用，从三角网格模型中提取特征线是转换过程中的重要步骤．在讨论反求工程中数据点云分块方法的基础上，采取“基于边”的方法来提取特征线：先提取特征点，再连接成特征线．根据相邻三角片的法矢夹角和各点主曲率是否为极值，分两次提取特征点，利用三角顶点加权和均匀化等方法减少狭长三角片对特征点提取的计算误差影响，再将特征点分组连接成B样条曲线．文中算法的结果可为B样条曲面分片拟合和建立B-rep曲面实体模型提供依据。     

基于多尺度轮廓段的形状特征提取与识别

形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足，提出一种通过对不同长度轮廓段进行描述，进行特征提取的方法。对每个形状均在6种尺度下进行特征提取，每种尺度选取5种轮廓段特征参数，实现了对形状的特征描述。在形状识别阶段，使用动态时间规整（DTW）算法度量形状描述子之间的匹配距离，实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证，结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性，识别率优于现有算法。     

基于SOM的散乱数据点集的B样条曲面重建

利用自组织映射神经网络(SOM)技术对散乱数据点集进行B样条曲面重建时,往往存在网络学习时间过长和学习效果不理想等问题。提出了一种新的神经元初始化方法和分块学习算法,该算法首先运用主元素分析方法(PCA)对散乱数据进行分块,将拓扑结构为四边形的输出层神经元初始化在每块散乱数据的最小二乘平面上进行网络学习和训练,将分块学习得到的各网格曲面拼接成一个整体;然后对该整体网格曲面的边界和内部单独学习,得到一张逼近待重建曲面的双线性B样条曲面;最后对该B样条曲面误差进行了修正。实例证明,该算法可以明显地减少SOM网络学习时间,并改善网络学习效果。     

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。     

网格模型中直纹面的提取

提出一种基于直母线族提取与拟合的网格模型直纹面提取方法.首先通过集合误差权排序方法从模型中选择一个可信直母线种子,然后通过局部标架引导搜索邻接直母线,移动标架重复上述搜索过程,直到跨出网格边界或者开始循环搜索.利用"投影"光顺法对齐直母线段族首末端点,再通过定义欧氏6空间下的距离函数,将欧氏3空间下的直线族逼近直纹面问题转换成欧氏6空间下B样条曲线最小二乘拟合问题.为了使逼近的曲面光顺,在曲线拟合过程中引入了能量函数.与其他算法相比,文中方法获得了较强的直母线族的鲁棒性和精确性,并能有效、合理地拟合出光顺直纹面.     

三维曲面的浮雕细节层提取方法

浮雕是在曲面上雕刻出凹凸起伏物体细节的一种雕塑,近年来受到许多人的关注.人们希望运用电脑技术将三维浮雕呈现在屏幕中,并对其进行再创作.在对浮雕进行分析前,很重要的一个问题是将浮雕细节部分从背景曲面中提取出来.该问题可以被看作曲面分割问题,但是现有的大部分方法都有其局限性,即对于带有细节的浮雕曲面并不能很好地提取出浮雕细节网格.使用迭代求解的手段能够更加准确地估计背景曲面,即基曲面的位置,从而能够更加准确而自动地提取出浮雕细节层网格.通过实验表明,该方法对于基曲面占优的浮雕网格具有很好的提取效果.     

基于网格采样的深度图像表面特征提取算法

深度图像的高级特征提取是3维视觉一个重要研究领域。为了提高对大量离散3维数据的处理速度,简化算子结构,本文提出一种新的方法,将单目或多目结构光传感器采集的离散3维数据点云转换成深度图像形式,使z方向代表深度,并实现x、y方向数据的规则网格采样。接着提出一种深度图像分割算法,先对整幅图像进行边缘提取,得到阶跃和褶皱两种边缘,采用主成分分析法(PCA)通过计算欧氏距离得到面的法线方向和方向间的夹角。经过两类传感器采集到的大量图像实验证明,该算法明显优于单纯的边缘或者区域算法,具有良好的抗噪声性能,满足并行在线测量的要求,并且不受物体形状的约束,可以应用于3D模型重建、机器人自主导航、逆向工程、文物数字化等多个3维视觉领域。     

反求工程中扫描曲面特征的提取

根据扫描曲面的定义,本文提出了一种基于点云切片数据的扫描曲面特征的提取方法。首先,由平行且过扫描面特征的切片点云数据获取扫描轨迹曲线;接着,由垂直于扫描轨迹线的切片点云数据获得截面轮廓线;最后,由扫描轨迹曲线和截面轮廓线即可确定扫描面特征。本文算法已在UG／OPEN上实现,并用实例证明了该方法的正确性和可行性
性。     

彩色扫描地形图中等高线提取方法的研究

提出了一种从彩色扫描地形图中提取等高线的方法，重点研究并解决等高线的断裂问题。其中，在地形图彩色分割方面，采用本征向量拟合算法计算各类地图符号（包括等高线）样本的颜色特征，以用于克服地形图在扫描过程中出现的颜色混淆和错误现象。在等高线断裂连接方面，提出了针对不同原因造成的断裂用不同的方法连接，并利用线状符号灰度分割结果来改善等高线彩色分割结果的方法。一方面对一些有代表性的地形图样本的提取结果进行了定性描述，另一方面则将该方法用于1：5万国家标准地形图上等高线的提取，通过对结果的定量评价表明，该方法具有一定的实用性。