基于边特征的点云数据区域分割

为了提高反求工程建模的效率,提出了一种基于空间栅格的区域分割方法.该方法采用二次抛物面模型计算散乱数据点的曲率,利用空间栅格结构建立散乱点的拓扑关系,根据栅格中数据点与栅格中心点的相对位置计算栅格曲率以及相邻栅格间的曲率差值,由曲率差函数判别并抽取边特征栅格.通过特征栅格的空间位置与曲面栅格的连通性实现了空间散乱数据的区域分割. 工程应用实例表明: 该方法能够直接处理点云数据而无需构建三角网格,具有运算简单,稳定性高等特点.可有效解决具有曲率突变性的点云数据的区域分割及特征提取问题.     

基于主方向高斯映射的旋转面特征提取

为了从点云中准确提取几何特征参数，给出了旋转面特征提取算法.该算法对旋转面主方向映射到高斯球面，生成主方向高斯图像（PDGI）. 对高斯球进行均匀分割，生成一系列小立方栅格，并将高斯球上图像数据点分配到相应的立方栅格中.根据每个栅格中的图像数据点数，对栅格聚类分析，获得一组特征栅格，由这组特征栅格中的图像点来确定大圆所在的平面，从而根据平面法矢确定旋转轴方向.根据旋转面法矢和旋转轴方向，获得旋转轴的定位点，从而确定了旋转轴.并给出了旋转轴的优化方法.计算实例结果表明，该算法能够稳定、准确地提取出旋转面的几何特征参数.     

点云管道曲面的重构

该文主要研究了根据三维散乱点云重构管道曲面的一种算法.首先将散乱的数据点分块,计算得到对应管道曲面的中心轴线上的点,然后将其作为控制顶点拟合成光滑的B样条曲线,再以B样条上的点为圆心绘制圆,最后连接所有圆生成光滑的管道曲面.该文利用散乱点的微分几何性质及最小二乘拟合算法,局部拟合最佳的圆柱面,准确计算管道面的中心轴点,...     

一种基于点云数据的直接分层算法

点云数据重建存在点与点之间几何拓扑关系建立困难和大量冗余数据两大难点．为实现数据的精确压缩,简化点与点之间拓扑结构的建立,采用基于最小距离关联点对的线面截交算法和截面轮廓数据的八方向编码追踪算法对点云数据进行直接分层处理,用实例验证了该方法的可行性．     

基于多张面和点云约束的N边域填充

针对N边域孔洞这一特殊情况,提出了一种用多张非裁剪B样条曲面填充带点云约束的N边域孔洞算法.设计了相应的调和映射参数化方法,近似计算出N边域孔洞内点云的中心点,通过自动构造空间曲线将N边域孔洞划分为多个四边形区域,用离散方法近似处理各四边形区域的边界约束条件,分别拟合满足边界约束条件且逼近内部点云的多张非裁剪B样条曲面以实现对N边域孔洞的填充.结果表明,填充后各填充曲面之间以及填充曲面与已有曲面之间均满足近似G1连续,能较好地满足工程需要．     

反求工程中的数据加工处理

讨论了反求工程中数据测量以及经采集后的数据如何进行处理的问题．着重 对数据获取、数据处理和曲面重构等部分不同的特点和解决方案加以论述和分析．     

反求技术及其在产品快速设计与制造中的应用

介绍了反求工程的数据采集过程及数据处理方式；根据实际应用，总结了几种用于雷尼绍公司Cyclone SeriesⅡ测量机的数据采集方式．针对小型通用汽油机缸体的特点，提出了用于测量小型汽油机缸体的翻模测量法，用该方法测量汽油机的缸体可得到较高的测量精度；针对柴油机进气道的特点，提出了用于测量柴油机大型进气道及排气道的旋转测量法，用该方法测量柴油机的进气道及排气道，即可保证所测数据的完整性，又可保证所测量数据的精度．     

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.     

小波分析在三维离散数据点云滤波中的应用

点云数据的曲面重构是逆向工程的关键技术。本文采用了B样条曲线的小波滤波方法。首先利用准均匀B样条曲线逼近具有任意点矢量的B样条曲线的方法,从而将任意B样条曲线转化为多分辨率表示。小波滤波方法在滤波的同时具有减少控制点数目的作用,起到了数据压缩的效。本文应用VC 6.0为开发平台,并给出运行结果。     

断层数据的三维重构技术研究

研究了基于断层数据的三维重构技术．首先对切片图像进行二值化和轮廓提取，继而进行B样条曲线拟合和NURBS曲面蒙皮构建．以某风扇叶片为例，由采集的ICT切片数据重建出了实体．文中论及的方法和算法对于解决基本截面形状的断层数据重构问题是可行的．     

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.     

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．     

Feature extraction of point clouds using the DBSCAN clustering

The existing feature extraction methods often depend on the global fixed thresholds and the local information of features, resulting in sensitivity to significance of features and failure in models with different surfaces. To overcome those problems, a novel method based on DBSCAN Clustering is proposed. First, a new reverse k nearest neighbors(kNN) of points are defined as a new feature detection operator. Second, the scales of the reverse k nearest neighbors of points are utilized as the density information of points and then the introduction of the global constraints information is proposed. Finally, based on the redefinition of the concepts of the DBSCAN clustering method and the creation of a new feature recognition criterion, an improved version of the DBSCAN clustering method is used to extract features. Experimental results show that the method is simple, effective and robust, which takes into account the local information and global constraint information and outperforms existing feature detection methods on point clouds with surfaces that have diverse geometries.     

大规模扫描测点的自适应数据压缩

为了压缩大规模激光扫描测点,提出了基于三角面片的自适应数据压缩方法.采用环形数据结构有效存储大规模数据点,通过计算点到平均平面的有限误差距离进行压缩点判别.在局部三角化中考虑了三角形内角和顶点距离,采用规格化最小顶点距离法实现局部三角化,避免了狭长三角形出现.实验表明,该数据压缩方法具有很高的效率,在较大的压缩比下仍可获得可靠的表面精度.数据压缩后的顶点是原来大规模测量点的优化子集,所生成的优化三角面片可以直接生成STL(stereolithography)文件或者数控加工路径,避免了手工建模.     

顾及相邻点序号差的路面点云自动提取方法研究

现阶段车载点云道路提取的研究主要为有规则路坎的结构化道路,而在现实中有些道路两侧是草地,结构化道路的提取方法不再适用.针对此问题,本文提出一种融合移动窗口高差和相邻点序号差的路面自动提取方法.首先利用相邻点间距实现扫描线的提取,接着根据移动窗口高差和相邻点序号差提取道路边界点,并采用RANSAC(RANdom SAmp...     

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.     

基于流形学习的图像特征提取算法

特征提取是模式识别领域一个重要的研究分支,已被应用于多个领域,图像的特征提取是完成图像识别和检索等工作的首要任务,基于学习方法的图像特征提取取得了良好效果,然而,线性学习方法提取图像特征仍然存在局限性,如人脸图像、姿态、光照及表情变化使图像表现出复杂的非线性特性,最近提出的流形学习被认为是进行非线性特征提取的有效方法,...