基于自适应补缺滤波的装配孔孔位提取方法北大核心

针对阵列天线自动化装配过程中由于子板表面易反光等原因导致的装配孔孔位提取难、提取精度低等问题,提出了一种基于自适应补缺滤波的装配孔孔位提取方法。利用双目视觉相机采集被测表面三维点云,采用离群点滤波去除装配孔边缘离群点,通过自适应补缺滤波,对位于装配孔外部的缺失点云进行自适应补缺。在自适应补缺滤波算法中,根据点云特征和给定孔径自适应构造判断区域,保证算法的可靠性与适用性。根据每个点k领域点的法矢偏差完成点云边界点的提取,并借助随机采样一致性(RANSAC)算法优化空间圆的拟合过程,提高装配孔孔位提取的可靠性和精度。通过试验对所提算法进行验证,试验结果装配孔孔位提取精度可达0.037 mm。     

快速成型中散乱数据点云的自适应分层算法研究

提出了一种快速成型中散乱数据点云的自适应分层算法,该算法根据分层厚度阈值对散乱数据点云进行空间栅格划分,采用八叉树组织其空间拓扑结构,基于该结构获取层面邻域数据,通过其曲率分布特征自适应调整分层厚度,根据层面邻域数据与分层平面的交点获取分层数据.实验证明,该算法数据适应性强,分层数据获取准确性高,可快速有效地实现散乱数据点云的自适应分层处理.     

逆向工程中散乱点云的边界线自动提取方法

复杂曲面零件的几何模型重构是逆向工程的研究重点之一,由零件表面的数字化数据提取边界线对重建模型的品质和精度起着重要作用。在研究基于图像法的点云数据边界特征自动提取的基础上,提出了利用各点处场力大小对边界点进行优化的方法,可以避免噪声点对边界轮廓形状的影响。通过对边界点进一步拟合形成边界曲线,达到对点云数据进行自动划分的目的。该方法具有较强的可操作性和实用性。     

基于点云的机器人激光焊接轨迹自动提取方法

为越过从点云到CAD模型的重构,实现自由摆放立板的自动焊接,提出一种基于测量点云的机器人激光焊接轨迹自动提取方法。利用均匀采样法对点云进行简化，利用统计滤波剔除点云测量背景噪声，并对点云进行整体倾斜校正；提出一种数据扫描策略以实现组合立板顶面与底面的快速分割；在Alpha Shape算法识别出的立板顶面边界点基础上，采用距离约束去改进RANSAC算法，快速拟合出组合立板顶面边界轮廓；通过对分段顶面边界的快速排序及拓扑关系的还原，获得组合立板的角点；在此基础上，完成机器人激光焊接轨迹的自动构造。实验结果表明:该方法无需重构点云的CAD模型就可直接从测量点云中提取焊接轨迹，从而有效保证自由摆放立板的自动焊接。     

基于特征分割识别的点云配准

针对大型工业零件难以一次扫描点云模型的问题,基于工业零件包含大量规则面(平面、柱面、锥面)的特点设计了一种点云的自动配准方法.首先,提出一种基于生长区域算法的点云配准预处理算法并实现,将点云基于曲率变化和连续性分割成多个子点云,再基于特征面提取出子点云的特征属性(法线、轴线);其次,设计出一种点云粗配准方法并完成粗配准...     

非结构环境空置域识别与放置点选取算法研究

为解决非结构环境下空置域识别和最优放置点的选取难题，基于三维点云信息设计一种空置域识别和最优放置点选取算法。利用机器视觉获得点云信息，通过对点云信息进行预处理、分割、平面拟合等操作获取无障碍平面区域，实现对空置区域的识别。利用alpha shapes边缘提取算法结合Kd-Tree半径邻域搜索算法，得到可放置区域。基于点云密度筛选出最佳放置点。在ROS系统中，对算法的可行性和合理性进行实验验证，结果表明：该算法可成功识别出空置域和最优放置点，且算法运行速度较快、鲁棒性好，具有较高的识别准确率。     

基于有向点云数据的二次曲面拟合算法

针对有向点云数据的特点,提出了一种基于几何距离的二次曲面（如平面、球面、圆柱面）拟合算法。该算法利用非线性最小二乘法Levenberg-Marquardt进行求解,并基于二次曲面的高斯图特性给出了拟合算法的初始值估计方法。实验证明所提出的拟合算法能够有效地解决有向点云数据的二次曲面拟合问题。     

带有矩形参照物的可程序化点云精确拼接算法

针对带有矩形参照物的待拼接点云,提出了一种确立参照点的矩形对角点拼接点云算法,即使用参照物顶面平面方程,缩小寻求顶面点云的范围,然后使用划分平面保留顶面点云;通过去除噪声点及最大值算法,较准确地确定了参照物顶面的四个对角参照点,并初步估计了精度;通过这些参照点,可以获得拼接变换矩阵的参数。本算法是一种数值算法,有利于结合逆向工程软件与编程软件进行程序化实现。     

基于点云三维重建的装配件尺寸测量系统北大核心

针对机械加工偏差和人为因素,造成装配面间几何尺寸信息不匹配,而采用人工检测效率低、重复性差,难以满足工厂在线实时检测要求等问题,提出一种基于点云三维重建的装配件实时在线测量系统。以点与点间存在的内在约束作为先验引导信息,提出改进的RANSAC算法来检测并剔除异常数据点,显著减少算法耗时同时大幅提高了平面特征的提取准确率;再利用最小二乘法对剩余有效点进行拟合,对法兰盘工件重建三维模型并进行关键尺寸测量。实验结果表明,基于点云三维重建的工件尺寸测量方法有较好的准确性和检测效率,法兰盘工件测量过程耗时约5.6 s,测量标准误差在±0.16 mm以内,测量误差不超过0.30 mm,满足了工件测量的实时性和准确性要求。     

分层激光扫描图象的直线拟合

给出一种基于平面二维数据云的直线拟合算法。通过边界搜索和边界序化之后，采用最小二乘法对边界点进行处理，有效的拟合出了边界的直线特征。最后，给出了应用该算法的一个实例。