三维扫描点云优化网格重建与软件系统实现

物体经过三维扫描后获得大量的散乱点数据,为了能快速、准确的重建出网格曲面,提出了一种空间三角网格螺旋增长重建的算法。该算法首先利用包围球法对散乱点云进行优化,然后根据极坐标法确定螺旋增长的初始三角形,通过对生长的三角形最长边、最小内角和具有公共边的三角形所在面的二面角进行限制和对相应的新的网格边界点进行加锁和解锁操作,不断的寻找最佳扩展点,直到无可用的扩展点为止,最后再对有缝隙的网格边界进行缝合,完成三维扫描点云优化网格重建。     

散乱数据点的齿面重建及局部特征优化

为了建立齿轮修形技术中拓扑修形且包含特征的精确数字化齿面,提出一种对大量散乱数据点根据给定的精度重建出包含详细特征且满足精度的细分齿面算法。该算法以齿面上的大量散乱点数据为输入量,通过对其进行预处理,采用螺旋增长算法构造出具有一定逼近程度的初始网格,对初始网格进行带有特征的Loop细分,根据给定精度估计出满足精度需要的最少细分次数,每次细分后反复交叉调整细分点,使重建齿面不断逼近实际齿面。通过重建后的齿面与实际齿面误差分析的实例,证明了算法的可行性与准确性。