散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

面向三维残缺点云图像的数据精简方法

为解决残缺点云模型数据精简时边界特征容易失真的问题,以汽车覆盖件中的薄壁类零件为研究对象。提出一种保留残缺点云边界特征的数据精简方法。借助KD-tree建立数据索引结构,获取数据点最近邻,并通过邻域点拟合出微切平面的方法,计算出点云数据的法向量。利用法向量夹角大小关系,选取边界以及孔洞特征点的初始种子点。再根据欧氏距离实现初始种子点的邻域搜索,从而完成边界以及孔洞邻域特征点的提取。根据曲率精简的方法,对非特征点进行数据精简,最后,合并特征点云与非特征点云,实现对残缺点云模型的数据精简。将随机精简法、曲率精简法分别用于点云模型精简处理,结果表明：相比于其他两种方法,所提方法更好地保留了模型边界以及孔洞邻域特征数据点,其标准偏差、曲面表面积变化率优于其他两种方法且变化相对稳定。     

样点邻域同构曲面约束的散乱点云曲率估计

针对现有点云曲率估计算法难以兼顾估计结果的精度与稳健性问题,提出一种样点邻域同构曲面约束的散乱点云曲率估计算法。以目标样点的邻域点集作为局部样本,采用二维Delaunay网格剖分与三维Delaunay网格过滤相结合的策略对局部样本进行曲面重建,获得插值于采样点集并与原表面拓扑同构的局部网格曲面;为稳健估计计算样点曲率所需的样点法向,通过局部网格曲面中顶点一阶邻域面的形状和尺寸确定邻域面法向的权重,以一阶邻域面法向的加权和作为法向估计结果;基于网格曲面顶点一阶邻域面初步估计样点曲率,进而根据邻域样点与目标样点间测地距离对初步估计结果进行平滑修正获得最终曲率估计结果。实验结果表明,所提算法可有效反映曲面特征并兼顾样点曲率估计的精度和稳健性,实现样点曲率的平滑过渡;相比于Meyer提出的Voronoi算法,所提算法对采样精度较高的点云数据可保证与其相当的计算精度,对存在噪声的点云数据计算精度和稳健性均可提高1～2倍。     

逆向重建中B样条曲面过渡/微调精简方法

为提高逆向工程中点云数据精简与重构的精度和效率,改进B样条曲面拟合在曲率精简和曲面重构中的应用问题.对逆向工程中的3维扫描技术、3维设计、点云数据的精简及模型重构做了深入细致的应用研究.提出一种基于B样条曲面过渡/微调精简算法,将该研究应用于叶轮的逆向制造中,通过3维扫描获得曲面重构点云数据,将点云数据合理拼合封装与精简,进行曲面重建和3维再设计,同时分析产品的光顺性和精度,并利用快速成型机打印出产品模型样件.研究结果表明该方法既高效提高了曲面建模效率,又改善了逆向建模精度.      

采用R*-tree的三角网格曲面非均匀精简算法

提出了一种三角网格曲面非均匀精简算法.该算法采用R*-tree组织三角网格曲面的空间拓扑结构,实现了三角面片拓扑邻域的快速查询.结合三角网格曲面模型的曲率分布状况,对三角网格曲面进行聚类分簇处理,通过对分簇网格进行局部精简,实现了三角网格曲面模型的整体保形性精简.与同类精简算法的对比实验表明,该算法的数据适应性强,有效地保留了三角网格曲面的型面特征,精简后的网格模型与原网格模型的面片偏差降低了20%～45%,精简时间减少了10%～35%.     

基于曲率图的三维点云数据配准

以曲率图作为三维点云数据的特征描述函数,并运用曲率图实现了三维点云数据的配准.对于含有噪声的点云数据,先根据每个点的邻域特性估算其曲率值,然后根据每个点及其周围邻域点的曲率值构造该点的曲率图.通过在多比例空间下曲率图的特征保持分析,可提取到最能反映该点云数据特征的特征点集.对于两两配准,这些特征点集被用于三维点云数据的粗略配准算法中,该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配,由匹配的特征点对进行坐标变换求解,完成了两三维点云的粗略配准,然后运用迭代最近点算法进行精确配准.最后将整个配准算法应用于真实的三维点云数据,结果表明该算法能有效抑制点云采样密度及噪声的影响,能够快速实现点云数据的精确配准.     

基于区域分割技术的等距天线曲面重构

针对逆向工程中空间坐标测量时仪器测头半径或靶标厚度的误差补偿问题,提出了对散乱点云数据进行自动区域分割的方法。快速搜索出子区域中测点的最近邻域,利用测点最近邻域构造一个有约束的最小二乘切平面,得到曲面在该测点处的法线矢量。基于Prim算法的优化算法对法线矢量方向进行调整,使各测点处的法线矢量都指向曲面同一侧,进而求取了实际曲面上的点。对于经过误差补偿后的点云数据,从空间任意二次曲面的一般方程出发,基于二次曲面的误差方程和法方程提出一种通用拟合算法,并借助二次型理论得到曲面的特征参数。实验结果证明：应用该区域分割算法能够提高最近邻域的搜索速度,且曲面拟合算法具有很好的鲁棒性和有效性。     

三维图像重构的点云精简算法

为解决光学三维测量系统测量数据的精简问题,提出一种基于图像重构三维的点云精简算法.利用数字图像处理技术,建立数字图像像素点与三维数据点的对应关系表,采用分级方式建立查找表,根据建立的查找表对三维数据进行精简.实验结果表明：精简算法将数据从712 068个点有效地精简至132 064个点,文件大小也从21.6 M减小到4M.该方法能有效对数据进行精简,兼具基于距离和曲率精简的优点.     

反求工程中基于曲面特性的离散数据优化方法

在反求工程中,对数字化测量仪输出的"点云"数据进行处理是关键内容,其中"点云"数据的优化是进行后续曲面建模的前提,采用有效的优化方法得到的数据能够有利于曲面建模.在数据优化过程中,根据三角剖分生成的三角面片所显示的曲面特征,建立曲面曲率和扭曲量与采样密度的对应关系,对测量点进行重采样优化,从而选择更有利于曲面建模的点,压缩数据量,提高曲面建模的准确度和效率.     

反求工程中散乱点云数据的自动分割与曲面重构

提出了一种在反求工程中对散乱点云数据进行自动分割与曲面模型重构的方法．建立了散乱点云数据之间的拓扑信息，对点云数据进行三角剖分重构网格曲面模型．基于网格曲面求解点云数据的曲率极值，提取边界点云，进一步拟合成边界曲线．利用边界曲线将整个点云自动分割，每一片点云采用二次曲面或自由曲面进行拟合，对于二次曲面可以根据参数自动确定曲面类型，最终得到完整的CAD模型．用一个鞋跟模型的实例证明了该方法的有效性．     

磨牙牙冠的模型重构与CAM工艺研究

以口腔修复中具有代表性的磨牙冠为例,利用逆向重构技术,首先对其复杂的型面结 构进行反求测量获得磨牙冠的点云数据,然后基于点云数据重建零件模型和完成再设计。结 合理论分析、仿真和实验的方法分析其加工工艺性,从而合理的选择铣削参数以减少加工过 程中由于切削力导致的刀具及工件变形对工件加工质量的影响,和由于刀具和零件的颤振变 形导致的加工误差。针对该零件的特点,生成合适的数控刀轨、加工出实物,检测表明符合 设计要求。该分析方法对同样复杂的零件的加工具有参考价值。     

磨牙牙冠的模型重构与CAM工艺

口腔修复体中的磨牙牙冠具有复杂的型面结构,其设计和加工工艺均有其独特性.文中利用逆向重构技术,对磨牙牙冠进行反求测量获得其点云数据,基于点云数据重建零件模型和完成再设计.然后结合理论分析、仿真和实验的方法分析其加工工艺性,选择合理的切削参数以减少加工过程中的刀具及工件变形对工件加工质量的影响,及由于刀具和零件的颤振导致的加工误差.最后针对磨牙牙冠的特点,生成合适的数控刀轨,加工出符合设计要求的实物.该分析方法对同样复杂的零件的加工具有参考价值.     

无人机辅助工程测图的应用

通过工程实践,依据无人机航拍成图的特点、产品特征,结合传统数字化测图的方法,通过利用GlobalMapper、Auto CAD等软件,进行数据转换、点云生成、点云参照、光栅图像叠加等,寻求了一种将无人机航拍和传统数字化测图相结合,并且适合传统工程测量人员容易掌握的高效测图方法;同时指出了无人机测绘及其辅助工程测图存在问题,以便在实践中得以解决和优化。     

三角域Bezier曲面若干算法研究

从待拟合曲面的曲率变化大小出发 ,有针对性地提出新的三角域 Bezier曲面拟合算法和曲面曲率变化小的曲面拟合方法 ,进一步推导了曲面曲率变化大的曲面拟合方法 ;另外还研究了三角域 Bezier曲面对矩形域 Bezier曲面的逼近算法 ,给出了三角 Bezier曲面片表示矩形 Bezier曲面片的显式公式 ,通过图示形象化描绘了特征顶点递推过程 ,并指出了特征顶点递推公式。该算法在彩色 CRT校正透镜CAD系统中得到成功应用     

基于NURBS曲面曲率分析的钣金件自由特征识别技术

提出并实现了一种面向钣金件自由曲面模型的形状特征识别技术.算法由曲面区域分割、领域独立凸凹特征的搜寻和面向钣金成形的形状特征识别3个步骤构成.输入几何模型数据是基于IGES格式的CAD模型,其中曲面是以NURBS形式表示的裁剪曲面.利用NURBS符号运算分析曲面的曲率特性,并将其分割成各种曲率域.通过基于规则的方法,将符合特定几何及拓扑关系且具有高层工程意义的连续曲率域集合识别为对应的形状特征.最后,通过2个实例验证了该方法的可行性和有效性.     

利用SOM神经网络实现逆向工程中区域自动分割

为实现逆向工程中点云区域的自动分割,利用自组织竞争人工神经网络(SOM),对基于散乱点云的自由曲面信息计算方法进行改进,并基于自由曲面信息构造了一个八维SOM神经网的输入向量,利用SOM神经网络实现了逆向工程中区域自动分割.实验验证了本文算法的有效性.     

基于增量算法的三角剖分算法

增量算法是平面投影法中一种常用的点云剖分算法,该算法编程简单,占用内存少,计算速度较慢.针对增量算法的特点,改进算法通过将不同位置的点剖分对应存储到不同的边链表和三角形链表中,降低了边和三角形的搜索时间,提高了三角化的速度.同时,采用了加点剖分中同步优化和初步剖分后全体再次优化的优化方案,大大提高了剖分三角形的质量.实际点云剖分的结果显示,该算法不仅速度快、占用内存小,而且形成的三角表面质量高.     

点云数据三角网格生成算法及应用

在引入局部Delaunay边和局部Delaunay三角形的基础上,给出一种平面及空间散乱数据点集的三角网格生成的快速算法,实验表明本算法具有运行速度快、计算准确、存储简单等优点.