基于法向特征提取的曲面自适应检测算法研究

为了使机械臂探头端在扫描过程中始终垂直于待测件表面, 提出了一种基于法向特征提取的曲面自适应检测算法。系统采用光学扫描的方法获取待测件表面3维数据, 再通过法向提取算法推导用于位姿校正的映射函数, 最后完成扫描路径的自适应规划。在MATLAB中对样件点云进行了杂散点剔除, 并通过QUALIFY软件完成待测件的3维重建; 对150mm×200mm×10mm的曲面样块进行了光学扫描与路径优化实验。结果表明, 位置测试精度在x轴、y轴、z轴方向上的最大偏差分别为0.5142mm, 0.2645mm和1.4265mm; 整体位置偏差最大值为1.1135mm, 平均值为0.5647mm; 在将该偏差作为补偿参量代入机械臂规划路径后, 可以实现扫描过程中探头位姿的在线调整。此研究对自动化测试系统中要求探头与待测件严格垂直的应用领域具有重要意义。     

激光熔覆曲面零件再制造的机器人路径规划

根据激光熔覆工艺特性,针对曲面零件提出了一种路径规划方法,采用三维扫描仪获取熔覆曲面点云数据,应用点云切片法得到熔覆路径上的点集。利用等弓高得到稀疏化轨迹点集,运用非均匀有理B样条(NURBS)曲面拟合得到加工点的法矢量,并按该方向偏置一定距离得到枪头运动轨迹点。通过熔覆实验并对实验样件作定量分析,发现曲面上的熔覆层质量良好,从而验证了该方法的可靠性和实用性,该研究为其他曲面零件的熔覆再制造修复提供了一定的参考。     

基于改进DPC和特征分区的点云去噪算法

针对三维激光扫描仪获取到的点云数据存在的多尺度混合噪声将严重影响后续的三维模型重建的问题,提出了一种基于改进的密度峰值聚类算法(DPC)和特征分区的点云去噪算法。首先通过改进的DPC算法去除远离点云主体的大尺度噪声;然后利用主成元分析法(PCA)和曲面变分获取点云法矢及曲率信息,同时采用邻域传播法调整法矢方向并根据曲率对点云进行划分,对特征区域点云与平坦区域点云分别采取自适应双边滤波和正交整体最小二乘平面拟合的方法进行光顺去噪。实验结果表明:在包含混合噪声的bunny与block模型下,利用该算法去噪后点云数据最大误差分别为0235mm和0157mm,平均误差分别为0029mm和0009mm,均能取得较好的去噪效果,且降低了去噪参数设置的复杂性。     

NURBS曲面重构与点云-曲面误差分析

通过对某汽车零件进行光栅扫描、解相和去包裹处理,获取物体三维点云数据,对点云数据进行降噪、精简和网格化处理。然后根据点云曲率分布云图将点云数据分割成11块区域,首先对A区域点云数据进行曲面拟合,生成4×4阶均匀曲面,然后对其余分块点云数据分别进行曲面拟合,最后通过曲面延伸、拼接、倒角、修剪等处理,获取物体NURBS自由曲面,总体点云-曲面误差为0.2645 mm,并且曲面间符合G1相切连续和法向曲率连续,解决了在曲率较大的地方拟合误差较大的问题,提高了曲面的重构精度。     

一种基于移动最小二乘法的点云数据孔洞修补算法研究

使用测量仪器获取点云数据的过程中,由于测量仪器自身缺陷、物体局部遮挡等因素,导致原始点云数据存在孔洞,严重影响曲面重建,需要实施孔洞修补,以便获取完整的模型。采用非封闭孔洞相连的散乱点云的边界确定孔洞修补范围,有效提取非封闭的孔洞边界点及附近模型的边界点,根据孔洞及其周围点的信息,基于移动最小二乘法重构一个隐式曲面,并且通过一定步长实施隐式曲面采样,完成孔洞修补。实验结果显示该算法可以修补不同类型的孔洞,并且修补数据与原始点云数据较好的融合在一起,恢复原始模型。     

大型异构件点云配准重建方法研究

传统的大型异构件机器人磨削按照单一工件模型统一示教路径进行加工，由于实际工件与理论模型存在尺寸偏差，导致出现磨削空行程或去除过量等问题。提出一种机器人带动线激光扫描工件的方法，获取不同视角点云数据，采用基于FPFH的SAC-IA粗配准与ICP精配准结合的方法进行点云拼接，应用KD-tree对应点距离算法删除重叠区域冗余点，再通过基于Delaunay三角生长原理的贪婪投影算法完成三维模型重建，可提供给机器人进行自适应磨削。以长600 mm、宽200 mm的叶片进行试验，该方法相比ICP、NDT+ICP两种方案配准精度分别提升71.90%、31.53%,重建模型与实际工件对比尺寸偏差小于0.15 mm。     

自由曲面熔覆路径的点云切片算法研究

为了解决复杂曲面熔覆过程中路径规划的难题,采用了基于点云切片法生成熔覆轨迹的算法,运用逆向技术完成零件的反求,提取模型的点云数据;并以切平面与点云带宽平面的交点确定激光束扫描轨迹,根据等弓高误差法确定加工点,对路径模拟仿真;然后以45#钢作为试验基材,在表面熔覆一层铁基粉末,进行自由曲面零件的激光熔覆路径规划研究。结果表明,使用显微硬度仪测得熔覆层硬度稳定在390HRC,为基材的1.6倍左右;熔覆层组织均匀、结构致密、无明显气孔及裂纹,与基材形成了良好的冶金结合。该方法熔覆结果良好,验证了轨迹规划的可行性。     

基于改进型B样条分层插值的汽车零件检测研究

在汽车零件的在线装配过程中,为了减小由理论数模与实际位置之间的偏差导致的装配误差,设计了改进型B样条分层插值算法。首先,根据点云重建曲面的曲率分布对初始数据进行分层,然后再通过三次B样条插值算法获得实际零件点云与数模点云的偏差分布,最后由绝对距离偏差值推导得到路径补偿归一化系数,从而实现对汽车零件自动检测的扫描路径优化。仿真对包含直角、棱边及孔洞特征的零件进行分析,结果显示点云去噪效果良好,重建曲面形貌符合实体零件特征。实验对比了直接重建与采用三次B样条分层插值算法优化后的重建效果,通过对300个测试点的数据统计,三个坐标轴方向的位置优化前后平均误差分别为3.345 mm和0.599 mm。可见,优化后位置预测精度得到了较好的提升,为提高扫描路径精度奠定了基础。     

基于改进ISS邻域的复杂曲面三维激光点云智能拼接方法

由于三维激光点云拼接中对点云数据拼接有效点数量不足,导致拼接的效果不好,提出一种复杂曲面三维激光点云智能拼接方法,在ISS特征提取算法中加入邻域半约束改进策略,进行点云数据特征提取,同时对两片点云的拼接进行坐标系转换,得到三维激光点云数据拼接模型。采用粒子群算法对模型进行求解,获取变换矩阵的全局最优解,将得到变换矩阵应用于模型中,进而完成复杂曲面三维激光点云智能拼接。仿真实验结果表明,所提方法能够有效降低三维激光点云智能拼接点的距离误差,保持在0.022 mm以内,拼接速度达到5 ms/个,拼接有效点数目最高达到了145个。     

基于激光谐波调制的深孔内壁三维面型分析系统

为了快速精确地获取深孔结构内壁三维面型,从而分析深孔加工质量,提出了一种基于激光谐波调制的线型扫描系统,设计了可深入深孔结构的反射式光学系统。研究了通过时间窗滤波的谐波匹配点云优化算法,该算法利用谐波调制相位范围对近轴线扫描区域进行阈值分离,从而完成点云数据的滤波。实验针对三种不同类型的深孔进行了测试,并采用Handyscan三维成像仪进行了点云数据对比。文中对5 cm×5 cm的内壁区域进行了量化分析, 对比了优化前后的三维点云图像。优化前的点云中明显包含很多杂散点,综合平均偏差为0.53 mm,而采用优化后,噪声被有效抑制,综合平均偏差降为0.12 mm。在x轴方向上,系统位置偏差均值为0.240 mm,在y轴方向上,系统位置偏差均值为0.228 mm。由于优化后降低了需要计算的点云总量,故其收敛速度也有一定的改善,在3000点以上趋于稳定,约为优化前用时的65.8%。可见该系统适用于深孔内壁三维面型检测,为深孔测试与数据降噪提供了新的思路。     

3维曲面振镜激光加工FPLSCM算法实践

为了高质量地将目标图像标刻在任意曲面上, 需要将计算机中排版的2维数据转换为3维数据从而形成具体振镜加工轨迹数据。在大量激光标刻实验测量与计算的基础上, 采用一种对任意自由曲面进行最小化失真展开的区域重点最小二乘共形展开(FPLSCM)算法, 完成了实用的3维振镜激光加工系统软件设计, 并进行了理论分析和实验验证, 取得了大量标刻测量数据。结果表明, 在z轴上下300mm范围内, 本算法能有效将由于高度与待加工表面形状差异带来的标刻畸变控制在1%左右, 并且在各类3维曲面上都得到了很好的加工效果。此研究成功实现了在自由3维曲面上利用动态聚焦技术完成各种表面加工的工作, 并通过优化算法有效减少了畸变。     

基于移动最小二乘法的点云数据孔洞修补算法

由于受到多种因素的综合作用,点云数据不完整,曲面上出现了一些孔洞,为了提高点云数据的孔洞修补精度,解决目前一些方法的局限性,提出基于移动最小二乘法的点云数据孔洞修补算法。首先对当前点云数据孔洞修补研究现状进行分析,并得到点云数据曲面上的孔洞数据,采用移动最小二乘法对点云数据孔洞进行修补,最后通过具体应用实例对其可行性进行测试。结果表明该方法可以对点云数据孔洞进行有效修补,能够获得比较理想的点云数据曲面重建效果。     

金属管材激光弯曲成形的扫描路径规划

基于几何曲率方法,针对AIS1304L不锈钢金属直管的激光平面弯曲成形和三维空间弯曲成形进行了路径规划的研究.对平面内弯曲成形,根据目标管形的极值点和拐点将管材分段,取极值点作为路径规划的初始位置,对各分段采用不同的扫描间距以确定加热扫描路径.对三维空间弯曲成形,采用投影分解的方法,把三维成形曲面投影分解为两个二维曲面,分别获取扫描路径和工艺参数,然后组合与简化,获取三维弯曲成形的扫描路径.实验采用Nd:YAG固体激光器,以平面内正弦曲面弯曲和空间螺旋管弯曲两种形式为例,作为目标形状进行扫描路径规划与实验验证,扫描弯曲结果证明了扫描路径规划方法的有效性.     

基于局部和全局采样点云数据简化算法研究

3D激光扫描方法获取的点云数据存在大量冗余数据,为便于重建模型,对点云数据简化技术的关键是在简化数据的同时,最大限度地保留点云数据的原有特征,对点云数据简化技术进行了研究,提出了一种基于局部和全局点云特征相融合的简化算法,通过基于点云的网格分割的非均匀网格法来提取局部点云特征,并且通过基于空间体素化方法对点云进行全局采样,然后将二者特征融合,获取最佳的简化特征效果。实验表明,该算法能够适应各种类型曲面数据的简化要求,其点云简化最大误差为0.02812,点云简化平均误差为0.000472,并与非均匀网格算法和空间体素法做比较,其简化效率高,简化误差小。由此可见,该方法简化点云不但具有较高的简化效率,同时又很好地保留了原始数据的细节特征。     

一种基于曲面约束的点云数据滤波方法

针对机载LIDAR点云数据滤波问题,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于多尺度虚拟格网与曲面约束的机载LIDAR点云数据滤波方法。该方法首先根据点云密度等点云数据特点构建多尺度虚拟格网;其次基于多尺度虚拟格网分别获取一级、二级地面种子点;然后依据一级、二级地面种子点基于曲面约束进行滤波获取三级地面种子点;最后将所有地面种子点合并得到地面点集。实验方面,通过两组实验验证了该方法的可行性和适用性。     

激光应用与全息术和光学信息处理

0632184激光扫描点云数据的NURBS曲面重构技术研究[刊,中]／郭迎福／／湖南科技大学学报(自然科学版)．- 2006．21(3)．-31-34(C)利用激光扫描系统采集的点云数据具有在某一维上不变的特点,提出了基于NUBRS重构曲面的方法。在原始点云数据预处理上,采用删除非曲面上的点云数据、拼接、排序和点云数据切片等方法,利用最小二乘非均匀B样条法对切片点云数据进行光滑和必要的数据插补,并经二次采样后得到重构曲面的数据。以鼠标表面的重构过程说明了该方法的有效性和实用性。参7     

三维面部数据采集与NURBS曲面重构

为获取面部三维点云,并转换为高精度NURBS曲面,建立了面部图像采集与处理系统,并研究其中的点云自动拼接和曲面重构方法。首先,采用双光栅三维扫描仪将正弦光栅投射到人的面部,将被面部调制的变形光栅转换成两片分立点云。然后,通过标定块对测量系统进行标定,利用协方差求取旋转矩阵和平移向量实现点云自动拼接获取完整面部点云,并生成三角面片。最后,通过检测曲率、生成四边形网格、建立UV参数线等处理,进行曲面重构生成高精度NURBS四边域面部曲面,并对重构结果进行误差分析。结果表明:所重构面部曲面符合G1连续,标准偏差为0.009222 mm。本文所采用的高精度的面部曲面重构方法可用于复杂曲面的三维检测与重构中。     

基于二值神经网络的大场景点云分类

近年随着3维数据采集技术不断发展,大场景 点云数据的获取越来越方便。目前深 度学习网络框架在2维图像处理领 域越来越成熟,而大场景点云是一种3维无规则化的数据,3维卷积神经网络直接处理大场 景3维数据会存在分类精度低和计 算复杂等问题。因此为了有效解决基于深度学习的点云分类任务中存在的计算时间长和分类 精度低的问题,本文提出基于二值 神经网络的大场景点云分类方法,针对不规则的3维点云数据设计特征值计算方法,基于IR -Net二值神经网络处理输入的点云 特征图像,进一步采用Dynamic ReLU激活函数,提高神经网络的计算效率,最后得出点云分 类结果。实验结果表明,所提出 的方法在Oakland数据集上分类精度达到97.6%,在GML数据集中取得 了92.3%和97.2%的分类精度,实验结果证明Dy -ResNet 能够有效提升了点云分类的精度,减少计算的复杂度,并提高了训练效率。     

面向直线顶管机的双屏视觉标靶标定方法与精度评价

针对双屏视觉标靶前、后感光成像屏位姿关系难以标定的问题,提出一种基于坐标点云的感光成像屏位姿标定方法。该方法分别将前、后感光成像屏划分为n行n列的网格阵列,通过全站仪测量感光成像屏上每个网格角点的空间三维坐标,并利用工业相机实时获取感光成像屏上每个网格角点的图像二维坐标,结合图像二维坐标和空间三维坐标获得2D-3D映射关系,从而得到坐标点云数据。根据三公共点坐标系转换算法将坐标点云数据中的三维坐标统一到标靶坐标系下,进而确定相机与前、后感光成像屏的位姿关系,再通过网格索引方法对前、后感光成像屏的位姿关系进行求解。为评价标靶位姿测量精度,设计了静态测量重复性精度评定实验和绝对测量精度评定实验。实验结果表明:该标定方法的坐标静态测量重复性精度为0.13 mm、绝对测量精度为0.93 mm;方位角静态测量重复性精度优于0.01°、绝对测量精度优于0.05°。因此,该标定方法可以实现两个空间平面位姿关系的精确标定,且具有操作简便、精度高等特点,可用于双屏视觉标靶的标定。     

一种改进的激光点云数据精简算法

随着三维激光扫描仪获取的点云数据量越来越大,激光点云数据精简已成为测绘领域中的一个新的研究热点。在对点云数据分层技术研究的基础上,将二维平面曲线精简算法—Douglas-Peucker算法拓展到三维空间并进行改进,使得算法在处理前不需要已知点云间的邻接关系,可以对三维散乱点云数据进行直接处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后的点云数据的网格模型。通过与原始点云的网格模型进行对比分析,实验表明此改进算法的精简效果比较理想。