基于八叉树网格的点云数据精简方法研究

提出一种基于八叉树网格的点云数据精简方法,该方法利用八叉树来建立散乱点云数据之间的几何拓扑关系,计算出包围盒内点云的平均法矢与点法的夹角,依据夹角的大小作为立方体是否再分的条件,保留其立方体内最接近平均法矢方向的一个点,从而达到精简目的.     

基于自适应八叉树的三维点云快速拾取方法研究

针对逆向工程中大规模点云数据快速拾取问题,对当前三维图形拾取基本方法进行了研究,对点云拾取的基本流程和点云快速拾取的关键问题进行了分析,提出了一种基于自适应八叉树的三维点云快速拾取方法。当用户在计算机屏幕上给出拾取多边形后,首先基于点云分布密度,对点云数据进行了自适应八叉树划分;然后对八叉树节点进行了投影,在屏幕上形成了八叉树节点的投影多边形,并对拾取多边形建立了矩形包围盒;接着对八叉树投影多边形和拾取多边形的矩形包围盒进行了相交检测,将不与矩形包围盒相交的八叉树节点包含的点云去除,从而缩小了点云拾取所需判断的范围,提升了拾取效率。最后对不同分布密度点云进行了定面积的拾取实验。实验结果表明,该点云拾取方法的点云分布密度越大,拾取时间相对越短,算法具有较高的拾取速度和准确度。     

应用于油罐内机械臂作业的点云法矢计算方法

利用机械臂对油罐内壁进行改造时,对激光扫描油罐内壁得到的点云数据的处理精度,尤其是油罐点云法矢的计算准确程度,会影响到机械臂的运行情况及改造效果.考虑到传统协方差分析法对局部特征法矢估算不准确的问题,提出一种应用于油罐内壁的法矢计算方法.首先,利用栅格法和八叉树法相结合的二次剖分方法,建立点云之间的拓扑结构,并根据实际需求实现自适应的路径点的K邻域搜索;然后,采用距离和曲率加权的协方差矩阵对路径点处的法矢进行计算.使用该方法进行实验验证,结果表明,该方法对机械臂作业路径点处的法矢计算准确,满足实际改造需求.     

一种快速计算空间点到STL模型距离的方法

针对如何快速求取空间点到STL模型表面有符号距离这一问题，提出一种基于线性八叉树的参考球方法。通过线性八又树的分割将STL模型的三角面片集划分到线性八叉树内的不同节点中，把三角面片与线性八叉树的终端节点联系起来，通过参考球进一步缩小三角面片的范围，从而较快地求取空间点到STL模型的距离。实验结果表明，此方法能够较快地求取点到STL模型表面的距离。     

采用八叉树体素生长的点云平面提取

提出了一种高效的基于八叉树体素自适应生成与体素分层次生长的平面提取方法,其主要思路为采用体素信息统计的方式进行相关阈值参数的自动选定,以及基于体素的生长替代基于点的生长进行平面提取。首先,对点云进行八叉树初始剖分并计算其几何属性信息(包括法矢、特征值以及维度特征描述符等);然后,通过统计得到细分终止条件,并对初始八叉树进行进一步自适应剖分,得到一系列非均匀八叉树体素;最后,在体素层面进行区域生长阈值的统计与体素的分层次生长,进行点云平面的精细提取。利用4种不同类型的点云数据对本文算法进行了测试。实验结果显示:精度和召回率可以达到95%以上,表明本文算法对数据质量不敏感,可以自动适应不同平台采集的、不同分布密度和不同数据质量的激光点云,并且高效地得到精细的点云平面提取结果。     

基于径向基函数的离散数据重建方法

针对离散数据的曲面拟合问题,提出一种基于八叉树分割的径向基函数曲面拟合方法。通过对给定的曲面点集构造相应的离面约束点集及对应非零函数值,对包含所有曲面约束点和离面约束点的点云数据进行八叉树空间分割,然后在八叉树分割的每个叶结点建立相应的方程组并求解,从而构造出插值或逼近属于该叶结点的数据点的三次样条径向基函数,最后提取该基函数的零等值面,并绘制得到最终的重建曲面。方法较好的解决了离散数据插值和拟合的计算速度和稳定性问题。     

散乱点云的孔洞识别和边界提取算法研究

针对逆向工程中已有孔洞识别算法执行效率低、孔洞边界点提取不完整等问题,提出一种新的基于KD树和K邻域搜索的点云孔洞识别及边界提取算法。该算法首先利用KD树建立散乱点云的拓扑关系。其次,计算点云密度、定义距离阈值作为判别参数,利用K邻域搜索计算每个点与其K个邻域点的距离,距离大于阈值的点即为边界点。再次,采用单坐标搜索法去除外边界,保留孔洞边界。最后,利用边界追踪算法获取完整的孔洞边界点。以涡轮叶片和挖掘机斗齿为研究对象,对点云上的自然孔洞利用该算法进行识别。结果表明,该算法能够快速地识别出散乱点云中孔洞,并能完整地提取出孔洞边界点,实用性强。     

散乱点云的拓扑结构重建算法的研究

基于由测量点云直接生成数控加工路径的这种思想,在散乱点云拓扑结构重构过程中,将散乱点云进行等间隔区域分割,将点云进行压缩并投影至切平面,得到切平面的散乱点集,同时建立新的链表结构分区存储点云数据.由平面上点的二维坐标定位,运用基于正交投影理论双映射算法对切平面上的散乱点进行排序,分析平面点自然次序邻接排序的局限性,通过计算当前点与其邻近点的矢量分布趋势,进一步改进双映射排序算法,完成各切片上数据的拓扑重构.     

逆向工程中散乱点云的K邻域搜索算法研究

针对逆向工程中散乱点云的K邻域搜索,提出了一种快速、精确的散乱点云K邻域搜索算法。该算法根据点云包围盒的大小,点的总数以及邻域点的个数,采用二次空间划分的策略,以确定合适的立方体小栅格的梭长,从而保证立方体小栅格里点的个数相对均匀。然后,建立以采样点为中心的球体、该点到所对应的立方体小栅格环六壁的距离为半径的取值范围,依次增加该球体的半径,以球体内有K个点为中止条件,可以快速完成采样点的K邻域搜索。与已有算法相比,该算法具有较高的搜索效率。     

密集散乱数据三角划分及数据压缩

介绍了Delaunay三角划分方法，运用一种算法对密集散乱数据进行三角划分，并在给定容差条件下对其进行成批压缩。由点云数据中最大、最小的六个点构成初始八面体，将数据分割为八个星角形区域上的凸包数据，在每个凸包数据中，搜寻到其对应的三角形的垂直距离最大的点，如果距离大于给定的容差，则将该点插入并局部优化三角网格。反之则将该点压缩掉。最后给出的实例证明了该算法的有效性和效率。