收藏本站
收藏 | 论文排版

基于散乱点云数据的曲面重建关键技术研究

贺美芳  
【摘要】: 随着坐标测量设备的发展,人们能够方便地获得实物样件大量的散乱点云数据,促进了逆向工程技术的发展,并在制造业广泛应用。然而,在逆向工程建模技术的研究与应用中,多数是将点云数据转换成三角网格模型,然后在三角网格基础上进行数据处理与模型重建。由于在将点云数据转换成三角网格模型时信息量成倍增加,且后续处理对网格质量要求较高,因而,研究直接以散乱点云数据为对象的数据处理与曲面重建技术,对提高逆向工程中测量数据的处理能力和建模效率具有重要意义。 本文直接以测量获得的散乱点云数据为对象,研究了点云数据的几何特性计算、平滑处理、孔洞修补、数据简化等,在此基础上,进一步研究了点云数据分块、四边界区域划分及曲面拟合。取得的研究成果如下: 提出了一种基于法向距离的法矢全局协调算法。该算法采用微切平面法计算散乱点的法矢,然后根据法向距离阈值,把点云数据划分为平坦点和非平坦点,在法矢调整时采用传播的思想,根据邻近子集是否含有非平坦点选择不同的调整顺序,大大提高了法矢方向调整的效率,并用三次最近距离法解决了传播过程中可能出现的死锁问题。在法矢估算的基础上,提出了一种基于测量点法矢修正的散乱点云数据平滑处理方法,该方法通过对特征区域和非特征区域采用不同的法矢修正策略,使平滑后的点云既达到了非常光滑的效果,又保持了点云的形状和特征,甚至修正不理想特征。 提出了基于欧几里德距离的局部二次参数曲面拟合来估算散乱点云曲率的算法,在此基础上提出了一种基于曲率约束极值点密度的散乱点云数据简化方法。该方法通过标记出曲率极值点,根据给定的简化比率计算曲率阈值,得到曲率约束极值点,根据测量点的k-邻近所包含的约束极值点的密度,计算出点之间的简化距离阈值并对点云进行删减。实例表明,本文算法的简化结果既较好地保留了形状特征,同时使点的分布以点云密集的强制保留区为中心,在向附近扩散的过程中逐渐变稀,避免简化后点云的局部过密或局部过稀的情况。 提出了一种基于移动最小二乘法的点云数据中非封闭无特征孔洞和非封闭特征孔洞修补算法。该算法用三次B样条曲线修复点云模型边界及特征线,将非封闭无特征孔洞转化为封闭无特征孔洞,非封闭特征孔洞转化为若干个封闭无特征孔洞。然后应用移动最小二乘法建立孔洞区域的隐式曲面方程,在对投影孔洞进行重新采样后,把新生成的点映射到曲面上,使得最终修补的孔洞曲面同其周围曲面保持良好的几何一致性。实例证明该算法具有较好的修补效果,适合对点云中任何部位出现的孔洞进行修补。 提出了一种基于特征的数据分块方法。该方法采用粗略分块与精确分块相结合的


知网文化
【相似文献】
中国期刊全文数据库 前12条
1 刘斌;徐秀娟;祁雯;张硕;薛昕惟;夏秋粉;;面向3D散乱点云数据的曲面拟合综合实验平台[J];实验室科学;2019年05期
2 匡小兰;欧新良;倪问尹;;散乱点云数据区域分割综述[J];长沙大学学报;2010年05期
3 王伟;唐民丽;吴恒玉;;大规模散乱点云数据的曲率估算及计算机实现[J];苏州市职业大学学报;2011年03期
4 李红卫;戴佳佳;谢乾;汪俊;;基于散乱点云的飞机蒙皮缝隙识别算法[J];计算机工程与设计;2022年02期
5 杜小雷;卓勇;;一种快速搜索散乱点云数据k邻近的算法[J];机电技术;2009年03期
6 杨宏伟;;平面散乱点云凸包快速求解算法[J];机械研究与应用;2021年02期
7 马符讯;林欢;徐南;;散乱点云数据的可视化探究[J];科技创新导报;2013年10期
8 王瑜;周天宏;;基于改进粒子群算法的散乱点云数据配准[J];科技通报;2016年10期
9 黄淼;张海朝;;散乱点云的三角划分算法研究[J];微计算机应用;2007年10期
10 黄淼;马丽;高敬礼;张海朝;;一种基于法矢修正的散乱点云数据平滑处理算法[J];计算机时代;2009年11期
11 吴禄慎;何慧;;基于散乱点云数据的曲面重构方法[J];南昌大学学报(工科版);2008年02期
12 王希;陈晓波;习俊通;;人体散乱点云数据的区域分割算法[J];机械设计与研究;2020年01期
中国重要会议论文全文数据库 前3条
1 孙殿柱;孙肖霞;李延瑞;范志先;;散乱点云内外边界的自动提取技术[A];全国先进制造技术高层论坛暨制造业自动化、信息化技术研讨会论文集[C];2005年
2 刘越华;廖文和;刘浩;郭鑫;;基于高斯映射的点云尖锐特征提取[A];第五届全国几何设计与计算学术会议论文集[C];2011年
3 张萍;;逆向工程中基于聚类的点云数据精简[A];2010年西南三省一市自动化与仪器仪表学术年会论文集[C];2010年
中国博士学位论文全文数据库 前9条
1 贺美芳;基于散乱点云数据的曲面重建关键技术研究[D];南京航空航天大学;2006年
2 张雨禾;散乱点云特征提取方法与部位缺损文物碎片拼接技术研究[D];西北大学;2017年
3 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年
4 张连伟;散乱点云三维表面重建技术研究[D];国防科学技术大学;2009年
5 刘含波;基于散乱点云数据的隐式曲面重建研究[D];哈尔滨工业大学;2009年
6 吴世雄;逆向工程中多传感器集成的智能化测量研究[D];浙江大学;2005年
7 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年
8 胡雯蔷;基于力约束模型的可变形网格重建及处理[D];华中科技大学;2005年
9 钱归平;散乱点云网格重建及修补研究[D];浙江大学;2008年
中国硕士学位论文全文数据库 前20条
1 肖天姿;散乱点云的数据预处理及曲面重建研究[D];大连海事大学;2012年
2 王成福;基于特征感知的三维散乱点云简化技术研究[D];西北大学;2019年
3 陈思环;基于散乱点云数据的表面重建关键技术研究[D];中国科学院大学(中国科学院沈阳计算技术研究所);2018年
4 陈龙;散乱点云特征提取和聚类精简技术研究[D];西南科技大学;2017年
5 聂建辉;大规模散乱点云数据后处理技术研究[D];大连海事大学;2009年
6 陈义仁;逆向工程中散乱点云预处理相关算法研究[D];中国科学技术大学;2011年
7 葛源坤;基于曲率特征信息的散乱点云数据预处理技术研究[D];西南交通大学;2012年
8 吕德亮;散乱点云分割及特征面片识别研究[D];北京建筑工程学院;2012年
9 陈达枭;散乱点云数据预处理的研究[D];西南科技大学;2016年
10 张靖;三维散乱点云的特征提取方法研究[D];西北大学;2017年
11 张蓉;散乱点云的数据分割与特征提取技术研究[D];南昌大学;2016年
12 刘咏梅;基于三维散乱点云的三角网格重构关键技术研究[D];北京理工大学;2015年
13 姚新会;散乱点云与CAD模型比对研究与应用[D];西安电子科技大学;2016年
14 王雅男;基于局部表面凸性的散乱点云分割算法研究[D];中国科学院长春光学精密机械与物理研究所;2017年
15 王楠;基于三维散乱点云的网格重构技术研究[D];大连大学;2013年
16 陈杰运;面向室内三维场景散乱点云语义分割的PointUnet网络研究[D];燕山大学;2020年
17 冯首道;基于GPU的散乱点云快速网格化及模型渲染技术研究[D];哈尔滨工业大学;2020年
18 王刚;基于散乱点云的卷曲模型建模和精度评价[D];大连理工大学;2007年
19 刘立强;散乱点云数据处理相关算法的研究[D];西北大学;2010年
20 马长胜;逆向工程中数据分块技术的研究与实现[D];苏州大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978