直接加工中散乱点云拓扑结构建立的研究
发布时间：2020-10-11 05:31
逆向工程是实现自由曲面零件数字化仿制和改进的一项重要技术,拥有非常广阔的应用前景。在目前的逆向工程中,都要由测量点云经曲面拟合、等距、裁剪等操作进行曲面重构,进而才能在曲面模型上生成数控加工刀位,这类方法中的自由曲面重构过程相当繁琐费时,而且精度难以保证。由此,我们派生出由测量点云来直接生成数控加工路径的思想,它可跳过复杂且难以控制的曲面重构环节。 基于直接加工的思想,着重研究了散乱点云的拓扑结构重建方法。通过大量零件表面数据的测量,比较自由曲面测量的各种手段,并采用TDV800型激光扫描仪测得典型零件的散乱点云作为研究对象,研究包括数据拼合、滤波、精简及坐标变换等预处理操作;在拓扑结构重构过程中,将散乱点云进行等间隔区域分割,同时建立新的链表结构分区存储点云数据。在每个区域内通过邻域法将点云进行压缩并投影至切平面,得到一系列的切平面散乱点集。由平面上点的二维坐标定位,提出基于正交投影理论的双映射算法。该算法能快速定位点的位置及其邻域搜索范围,采用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,提出双映射排序中邻近次序点的判断准则,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。在各切片之间,采用三角网格剖分手段来建立点云在空间的完整拓扑结构,并提出了相邻截面线之间添加剖分线段的改进算法,在网格线的二次剖分中,对剖分情况进行分类,结合采用最小内角法计算余下剖分线段。同时设计三角面片的存储数据结构并保存输出三角面片,完成点云截面线的三角化;针对本文各项研究,采用VC++编程开发工具结合OpenGL开放式图形库设计可视化应用软件,通过叶子和叶片等“点云”演示了软件的可操作性及本文中提出的散乱点云拓扑重构理论。
【学位单位】：江南大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：TH16
【部分图文】：
各类数据处理技术，包括点云的整合构造、精简滤波，坐标变换等。2.2 数据获取方法分类与比较快速、全面、完备地获取对象的表面信息，是数据获取所要实现的目标。自由曲线、曲面的测量过程是一个数字化过程，即通过一系列离散的点来表征曲线、曲面的原始形状信息。数据采集的质量和效率直接影响着后期的模型重建的进程，各种测量方法的优劣也是从其采集质量和采集效率两方面进行评价。每次测量采样得到的数据，可以通过与原型零件进行对比判断其测量值是否正确表征了对象的表面信息，对于同一对象，采用不同的测量路径和采样频率，经过处理后往往会得出不同的结果，这一问题对于复杂的自由曲面尤其突出。由此可见，在无法通过对整个曲面扫描得到曲面上所有形貌特征的情况下，测量路径规划就显得十分重要。有关测量路径规划的研究也是逆向工程的研究热点之一。首先应保证尽可能完备地反映对象的几何特征；其次，对于边界、棱角、曲率变化较大的地方，在采样时，一定要在测量规划中得以体现：要尽可能完整地表现被测物体的型面特征，曲面越复杂的地方，采集点应越密集。零件的测量方法一般可分为接触式和非接触式两大类，目前随着工业 CT 等技术的发展，逆向工程中也习惯将逐层扫描方法归为第三类测量方法（如图 2-1）。
图 2-3 点云拼合示例Fig 2-3 an example of point cloud combination2.4.3 数据滤波实际的测量过程中受到人为或随机因素的影响，都不可避免会引入不合理的噪点，这部分数据约占数据总量的 0.1%-5%[35]。不同类型的点云数据，有不同的数据滤方法。对于扫描线类型的点云数据，常采用半交互半自动的方法对测量数据进行检查调整。对于散乱测量数据点，由于排序前拓扑关系散乱，执行数据滤波非常困难，在般的数字信号处理中，数据滤波的方法主要有两大类，一类是空间域方法，一类是频域方法。主要的空间域方法有邻域平均法、中值滤波、多次测量平均法等，主要的频域方法为低通滤波。对于高密度点云，常采用程序自动判别滤波:目前通常采用标准高斯(Gaussian)、点平均滤波(Averaging)、中值滤波(Median)以及自适应滤波法[36]等方法（如图 2-4）高斯滤波在指定域内的权重为高斯分布，其平均效果较小，故在滤波时能较好地保持有数据的形貌。平均滤波采样点的值取滤波窗口内各数据点的统计平均值。中值滤波样点的值取滤波窗口内各数据点的统计中值，这种滤波消除毛刺的效果好。自适应滤
图 2-4 三种常用的滤波方法Fig.2-4 three kinds of data filtering methods数据，首先以测量精度作为距离阈值，将由于测量误操作过对邻近三点所形成的夹角和距离来进行判断、滤除噪音据，可以利用 Hardy 函数实现对点云数据的平滑滤波(如图数据插值，它用多个二次曲面迭加构成复杂曲面，可表示( ) ( ) ( )[ ]21122, ∑== miiiiZ xyCxxyy—插值点的 X,Y 坐标。—待定系数，将数据点坐标代入式(2.1)可得系数iC 。点 q,其 K 邻近为iN (i=0-K，点到 q 的距离最小的前 k 个点曲面 Z(X,Y)，然后将点 q 的(X,Y)代入曲面方程求得函数在点云的某些部分，有些点明显偏离附近点云的趋势时内的点进行修正，来实现滤波。
【引证文献】
本文编号：2836141
【学位单位】：江南大学
【学位级别】：硕士
【学位年份】：2008
【中图分类】：TH16
【部分图文】：
各类数据处理技术，包括点云的整合构造、精简滤波，坐标变换等。2.2 数据获取方法分类与比较快速、全面、完备地获取对象的表面信息，是数据获取所要实现的目标。自由曲线、曲面的测量过程是一个数字化过程，即通过一系列离散的点来表征曲线、曲面的原始形状信息。数据采集的质量和效率直接影响着后期的模型重建的进程，各种测量方法的优劣也是从其采集质量和采集效率两方面进行评价。每次测量采样得到的数据，可以通过与原型零件进行对比判断其测量值是否正确表征了对象的表面信息，对于同一对象，采用不同的测量路径和采样频率，经过处理后往往会得出不同的结果，这一问题对于复杂的自由曲面尤其突出。由此可见，在无法通过对整个曲面扫描得到曲面上所有形貌特征的情况下，测量路径规划就显得十分重要。有关测量路径规划的研究也是逆向工程的研究热点之一。首先应保证尽可能完备地反映对象的几何特征；其次，对于边界、棱角、曲率变化较大的地方，在采样时，一定要在测量规划中得以体现：要尽可能完整地表现被测物体的型面特征，曲面越复杂的地方，采集点应越密集。零件的测量方法一般可分为接触式和非接触式两大类，目前随着工业 CT 等技术的发展，逆向工程中也习惯将逐层扫描方法归为第三类测量方法（如图 2-1）。
图 2-3 点云拼合示例Fig 2-3 an example of point cloud combination2.4.3 数据滤波实际的测量过程中受到人为或随机因素的影响，都不可避免会引入不合理的噪点，这部分数据约占数据总量的 0.1%-5%[35]。不同类型的点云数据，有不同的数据滤方法。对于扫描线类型的点云数据，常采用半交互半自动的方法对测量数据进行检查调整。对于散乱测量数据点，由于排序前拓扑关系散乱，执行数据滤波非常困难，在般的数字信号处理中，数据滤波的方法主要有两大类，一类是空间域方法，一类是频域方法。主要的空间域方法有邻域平均法、中值滤波、多次测量平均法等，主要的频域方法为低通滤波。对于高密度点云，常采用程序自动判别滤波:目前通常采用标准高斯(Gaussian)、点平均滤波(Averaging)、中值滤波(Median)以及自适应滤波法[36]等方法（如图 2-4）高斯滤波在指定域内的权重为高斯分布，其平均效果较小，故在滤波时能较好地保持有数据的形貌。平均滤波采样点的值取滤波窗口内各数据点的统计平均值。中值滤波样点的值取滤波窗口内各数据点的统计中值，这种滤波消除毛刺的效果好。自适应滤
图 2-4 三种常用的滤波方法Fig.2-4 three kinds of data filtering methods数据，首先以测量精度作为距离阈值，将由于测量误操作过对邻近三点所形成的夹角和距离来进行判断、滤除噪音据，可以利用 Hardy 函数实现对点云数据的平滑滤波(如图数据插值，它用多个二次曲面迭加构成复杂曲面，可表示( ) ( ) ( )[ ]21122, ∑== miiiiZ xyCxxyy—插值点的 X,Y 坐标。—待定系数，将数据点坐标代入式(2.1)可得系数iC 。点 q,其 K 邻近为iN (i=0-K，点到 q 的距离最小的前 k 个点曲面 Z(X,Y)，然后将点 q 的(X,Y)代入曲面方程求得函数在点云的某些部分，有些点明显偏离附近点云的趋势时内的点进行修正，来实现滤波。
【引证文献】
相关硕士学位论文 前1条
1 倪敏敏;基于几何型的曲面重构研究[D];江南大学;2010年
本文编号：2836141
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/2836141.html
