基于多视角区域生长的复杂曲面结构模型分割方法研究
发布时间：2021-03-10 12:08
逆向工程技术与计算机图形学技术不断发展,在复杂曲面结构模型的设计、制造等多个阶段得到了广泛应用,新技术的引入加速了模型的数字化进程。数字化处理后的模型可用于特征分析、形状检测,实现由实体模型到设计图纸的过程。其中,点云分割是逆向设计制造过程中的关键内容,对物体分类、目标识别、三维重建等任务至关重要。现阶段已有多种分割方法成功应用于复杂曲面结构模型,但由于模型种类复杂多样,包含的一些自由曲面边界难以界定,加之扫描设备获取到的点云数据中夹杂着噪点,对点云数据处理造成一定的干扰,因此实际分割实验中普遍存在部分特征区域识别效果欠佳的问题。为了提高分割的完整度,提出一种基于多视角区域生长的分割方法,主要研究内容包括:（1）针对复杂曲面结构模型数据量大、复杂度高的特性,提出一种基于法向量方向相异性原则的模型初分类方法。利用G2S（Gabriel2 Simplex）准则构建复杂曲面结构模型的三角网格结构,获取其表面的拓扑特征,解算并校正拓扑结构中每一三角面片的法向量信息,依据不同类间法向的指向差异将模型划分为不同类别的子集合。（2）针对单一视角下特征信息缺失与传统距离图像的缺陷,提出一种多视角距离图...
【文章来源】：燕山大学河北省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
俯视视角下的初始距离图像
第3章点云模型初分类与距离图像建立33索图像中每个像素的附近八邻域，检测此区域内是否存在低于该元素值的像素。若不存在，则将此像素视为具有最小灰度级的像素。若初次膨胀后的图像中存在具有最小灰度级的像素，则将结构元素的尺寸加1，继续执行膨胀操作。重复上述操作，直到图像中不存在最小灰度级像素时，迭代过程结束，此时的结构元素尺寸即为最佳尺寸。最后对最佳尺寸下膨胀生成的图像执行腐蚀操作，完成对图像的平滑处理。按照上述操作，获取到的最佳尺寸为8，此尺寸下对应的距离图像如图3-14(c)所示，此时图像平滑无空洞区域，且各部分细节特征得到较好地描述。a)disk=6b)disk=12c)disk=8图3-14不同尺寸结构元素对应的距离图像3.3.4多视角距离图像的生成为了获取模型表面更为完整的三维结构特征信息，引入六视图绘图概念，选取主视、后视、左视、右视、俯视、仰视六个视角，在上述六个视角下分别对Fandisk模型依次进行平面投影、格网化、网格赋值以及平滑操作，获取模型多视角下的距离图像。如图3-15所示，该图像分别从不同方位对模型的特征进行描述，综合六个视角下的信息就可对模型结构进行完整表征。每一视角下的图像中均不包含空洞区域，即能良好表征本区域内的细节特征，又能与其余区域内的特征互相补充。例如正视视角下可观察到前侧立面与部分自由曲面，但顶面与后侧部分被遮挡，因此无法获取这一部分的特征信息，此时结合右视视角与俯视视角，就可得到延伸部分的细节信息。同理，其余视角下的缺失信息均可通过邻接视角获龋通过利用多视角的特征表征方法，克服了单一视角下信息缺失的问题，保证获取到模型特征信息的完整性与准确性。
燕山大学工学硕士学位论文36图4-1第一组点云边缘检测结果4.2.2边缘检测算子对比边缘检测算法中包含多种不同的检测算子，可依据实验对象的差异选取效果最优的算子提取边缘特征。下面介绍几种常用的边缘检测算子，并对它们的边缘提取效果进行比较[53]。(1).Roberts算子：Roberts算子利用式(4-1)分别计算横向与纵向竖直方向的差分，在此基础上依据式(4-2)求解灰度变化幅值R(i,j)，式(4-3)中xI、yI为事先定义的卷积算子。通过设置合理阈值hT，将各点处的像素幅值R(i,j)与hT进行比较，若存在R,(ij)大于hT，表示此点处发生灰度突变现象，此点被认定为边缘点，相应的边缘图像可用{R(i,j)}表示。(,)(1,1)(,1)(1,)xyIIijIijIIijIij=++=++(4-1)(,)=||+||xyRijII(4-2)10010110xyII==，(4-3)(2).Sobel算子：Sobel算子的检测过程综合考虑全方向上的像素点，将邻域内的像素灰度值进行权值运算，进一步对权值运算获取到的像素点进行差分计算。依据像素点距离由近及远赋予不同的权重值。具体运算可利用式(4-4)实现：(,)||||xySij=I+I(4-4)卷积算子由式(4-5)定义：
【参考文献】：
期刊论文
[1]基于深度学习的零件点云分割算法研究[J]. 陈境焕,李海艳,林景亮. 机电工程. 2020(03)
[2]计算机辅助设计技术在机械设计中的应用[J]. 聂勇军. 工程建设与设计. 2020(04)
[3]一种改进型Canny算子边缘检测算法[J]. 朱秋林,石银涛,李靖. 地理空间信息. 2020(01)
[4]基于区域生长算法的复杂建筑物屋顶点云分割[J]. 朱军桃,王雷,赵传,郑旭东. 国土资源遥感. 2019(04)
[5]基于最小生成树的分割区域密度聚类算法[J]. 李蓟涛,梁永全. 计算机辅助设计与图形学学报. 2019(09)
[6]融合可变形卷积与条件随机场的遥感影像语义分割方法[J]. 左宗成,张文,张东映. 测绘学报. 2019(06)
[7]基于深度图的三维激光雷达点云目标分割方法[J]. 范小辉,许国良,李万林,王茜竹,常亮亮. 中国激光. 2019(07)
[8]一种面向高维相交多流形的识别算法D-MPPCA[J]. 高小方,刘杰飞,梁吉业. 小型微型计算机系统. 2018(07)
[9]基于改进的区域生长三维点云分割[J]. 李仁忠,刘阳阳,杨曼,张缓缓. 激光与光电子学进展. 2018(05)
[10]顾及建筑物屋顶结构的改进RANSAC点云分割算法[J]. 李云帆,谭德宝,刘瑞,邬建伟. 国土资源遥感. 2017(04)
硕士论文
[1]工业零件三维点云模型的特征线面提取方法研究[D]. 王佳婧.武汉大学 2017
[2]边缘检测方法研究及应用[D]. 王章锋.天津工业大学 2017
[3]数据挖掘中的离群点检测算法研究[D]. 胡婷婷.厦门大学 2014
本文编号：3074633
【文章来源】：燕山大学河北省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
俯视视角下的初始距离图像
第3章点云模型初分类与距离图像建立33索图像中每个像素的附近八邻域，检测此区域内是否存在低于该元素值的像素。若不存在，则将此像素视为具有最小灰度级的像素。若初次膨胀后的图像中存在具有最小灰度级的像素，则将结构元素的尺寸加1，继续执行膨胀操作。重复上述操作，直到图像中不存在最小灰度级像素时，迭代过程结束，此时的结构元素尺寸即为最佳尺寸。最后对最佳尺寸下膨胀生成的图像执行腐蚀操作，完成对图像的平滑处理。按照上述操作，获取到的最佳尺寸为8，此尺寸下对应的距离图像如图3-14(c)所示，此时图像平滑无空洞区域，且各部分细节特征得到较好地描述。a)disk=6b)disk=12c)disk=8图3-14不同尺寸结构元素对应的距离图像3.3.4多视角距离图像的生成为了获取模型表面更为完整的三维结构特征信息，引入六视图绘图概念，选取主视、后视、左视、右视、俯视、仰视六个视角，在上述六个视角下分别对Fandisk模型依次进行平面投影、格网化、网格赋值以及平滑操作，获取模型多视角下的距离图像。如图3-15所示，该图像分别从不同方位对模型的特征进行描述，综合六个视角下的信息就可对模型结构进行完整表征。每一视角下的图像中均不包含空洞区域，即能良好表征本区域内的细节特征，又能与其余区域内的特征互相补充。例如正视视角下可观察到前侧立面与部分自由曲面，但顶面与后侧部分被遮挡，因此无法获取这一部分的特征信息，此时结合右视视角与俯视视角，就可得到延伸部分的细节信息。同理，其余视角下的缺失信息均可通过邻接视角获龋通过利用多视角的特征表征方法，克服了单一视角下信息缺失的问题，保证获取到模型特征信息的完整性与准确性。
燕山大学工学硕士学位论文36图4-1第一组点云边缘检测结果4.2.2边缘检测算子对比边缘检测算法中包含多种不同的检测算子，可依据实验对象的差异选取效果最优的算子提取边缘特征。下面介绍几种常用的边缘检测算子，并对它们的边缘提取效果进行比较[53]。(1).Roberts算子：Roberts算子利用式(4-1)分别计算横向与纵向竖直方向的差分，在此基础上依据式(4-2)求解灰度变化幅值R(i,j)，式(4-3)中xI、yI为事先定义的卷积算子。通过设置合理阈值hT，将各点处的像素幅值R(i,j)与hT进行比较，若存在R,(ij)大于hT，表示此点处发生灰度突变现象，此点被认定为边缘点，相应的边缘图像可用{R(i,j)}表示。(,)(1,1)(,1)(1,)xyIIijIijIIijIij=++=++(4-1)(,)=||+||xyRijII(4-2)10010110xyII==，(4-3)(2).Sobel算子：Sobel算子的检测过程综合考虑全方向上的像素点，将邻域内的像素灰度值进行权值运算，进一步对权值运算获取到的像素点进行差分计算。依据像素点距离由近及远赋予不同的权重值。具体运算可利用式(4-4)实现：(,)||||xySij=I+I(4-4)卷积算子由式(4-5)定义：
【参考文献】：
期刊论文
[1]基于深度学习的零件点云分割算法研究[J]. 陈境焕,李海艳,林景亮. 机电工程. 2020(03)
[2]计算机辅助设计技术在机械设计中的应用[J]. 聂勇军. 工程建设与设计. 2020(04)
[3]一种改进型Canny算子边缘检测算法[J]. 朱秋林,石银涛,李靖. 地理空间信息. 2020(01)
[4]基于区域生长算法的复杂建筑物屋顶点云分割[J]. 朱军桃,王雷,赵传,郑旭东. 国土资源遥感. 2019(04)
[5]基于最小生成树的分割区域密度聚类算法[J]. 李蓟涛,梁永全. 计算机辅助设计与图形学学报. 2019(09)
[6]融合可变形卷积与条件随机场的遥感影像语义分割方法[J]. 左宗成,张文,张东映. 测绘学报. 2019(06)
[7]基于深度图的三维激光雷达点云目标分割方法[J]. 范小辉,许国良,李万林,王茜竹,常亮亮. 中国激光. 2019(07)
[8]一种面向高维相交多流形的识别算法D-MPPCA[J]. 高小方,刘杰飞,梁吉业. 小型微型计算机系统. 2018(07)
[9]基于改进的区域生长三维点云分割[J]. 李仁忠,刘阳阳,杨曼,张缓缓. 激光与光电子学进展. 2018(05)
[10]顾及建筑物屋顶结构的改进RANSAC点云分割算法[J]. 李云帆,谭德宝,刘瑞,邬建伟. 国土资源遥感. 2017(04)
硕士论文
[1]工业零件三维点云模型的特征线面提取方法研究[D]. 王佳婧.武汉大学 2017
[2]边缘检测方法研究及应用[D]. 王章锋.天津工业大学 2017
[3]数据挖掘中的离群点检测算法研究[D]. 胡婷婷.厦门大学 2014
本文编号：3074633
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3074633.html
