反求工程中散乱点云数据的自动分割与曲面重构

提出了一种在反求工程中对散乱点云数据进行自动分割与曲面模型重构的方法．建立了散乱点云数据之间的拓扑信息，对点云数据进行三角剖分重构网格曲面模型．基于网格曲面求解点云数据的曲率极值，提取边界点云，进一步拟合成边界曲线．利用边界曲线将整个点云自动分割，每一片点云采用二次曲面或自由曲面进行拟合，对于二次曲面可以根据参数自动确定曲面类型，最终得到完整的CAD模型．用一个鞋跟模型的实例证明了该方法的有效性．     

基于两视图的曲面物体自动建模方法

提出一种基于两视图的曲面物体自动重建方法. 采用基于Haudorff距离的特征匹配技术对图像的正面和侧面中的曲面物体进行匹配,自动获得图像中物体的大致形状及位置信息. 采用基于形状先验的图像分割算法自动地将曲面物体从图像的正面和侧面中分割出来. 利用这两幅图像中获得的侧影轮廓线,实现曲面自动重建和纹理自动提取. 通过真实曲面物体进行重建实验,验证了该方法的可行性.     

自由曲面的一种逆向工程方法

提出了一种基于双向加权递推模型的自由曲面逆向工程方法。根据这一方法,可由已采集到的自由曲面上一定数量的任意分布型值点来逆向工程出自由曲面。加权双向递推模型的基本思想,型值点影响并决定着其控制区域内的曲面形状,这种影响的大小与到型值点的距离及权指数相关。给出了将区域划分为ｍ×ｎ的矩形网格下沿Ｘ、Ｙ方向的加权递推模型,讨论了该方法中网格划分和权指数对逆向工程曲面形状及精度的影响。     

逆向重建中B样条曲面过渡/微调精简方法

为提高逆向工程中点云数据精简与重构的精度和效率,改进B样条曲面拟合在曲率精简和曲面重构中的应用问题.对逆向工程中的3维扫描技术、3维设计、点云数据的精简及模型重构做了深入细致的应用研究.提出一种基于B样条曲面过渡/微调精简算法,将该研究应用于叶轮的逆向制造中,通过3维扫描获得曲面重构点云数据,将点云数据合理拼合封装与精简,进行曲面重建和3维再设计,同时分析产品的光顺性和精度,并利用快速成型机打印出产品模型样件.研究结果表明该方法既高效提高了曲面建模效率,又改善了逆向建模精度.      

基于圆弧逼近的笔式加工区域快速搜索算法

针对传统自由曲面笔式加工过程计算量大、加工效率低等问题,提出了一种圆弧逼近自由曲面的笔式加工区域搜索算法.首先利用改进的四叉树算法将自由曲面进行面片分割;然后利用圆弧逼近曲面近似计算曲率半径,快速搜索出曲面局部干涉的大体位置,减少了计算量,提高了搜索效率;最后通过二叉树法精确搜索笔式加工区域的边界点,形成笔式加工区域....     

汽车车身曲面点云数据分割方法的研究

车身曲面是由多张曲面经过延伸、过度、裁剪拼接而成,直接对测量获得的车身密集点云数据进行曲面拟合非常困难,需要对点云数据进行区域分割.探讨了点云数据的常用分割方法,结合车身曲面特点,研究并实现了一种点云分割的算法-基于平面度的直接分割方法.该方法通过最小二乘拟合平面法矢量夹角的均方差值来搜索具有几何相似特性的连续曲面片,将不同性质的曲面片分块保存.并结合ATOS测量设备得到的车身曲面点云数据,给出不同的实例,证明了该方法的有效性.     

基于包围盒法的散乱点云数据的曲率精简

采用非接触式扫描方法测量工件,能够获得高密集度的点云数据,但是过多的点云数据会严重影响曲面重构的光顺性.因此,精简点云数据成为逆向工程中相当重要的一环.提出了直接根据曲率变化精简点云的方法,对邻域搜索、曲率估算和曲率精简原则等进行了研究.对传统的邻域搜索方法进行了改进,采用包围盒法分割曲面,提高了点云精简的效率和精度.     

三维点云数据在工程车辆零件曲面重构中的处理与应用

本文结合CATIA软件,通过三维点云数据的采集,点云处理,曲面重构,最终生成工程车辆车桥桥壳的三维CAD模型,本文阐述了逆向工程中高精度曲面重构的一些关键技术。文章中提出的点云精简、分割、曲面重构方法有效地提高了曲面的重构精度,为产品的后期处理、修整以及模具设计加工带来极大的便利。     

逆向工程的研究与发展

逆向工程是一门正在迅速发展中的学科分支,目前还处于不断研究和探讨之中。而逆向工程中的一个重要问题是利用已有的点云数据进行空间曲面的重建,即空间散乱点云的三角剖分问题。逆向工程中空间曲面上点云数据三角剖分的一般方法涉及空间点云数据的过滤,过滤后点云数据的显示,点云数据的三角剖分,最终生成剖分后的空间曲面图形。     

基于立体视觉的自由曲面三维重构

利用BP神经网络对立体视觉系统进行隐式标定,采用投射大小光斑的方法增加自由曲面的图像特征;提出了一种基于射影变换原理的分块匹配算法,分别在左右两幅图像上,对大点构成的区域进行标准形状变换,然后实现区域内小点的自动匹配.对石膏像面部进行三维重构的实验表明,投射光斑的方法增加了自由曲面的图像特征,分块匹配算法能有效地实现图像间的特征匹配.     

基于SOM的多维信息可视化研究

处理数量巨大且富含多维信息的数据正成为人们关注的热点,可视化技术为分析和处理海量信息提供了新的手段.SOM能够通过自组织的方式实现高维数据的降维.本文介绍了基于SOM法的多维信息可视化技术.该方法先通过SOM矢量量化法建立原型矢量,然后通过SOM的批量训练实现降维,并用多维比例缩放法实现降维后的数据在低维空间坐标上的投影.在此基础上,分别阐述了地图网格映射、基于聚类的可视化和基于变量的可视化3种可视化方法.论文最后用SOM方法对2003年中国非典的多维信息进行了可视化分析,验证了该方法的实用性.     

Vibration Feature Fusion for State Evaluation of Machinery

To overcome the problem that a single feature can not reflect the state of machinery in different stages,a method of vibration feature fusion based on self-organizing map(SOM) is presented.Minimum quantization error(MQE) is obtained unsupervised based on SOM network.And trend information of the MQE curve is extracted by the wavelet packet to enhance state differentiating.Experimental flat is designed for bearing accelerating fatigue.And experimental results show that the method of vibration feature fusion based on SOM can reflect the state of machinery in different stages effectively.     

基于SVM与SOM的税务稽查选案模型研究

税务稽查选案是税务机关在税收征管和稽查中面临的一个重要问题。提出了一种基于支持向量机(SVM)与自组织特征映射(SOM)神经网络相结合的稽查选案方法。首先基于支持向量机(SVM)对纳税人进行分类,然后采用自组织映射神经网络(SOM)对疑点信息进行聚类,选出需要重点进行稽查的目标对象。通过对实例的具体测试,表明模型的有效性。     

基于自组织神经网络SOM和K-means聚类算法的图像修复

近来自然图像的修复已经成了一个热门话题.提出了一种基于K-means聚类算法的自组织神经网络(SOM),称为SOM-K.它首先利用SOM来训练每一个像素的特征向量,并把一幅图像分层.这样就能把每个破损像素分到每层,同时SOM训练后的输出也通过K-means聚类算法来聚合,分别在各个层中修复破损的像素.最后把修复好的各层溶合到一起.与单独使用SOM相比,SOM-K具有更精确的分类能力.     

逆向工程的车身三维造型数字化技术

针对汽车车身设计的特点,提出基于逆向工程技术的车身数字化设计平台框架,并对车身复杂曲面的造型方法和实施逆向工程的关键技术进行研究.首先根据已有的汽车车身外形,采用逆向工程技术和数字化技术,依据STEP标准建立起车身数据的统一数据模型,建立相应的工程数据库;然后,通过分布式PDM解决数据集成和过程集成,把车身数字化设计系统的各个子系统综合起来,最后,利用网络协议和分布式操作平台,架构车身虚拟数字化设计平台.     

面向逆向工程的网络化共享应用系统的设计及应用

针对中小型制造企业分布广、产品逆向设计中关键技术复杂等特点,提出了基于逆向工程的网络化共享应用系统方案.充分利用现代网络和信息技术,改变传统的远程开发设计模式为基于Internet的远程协同开发设计模式,在网络化协同工作平台的基础上开发了基于逆向工程的网络化共享的应用设计平台,提出了在产品开发中整合企业供应链上的制造设计资源,研究远程用户和逆向产品设计提供方之间进行产品数字信息和数据交换的方法,实现企业间的协作和产品设计的目的.     

A Neural Network Approach on Reverse Engineering Surface Reasoning in the Manufacturing Field

This paper applied the neural network technology to surfacereasoning in reverse engineering and established the neural network computation model. One of the main advantages of reasoning solid surface using neural network is that no knowledge about surface is needed, and the limited measured points on the surface will do sufficiently. This paper listed the related reasoning cases, including the elementary analytical surfaces and freeform surfaces, discussed the various issues occurring during reasoning process and proved the feasibility and efficiency of this approach from theory and practical computing cases. The results show that a neural network is an excellent aided analysis means for surface reasoning in reversing engineering and possesses practical use for the surface that is complex, incomplete and partially worn-out or damaged.     

基于自组织特征映射神经网络的校园网用户聚类分析

在校园网系统的管理中,网管人员常常需要了解用户的网络行为,以便更好地配置和管理网络系统,提高网络服务效率.以大理学院校园网认证计费系统日志为研究对象,利用自组织映射神经网络(SOM)对校园网用户行为和网络通信模式进行聚类分析.网管人员可以根据聚类结果,设计有效的网络管理方案和系统配置参数,从而有效地配置和管理校园网,提高服务效率和管理质量.     

径向基函数神经网络在反向工程曲面重构中的应用

将径向基函数神经网络应用于自由曲面的拟合。为解决反向工程的技术关键──自由曲面的重构提供了一个新的途径。     

自组织特征映射网络隐含的分形机制

自组织特征映射网络(Self-organizing map,SOM)在聚类分析中具有广泛的应用,和其他神经网络一样,SOM网络具有黑箱性质,缺乏严格的理论基础,无法对聚类过程进行分析.结合复杂系统分形生长的最大流原理,本文从统计物理角度对SOM网络的自组织过程进行分析,将SOM网络隐含的分形机制挖掘出来,并以城市模式为例展示了建立在统计物理基础上的SOM网络的新的应用.