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．     

基于反求工程的螺旋扫描件边界提取方法研究

复杂曲面零件的几何模型重构是反求工程的研究重点之一。针对螺旋零件表面的数字化数据提取边界线的问题,提出了一种基于层析数据的螺旋扫描件边界特征线提取方法。该方法分两步进行,首先将点云切片,对切片后每一层数据点进行边界特征点提取和轮廓线拟合;其次将相邻层边界点拟合得到边界线。通过实例验证,结果表明该方法具有较强的可操作性和实用性。     

基于散乱点云边界提取及简化的单坐标搜索法之改进

针对单坐标搜索法在处理大量点云数据时会出现收敛速率降低、边界提取模糊等缺点,采用一种改进的方法能快速确定点云的紧邻信息。并且在保留所有边界点的基础上,结合测点的曲率特征以及邻域内保留点的情况提取点云的边界特征并进行非均匀化。结果表明,该方法能够在快速、有效地简化点云数据的同时保持原始特征信息。     

保留边界特征的点云简化算法

为有效简化点云数据,提出保留边界特征的点云简化算法。该算法利用三维栅格划分法建立散乱点云的空间拓扑关系,计算每个数据点的近邻,通过球拟合法求得其曲率和具有方向性的法向量,采用投影点个数比值法找到并保留点云边界,根据具体情况设定所需阈值,对非边界点进行分类,通过对点的曲率与平均曲率比较、近邻保留点与近邻点个数比例,完成点云简化。实验结果表明：该算法不仅能对点云进行直接有效地简化,而且还能很好地保留点云模型的细节特征,简化比例达25％～40％。该方法可以满足不同种类点云简化的要求,能够提高计算机运行效率。     

数据简化中的边界提取方法

针对三维点云数据简化过程中边界特征容易丢失问题,研究了一种点云边界特征提取方法.首先,对点的k近邻进行查找,并进行点的球拟合计算,得到拟合球的半径、点的曲率、点到球心距离.其次,通过数据点周围点的分布均匀性、自适应调节参数公式中的阈值,可以达到检测边界特征的目的.由不同模型的实验数据表明,该算法提取的边界满足了后期数据简化所需.     

自适应α-shapes平面点云边界提取方法

针对基于微切面的点云边界提取方法在LiDAR点云边界提取中效率低,难以保证边界提取的精细度和完整性问题,提出了一种可调节滚动圆半径的α-shapes平面点云边界提取算法。该算法首先将点云数据栅格化,排除非边界点,并通过计算P点的K个邻近点平均距离和增设调节因子,设置滚动圆半径α,最后采用α-shapes算法提取点云边界。对近邻K值、点云形状和点云密度等分析,证明近邻K值与调节因子ω之间具有函数关系,及调节因子与点云密度和点云形状无关的结论。结果证明:该算法在准确提取点云边界情况下,能够快速提取完整点云边界,提高后续点云重建速度与效率,该算法具有良好的稳健性。     

面向三维残缺点云图像的数据精简方法

为解决残缺点云模型数据精简时边界特征容易失真的问题，以汽车覆盖件中的薄壁类零件为研究对象。提出一种保留残缺点云边界特征的数据精简方法。借助KD-tree建立数据索引结构，获取数据点最近邻，并通过邻域点拟合出微切平面的方法，计算出点云数据的法向量。利用法向量夹角大小关系，选取边界以及孔洞特征点的初始种子点。再根据欧氏距离实现初始种子点的邻域搜索，从而完成边界以及孔洞邻域特征点的提取。根据曲率精简的方法，对非特征点进行数据精简，最后，合并特征点云与非特征点云，实现对残缺点云模型的数据精简。将随机精简法、曲率精简法分别用于点云模型精简处理，结果表明：相比于其他两种方法，所提方法更好地保留了模型边界以及孔洞邻域特征数据点，其标准偏差、曲面表面积变化率优于其他两种方法且变化相对稳定。     

反求工程中基于曲面特性的离散数据优化方法

在反求工程中,对数字化测量仪输出的"点云"数据进行处理是关键内容,其中"点云"数据的优化是进行后续曲面建模的前提,采用有效的优化方法得到的数据能够有利于曲面建模.在数据优化过程中,根据三角剖分生成的三角面片所显示的曲面特征,建立曲面曲率和扭曲量与采样密度的对应关系,对测量点进行重采样优化,从而选择更有利于曲面建模的点,压缩数据量,提高曲面建模的准确度和效率.     

发动机叶片ICT数字切片图像特征边界的提取

目的 实现数字切片图像特征边界的提取。方法 针对有噪声信号影响的发动机叶片ICT(Industrial computed tomogmphy)数字切片图像，根据图像特征边界点相邻像素灰度值变化特点，通过预先确定提取边界所占矩形区域的大小、方向和预提取图像边界的数量，沿垂直某一矩形边的方向自动产生与提取边界点数量相等的一组等距平行线，并将每一平行线穿过图像的像素灰度变化拟合成一条三次样条曲线或B-样条曲线。结果 根据拉普拉斯边界检测算法在出现边界点处一阶段数为最大和二阶段数为零的特性，计算机边界点的坐标，实现灰度图像特征边界的提取。结论 通过实验得到的测量误差，使用统计的方法进行分析，该算法不但能够达到1／4像素的亚像素精度，而且还有计算效率高的特点。     

散乱点云数据的曲率精简算法

针对海量散乱点云数据精简问题,提出了以平均曲率为判据的精简算法.采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域.在散乱数据点参数化的基础上,对k邻域内的散乱点进行二次曲面拟合,求出拟合曲面的平均曲率,进而得出邻域内所有数据点的平均曲率均值,以此为判据进行数据精简.构造曲率差函数,识别出边界数据点,对其进行数据保护.结果表明,该算法对具有曲率多样化特点的点云数据精简具有一定的理论意义和应用价值.通过实验验证了该算法的可靠性和准确性.     

三维图像重构的点云精简算法

为解决光学三维测量系统测量数据的精简问题,提出一种基于图像重构三维的点云精简算法.利用数字图像处理技术,建立数字图像像素点与三维数据点的对应关系表,采用分级方式建立查找表,根据建立的查找表对三维数据进行精简.实验结果表明：精简算法将数据从712 068个点有效地精简至132 064个点,文件大小也从21.6 M减小到4M.该方法能有效对数据进行精简,兼具基于距离和曲率精简的优点.     

基于粒子群模糊聚类算法的边缘检测仿真

将粒子群优化算法与模糊C-均值(FCM)聚类算法相结合,并应用于图像边缘检测,以期解决标准FCM算法在图像边缘检测中对初始值敏感及容易陷入局部极小的两大缺陷.首先,基于数学测度概念构造一个描述边缘点信息的特征向量,将灰度图像中的每一个像素点看成是一个数据样本,将该点灰度值处理后构成其边缘点信息特征向量,形成具有三维特征的数据集;然后对这个数据集应用粒子群模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.仿真实验表明,此算法具有良好的抗噪性能,能够得到较好的边缘效果,提高了边缘定位的精度.     

基于高斯曲率改进的PM模型

在Perona和Malik的各项异性扩散方程的消噪模型中,一些小梯度的细节信息和噪声会被扩散掉,而在这些细节信息点往往具有零高斯曲率的特征,根据这一特点,对PM模型加以改进。新的模型不但可以保持零高斯曲率的图像特征,如:直线边缘、曲线边缘、角点、斜坡和小尺度特征,还可以增强尖锐的边缘。实验表明,改进的模型比PM保留了更多的图像信息,因此该模型可以大量地应用于图像处理和计算机视觉。     

基于机器视觉的烹饪机器人锅具识别算法

全面介绍了基于机器视觉的烹饪机器人锅具识别算法,用于提取复杂背景中的锅具曲线.算法分为两个阶段:特征点确定、图像匹配.使用曲率作为特征点,给出了数字图像的离散特征点计算方法和加权Hausdorff距离识别锅具轮廓特征点.解决了图像因为旋转、位移、缩放造成图像形变以及由于锅具动作图像部分遮挡、动态模糊造成识别困难问题.实验表明该锅具识别算法能够高效地提取画面中的锅具轮廓,能较好地满足烹饪机器人示教系统的要求.     

基于微分进化算法的轮廓匹配方法

轮廓匹配是图像处理中一个重要匹配方法,针对现有匹配方法中匹配搜索耗时多的局限性,提出了一种改进的轮廓匹配方法.对模板图像和待匹配图像分别提取轮廓,计算轮廓上每一点的曲率,并选择满足阈值条件的轮廓点为候选点;以此点及其两侧若干点构造特征向量,依据欧氏距离构造相似性度量函数,使用具有全局最优性的微分进化算法求解,以保证获得全局最优解.对比实验表明,所提出的方法有较快的寻优速度和较高的配准率.     

人眼角膜曲率测量系统的研究

为解决人眼角膜曲率测量的方法和精度,设计了一套基于图像处理的自动测量角膜曲率参数的测量系统.该研究方法是以角膜反射成像原理为基础,将3个同心圆环投射到眼睛角膜,经角膜反射成像在CCD上,求取全局阈值算法进行二值化图像处理,并进行关键区域特征提取二值化图像,先用Sobel边缘提取方法检测出椭圆环的轮廓,然后用数学形态学的边界平滑及骨架提取方法得到关键区域骨架,最后用最小二乘法拟合曲线计算出角膜的曲率参数.实验采用角膜曲率计用计量标准器进行了测试,结果表明研制的全自动角膜曲率仪符合国家计量检定规程的要求.使用全自动角膜曲率仪测量角膜曲率参数方便、快速、准确.     

图象处理在装药疵病自动检验中应用的研究

应用计算机数字图象处理技术研究从弹药装药的射线透视图象中自动检验装药疵病的方法。提出用装药区定位、减影,滤波去噪、三值化等图象预处理方法增强图象中的疵病信息;运用边界轮廓跟踪方法对疵病进行特征提取;设计了树分类器,对各类疵病进行自动识别和分类。实验结果表明,采用文中的方法可自动准确地从装药射线透视图象中提取各类疵病,得到疵病的大小、位置、数量、类型等定量检验结果。     

基于线性CCD阵列的弹头轮廓误差测量

提出了一种运用CCD成像测量技术进行大型机械零件轮廓测量的图像测量方法，该方法利用CCD成像技术获得零件轮廓的图像，并使用Marr边缘检测算子精确确定零件轮廓的边缘位置，利用十一点曲率法得到轮廓的角点和切点的大致位置，并对轮廓分段识别。最后采用直线和任意曲线轮廓拟合的数学模型及误差评定方法，判断所测零件的轮廓度是否满足公差要求。该方法代替了传统的模板手工测量，测量效率高，实验表明，此方法达到了理想的测量结果。     

Automatic Defect Detection in X-Ray Images Using Image Data Fusion

Introduction A welded structure must be inspected to guarantee that the weld quality meets the design requirements to as- sure safety and reliability. However, X-ray image analyses and defect recognition are very complex. Most difficulties lie in finding …