汽车逆向设计中用NURBS曲面拟合点云数据

针对汽车的逆向设计,利用非接触测量方法中的CDD相机拍照法得到一组点云数据·将Tritop,Atos和CATIA三种软件联合应用,对点云数据进行了筛选、划分,用曲线拟合的方法做出了点云的特征线网格,并在此网格的基础上,利用NURBS曲面拟合技术,得出了点云的曲面造型·通过将拟合得到的曲面造型和原始点云数据的对比,对拟合曲面进行了误差分析·结果显示,只是在凹槽的边缘部位误差稍有增大,但也在很小的范围内变化,符合实际设计时的要求·由此证明,此种多软件联合应用的方法在处理曲面造型的逆向设计方面是可行的·     

基于点云数据的汽车密封条的曲面重构

逆向工程是现代制造技术的重要发展方向之一，结合汽车密封条逆向开发的特点，在汽车密封条的逆向开发中，重点探讨了基于点云数据来重构汽车密封条曲面的方法，提高了产品的精度和开发效率。     

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.     

回转窑点云数据的曲面重建

针对形体较大、形状较规则的回转窑,很难用传统方法对其进行测量,可以采用三维激光扫描技术获取其点云数据,用逆向工程Geomagic软件对点云数据做建模处理,方便后续应用.针对某回转窑,阐述如何用Leica三维激光扫描仪获取其点云数据,然后用逆向工程软件Geomagic实现曲面重建和精度分析的具体过程.     

基于水平集的散乱数据点云曲面重构方法

提出了基于最小能量约束的水平集重构方法，用以解决由三维数据点云自动重构复杂拓扑结构物体模型的问题．其基本思想是将重构曲面看成是一个定义在三维空间的可变形封闭曲面，在曲面自身几何特征以及目标模型力的作用下，逐步逼近目标模型，其演变过程同时也是曲面能量逐步减小的过程．采用偏微分方程来表示曲面能量最小化的过程，将曲面进行三维空间网格划分，采用快速扫描法将三维数据点云转换为有符号的距离场，并给出了离散偏微分方程的数值解法．实验表明，基于水平集的三维曲面重构方法能够从初始表面自动收缩到目标模型，而且能够适应任意拓扑结构的复杂物体．     

基于点云数据的建筑物快速精细建模

运用点云切片提取建筑物特征线拟合建模,对于长方体、圆柱体、管状体等规则物体自动匹配建模,对于不规则物体进行点云切割、侧视图提取轮廓线、拟合建模,对相同的结构复制等方式批量处理,然后根据点云组合模型,完成建筑物主体建模;通过平面投影方式提取门窗等细节的轮廓线,将轮廓线导出到第三方软件,实现对门窗的精细建模;最后通过纹理贴图生成极富真实感的三维模型并对其数字化展示.     

基于激光点云数据的三维建模技术研究

利用激光扫描仪获取的点云数据构建实体三维几何模型时,针对不同的应用对象、不同点云数据的特性,激光扫描点云数据建模的过程和方法也不尽相同。概括地讲,整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据,降低模型重建的复杂度,提高模型重构的精确度和速度。该文提出的方法能够很好的为快速三维建模进行服务,尤其是比较关注街道两侧信息的三维获取,这将大大减少人工三维数据获取及其建模的工作量,将有很好的应用前景。     

基于点云数据的自由曲面加工误差评定

针对自由曲面加工误差检测困难的问题,提出了一种自由曲面加工误差评定方法。该方法以高精度蓝光扫描仪获取到的点云作为实测数据,以自由曲面的立体印刷模型作为理论模型。首先设置动态偏差阈值去除点云的远距离噪声,利用基于曲面变化度的局部离群系数方法去除点云的近距离噪声;然后采用最近点迭代算法分离点云位置误差的旋转量,以自适应粒子群算法依据最小区域原则分离位置误差的平移量;最后对点云进行基准变换后,计算点云与模型之间的偏差。实验结果表明,相对于最近点迭代算法,所提方法计算的位置误差向量均方根误差减小了66%,轮廓度减小了18%。提出方法的位置误差分离精度更高,轮廓度误差评定更准确,适用于扫描点云对自由曲面的加工误差评价,可以有效判断出超差区域。     

基于点云数据复杂曲面产品的快速开发

重点以三维反求工程为基础，详细地研究了复杂曲面产品的快速开发方法，提出了基于点云数据的STL（STereoLithography)快速重构，有限元网格划分，结合快速成型及计算机辅助工程（CAE）等技术，大大加速了对具有复杂曲面的产品，如汽车覆盖，塑胶产品模具，个性化人体骨等的设计与制造速度，也避免了繁杂的曲线曲面重构。通过实例，验证了所提出的方法不仅简便易行，而且也能满足模具设计制造的精度要求。     

基于Geomagic的玩具虾逆向建模方法

通过三维激光扫描设备获得的玩具虾点云数据,利用逆向工程软件GeomagicStudio进行点云数据处理、多边形和曲面片的编辑处理而实现快速构建玩具虾NURBS曲面模型的方法。     

基于点云数据的牙齿表面重建算法

由三维扫描仪对牙齿进行扫描, 得到散乱的点云模型, 首先通过构建K D树的方法对每个点进行K邻域搜索; 然后根据这种邻域关系, 利用最小二乘原理拟合平面, 估算出每个点的法向量信息; 接着确定点云边界, 选取极值点作为初始点并建立种子三角形; 最后采用基于多约束的局部最优三角网格生长算法, 从种子三角形开始, 以边为扩展条件, 逐层搜索点并建立新的三角形; 在此过程中添加了四个约束条件, 能够较好的选取扩展点并对已存在的三角形边向外扩展, 从而形成互相邻接的三角形网格, 实现了牙齿表面的重建.     

逆向工程中点云数据与CAD数模的配准

提出了一种基于逆向工程的三维测量点云数据与CAD数模配准算法,该算法分两个步骤,即粗配准和精配准。粗配准采用主方向重合法来缩小三维测量点云数据与CAD数模的平移错位和旋转错位;精配准采用四元数法在粗配准的基础上使二者更为精准地重合在一起。该算法已通过VC 代码进行实现,结果表明这种方法能较好地使二者配准。     

基于Cimatron的复杂曲面"点云"数据重构技术

复杂曲面的“点云”数据重构出曲面原形是其反向工程的关链技术．本文基于Cimatron软件的反向工程模块,提出了把“点云”数据重构出高精度的NURBS(非均匀有理B样条)曲面的流程和方法,并以一个实例对其进行说明,最后重构出其曲面．     

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。     

基于激光点云的事故车辆曲面重建方法

交通事故分析再现离不开事故车辆曲面模型,变形的车身成了重建的障碍。利用三维激光扫描技术这一新方法快速、高效地获取事故现场激光点云并进行预处理;针对正面碰撞后车身前部保留1/3以上未变形区域的事故车辆,综合车身尺寸、车轮型号等提取用于绘制变形曲面特征点的尺寸基准,根据变形程度划分三个重建区域,按照特征点、特征曲线、曲面的顺序,从未变形区域开始,经由过渡区域至变形区域逐步重建车身前部曲面模型。通过实例重建模型与原车身的偏差分析显示,正偏差均值1.36 cm,负偏差均值-1.14 cm,都较小,同时曲面各处正或负偏差集中于偏差值较小的区间内。表明按本文方法直接利用变形车辆就可重建出具有足够精度的车身曲面模型。该模型经进一步处理后,可用于搭建多刚体—有限元耦合车辆模型。     

基于点云的超精密铣削加工三维表面形貌仿真

基于刀刃扫掠点点云方式,提出一种超精密加工三维表面形貌模型.通过对加工部分刀刃在加工过程中的运动学描述,将三维表面形貌用离散点云数据表达.根据加工曲面信息和采样点数目对仿真区域进行划分并建立随动包容盒,对包容盒内数据进行数值分析和空间变换计算以获得工件三维表面形貌.算法仿真与表面轮廓仪测量结果表明：该仿真算法能够表征超精密铣削加工下工件表面双向残留高度特征,并体现出刀具切入相位角对表面形貌的影响,为三维表面形貌超精密加工提供了一种新的思路.     

基于激光点云的树木三维几何建模系统的设计与实现

根据树木的几何拓扑原理,直接利用地面激光扫描仪扫描获得的活立木点云数据,提出了一种基于点云数据的树木三维高精度、真实感的快速重建技术,重点解决了树木骨架点的提取、枝条系统分级重建、模型交互式编辑等关键技术.应用结果表明,基于点云的树木三维几何建模系统能够克服传统树木建模精度低、效率低、形态逼真度差等不足,依据点云数据能快速高效地重建出忠实于现实树木形态结构的三维真实感模型.系统具有良好、灵活的交互性以及较强的实用性,可广泛应用于森林资源管理、精准农业、古树名木管理、园林规划设计等领域.     

基于非一致性稀疏采样的LiDAR点云压缩方法

针对自动驾驶车载LiDAR点云,本文提出一种基于形态学分割和非一致性稀疏采样的新型有损点云压缩框架。LiDAR点云先经过渐进式形态学滤波器分割为地面和非地面点云两部分,对两者进行不同强度的去冗余稀疏采样,之后将3D数据经球坐标变换映射为2D矩阵(表示为距离图像),并通过占据图形式表示距离图像像素值是否存在。根据占据图的Morton 码排序,2D矩阵被表示为更加紧凑的1维距离向量。最后对占据图和距离向量利用图像编码方法进行压缩。实验结果表明,本文方法压缩性能明显优于点云压缩锚点,Google Draco方法;与MPEG TMC13方法相比,在较大bpp的情况下可以达到更高的重建质量,恰好适于精度要求高的自动驾驶应用场合。