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。     

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．     

零件曲面的Geomagic Studio重构

利用Geomagic Studio软件对扫描获取点云数据进行点云的拼合、精简、除噪、曲面拟合以生成零件的曲面模型。实践证明该软件可以快速生成高精度的曲面模型。     

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．     

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.     

从有边界点云数据生成偏移细分曲面

提出一种根据给定精度从有边界点云数据生成偏移细分曲面新方法.它是基于有边界的Loop细分,运用细分的局部特性,通过循环修正、优化、自适应细分域曲面的控制网格,使域曲面不断逼近点云数据,通过对域曲面的标量偏移来表示待构曲面的细节特征.利用细分曲面的任意拓扑适应性、整体连续性,重构出具有细节特征的无需裁剪和拼接的待构物体偏移细分曲面.实例表明,该算法不仅具有稳定性,同时构造出的细分曲面还具有较高的重构精度,较好地满足工程实际需要.     

散乱点云数据区域分割综述

点云数据的区域分割是CAD模型重建的基础.对散乱点云数据区域分割的概念、准则、分类及研究现状进行了综述,总结了这些分类方法的基本思想并加以分析比较,最后对点云分割技术的发展动态作了介绍,并对未来研究作了展望.     

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。     

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．     

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.     

浅析散乱点云数据的三角网格面重构

逆向工程的研究有着重大的现实意义。本文先对逆向工程技术进行概述,然后介绍了散乱点云数据三角网格面重构的分类和经典算法,以及逆向工程的常用软件,最后对全文进行了总结。     

由点云数据生成三角网格曲面的区域增长算法

提出一种新的由点云数据生成三角网格曲面的区域增长算法. 该算法充分利用点云内在的几何与拓扑信息, 使用一组检测过滤规则, 对曲面进行快速网格重构. 算法包括两部分： 首先对点云做预处理完成数据精简, 其次使用一组检测规则, 从种子三角形出发, 针对每个活动边, 在点云中选择匹配点与其构成新的三角形, 并通过不断更新边界, 使剖分区域不断增长. 所使用的检测规则, 可以针对活动边与预选择匹配点之间的不同位置关系采用不同的阈值, 从而避免了重叠与自交三角形的生成, 防止产生错误拓扑, 确保了重构三角网格曲面的质量. 同时针对区域增长算法中的前沿分裂问题, 在数据结构中采用反向重合边, 使剖分过程始终保持一个前沿边界. 实验结果表明, 该算法具有运算速度快、 结果准确性好、 适用范围广等优点.     

激光扫描点云数据的NURBS曲面重构技术研究

利用激光扫描系统采集的点云数据具有在某一维上不变的特点,提出了基于NUBRS重构曲面的方法.在原始点云数据预处理上,采用删除非曲面上的点云数据、拼接、排序和点云数据切片等方法,利用最小二乘非均匀B样条法对切片点云数据进行光滑和必要的数据插补,并经二次采样后得到重构曲面的数据.以鼠标表面的重构过程说明了该方法的有效性和实用性.图4,参7.     

基于点云数据的不同曲面特征逆向建模方法研究

针对曲面重构过程中存在曲面建模难度大、曲面质量差、建模效率低等问题,以点云数据为研究对象,首先研究了点云数据的精简、曲线拟合、曲面拟合等算法和原理。其次,基于Geomagic Design X开发应用平台,针对不同曲面特征的三角面片,提出适合于条状类、回转类、平缓曲面类等不同曲面特征的快速逆向建模方法。从而提高了曲面建模质量、效率和精度,为产品开发设计提供较好的逆向建模思路。     

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。     

基于平方距离函数的曲面分片参数化重构

提出了基于平方距离函数的曲面分片参数化重构方法，实现了任意拓扑结构模型表面的参数化重构．在四边形网格模型基础上，得到各表面片及其边界线初始参数化模型，以平方距离函数作为误差的度量，采用逐步迭代的方法，使初始参数化模型逼近目标表面．首先，重构出表面片的边界线网格，然后再进行表面片的重构，使重构过程中各参数化表面片始终保持位置连续，因此有效地避免了三维数据点云的参数化问题．其中，影响重构质量的关键因素——四边形网格划分问题，可以通过惩罚项的引入得到改进．实验表明，该方法对复杂模型表面可以得到满意的参数化曲面重构结果．     

三维激光点云数据精简算法

分析了多种三维激光点云数据精简算法的工作原理,以及它们在缩减数据量以提高算法的处理速度方面的效果,综述了三维激光点云数据精简算法的国内外研究现状.     

利用VBA重构物体表面的三维几何模型

利用一种新的面向对象的开发工具VBA,在通用CAD软件包AutoCAD2000平台上,进行基于点云的物体表面网格模型重构的应用程序开发。利用该面向对象的工具所提供的核心技术,可以在AutoCAD下自由开发CAD应用程序,它避免了利用其它造型其它造型软件进行逆向设计的复杂数据结构和数据格式问题,方便了曲面造型的需要。     

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·     

一种由最大允差确定的散乱数据点云采样网格大小的算法

在逆向工程中，散乱数据点云获取后如何预处理(滤波、压缩和网格大小的划分)是关键，它的处理得当与否直接关系到后续的曲面重构工作。鉴于此，该文提出了一种基于最大允许误差而确定的散乱数据点云采样网格大小的算法，在实践中己取得良好的效果。