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·     

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.     

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.     

车身逆向设计中A级曲面数据的构建

本文介绍了在车身逆向工程中A级曲面的详细构建过程和方法,从曲面点云数据的处理到曲面重建过程中应注意的问题。     

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．     

一种融合区域生长和RANSAC的稠密点云平面分割方法

为提高三维信息的准确度,提出一种在稠密的点云数据中采用融合区域生长和随机抽样一致性(RANSAC)的平面分割方法。利用统计滤波、体素滤波对稠密点云去噪和精简,通过邻域统计特性剔除孤立点。采用点域区域生长分割出平面点,并采用面域区域生长合并平面附近点。采用曲率值检测出异常弯曲的平面。在异常弯曲的平面中采用RANSAC评估平面点的模型误差并剔除粗差点。实验选取公寓、阁楼、办公室等4个典型室内场景数据进行测试。实验表明,该方法可有效从稠密点云中分割出平面结构,分割结果准确度均值可达到95%以上。相比于传统RANSAC方法,可以更好地保证平面结构的连通性。相比于传统区域生长方法分割结果,准确度提升约2%,完整度平均提高约17%,对于后续三维重建和机器人的导航有着借鉴作用。     

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.     

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．     

海量数据点在UGII中的显示技术

基于UGII系统的二次开发工具及C 的纯虚函数,实现了作为UDO对象的海量数据点在UGII中的显示技术.应用实例表明:该技术可行、有效,很好地解决了UGII系统不能处理海量数据点的问题,为在UGII系统中开发海量数据处理模块奠定了基础.     

二维距离图分割的激光雷达点云无损压缩方法

激光雷达动态获取点云压缩是智能驾驶的关键技术之一。针对动态获取点云场景范围大,分布稀疏,本文将点云几何信息映射到二维距离图(range image),提出一种基于距离图分割的激光雷达点云无损压缩方法。由于动态获取点云的稀疏性,以及噪声和离群点等的影响,目前的距离图分割算法分割后类别过多,导致对分割区域编码时,边缘信息消耗较大的比特数。对此本文提出孤立区域精细处理的方法,有效地改善了过度分割的问题,提高了分割区域的压缩性能。为了保持残差、地面区域点云等数据原有的相关性,我们利用两种无损的数据压缩技术进行编码。实验结果表明,本文设计的基于距离图分割的激光雷达点云无损压缩方法具有较高的压缩性能。     

反求工程中散乱点云的数据预处理技术

提出了一种基于散乱点云的数据预处理方法.该方法包括四个部分:对散乱点云进行Dirichlet域分割并在此基础上进行三角剖分;在各个三角域中寻找中心点,以其为原点建立局部坐标系并采用正态分布模型进行噪声点删除;利用在三角网格上构建B-B曲面进行数据平滑处理;对漏测的数据点进行补全处理.数据点经过上述处理后能基本满足后续的曲面曲线的重构要求.     

基于云理论的图像分割新方法

针对区域生长算法的种子点初始化和生长准则问题,提出了一种基于云模型和区域生长的图像分割方法.该方法首先利用云变换对图像进行变换生成云模型,然后利用云模型的Ex作为区域生长的种子点,以云的极大判定法则作为区域生长准则进行区域生长,获得最终的分割结果.这种分割方法不但克服了区域生长法种子点和生长准则选取不当而产生过分割和欠分割的不足,而且很大地提高了云模型分割图片的速度,实验结果证明,该方法可以准确地分割出目标,是一种有效的图像分割方法.     

应用改进狼群算法优化模糊聚类实现点云数据的区域分割

针对模糊C-均值聚类算法用于点云分割时对初始值敏感且易于陷入局部最优,导致点云分割效果不理想,不稳定的问题。提出一种基于曲率约束的改进狼群算法优化模糊C-均值聚类的混合算法(IWPAFCM)。该算法首先在狼群算法中引入佳点集初始化种群分布;然后利用自适应步长简化参数设定、平衡寻优与收敛时间;进一步应用交互策略增强狼群的内部交流,提升狼群全局寻优的能力;最后对头狼加入高斯扰动机制使其具有跳出局部最优的能力,将IWPA得到的聚类中心作为模糊聚类的初始值进行迭代,由此得到准确的聚类中心。在此基础上,基于点云的法矢量和曲率对点云之间的距离进行定义并替换传统欧式距离,实现了理想的点云分割效果。以ModelNet40公开数据集中Chair和Stool点云模型和实测点云机械零件和汽车覆盖件点云模型为例对算法可行性进行验证,并与FCM、FAFCM、WPAFCM和MACWPAFCM算法进行对比。结果表明,对于四种点云模型,本文算法相比四种对比算法在以数值高为优的VPC聚类性能指标上平均提高0.4%-11.95%,在以数值低为优的适应度函数值Jm、VPE和VXB聚类指标上分别平均减少0.2%-11.97%、0.65%-7.35%、0.3%-19.47%,在两种ModelNet40点云模型上平均迭代次数减少8-21次,在两种实测点云模型上平均迭代次数减少39-57次,表明本文算法收敛速度快,迭代次数少,聚类效果佳,具有更高的聚类准确性和更好的综合性能。     

点云精简的一种方法

重构曲面之前,需要对三维数据点集做精简处理,即在保留特征点的前提下剔除尽可能多的冗余点,这样可以保证后续曲面重构工作的高效进行.本文以样点邻近点与强制中心点切平面的关系,来判断局部空间点的分布情况,从而提供了一种新的数据精简方法.     

基于云计算的中文分词研究

通过搭建Hadoop平台,将MapReduce编程思想应用到中文分词的处理过程中,使中文分词技术在云计算环境中实现。研究可以在保证原来分词准确率的基础上,显著提高中文分词的处理速度。     

UG二次开发中的点云滤波预处理方法和实现

通过UG与Matlab软件的结合,解决UG在逆向工程技术中需要借助他方软件进行点云滤波等预处理的现状.将预处理分为排序、精简、平滑滤波三个步骤,对每一步骤设计可行的算法,利用UG/OpenAPI开发应用接口实现整套算法功能.突破UG可开启文件格式的限制,实时地显示去噪、滤波的效果.实验结果表明,该方法能够提升UG在逆向工程中的应用前景.     

基于语义分割深度学习的地基云图分割方法

随着深度学习技术的迅速发展,更复杂更先进的语义分割深度学习模型在地基云图检测分割任务中得到广泛研究和应用。首先开创性地对新发布的地基云图数据集进行整理概括;然后阐述了基于深度学习语义分割模型在地基云图分割方面的研究进展,详细地介绍了典型的语义分割网络模型;接着选取了部分优秀性能的语义分割模型在标准的数据集上训练和验证,系统性评估其在地基云图分割的性能,验证了语义分割模型在地基云图分割领域的适用性;最后提出对基于语义分割的自适应地基云图像素级分割研究的总结和展望。