點(diǎn)云模型分割與融合關(guān)鍵技術(shù)研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展和市場競爭的激烈，產(chǎn)品的生命周期不斷縮短，用戶對(duì)產(chǎn)品的需求日趨個(gè)性化。逆向工程是實(shí)現(xiàn)產(chǎn)品快速開發(fā)的途徑之一，而通過逆向工程掃描測(cè)量獲得的首先是點(diǎn)云模型，點(diǎn)云的分割與融合是基于點(diǎn)云模型進(jìn)行產(chǎn)品快速與個(gè)性化設(shè)計(jì)的重要手段?！胺指睢笔菍a(chǎn)品局部細(xì)節(jié)數(shù)據(jù)從點(diǎn)云模型中分離提取出來，“融合”是將一個(gè)點(diǎn)云數(shù)據(jù)與其它點(diǎn)云數(shù)據(jù)拼接形成新的產(chǎn)品造型。本文研究點(diǎn)云模型分割與融合關(guān)鍵技術(shù)，主要的研究內(nèi)容和成果如下:
　　為了建立點(diǎn)云中點(diǎn)的局

2、部拓?fù)潢P(guān)系，研究了點(diǎn)的鄰域搜索技術(shù)，提出了一種基于立方體柵格的點(diǎn)云模型K鄰域搜索算法。采用“直接搜索最外層?xùn)鸥瘛睂?duì)現(xiàn)有的逐層搜索算法進(jìn)行改進(jìn)，采用“動(dòng)態(tài)縮小空間球半徑”對(duì)現(xiàn)有的空間球算法進(jìn)行改進(jìn)，并引入“點(diǎn)數(shù)閾值”對(duì)這兩種改進(jìn)算法進(jìn)行了組合，確保了柵格邊長取不同值時(shí)K鄰域搜索算法都具有較高的效率。
　　點(diǎn)云的法矢對(duì)點(diǎn)云的分割和融合具有重要影響，為了得到全局一致（朝外）的法矢，提出了基于改進(jìn)最小生成樹的法矢調(diào)整及其奇異情況處理算法，

3、確保了法矢調(diào)整結(jié)果的正確性，提高了法矢調(diào)整效率。在遍歷方式和擴(kuò)散方式上對(duì)傳統(tǒng)最小生成樹的生成過程進(jìn)行了改進(jìn)，提高了生成效率。奇異情況處理包含了對(duì)垂直法向和相鄰曲面的處理，垂直法向的處理方法是增加鄰域范圍，相鄰曲面的處理方法是剔除歧義鄰域點(diǎn)。在剔除歧義鄰域點(diǎn)時(shí)，給出鄰域增長法、法向剔除法和組合法三種方法，其中組合法綜合了鄰域增長法和法向剔除法的優(yōu)勢(shì)，剔除效果最佳。
　　為了獲得點(diǎn)云模型中的特征分割線，提出了一種基于Snake的點(diǎn)云模

4、型分割邊界提取算法。創(chuàng)建點(diǎn)云Snake的氣球力模型，將氣球力由二維圖像Snake推廣到三維點(diǎn)云Snake中，用于設(shè)計(jì)點(diǎn)云Snake的外部能，確保初始輪廓遠(yuǎn)離目標(biāo)輪廓時(shí)能夠正確收斂。通過分步、分段、參數(shù)設(shè)定等方法提高了Snake的收斂效果。算法解決了點(diǎn)云Snake模型對(duì)初始位置敏感、受噪聲影響以及受其它特征影響等問題，為點(diǎn)云Snake模型的進(jìn)一步研究打下了基礎(chǔ)。
　　應(yīng)用改進(jìn)最小生成樹實(shí)現(xiàn)了分割區(qū)域內(nèi)部點(diǎn)的提取。在提取前，為了確保最

5、小生成樹能正確終止，算法將分割邊界由線狀擴(kuò)展為帶狀。提取后，算法將帶狀邊界拆分到各個(gè)區(qū)域中。算法能夠有效避免過分割和欠分割，能夠生成光順分割邊界，與已有分割算法Level Set相比具有較高的效率。
　　研究了點(diǎn)云模型的融合技術(shù)，提出了一種點(diǎn)云模型融合過渡算法。采用徑向基函數(shù)生成過渡曲面;利用基于Snake和改進(jìn)最小生成樹的區(qū)域分割算法提取過渡區(qū)域點(diǎn)云，操作簡單且能進(jìn)行精確分割;采用局部優(yōu)化投影法對(duì)過渡區(qū)域進(jìn)行均勻重采樣;分析了影