實(shí)物表面采樣數(shù)據(jù)邊界特征識別方法研究.pdf

1、實(shí)物表面采樣數(shù)據(jù)是表示實(shí)物產(chǎn)品表面三維坐標(biāo)信息的空間散亂樣點(diǎn)的集合,集合中包含一些能夠表達(dá)實(shí)物原始曲面邊界特征的樣點(diǎn),這些樣點(diǎn)共同構(gòu)成了實(shí)物表面采樣數(shù)據(jù)的邊界特征。本文對實(shí)物表面采樣數(shù)據(jù)邊界特征識別方法進(jìn)行了深入系統(tǒng)地研究,對目前邊界特征識別方法存在的邊界特征識別不完整、適應(yīng)性不強(qiáng)、誤識別率較高等問題進(jìn)行改進(jìn)與優(yōu)化,使邊界特征識別的效率和精度都得到了有效地提高,為后續(xù)曲面重建奠定了堅(jiān)實(shí)的基礎(chǔ)。主要研究內(nèi)容與研究成果如下:
　　(1

2、)提出一種基于逆向均值漂移的樣點(diǎn)拓?fù)溧徲虿樵兯惴?以樣點(diǎn)的 k鄰域作為初始拓?fù)溧徲騾⒖紨?shù)據(jù),將均值漂移方法用于搜索概率密度極大值的迭代過程轉(zhuǎn)化為搜索概率密度極小值的過程,使得鄰域搜索過程能夠向采樣數(shù)據(jù)密度減小的方向移動(dòng),在移動(dòng)過程中便可獲取樣點(diǎn)鄰近采樣數(shù)據(jù)稀疏區(qū)域內(nèi)的有效鄰域樣點(diǎn),最終所獲取的拓?fù)溧徲驍?shù)據(jù)能夠更好地反映樣點(diǎn)周圍采樣數(shù)據(jù)的拓?fù)溧徑雨P(guān)系和局部型面特征,而且在鄰域查詢過程中結(jié)合動(dòng)態(tài)空間索引RR*樹顯著提高了鄰域查詢的效率。

3、r>　　(2)提出一種基于核密度估計(jì)的邊界特征識別算法,基于目標(biāo)樣點(diǎn)與其拓?fù)溧徲驑?gòu)成的局部型面參考數(shù)據(jù),利用核密度估計(jì)方法計(jì)算可反映局部型面參考數(shù)據(jù)分布特點(diǎn)的模式點(diǎn),通過比較目標(biāo)樣點(diǎn)與其對應(yīng)模式點(diǎn)的偏離程度進(jìn)行邊界特征的判定,實(shí)現(xiàn)了對任意復(fù)雜曲面裁剪邊界、幾何連續(xù)的相鄰面片公共邊界以及曲率變化較大的過渡曲面等邊界樣點(diǎn)的準(zhǔn)確提取,并顯著提高了邊界特征識別過程對非均勻分布采樣數(shù)據(jù)的適應(yīng)性。
　　(3)采用聚類分析方法對邊界特征識別算法

4、所識別的邊界樣點(diǎn)進(jìn)行分類,為提高邊界樣點(diǎn)的聚類優(yōu)度,提出一種主元分析導(dǎo)向的k-均值聚類算法,基于逐步前向優(yōu)化與主元分析相結(jié)合的初始分類中心選取方法解決了k-均值算法容易陷入局部收斂的問題,提高了逐步前向優(yōu)化的初始分類中心優(yōu)化效率和聚類結(jié)果的穩(wěn)定性,并獲得了分類個(gè)數(shù)在整數(shù)區(qū)間[1,k]內(nèi)的連續(xù)聚類結(jié)果,為實(shí)現(xiàn)邊界樣點(diǎn)的自動(dòng)分類提供了有效保障。
　　(4)將邊界樣點(diǎn)所在位置的局部型面的平面度作為區(qū)分邊界樣點(diǎn)類型的依據(jù),基于主元分析導(dǎo)向