主权项 |
一种可有效保留边界和局部特征的复杂曲面零件点云精简方法,其特征在于,该方法包括下列步骤:(a)对复杂曲面零件执行扫描,获得多个三维测量点并生成对应的待精简的扫描点云P,其中P={p<sub>i</sub>|i=1,2,…,n<sub>p</sub>},p<sub>i</sub>用于表示扫描点云P中的各个点且以同一坐标系中的x,y,z坐标值来表示,n<sub>p</sub>表示扫描点云P中的点的总数量;(b)针对扫描点云P中的各个点p<sub>i</sub>,各自采样获得其多个邻域点p<sub>ik</sub>并生成对应的邻域点集合{p<sub>i1</sub>,p<sub>i2</sub>,…,p<sub>ik</sub>},其中k表示邻域点的总数量,然后计算得出反映扫描点云P中各个点p<sub>i</sub>的局部特征的法线向量V(p<sub>i</sub>);(c)分别以各个点p<sub>i</sub>为球心,找出距离该点最短半径范围内的m个点,然后求出点p<sub>i</sub>的所述法线向量V(p<sub>i</sub>)与这m个点所对应的法线向量V(p<sub>j</sub>)之间的夹角θ<sub>ij</sub>,并对该夹角取绝对值得出夹角平均值且该平均值σ<sub>pi</sub>∈[0,π];(d)针对所述夹角平均值分别预设下限阈值T<sub>1</sub>和上限阈值T<sub>2</sub>,然后依照下列公式(一)对点云执行特征粗分类,由此获得三类粗分类子集即非特征点集Z<sub>1</sub>、过渡点集Z<sub>2</sub>、特征点集Z<sub>3</sub>:<img file="FDA0001100403110000011.GIF" wi="942" he="277" />(e)采用聚类法分别对三个粗分类子集分配不同的聚类中心数量值K<sub>1</sub>,K<sub>2</sub>,K<sub>3</sub>来进行二次细分,并保留其聚类中心坐标,由此完成第一个精简子集P<sub>f</sub>的选取;(f)从扫描点云P中选择一个初始点,依次计算该初始点与其他各点之间的定向Hausdorff距离,并保留满足位置关系的点,至此完成第二个精简子集P<sub>b</sub>的选取;(g)对通过步骤(e)所选取的第一个精简子集P<sub>f</sub>和通过步骤(f)所选取的第二个精简子集P<sub>b</sub>进行合并,同时删除重复点,由此获得所需的精简后的扫描点云。 |