一维齿轮形貌点云数据分割方法

摘要

一维齿轮形貌点云数据分割方法，属于数据处理领域，为了解决针对一维齿轮形貌点云数据分割，运用现有道格拉斯—普克算法重复循环判断的次数多，效率不高，以及曲率法中逐点计算曲线上每一点的曲率并找出曲率最大的点作为特征点所带来的繁琐计算的问题，该方法包括，步骤一，计算实测齿轮形貌点云数据的差分值；步骤二，分析齿轮各部分形貌特征和差分结果的关系；步骤三，比较实测齿轮形貌点云数据和拟合圆半径的大小；采用差分法分割齿轮形貌点云数据，差分运算遍历到实测齿轮的所有点云数据，优于道格拉斯—普克算法并提高了点云数据的分割精度；避免了曲率法中繁琐计算；本发明可实现一维齿轮形貌点云数据的精确分割，计算简单，分割精度高。

主权项

一维齿轮形貌点云数据分割方法，其特征是，包括以下步骤：步骤一，计算实测齿轮形貌点云数据的差分值；1)通过激光连续扫描齿轮一周获得实测齿轮形貌点云数据，输入计算机，设激光扫描获得的点云数据P_i(θ_i,l_i),(i＝1,2…N)，其中θ_i为采样点对应的角位移，l_i为采样点对应的径向位移，N为采样点总数；2)向计算机输入齿轮类型，内齿轮和外齿轮；3)在计算机上对该点云数据做圆拟合可以得到一个介于齿顶圆和齿根圆之间的一个圆，设该圆的半径为R；4)计算齿轮形貌点云数据两点间的差分值，任意两点间的差分运算如下式：k_i＝l_i+1‑l_i   (1)式(1)中k_i表示两点间的差分值，则实测齿轮形貌点云数据的差分结果为{k_i}；步骤二，分析齿轮各部分形貌特征和差分结果的关系；依据步骤一中差分结果{k_i}判断对应的实测齿轮形貌点云数据所属齿轮的部分，若实测齿轮为外齿轮，差分值k_i大于0时对应的点云数据是齿轮左齿形数据，差分值k_i小于0时对应的点云数据是齿轮右齿形数据；若实测齿轮为内齿轮，差分值k_i大于0时对应的点云数据是齿轮右齿形数据，差分值k_i小于0时对应的点云数据是齿轮左齿形数据；差分值k_i等于0时对应的点云数据是齿顶数据或齿根数据；由此可依据实测齿轮形貌点云数据的差分结果{k_i}中任意点k_i的值的正负，分割出左右齿形数据；步骤三，比较实测齿轮形貌点云数据和拟合圆半径的大小；经过步骤二分割出左右齿形数据后，剩余实测齿轮形貌点云数据为齿顶数据和齿根数据；外齿轮的齿顶数据大于R，齿根数据小于R，内齿轮的齿顶数据小于R，齿根数据大于R；通过逐点比较剩余实测齿轮形貌点云数据P_i(θ_i,l_i)的值与R值的大小再分割出齿顶数据和齿根数据。