實物表面采樣數(shù)據(jù)邊界特征識別方法研究.pdf

1、實物表面采樣數(shù)據(jù)是表示實物產品表面三維坐標信息的空間散亂樣點的集合,集合中包含一些能夠表達實物原始曲面邊界特征的樣點,這些樣點共同構成了實物表面采樣數(shù)據(jù)的邊界特征。本文對實物表面采樣數(shù)據(jù)邊界特征識別方法進行了深入系統(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、適應性不強、誤識別率較高等問題進行改進與優(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)曲面重建奠定了堅實的基礎。主要研究內容與研究成果如下:
　　(1

2、)提出一種基于逆向均值漂移的樣點拓撲鄰域查詢算法,以樣點的 k鄰域作為初始拓撲鄰域參考數(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,在移動過程中便可獲取樣點鄰近采樣數(shù)據(jù)稀疏區(qū)域內的有效鄰域樣點,最終所獲取的拓撲鄰域數(shù)據(jù)能夠更好地反映樣點周圍采樣數(shù)據(jù)的拓撲鄰接關系和局部型面特征,而且在鄰域查詢過程中結合動態(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的邊界特征識別算法,基于目標樣點與其拓撲鄰域構成的局部型面參考數(shù)據(jù),利用核密度估計方法計算可反映局部型面參考數(shù)據(jù)分布特點的模式點,通過比較目標樣點與其對應模式點的偏離程度進行邊界特征的判定,實現(xiàn)了對任意復雜曲面裁剪邊界、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的準確提取,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、所識別的邊界樣點進行分類,為提高邊界樣點的聚類優(yōu)度,提出一種主元分析導向的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)化效率和聚類結果的穩(wěn)定性,并獲得了分類個數(shù)在整數(shù)區(qū)間[1,k]內的連續(xù)聚類結果,為實現(xiàn)邊界樣點的自動分類提供了有效保障。
　　(4)將邊界樣點所在位置的局部型面的平面度作為區(qū)分邊界樣點類型的依據(jù),基于主元分析導向