基于工程應用的點云預處理關鍵技術(shù)研究.pdf

1、隨著產(chǎn)品國產(chǎn)化趨勢的日益增強，如何快速消化、吸收進口產(chǎn)品，并在此基礎上進行自主創(chuàng)新，受到業(yè)內(nèi)的廣泛關注。而逆向工程技術(shù)對還原、分析設計參數(shù)，研發(fā)、設計新產(chǎn)品起著不可或缺的作用。
　　逆向設計的首要環(huán)節(jié)是數(shù)據(jù)采集，雖然目前的數(shù)據(jù)采集方式多樣、工業(yè)掃描設備種類繁多，但也難免會由于采樣設備、樣件特性或采樣技術(shù)等原因，使得局部采樣點缺失，在點云模型上形成孔洞。如果直接在此基礎上進行曲面重構(gòu)或快速成型制造，無疑會影響曲面重構(gòu)效果或影響成型產(chǎn)

2、品質(zhì)量。為獲得高度接近原型的3D點云模型，本文對孔洞修補技術(shù)展開研究，并對修補過程中的孔洞識別、修補方案評定等方面進行了研究。
　　以逆向工程商用軟件難以修補的復雜型面產(chǎn)品的散亂、復雜缺失點云孔洞為重點研究對象，主要工作在于：一、在孔洞修補方面，在課題組已完成的BP及RBF神經(jīng)網(wǎng)絡修補研究的基礎上，借助粒子群全局優(yōu)化方法（PSO）、對手受懲罰競爭學習算法（RPCL）聯(lián)合模糊C均值聚類算法（FCM）來分別優(yōu)化BP及RBF神經(jīng)網(wǎng)絡以進

3、一步提高網(wǎng)絡預測精度，建立了基于改進神經(jīng)網(wǎng)絡算法（即 PSO-BP算法以及 RPCL-FCM-RBF算法）的點云孔洞修補模型，以實現(xiàn)更為精準的、滿足模型精度要求的孔洞修補方法；二、在孔洞識別和可補性判別方面，初步建立并實現(xiàn)一種不依賴商用逆向工程軟件進行人機交互識別、試探修補的計算機自動識別方法及可補性判別方法。該方法利用KD樹建立散亂點云的空間拓撲關系，在考慮點云密度的基礎上利用 K鄰域搜索和距離判別法來識別孔洞邊界點，并以此提取邊界數(shù)