基于工程應(yīng)用的點(diǎn)云預(yù)處理關(guān)鍵技術(shù)研究.pdf

1、隨著產(chǎn)品國產(chǎn)化趨勢的日益增強(qiáng)，如何快速消化、吸收進(jìn)口產(chǎn)品，并在此基礎(chǔ)上進(jìn)行自主創(chuàng)新，受到業(yè)內(nèi)的廣泛關(guān)注。而逆向工程技術(shù)對還原、分析設(shè)計(jì)參數(shù)，研發(fā)、設(shè)計(jì)新產(chǎn)品起著不可或缺的作用。
　　逆向設(shè)計(jì)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(shè)備種類繁多，但也難免會由于采樣設(shè)備、樣件特性或采樣技術(shù)等原因，使得局部采樣點(diǎn)缺失，在點(diǎn)云模型上形成孔洞。如果直接在此基礎(chǔ)上進(jìn)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(diǎn)云模型，本文對孔洞修補(bǔ)技術(shù)展開研究，并對修補(bǔ)過程中的孔洞識別、修補(bǔ)方案評定等方面進(jìn)行了研究。
　　以逆向工程商用軟件難以修補(bǔ)的復(fù)雜型面產(chǎn)品的散亂、復(fù)雜缺失點(diǎn)云孔洞為重點(diǎn)研究對象，主要工作在于：一、在孔洞修補(bǔ)方面，在課題組已完成的BP及RBF神經(jīng)網(wǎng)絡(luò)修補(bǔ)研究的基礎(chǔ)上，借助粒子群全局優(yōu)化方法（PSO）、對手受懲罰競爭學(xué)習(xí)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(luò)以進(jìn)

3、一步提高網(wǎng)絡(luò)預(yù)測精度，建立了基于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法（即 PSO-BP算法以及 RPCL-FCM-RBF算法）的點(diǎn)云孔洞修補(bǔ)模型，以實(shí)現(xiàn)更為精準(zhǔn)的、滿足模型精度要求的孔洞修補(bǔ)方法；二、在孔洞識別和可補(bǔ)性判別方面，初步建立并實(shí)現(xiàn)一種不依賴商用逆向工程軟件進(jìn)行人機(jī)交互識別、試探修補(bǔ)的計(jì)算機(jī)自動識別方法及可補(bǔ)性判別方法。該方法利用KD樹建立散亂點(diǎn)云的空間拓?fù)潢P(guān)系，在考慮點(diǎn)云密度的基礎(chǔ)上利用 K鄰域搜索和距離判別法來識別孔洞邊界點(diǎn)，并以此提取邊界數(shù)