CN106096618A - 三维实物局部型面特征参考数据的获取方法 - Google Patents

三维实物局部型面特征参考数据的获取方法 Download PDF

Info

Publication number
CN106096618A
CN106096618A CN201610437507.2A CN201610437507A CN106096618A CN 106096618 A CN106096618 A CN 106096618A CN 201610437507 A CN201610437507 A CN 201610437507A CN 106096618 A CN106096618 A CN 106096618A
Authority
CN
China
Prior art keywords
point
reference data
local profile
profile feature
feature reference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610437507.2A
Other languages
English (en)
Other versions
CN106096618B (zh
Inventor
孙殿柱
聂乐魁
李延瑞
郭洪帅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Technology
Original Assignee
Shandong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University of Technology filed Critical Shandong University of Technology
Priority to CN201610437507.2A priority Critical patent/CN106096618B/zh
Publication of CN106096618A publication Critical patent/CN106096618A/zh
Application granted granted Critical
Publication of CN106096618B publication Critical patent/CN106096618B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种三维实物局部型面特征参考数据的获取方法，属于产品逆向工程领域，可解决三维实物局部型面特征参考数据的准确性问题，其特征在于：为从三维实物表面获取的三维点云数据构建R树空间索引结构；获取目标点的k近邻点集，并对其进行主元分析；根据它的主元分析结果扩展搜索球半径，并搜搜第二主元方向的新的数据点；将数据信息缺失的方向的数据点加入近邻点集中，从而获取目标点的局部型面特征参考数据。该方法可准确获取三维实物点云数据分布均匀与非均匀处的局部型面特征参考数据。

Description

三维实物局部型面特征参考数据的获取方法
技术领域
本发明提供一种三维实物局部型面特征参考数据的获取方法，属于产品逆向工程领域。
背景技术
良好的局部型面特征分析可用于优化法向量估计、边界点与棱边点提取、三角网格细分、曲面重建等相关算法，因此在逆向工程、零件缺陷修复、古建筑与古物修复、医学图像分析等领域具有十分重要的作用。局部型面特征分析最重要的是局部参考数据的选取，因此，准确快速获取局部参考数据将是至关重要的。
对于目前局部参考数据的文献检索发现，目前主要将k近邻点集作为局部参考数据，主要有Les等在学术期刊《Computer-Aided Design》2002，34(2)，167-172上发表的学术论文“Algorithm for finding all k nearest neighbor”、卫炜等在学术期刊《航空学报》2006，27(5)，944-948上发表的学术论文“一种快速搜索海量数据集k-近邻空间球算法”、Zhao等在学术期刊《Tsinghua Science & Technolgoy》2009，14，77-81上发表的学术论文“An improved algorithm for k-nearest-neighbor finding and surface normalsestimation”中，基于栅格空间索引结构，以目标点为球心、特定距离为半径构造搜索空间(搜索球或搜索立方体) ，逐步获取k近邻点集。刘宇等在学术期刊《上海交通大学学报》2001，35(9)，1298-1302上发表的学术论文“空间k近邻查询的新策略”中以R树为空间索引结构，基于目标点与结点包围盒的最小距离、最小最大距离制定了各种剪枝策略，从根结点遍历至叶结点，继而获取k近邻点集。
对于分布比较均匀的点集，目标点的k近邻点集能够有效反映局部型面特征，但由于三维扫描仪等设备本身或者人员误操作的问题，导致获取的点云数据往往呈不均匀分布，而k近邻点集为空间位置上的最近点，若k值过小，k近邻点集并不能够满足局部型面特征分析的需求，将导致法向量估计、边界样点提取、三角网格细分、曲面重建等的结果不准确。
综上所述，现在技术存在的缺陷是：受点云分布不均匀影响，k近邻点集并不能有效代表局部型面特征参考数据。
发明内容
本发明的目的在于提供一种三维实物局部型面特征参考数据的获取方法，利用R树的k近邻查询方法获取目标点的k近邻点集，并根据k近邻点集的主元分析结果向数据信息缺失的方向扩展以获取目标点的局部型面特征参考数据，其技术方案为：
一种三维实物局部型面特征参考数据的获取方法，其特征在于步骤依次为：一、为三维点云数据构建R树空间索引结构；二、应用R树的k近邻查询方法获取目标点p的k近邻点集T；三、根据T的主元分析结果扩展搜索范围并查询目标点的局部型面特征参考数据，其具体步骤为：a) 计算p到T中最远点的距离r；b) 应用主元分析方法得到点集T的各个主元方向；c)以T的第二主元方向为法向且过点p构建分割平面F；d) 利用F将T分割为两个点集，设其中包含点数较少的点集为T1，另一点集为T2；e) 若T1与T的点数比例a小于点数阈值，则令为(1+a)r；f) 通过R树的范围查询方法获取落入以目标点为中心、距离在区间[r, ]内的点集L，将L添加到T中，返回a)；g) 若，则目标点的局部型面特征参考数据查询结束。
为实现发明目的，所述的一种三维实物局部型面特征参考数据的获取方法，其特征在于步骤三中的步骤f)中的，以小点集T1及其与T的点数比例a为条件过滤点集L，其步骤具体为：(1) 删除L中与T1位于分割平面F同侧的数据点，若L为空，则令r为；(2) 若r>2r 0，则停止扩展搜索范围，T即为目标点的局部型面特征参考数据，其中r 0为目标点p与其k近邻点集的最大距离；(3) 扩展搜索球S半径为(1+a)r，搜索以目标点p为中心、距离在[r, ]内的点集L，返回(1)；(4) 若L不为空，若n>(1-2a)k/2，n为L中的点数，则令n为(1-2a)t/2，t为点集T中的点数，将L中的数据点按其与p的距离升序排序，只保留L中前n个数据点，点集L获取结束。
本发明与现有技术相比，具有以下优点：
(1) 主元分析可准确获取k近邻点集数据信息缺失的方向，并向该方向搜索新的近邻点，使得获取的局部型面特征参考数据尽可能包含目标点周围所有方向的数据信息，从而使得局部型面特征参考数据可有效体现目标点局部型面特征；
(2) 根据第二主元平面分割点集的点数比例扩展搜索包围球，使得各样点能够自适应查询目标点的局部型面特征参考数据，并设置搜索半径的最大阈值，有效避免了边界、棱边处点的无限查询以及不同零件表面的越界查询；
(3) 主元分析导向自适应扩展优化了k近邻点集，使之能够有效代表目标点局部型面特征，从而可用于后续相关算法的优化，如法向量估计、边界点与棱边点提取、三角网格细分及曲面重建等算法。
附图说明
图1是利用本发明方法获取三维实物局部型面特征参考数据的程序流程图；
图2是实施局部型面特征参考数据查询试验所采用的实物表面点云——机械零部件点云及均匀分布处样点P、非均匀分布处样点Q；
图3是实施局部型面特征参考数据查询试验所采用的实物表面点云——叶轮点云及均匀分布处样点P、非均匀分布处样点Q；
图4与图5分别是采用R树的k近邻查询方法与本发明方法为机械零部件点云局部样点P查询局部型面特征参考数据的结果图；
图6与图7分别是采用R树的k近邻查询方法与本发明方法为机械零部件点云局部样点Q查询局部型面特征参考数据的结果图；
图8与图9分别是采用R树的k近邻查询方法与本发明方法为叶轮点云局部样点P查询局部型面特征参考数据的结果图；
图10与图11分别是采用R树的k近邻查询方法与本发明方法为叶轮点云局部样点Q查询局部型面特征参考数据的结果图；
图12是在曲面重建过程中利用R树的k近邻查询方法查询局部型面特征参考数据的机械零部件曲面重建结果图；
图13是在曲面重建过程中利用本发明方法查询局部型面特征参考数据的机械零部件曲面重建结果图。
具体实施方式
下面结合附图及实施例对本发明作进一步说明。
利用本发明方法获取三维实物局部型面特征参考数据的程序流程图如附图1所示，程序实现所用语言为C。该程序主要流程为：获取目标点p的k近邻点集T，计算k近邻点集包围球半径为r 0，并令r为r 0，r为初始搜索球半径；利用主元分析方法获取T的各个主元方向；以T的第二主元方向为法向且过p构建分割平面S，并利用S分割T为两个点集，设包含点数较少的点集为T1，另一点集为T2；若T1与T点数比例a小于阈值，则扩展搜索包围球半径R为(1+a)r；得到以p为中心、距离在[r, R]内的点集L，并将L中与T1同侧的点添加到T中；令r为R，继续分割T，直至点数比例大于阈值或r>2r 0为为止。
如图2所示，采用光栅投影式三维测量仪获取实施局部型面特征参考数据查询试验所采用的实物表面样点——机械零部件点云，并从点云均匀分布处、非均匀分布处提取局部样点P、Q。
如图3所示，采用光栅投影式三维测量仪获取实施局部型面特征参考数据查询试验所采用的实物表面样点——叶轮点云，并从点云均匀分布处、非均匀分布处提取局部样点P、Q。
分别采用R树的k近邻查询方法与本发明方法为机械零部件点云与叶轮点云的样点P、Q查询近邻点集，其中k取15，图4与图5分别是机械零部件点云中样点P的两种局部型面特征参考数据的结果图，图6与图7分别是机械零部件点云中样点Q的两种局部型面特征参考数据的结果图，图8与图9分别是叶轮点云中样点P的两种局部型面特征参考数据的结果图，图10与图11分别是叶轮点云中样点Q的两种局部型面特征参考数据的结果图。由图4-图11可知，在均匀分布处，两种方法获取的局部型面特征参考数据均能有效体现局部型面特征，而在非均匀分布处，本发明方法获取的局部型面特征参考数据更为有效体现局部型面特征。
利用增量式曲面重建算法为机械零部件重建曲面，在重建过程中分别利用k近邻查询与本发明方法查询目标点的局部型面特征参考数据，其中k取15，两种方法的重建效果分别如图12与图13所示。由图12、图13所示，利用k近邻查询方法查询局部型面特征参考数据时重建的曲面出现孔洞，而利用本发明方法查询目标点的局部型面特征参考数据时重建的曲面比较完整且无孔洞。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (2)

1.一种三维实物局部型面特征参考数据的获取方法，其特征在于步骤依次为：一、为三维点云数据构建R树空间索引结构；二、应用R树的k近邻查询方法获取目标点p的k近邻点集T；三、根据T的主元分析结果扩展搜索范围并查询目标点的局部型面特征参考数据，其具体步骤为：a) 计算p到T中最远点的距离r；b) 应用主元分析方法得到点集T的各个主元方向；c) 以T的第二主元方向为法向且过点p构建分割平面F；d) 利用F将T分割为两个点集，设其中包含点数较少的点集为T1，另一点集为T2；e) 若T1与T的点数比例a小于点数阈值，则令为(1+a)r；f) 通过R树的范围查询方法获取落入以目标点为中心、距离在区间[r, ]内的点集L，将L添加到T中，返回a)；g) 若，则目标点的局部型面特征参考数据查询结束。
2.根据权利要求1所述的一种三维实物局部型面特征参考数据的获取方法，其特征在于步骤三中的步骤f)中的，以小点集T1及其与T的点数比例a为条件过滤点集L，其步骤具体为：(1) 删除L中与T1位于分割平面F同侧的数据点，若L为空，则令r为；(2) 若r>2r 0，则停止扩展搜索范围，T即为目标点的局部型面特征参考数据，其中r 0为目标点p与其k近邻点集的最大距离；(3) 扩展搜索球S半径为(1+a)r，搜索以目标点p为中心、距离在[r, ]内的点集L，返回(1)；(4) 若L不为空，若n>(1-2a)k/2，n为L中的点数，则令n为(1-2a)t/2，t为点集T中的点数，将L中的数据点按其与p的距离升序排序，只保留L中前n个数据点，点集L获取结束。
CN201610437507.2A 2016-06-20 2016-06-20 三维实物局部型面特征参考数据的获取方法 Expired - Fee Related CN106096618B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610437507.2A CN106096618B (zh) 2016-06-20 2016-06-20 三维实物局部型面特征参考数据的获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610437507.2A CN106096618B (zh) 2016-06-20 2016-06-20 三维实物局部型面特征参考数据的获取方法

Publications (2)

Publication Number Publication Date
CN106096618A true CN106096618A (zh) 2016-11-09
CN106096618B CN106096618B (zh) 2019-07-12

Family

ID=57235733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610437507.2A Expired - Fee Related CN106096618B (zh) 2016-06-20 2016-06-20 三维实物局部型面特征参考数据的获取方法

Country Status (1)

Country Link
CN (1) CN106096618B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598782A (zh) * 2018-10-22 2019-04-09 厦门理工学院 基于三维建模技术的建筑文物修复方法、存储介质
CN110222446A (zh) * 2019-06-14 2019-09-10 宿迁学院 一种基于逆向工程的缺陷产品模型参数化柔性开发方法
CN111611938A (zh) * 2020-05-22 2020-09-01 浙江大华技术股份有限公司 一种逆行方向确定方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005287853A (ja) * 2004-04-01 2005-10-20 Pola Chem Ind Inc 毛髪の鑑別法
CN102881015A (zh) * 2012-09-11 2013-01-16 山东理工大学 产品模型散乱点云边界特征提取方法
CN104731984A (zh) * 2015-04-22 2015-06-24 山东理工大学 R树上溢结点***问题的增量式聚类优化求解方法
CN104850712A (zh) * 2015-05-27 2015-08-19 山东理工大学 实物表面采样数据拓扑邻域查询方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005287853A (ja) * 2004-04-01 2005-10-20 Pola Chem Ind Inc 毛髪の鑑別法
CN102881015A (zh) * 2012-09-11 2013-01-16 山东理工大学 产品模型散乱点云边界特征提取方法
CN104731984A (zh) * 2015-04-22 2015-06-24 山东理工大学 R树上溢结点***问题的增量式聚类优化求解方法
CN104850712A (zh) * 2015-05-27 2015-08-19 山东理工大学 实物表面采样数据拓扑邻域查询方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598782A (zh) * 2018-10-22 2019-04-09 厦门理工学院 基于三维建模技术的建筑文物修复方法、存储介质
CN110222446A (zh) * 2019-06-14 2019-09-10 宿迁学院 一种基于逆向工程的缺陷产品模型参数化柔性开发方法
CN110222446B (zh) * 2019-06-14 2023-08-25 宿迁学院 一种基于逆向工程的缺陷产品模型参数化柔性开发方法
CN111611938A (zh) * 2020-05-22 2020-09-01 浙江大华技术股份有限公司 一种逆行方向确定方法及装置
CN111611938B (zh) * 2020-05-22 2023-08-29 浙江大华技术股份有限公司 一种逆行方向确定方法及装置

Also Published As

Publication number Publication date
CN106096618B (zh) 2019-07-12

Similar Documents

Publication Publication Date Title
CN107025685B (zh) 拓扑感知下的机载建筑屋顶点云建模方法
Zhang et al. An efficient approach to directly compute the exact Hausdorff distance for 3D point sets
Shi et al. Adaptive simplification of point cloud using k-means clustering
CN100485662C (zh) 基于数据动态存取模型的产品点云型面特征分析方法
CN108846888A (zh) 一种古木建筑构件精细尺寸信息自动化提取方法
CN108920765B (zh) 一种基于建筑物三维线段模型的假设平面拟合方法
CN109658431B (zh) 基于区域生长的岩体点云平面提取方法
CN104850712B (zh) 实物表面采样数据拓扑邻域查询方法
CN103942837B (zh) 基于序列线性规划的叶片点云模型截面曲线直接构造方法
CN106096618A (zh) 三维实物局部型面特征参考数据的获取方法
CN110222959A (zh) 一种基于大数据的城市就业可达性测算方法及***
CN109683552A (zh) 一种基面曲线导向的复杂点云模型上的数控加工路径生成方法
Lai et al. Surface roughness of rock faces through the curvature of triangulated meshes
CN109299301A (zh) 一种基于形状分布和曲度的三维模型检索方法
Wolf Scale independent surface characterisation: Geography meets precision surface metrology
CN113763529B (zh) 一种基于三维扫描的变电站建模方法
CN108921945A (zh) 结合居中轴线与实体模型的孔隙网络模型构建方法
CN105574265B (zh) 面向模型检索的装配体模型定量描述方法
He et al. Research on geometric features and point cloud properties for tree skeleton extraction
CN106126571B (zh) 实物表面采样数据的增量式k近邻查询方法
Beilschmidt et al. A linear-time algorithm for the aggregation and visualization of big spatial point data
CN101447030A (zh) 散乱点云局部型面参考数据的快速查询方法
CN110322415A (zh) 基于点云的高精度表面三维重构方法
CN109472862A (zh) 一种变电站三维建模***
CN104463924A (zh) 基于散乱点高程采样数据的数字高程地形模型生成方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190712

Termination date: 20200620

CF01 Termination of patent right due to non-payment of annual fee