CN115880421A - 一种基于工业ct序列图像直接生成六面体网格方法 - Google Patents
一种基于工业ct序列图像直接生成六面体网格方法 Download PDFInfo
- Publication number
- CN115880421A CN115880421A CN202211367431.2A CN202211367431A CN115880421A CN 115880421 A CN115880421 A CN 115880421A CN 202211367431 A CN202211367431 A CN 202211367431A CN 115880421 A CN115880421 A CN 115880421A
- Authority
- CN
- China
- Prior art keywords
- point
- boundary
- points
- grid
- core
- 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.)
- Pending
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Generation (AREA)
Abstract
本发明公开一种基于工业CT序列图像直接生成六面体网格方法,包括以下步骤:1)读取工件的CT序列图像;2)对所述CT序列图像进行预处理,从而获得带有工件信息的目标区域;3)基于八叉树,将目标区域划分为若干六面体网格;4)提取六面体网格中的核心网格及其外表面;5)对核心网格进行拟合,得到边界网格;6)对边界网格单元进行质量优化,进而得到工件对应的六面体网格。本方法利用工件的CT序列图像作为输入,首先对图像预处理,其次利用八叉树划分网格、提取核心网格和外表面,然后进行边界拟合,最后进行网格优化,实现了CT图像直接生成六面体网格,不需要第三方商业软件重构工件的CAD模型,能够提高自动化程度、提升效率。
Description
技术领域
本发明涉及工业图像处理领域,具体是一种基于工业CT序列图像直接生成六面体网格方法。
背景技术
目前,六面体网格生成主要依赖于CAD模型,工业CT序列图像直接生成六面体网格的研究还未发现。工业CT序列图像生成六面体网格,按照传统的技术路线,首先要将CT序列图像导入到第三方商业软件进行三维重建获得工件的CAD模型,再将获得的CAD模型导入到前处理软件中手动划分网格。针对传统技术路线中依赖中间环节生成CAD模型,需要人工手动划分网格和一定的软件熟练度,效率较低的问题,研究工业CT图像直接生成六面体网格的方法显得尤为重要。
发明内容
本发明的目的是提供一种基于工业CT序列图像直接生成六面体网格方法,包括以下步骤:
1)读取工件的CT序列图像;
2)对所述CT序列图像进行预处理,从而获得带有工件信息的目标区域;
3)基于八叉树,将目标区域划分为若干六面体网格;
4)提取六面体网格中的核心网格及其外表面;
5)对核心网格进行拟合,得到边界网格;
6)对边界网格单元进行质量优化,进而得到工件对应的六面体网格。
进一步,所述CT序列图像包括背景区域和目标区域,目标区域内像素点包含了工件信息。
进一步,对所述CT序列图像进行预处理的步骤包括:
2.1)对所述CT序列图像进行降噪处理;
2.2)对降噪处理后CT序列图像进行阈值分割,从而将目标区域与背景区域分开。
2.3)基于八叉树,将目标区域划分为若干六面体网格;
进一步,基于八叉树,将目标区域划分为若干六面体网格的步骤包括:
3.1)将八叉树节点分为白节点、灰节点和黑节点;每一个节点代表一个六面体单元;其中,白节点内所有像素点灰度值为0;灰节点内部分像素点的灰度值与目标区域相同;黑节点内所有像素点灰度值与目标区域相同;
3.2)寻找一个能够容纳工件所有信息的包围盒,初始化为八叉树根节点;
3.3)设置生成网格的最小边长Lmin,Lmin为单位像素的整数倍;
3.4)判断当前八叉树节点是否为灰节点或黑节点,若是,则执行步骤3.5),否则继续判断下一个八叉树节点是否为灰节点或黑节点;
3.5)判断当前八叉树节点边长是否达到设定的最小边长Lmin,若大于Lmin,则将当前节点离散为8个大小相同的子节点,并对每个子节点分别执行步骤3.4);若等于Lmin,则继续判断下一个八叉树节点边长是否达到设定的最小边长Lmin。
进一步,八叉树根节点尺寸为2n,其中,参数n如下所示:
进一步,提取六面体网格中的核心网格的步骤包括:删除白节点和灰节点,保留所有的黑节点,生成核心网格。
进一步,提取核心网格外表面的步骤包括:
a)对每个网格的八个顶点进行编号;
b)为每个面设置相邻单元的查找方向和查找坐标,查找方分别为left、right、back、front、up、down;
c)遍历核心网格六面体单元的六个面,如果存在某一单元的0号顶点坐标与查找坐标一致,则此面为内部面,否则为外部面。
进一步,对核心网格进行拟合,得到边界网格的步骤包括:
5.1)求解核心网格外表面点的法向量ni,即:
式中,m为共享此点的外表面数,nj为共享面片j的法向量;
5.2)求解二维轮廓交点,步骤包括:以核心网格外表面点在CT序列图像上的投影点为起点,沿投影向量n查找轮廓交点,当查找路径上相邻像素点的灰度值从255突变为0时,将灰度值等于255的像素点作为图像的二维轮廓交点;255为目标区域像素点的灰度值;
5.3)求解边界表面的拟合点;
5.4)连接拟合点生成边界网格。
进一步,求解边界表面的拟合点的步骤包括:
5.3.1)将核心网格外表面点及其法向量n投影至邻近的两层CT图片上,投影点分别为a1和a2,对应的投影法向量为n′和n″;
5.3.2)分别求解出两张CT图片上的二维轮廓交点a1′和a2′;
5.3.3)在三维空间中,连接两个轮廓交点a1′和a2′,从而构成一条三维直线l,点a与法向量n构成一条射线,求解该射线与直线l的交点b;
5.3.4)判断交点b与当前两层CT图片的空间位置关系,若交点高于上层图片,则选择上移一个间隔单位的两张CT图片,返回步骤5.3.2);若交点低于下层图片,则选择下移一个间隔单位的两张CT图片,返回步骤5.3.2);若交点处于两层CT图片之间,则此点为边界表面拟合点;
5.3.5)重复步骤5.3.1)至步骤5.3.4),得到每个核心网格外表面点对应的边界表面拟合点。
进一步,对边界网格单元进行质量优化的步骤包括:
6.1)边界点平滑:记pi为待调整边界点,pi-1与pi+1为相邻边界点或特征点;连接pi-1与pi+1,构造一条直线l,过点pi作直线l的法向量n,然后点pL沿着n方向移动到边界,得到调整后的边界点pi′;
6.2)对表面点和内部点进行拉普拉斯平滑处理。
本发明的技术效果是毋庸置疑的,本发明针对工业CT图像进行六面体网格生成依赖第三方商业软件生成CAD模型,需要人工参与和一定的软件熟练度,效率较低的问题,提出了工业CT图像直接生成六面体网格的方法。本方法利用工件的CT序列图像作为输入,首先对图像预处理,其次利用八叉树划分网格、提取核心网格和外表面,然后进行边界拟合,最后进行网格优化,实现了CT图像直接生成六面体网格,不需要第三方商业软件重构工件的CAD模型,也不用将重构的CAD模型导入到前处理软件中手动划分六面体网格,能够提高自动化程度、提升效率。
附图说明
图1为方法实现的流程图;
图2为核心网格生成:图2(a)为齿轮CT序列图像;图2(b)为齿轮核心网格;
图3为边界网格生成;
图4为边界网格优化。
图5为支座CT序列图像生成六面体网格:图5(a)为核心网格;图5(b)为边界网格;图5(c)为优化后的网格;
图6(a)-(b)为顶点编码和查找方向示意图;
图7为法向量求解;
图8(a)-(b)为二维轮廓交点求解示意图。
图9(a)-(d)为表面拟合点求解示意图;
图10为表面拟合示意图;
图11为边界点平滑;
图12(a)-(c)为表面点平滑;
图13(a)-(d)为内部点平滑操作。
具体实施方式
下面结合实施例对本发明作进一步说明,但不应该理解为本发明上述主题范围仅限于下述实施例。在不脱离本发明上述技术思想的情况下,根据本领域普通技术知识和惯用手段,做出各种替换和变更,均应包括在本发明的保护范围内。
实施例1:
参见图1至图13,一种基于工业CT序列图像直接生成六面体网格方法,包括以下步骤:
1)读取工件的CT序列图像;
2)对所述CT序列图像进行预处理,从而获得带有工件信息的目标区域;
3)基于八叉树,将目标区域划分为若干六面体网格;
4)提取六面体网格中的核心网格及其外表面;
5)对核心网格进行拟合,得到边界网格;
6)对边界网格单元进行质量优化,进而得到工件对应的六面体网格,这种六面体网格有助于判断工件是否达到加工要求、是否存在缺陷故障,还可以对工件的工业化设计和制造提供辅助。
所述CT序列图像包括背景区域和目标区域,目标区域内像素点包含了工件信息。
对所述CT序列图像进行预处理的步骤包括:
2.1)对所述CT序列图像进行降噪处理;
2.2)对降噪处理后CT序列图像进行阈值分割,从而将目标区域与背景区域分开。
2.3)基于八叉树,将目标区域划分为若干六面体网格;
基于八叉树,将目标区域划分为若干六面体网格的步骤包括:
3.1)将八叉树节点分为白节点、灰节点和黑节点;每一个节点代表一个六面体单元;其中,白节点内所有像素点灰度值为0;灰节点内部分像素点的灰度值与目标区域相同;黑节点内所有像素点灰度值与目标区域相同;
3.2)寻找一个能够容纳工件所有信息的包围盒,初始化为八叉树根节点;
3.3)设置生成网格的最小边长Lmin,Lmin为单位像素的整数倍;
3.4)判断当前八叉树节点是否为灰节点或黑节点,若是,则执行步骤3.5),否则回到上一层递归;
3.5)判断当前八叉树节点边长是否达到设定的最小边长Lmin,若大于Lmin,则将当前节点离散为8个大小相同的子节点,并对每个子节点分别执行步骤3.4);若等于Lmin,则回溯到上一层递归。
八叉树根节点尺寸为2n,其中,参数n如下所示:
提取六面体网格中的核心网格的步骤包括:删除白节点和灰节点,保留所有的黑节点,生成核心网格。
提取核心网格外表面的步骤包括:
a)对每个网格的八个顶点进行编号;
b)为每个面设置相邻单元的查找方向和查找坐标,查找方分别为left、right、back、front、up、down;
c)遍历核心网格六面体单元的六个面,如果存在某一单元的0号顶点坐标与查找坐标一致,则此面为内部面,否则为外部面。
对核心网格进行拟合,得到边界网格的步骤包括:
5.1)求解核心网格外表面点的法向量ni,即:
式中,m为共享此点的外表面数,nj为共享面片j的法向量;
5.2)求解二维轮廓交点,步骤包括:以核心网格外表面点在CT序列图像上的投影点为起点,沿投影向量n查找轮廓交点,当查找路径上相邻像素点的灰度值从255突变为0时,将灰度值等于255的像素点作为图像的二维轮廓交点;255为目标区域像素点的灰度值;
5.3)求解边界表面的拟合点;
5.4)连接拟合点生成边界网格。
求解边界表面的拟合点的步骤包括:
5.3.1)将核心网格外表面点及其法向量n投影至邻近的两层CT图片上,投影点分别为a1和a2,对应的投影法向量为n′和n″;
5.3.2)分别求解出两张CT图片上的二维轮廓交点a1′和a2′;
5.3.3)在三维空间中,连接两个轮廓交点a1′和a2′,从而构成一条三维直线l,点a与法向量n构成一条射线,求解该射线与直线l的交点b;
5.3.4)判断交点b与当前两层CT图片的空间位置关系,若交点高于上层图片,则选择上移一个间隔单位的两张CT图片,返回步骤5.3.2);若交点低于下层图片,则选择下移一个间隔单位的两张CT图片,返回步骤5.3.2);若交点处于两层CT图片之间,则此点为边界表面拟合点;
5.3.5)重复步骤5.3.1)至步骤5.3.4),得到每个核心网格外表面点对应的边界表面拟合点。
对边界网格单元进行质量优化的步骤包括:
6.1)边界点平滑:记pi为待调整边界点,pi-1与pi+1为相邻边界点或特征点;连接pi-1与pi+1,构造一条直线l,过点pi作直线l的法向量n,然后点pL沿着n方向移动到边界,得到调整后的边界点pi′;
6.2)对表面点和内部点进行拉普拉斯平滑处理。
实施例2:
一种基于工业CT序列图像直接生成六面体网格方法,包括以下步骤:
1.读取工件的CT序列图像:工业CT图像的图像区域分为背景区域和目标区域,目标区域内像素点包含了工件信息。
2.图像预处理:为了方便后续网格划分,需要对CT序列图像进行预处理,对图像进行降噪处理后选择合适的灰度值进行阈值分割,对图片进行阈值分割后,工件目标区域内的像素点灰度值为255,背景区域内像素点灰度值为0,从而将目标区域与背景区域分开。
3.基于八叉树划分六面体网格:在八叉树中,一个节点代表一个六面体单元,为了方便后续网格划分,首先对八叉树节点进行分类,根据每个节点对应的六面体单元内包含灰度值为255的像素点数量,将其分为:1)白节点,所有像素点灰度值均为0;2)灰节点,单元内的部分像素点灰度值为255;3)黑节点,所有像素点灰度值均为255。八叉树划分网格是八叉树递归生成的过程,步骤如下:
Step 1:寻找一个包围盒能够容纳工件所有的信息,初始化为八叉树根节点;
为了保证生成的网格边长为整数,根节点尺寸为2的n次方,根据工业CT序列图像的长(cols)、宽(rows)、数量(num)求解n:
Step 2:设置生成网格的最小边长Lmin,Lmin为单位像素的整数倍;
Step3:判断当前八叉树节点是否为灰节点或黑节点,即是否包含灰度值为255的像素点,若是则执行步骤4,否则回溯到上一层递归;
Step 4:判断当前八叉树节点边长是否达到设定值Lmin。若大于Lmin,则将当前节点离散为8个大小相同的子节点,并对每个子节点分别执行步骤3;若等于Lmin,否则回溯到上一层递归。
4.核心网格和外表面提取:
核心网格提取:删除白节点和灰节点,保留所有的黑节点生成核心网格。
图2(a)为齿轮的CT切片序列图像,经过八叉树划分六面体网格后提取的核心网格如图2(b)所示。
(2)核心网格外表面提取:核心网格外表面为没有被其他六面体单元共享的面,提取步骤如下:
1)对每个网格的八个顶点进行编号,编号顺序如图6(a)所示;
2)为每个面设置相邻单元的查找方向,分别为left、right、back、front、up、down,查找坐标如图6(b)所示,l为核心网格的边长Lmin;
3)遍历核心网格所代表的六面体单元的六个面,如果存在某一单元的0号顶点坐标与查找坐标一致,则此面为内部面,否则为外部面。
5.由内向外的方法拟合边界网格:首先,求解核心网格外表面点的法向量;然后,求解二维轮廓交点;最后,求解表面拟合点。
Step 1:求解核心网格外表面点的法向量:它决定了拟合点的拟合方向,根据所有共享该点的核心网格外表面的法向量求得,计算公式如下:
式(2)中nj为所求法向量,n为共享此点的外表面数,nj为共享面片j的法向量。如图7所示,此处m=6。
Step 2:二维轮廓交点求解:求解示意图如图8所示,(a)为某核心网格外表面点及其法向量的在一张CT图片上的投影结果,二维轮廓交点求解如(b)所示,以投影点a为起点,沿投影向量n查找轮廓交点,当查找路径上相邻像素点的灰度值从255突变为0时,说明此处存在边界,灰度值等于255的像素点为图像的二维轮廓交点,如点b所示。
Step 3:表面拟合点求解:求解示意图为剖面图,如图9所示,其中灰色格子为核心网格,L为图像边界,虚线表示工业CT序列图片。拟合点求解步骤如下:
1):将核心网格外表面点a及其法向量n投影至邻近的两层CT图片(带三角的虚线)上,投影点分别为a1和a2,对应的投影法向量为n′和n″;
2):分别求解出两张CT图片上的二维轮廓交点a1′和a2′;
3):在三维空间中,连接两个轮廓交点构成一条三维直线l,点a与法向量n构成一条射线,求解此射线与直线l的交点b;
4):判断交点b与当前两层CT图片的空间位置关系,若交点高于上层图片,则选择上移一个间隔单位的两张CT图片,返回步骤2;若交点低于下层图片,则选择下移一个间隔单位的两张CT图片,返回步骤2;若交点处于两层CT图片之间,则此点为表面拟合点。
图9(a)所求拟合点b偏离图像真实边界L,根据以上算法,进行三次迭代得到图9(b)结果,与(a)相比,此时拟合点b更接近真实边界。
当核心网格外表面点法向量与CT图片垂直时,投影只有一个点,无法按上述方法求解轮廓交点。如图9(c)所示,当选择到带三角虚线处的两张CT图片时,两个投影点的像素值发生变化,证明此处存在边界,此时就以像素值发生变化前的投影点为表面拟合点,如点b所示。向量与CT图片垂直还存在图9(d)所示情况,此时向量与边界平行,操作同图9(c)一样,如果投影点像素值一直未发生变化,则最终会查询到顶层或底层CT图片,此时就以顶层或底层图片上的投影点作为表面拟合点,如图9(d)点b1和b2所示。
6.边界网格生成:连接拟合点生成边界网格,通过核心网格外表面点与表面拟合点构造边界单元,如图10所示。其中面F是核心网格外表面中的一个面片,0、1、2、3为面F上的外表面点,箭头为各点对应的法向量,4、5、6、7为表面拟合点,通过这八个顶点即可构造一个边界单元0-1-2-3-4-5-6-7。
图2(b)齿轮核心网格拟合后生成的边界网格如图3所示,但是从局部放大图中可以看出生成的边界网格中存在质量较差的单元,所以还需要进一步优化提升质量。
7.网格优化:为了提高边界单元的质量,使用拉普拉斯平滑算法对边界单元进行质量优化。依次对边界点,表面点和内部点进行平滑。
如图11所示,边界点平滑:pi为待调整边界点,pi-1与pi+1为相邻边界点或特征点,pi通过拉普拉斯平滑得到点pL,当边界曲率较大时pL会偏离真实边界(虚线),因此还需要将点pL调整到模型边缘上去,得到优化点pi′。调整方法如下:连接pi-1与pi+1构造一条直线l,过点pi作直线l的法向量n,然后点pL沿着n方向移动到边界得到点pi′,这样能在提高边界网格质量的同时,保证模型特征。
表面点平滑:通过拉普拉斯平滑得到点pi′,网格质量明显提升。其中情况(a)是由于核心网格生成时,此网格顶点正好位于边界处,因此在表面拟合时,表面拟合点与核心网格外表面点重合,导致相邻两个六面体退化,表面四边形退化为三角形,但这并未改变其拓扑连接关系,通过拉普拉斯平滑同样可以提高网格质量。
(3)内部点平滑:外部点平滑只能提高特征点、特征边周围单元质量,如图13所示,将(a)经边界点和表面点平滑后得到(b),其中有多面为外部面的边界单元质量明显改善(pi上方单元),而只有一面在外的边界单元(pi下方单元)的质量得不到优化,因此,对这些单元的内部点进行拉普拉斯平滑,由(b)得到(c)结果,遍历所有边界单元的内部点,最终得到(d)。
实施例3:
一种基于工业CT序列图像直接生成六面体网格方法,包括以下步骤:
1)读取所述工件的CT序列图像。
2)对所述CT序列图像进行预处理,从而获得带有工件信息的目标区域;
3)基于八叉树,将目标区域划分为若干六面体网格;
4)提取六面体网格中的核心网格及其外表面;
5)对核心网格进行拟合,得到边界网格。
6)对边界网格单元进行质量优化,进而得到工件对应的六面体网格。
实施例4:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,所述CT序列图像包括背景区域和目标区域,目标区域内像素点包含了工件信息。
实施例5:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,对所述CT序列图像进行预处理的步骤包括:
1)对所述CT序列图像进行降噪处理;
2)对降噪处理后CT序列图像进行阈值分割,从而将目标区域与背景区域分开。
3)基于八叉树,将目标区域划分为若干六面体网格;
实施例6:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,基于八叉树,将目标区域划分为若干六面体网格的步骤包括:
1)将八叉树节点分为白节点、灰节点和黑节点;每一个节点代表一个六面体单元;其中,白节点内所有像素点灰度值为0;灰节点内部分像素点的灰度值与目标区域相同;黑节点内所有像素点灰度值与目标区域相同;
2)寻找一个能够容纳工件所有信息的包围盒,初始化为八叉树根节点;
3)设置生成网格的最小边长Lmin,Lmin为单位像素的整数倍;
4)判断当前八叉树节点是否为灰节点或黑节点,若是,则执行步骤5),否则继续判断下一个八叉树节点是否为灰节点或黑节点;
5)判断当前八叉树节点边长是否达到设定的最小边长Lmin,若大于Lmin,则将当前节点离散为8个大小相同的子节点,并对每个子节点分别执行步骤4);若等于Lmin,则继续判断下一个八叉树节点边长是否达到设定的最小边长Lmin。
实施例7:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,八叉树根节点尺寸为2n,其中,参数n如下所示:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,提取六面体网格中的核心网格的步骤包括:删除白节点和灰节点,保留所有的黑节点,生成核心网格。
实施例9:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,提取核心网格外表面的步骤包括:
1)对每个网格的八个顶点进行编号;
2)为每个面设置相邻单元的查找方向和查找坐标,查找方分别为left、right、back、front、up、down;
3)遍历核心网格六面体单元的六个面,如果存在某一单元的0号顶点坐标与查找坐标一致,则此面为内部面,否则为外部面。
实施例10:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,对核心网格进行拟合,得到边界网格的步骤包括:
1)求解核心网格外表面点的法向量ni,即:
式中,m为共享此点的外表面数,nj为共享面片j的法向量;
2)求解二维轮廓交点,步骤包括:以核心网格外表面点在CT序列图像上的投影点为起点,沿投影向量n查找轮廓交点,当查找路径上相邻像素点的灰度值从255突变为0时,将灰度值等于255的像素点作为图像的二维轮廓交点;255为目标区域像素点的灰度值;
3)求解边界表面的拟合点;
4)连接拟合点生成边界网格。
实施例11:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,求解边界表面的拟合点的步骤包括:
1)将核心网格外表面点及其法向量n投影至邻近的两层CT图片上,投影点分别为a1和a2,对应的投影法向量为n′和n″;
2)分别求解出两张CT图片上的二维轮廓交点a1′和a2′;
3)在三维空间中,连接两个轮廓交点a1′和a2′,从而构成一条三维直线l,点a与法向量n构成一条射线,求解该射线与直线l的交点b;
4)判断交点b与当前两层CT图片的空间位置关系,若交点高于上层图片,则选择上移一个间隔单位的两张CT图片,返回步骤2);若交点低于下层图片,则选择下移一个间隔单位的两张CT图片,返回步骤2);若交点处于两层CT图片之间,则此点为边界表面拟合点;
5)重复步骤1)至步骤4),得到每个核心网格外表面点对应的边界表面拟合点。
实施例12:
一种基于工业CT序列图像直接生成六面体网格方法,主要内容见实施例3,其中,对边界网格单元进行质量优化的步骤包括:
1)边界点平滑:记pi为待调整边界点,pi-1与pi+1为相邻边界点或特征点;连接pi-1与pi+1,构造一条直线l,过点pi作直线l的法向量n,然后点pL沿着n方向移动到边界,得到调整后的边界点pi′;
2)对表面点和内部点进行拉普拉斯平滑处理。
Claims (10)
1.一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,包括以下步骤:
1)读取所述工件的CT序列图像。
2)对所述CT序列图像进行预处理,从而获得带有工件信息的目标区域;
3)基于八叉树,将目标区域划分为若干六面体网格;
4)提取六面体网格中的核心网格及其外表面;
5)对核心网格进行拟合,得到边界网格。
6)对边界网格单元进行质量优化,进而得到工件对应的六面体网格。
2.根据权利要求1所述的一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,所述CT序列图像包括背景区域和目标区域,目标区域内像素点包含了工件信息。
3.根据权利要求2所述的一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,对所述CT序列图像进行预处理的步骤包括:
1)对所述CT序列图像进行降噪处理;
2)对降噪处理后CT序列图像进行阈值分割,从而将目标区域与背景区域分开。
3)基于八叉树,将目标区域划分为若干六面体网格。
4.根据权利要求1所述的一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,基于八叉树,将目标区域划分为若干六面体网格的步骤包括:
1)将八叉树节点分为白节点、灰节点和黑节点;每一个节点代表一个六面体单元;其中,白节点内所有像素点灰度值为0;灰节点内部分像素点的灰度值与目标区域相同;黑节点内所有像素点灰度值与目标区域相同;
2)寻找一个能够容纳工件所有信息的包围盒,初始化为八叉树根节点;
3)设置生成网格的最小边长Lmin,Lmin为单位像素的整数倍;
4)判断当前八叉树节点是否为灰节点或黑节点,若是,则执行步骤5),否则继续判断下一个八叉树节点是否为灰节点或黑节点;
5)判断当前八叉树节点边长是否达到设定的最小边长Lmin,若大于Lmin,则将当前节点离散为8个大小相同的子节点,并对每个子节点分别执行步骤4);若等于Lmin,则继续判断下一个八叉树节点边长是否达到设定的最小边长Lmin。
6.根据权利要求4所述的一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,提取六面体网格中的核心网格的步骤包括:删除白节点和灰节点,保留所有的黑节点,生成核心网格。
7.根据权利要求6所述的一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,提取核心网格外表面的步骤包括:
1)对每个网格的八个顶点进行编号;
2)为每个面设置相邻单元的查找方向和查找坐标,查找方分别为left、right、back、front、up、down;
3)遍历核心网格六面体单元的六个面,如果存在某一单元的0号顶点坐标与查找坐标一致,则此面为内部面,否则为外部面。
9.根据权利要求8所述的一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,求解边界表面的拟合点的步骤包括:
1)将核心网格外表面点及其法向量n投影至邻近的两层CT图片上,投影点分别为a1和a2,对应的投影法向量为n′和n″;
2)分别求解出两张CT图片上的二维轮廓交点a1′和a2′;
3)在三维空间中,连接两个轮廓交点a1′和a2′,从而构成一条三维直线l,点a与法向量n构成一条射线,求解该射线与直线l的交点b;
4)判断交点b与当前两层CT图片的空间位置关系,若交点高于上层图片,则选择上移一个间隔单位的两张CT图片,返回步骤2);若交点低于下层图片,则选择下移一个间隔单位的两张CT图片,返回步骤2);若交点处于两层CT图片之间,则此点为边界表面拟合点;
5)重复步骤1)至步骤4),得到每个核心网格外表面点对应的边界表面拟合点。
10.根据权利要求1所述的一种基于工业CT序列图像直接生成六面体网格方法,其特征在于,对边界网格单元进行质量优化的步骤包括:
1)边界点平滑:记pi为待调整边界点,pi-1与pi+1为相邻边界点或特征点;连接pi-1与pi+1,构造一条直线l,过点pi作直线l的法向量n,然后点pL沿着n方向移动到边界,得到调整后的边界点pi′;
2)对表面点和内部点进行拉普拉斯平滑处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211367431.2A CN115880421A (zh) | 2022-11-02 | 2022-11-02 | 一种基于工业ct序列图像直接生成六面体网格方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211367431.2A CN115880421A (zh) | 2022-11-02 | 2022-11-02 | 一种基于工业ct序列图像直接生成六面体网格方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115880421A true CN115880421A (zh) | 2023-03-31 |
Family
ID=85759371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211367431.2A Pending CN115880421A (zh) | 2022-11-02 | 2022-11-02 | 一种基于工业ct序列图像直接生成六面体网格方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115880421A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597117A (zh) * | 2023-07-18 | 2023-08-15 | 中国石油大学(华东) | 一种基于物体对称性的六面体网格生成方法 |
-
2022
- 2022-11-02 CN CN202211367431.2A patent/CN115880421A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116597117A (zh) * | 2023-07-18 | 2023-08-15 | 中国石油大学(华东) | 一种基于物体对称性的六面体网格生成方法 |
CN116597117B (zh) * | 2023-07-18 | 2023-10-13 | 中国石油大学(华东) | 一种基于物体对称性的六面体网格生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711018B (zh) | 一种二维到三维的户型设计方法 | |
CN105427317B (zh) | 一种适用于多视角自动化配准多站地面激光点云数据的方法 | |
CN111508074A (zh) | 一种基于屋顶轮廓线的三维建筑模型简化方法 | |
Vicente et al. | Balloon shapes: Reconstructing and deforming objects with volume from images | |
CN107730587B (zh) | 一种基于图片快速三维化交互式建模方法 | |
CN110610478B (zh) | 一种基于邻域拓扑的医学图像三维重建方法 | |
Zhang et al. | Critical regularizations for neural surface reconstruction in the wild | |
CN107369204B (zh) | 一种从单幅照片恢复出场景基本三维结构的方法 | |
CN113192179A (zh) | 一种基于双目立体视觉的三维重建方法 | |
CN115564926A (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
CN109544687B (zh) | 一种定向分层分户图扩展方法 | |
CN112307553A (zh) | 一种对三维道路模型进行提取与简化的方法 | |
CN115937461B (zh) | 多源融合模型构建及纹理生成方法、装置、介质及设备 | |
CN111127622B (zh) | 基于图像分割的三维点云离群点剔除方法 | |
CN115880421A (zh) | 一种基于工业ct序列图像直接生成六面体网格方法 | |
CN114202632A (zh) | 网格线性结构恢复方法、装置、电子设备及存储介质 | |
CN115393548A (zh) | 一种适用于三维重建的网格纹理化简算法 | |
Yuan et al. | Volume cutout | |
CN116805356A (zh) | 建筑模型的构建方法、设备及计算机可读存储介质 | |
Hu et al. | Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization | |
Sadekar et al. | Shadow art revisited: a differentiable rendering based approach | |
CN114782645A (zh) | 虚拟数字人制作方法、相关设备及可读存储介质 | |
CN114463521A (zh) | 一种面向空地影像数据融合的建筑目标点云快速生成方法 | |
CN113343328A (zh) | 一种基于改进牛顿迭代的高效最近点投影方法 | |
CN116758219A (zh) | 基于神经网络的区域感知多视角立体匹配三维重建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |