逆向工程技術與計算機圖形學技術不斷發(fā)展,在復雜曲面結構模型的設計、制造等多個階段得到了廣泛應用,新技術的引入加速了模型的數(shù)字化進程。數(shù)字化處理后的模型可用于特征分析、形狀檢測,實現(xiàn)由實體模型到設計圖紙的過程。其中,點云分割是逆向設計制造過程中的關鍵內容,對物體分類、目標識別、三維重建等任務至關重要�，F(xiàn)階段已有多種分割方法成功應用于復雜曲面結構模型,但由于模型種類復雜多樣,包含的一些自由曲面邊界難以界定,加之掃描設備獲取到的點云數(shù)據(jù)中夾雜著噪點,對點云數(shù)據(jù)處理造成一定的干擾,因此實際分割實驗中普遍存在部分特征區(qū)域識別效果欠佳的問題。為了提高分割的完整度,提出一種基于多視角區(qū)域生長的分割方法,主要研究內容包括:（1）針對復雜曲面結構模型數(shù)據(jù)量大、復雜度高的特性,提出一種基于法向量方向相異性原則的模型初分類方法。利用G2S（Gabriel2 Simplex）準則構建復雜曲面結構模型的三角網格結構,獲取其表面的拓撲特征,解算并校正拓撲結構中每一三角面片的法向量信息,依據(jù)不同類間法向的指向差異將模型劃分為不同類別的子集合。（2）針對單一視角下特征信息缺失與傳統(tǒng)距離圖像的缺陷,提出一種多視角距離圖... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

俯視視角下的初始距離圖像

第3章點云模型初分類與距離圖像建立33索圖像中每個像素的附近八鄰域，檢測此區(qū)域內是否存在低于該元素值的像素。若不存在，則將此像素視為具有最小灰度級的像素。若初次膨脹后的圖像中存在具有最小灰度級的像素，則將結構元素的尺寸加1，繼續(xù)執(zhí)行膨脹操作。重復上述操作，直到圖像中不存在最小灰度級像素時，迭代過程結束，此時的結構元素尺寸即為最佳尺寸。最后對最佳尺寸下膨脹生成的圖像執(zhí)行腐蝕操作，完成對圖像的平滑處理。按照上述操作，獲取到的最佳尺寸為8，此尺寸下對應的距離圖像如圖3-14(c)所示，此時圖像平滑無空洞區(qū)域，且各部分細節(jié)特征得到較好地描述。a)disk=6b)disk=12c)disk=8圖3-14不同尺寸結構元素對應的距離圖像3.3.4多視角距離圖像的生成為了獲取模型表面更為完整的三維結構特征信息，引入六視圖繪圖概念，選取主視、后視、左視、右視、俯視、仰視六個視角，在上述六個視角下分別對Fandisk模型依次進行平面投影、格網化、網格賦值以及平滑操作，獲取模型多視角下的距離圖像。如圖3-15所示，該圖像分別從不同方位對模型的特征進行描述，綜合六個視角下的信息就可對模型結構進行完整表征。每一視角下的圖像中均不包含空洞區(qū)域，即能良好表征本區(qū)域內的細節(jié)特征，又能與其余區(qū)域內的特征互相補充。例如正視視角下可觀察到前側立面與部分自由曲面，但頂面與后側部分被遮擋，因此無法獲取這一部分的特征信息，此時結合右視視角與俯視視角，就可得到延伸部分的細節(jié)信息。同理，其余視角下的缺失信息均可通過鄰接視角獲齲通過利用多視角的特征表征方法，克服了單一視角下信息缺失的問題，保證獲取到模型特征信息的完整性與準確性。

燕山大學工學碩士學位論文36圖4-1第一組點云邊緣檢測結果4.2.2邊緣檢測算子對比邊緣檢測算法中包含多種不同的檢測算子，可依據(jù)實驗對象的差異選取效果最優(yōu)的算子提取邊緣特征。下面介紹幾種常用的邊緣檢測算子，并對它們的邊緣提取效果進行比較[53]。(1).Roberts算子：Roberts算子利用式(4-1)分別計算橫向與縱向豎直方向的差分，在此基礎上依據(jù)式(4-2)求解灰度變化幅值R(i,j)，式(4-3)中xI、yI為事先定義的卷積算子。通過設置合理閾值hT，將各點處的像素幅值R(i,j)與hT進行比較，若存在R,(ij)大于hT，表示此點處發(fā)生灰度突變現(xiàn)象，此點被認定為邊緣點，相應的邊緣圖像可用{R(i,j)}表示。(,)(1,1)(,1)(1,)xyIIijIijIIijIij=++=++(4-1)(,)=||+||xyRijII(4-2)10010110xyII==，(4-3)(2).Sobel算子：Sobel算子的檢測過程綜合考慮全方向上的像素點，將鄰域內的像素灰度值進行權值運算，進一步對權值運算獲取到的像素點進行差分計算。依據(jù)像素點距離由近及遠賦予不同的權重值。具體運算可利用式(4-4)實現(xiàn)：(,)||||xySij=I+I(4-4)卷積算子由式(4-5)定義：

【參考文獻】：
期刊論文
[1]基于深度學習的零件點云分割算法研究[J]. 陳境煥,李海艷,林景亮.  機電工程. 2020(03)
[2]計算機輔助設計技術在機械設計中的應用[J]. 聶勇軍.  工程建設與設計. 2020(04)
[3]一種改進型Canny算子邊緣檢測算法[J]. 朱秋林,石銀濤,李靖.  地理空間信息. 2020(01)
[4]基于區(qū)域生長算法的復雜建筑物屋頂點云分割[J]. 朱軍桃,王雷,趙傳,鄭旭東.  國土資源遙感. 2019(04)
[5]基于最小生成樹的分割區(qū)域密度聚類算法[J]. 李薊濤,梁永全.  計算機輔助設計與圖形學學報. 2019(09)
[6]融合可變形卷積與條件隨機場的遙感影像語義分割方法[J]. 左宗成,張文,張東映.  測繪學報. 2019(06)
[7]基于深度圖的三維激光雷達點云目標分割方法[J]. 范小輝,許國良,李萬林,王茜竹,常亮亮.  中國激光. 2019(07)
[8]一種面向高維相交多流形的識別算法D-MPPCA[J]. 高小方,劉杰飛,梁吉業(yè).  小型微型計算機系統(tǒng). 2018(07)
[9]基于改進的區(qū)域生長三維點云分割[J]. 李仁忠,劉陽陽,楊曼,張緩緩.  激光與光電子學進展. 2018(05)
[10]顧及建筑物屋頂結構的改進RANSAC點云分割算法[J]. 李云帆,譚德寶,劉瑞,鄔建偉.  國土資源遙感. 2017(04)

碩士論文
[1]工業(yè)零件三維點云模型的特征線面提取方法研究[D]. 王佳婧.武漢大學 2017
[2]邊緣檢測方法研究及應用[D]. 王章鋒.天津工業(yè)大學 2017
[3]數(shù)據(jù)挖掘中的離群點檢測算法研究[D]. 胡婷婷.廈門大學 2014



本文編號：3074633