可有效保留邊界和局部特徵的複雜曲面零件點雲精簡方法與流程
2023-05-05 10:50:42
本發明屬於精密加工與測量技術領域，更具體地，涉及一種可有效保留邊界和局部特徵的複雜曲面零件點雲精簡方法。
背景技術：
隨著計算機視覺、模式識別等領域的不斷發展，非接觸式掃描技術在精密零件的加工及檢測環節中起著越來越重要的作用，尤其在工件的三維建模、刀具定位、幾何輪廓度檢測中有著廣泛的應用。基於光學原理，非接觸式掃描設備可以在幾秒鐘之內獲得數以萬計的三維點數據，並且對一些複雜結構曲面和大尺寸的物體，所獲得的點雲數據非常龐大，因此，難以直接把這些數據用於計算處理。點雲精簡技術為點雲的後續處理提供了一種有效的解決辦法，在精簡過程中，一方面需要在模型代表性區域內選擇儘可能多的點來保證精簡後的模型與原始模型有較高的相似度；另一方面需要對點的數量進行有效控制，從而達到簡化計算的目的。因此，點雲的精簡是一個大規模的複雜技術問題。現有技術中的點雲精簡方法大多採用傳統的隨機採樣和均勻採樣方法，由於不需考慮模型的特徵信息，這兩種方法的計算效率較高，但在實際運用中發現這兩種方法並不適用於高精度複雜曲面零件點雲的精簡操作。例如，在航空發動機葉片的輪廓度檢測過程中，需要通過精簡後的葉片點雲與設計模型匹配來計算輪廓誤差，如果採用隨機採樣法，每次測量後將得到不同的檢測結果，此外，由於沒有考慮特徵和邊界點，採用傳統採樣方法得到的檢測結果並不能反應葉片的真實加工誤差。因此，有必要提出一種新的對零件邊界和局部特徵有效保留的簡化方法。此外，進一步的檢索發現，CN104881498A公布了一種海量點雲的Out-of-Core快速均勻精簡方法，可用於精簡超出主存容限的實物表面採樣數據，但該方法本質是利用包圍盒來簡化點雲數據，在簡化過程中會損失部分點雲的幾何特徵；CN102800114A公開了一種基於Poisson-disk採樣的數據點雲精簡方法，該方法通過在稀疏與密集區域增補或移除採樣點可以防止採樣點局部聚集，但在實際應用中稀疏與密集區域的界定比較困難；CN104732581A公開了一種基於點特徵直方圖的移動場景點雲精簡方法，該方法首先計算每個點的特徵直方圖的標準差，並與預設的標準差閾值進行比較，通過刪除大於標準差閾值的點來達到簡化的目的，但是由於點雲間的幾何結構差別很大，因此，很難確定一個通用的標準差閾值提出通過一個對應關係表來自適應選擇標準閾值，但該表的建立過程比較複雜、耗時；CN104915986A公開了一種實體三維模型自動建模方法，該方法對於已經建立的三維網格模型利用邊摺疊方法，按比例刪除三維網格模型上的點和邊，從而建立出物體的三維簡化表面模型，由於沒有考慮局部特徵和邊界點，該發明所得到的簡化模型與真實模型之間存在較大誤差。
技術實現要素：
針對現有技術的以上缺陷或改進需求，本發明提供了一種可有效保留邊界和局部特徵的複雜曲面零件點雲精簡方法，其中通過結合複雜曲面零件自身的結構及其點雲模型特性，並構建特定的分類及精簡算法進行處理,相應與現有技術相比不僅具備高精度、高效率和通用性好等特點，而且能夠有效保留點雲模型的邊界和局部特徵，因而尤其適用於譬如航空發動機葉片之類的大型複雜曲面零件的點雲精簡應用場合。為實現上述目的，按照本發明，提供了一種可有效保留邊界和局部特徵的複雜曲面零件點雲精簡方法，其特徵在於，該方法包括下列步驟：(a)對複雜曲面零件執行掃描，獲得多個三維測量點並生成對應的待精簡的掃描點雲P，其中P＝{pi|i＝1,2,…,np},pi用於表示掃描點雲P中的各個點且以同一坐標系中的x,y,z坐標值來表示，np表示掃描點雲P中的點的總數量；(b)針對掃描點雲P中的各個點pi，各自採樣獲得其多個鄰域點pik並生成對應的鄰域點集合{pi1,pi2,…,pik}，其中k表示鄰域點的總數量，然後計算得出反映掃描點雲P中各個點pi的局部特徵的法線向量V(pi)；(c)分別以各個點pi為球心，找出距離該點最短半徑範圍內的m個點，然後求出點pi的所述法線向量V(pi)與這m個點所對應的法線向量V(pj)之間的夾角θij，並對該夾角取絕對值得出夾角平均值且該平均值σpi∈[0,π]；(d)針對所述夾角平均值分別預設下限閾值T1和上限閾值T2，然後依照下列公式(一)對點雲執行特徵粗分類，由此獲得三類粗分類子集即非特徵點集Z1、過渡點集Z2、特徵點集Z3：(e)採用聚類法分別對三個粗分類子集分配不同的聚類中心數量值K1，K2，K3來進行二次細分，並保留其聚類中心坐標，由此完成第一個精簡子集Pf的選取；(f)從掃描點雲P中選擇一個初始點，依次計算該初始點與其他各點之間的定向Hausdorff距離，並保留滿足位置關係的點，至此完成第二個精簡子集Pb的選取；(g)對通過步驟(e)所選取的第一個精簡子集Pf和通過步驟(f)所選取的第二個精簡子集Pb進行合併，同時刪除重複點，由此獲得所需的精簡後的掃描點雲。作為進一步優選地，在步驟(b)中，優選採用下列公式(二)來計算所述法線向量V(pi)：其中，表示與點pi相對應的鄰域點集合的中心點，且以該鄰域點集合所有點的坐標平均值來表示；用於表示以所有鄰域點pik與中心點的坐標差共同作為矩陣元素所構建的矩陣，T用於表示對該矩陣的轉置。作為進一步優選地，在步驟(c)中，m值優選為10。作為進一步優選地，在步驟(d)中，所述下限閾值T1的值優選為π/6，所述上限閾值T2的值優選為π/2。作為進一步優選地，在步驟(e)中，所述聚類中心數量值K1，K2，K3優選依照下列公式(三)來計算獲得：其中，Y(X)表示對X進行取整數操作，Nnew表示期望對掃描點雲P執行精簡後的目標數量。作為進一步優選地，在步驟(f)中，所述初始點優選為掃描點雲P的重心點。作為進一步優選地，在步驟(f)中，計算所述初始點與其他各點之間的定向Hausdorff距離的過程優選依照如下公式(四)：其中，h(A,B)表示所述初始點與其他各點之間的定向Hausdorff距離；A表示對初始點執行多次定向Hausdorff距離計算後所分別獲得的更新點集合，B表示掃描點雲P；a、b分別為更新點集合和掃描點雲中的取樣點，並且d(a,b)表示計算a、b兩點間的歐式距離。作為進一步優選地，在步驟(g)中，所述第二個精簡子集Pb的數量K4優選依照下列公式(五)來設定：K4＝Nnew-(K1+K2+K3)(五)其中，K1、K2和K3分別表示對所述三個粗分類子集Z1、Z2和Z3所分配的不同聚類中心數量值，Nnew表示期望對掃描點雲P執行精簡後的目標數量。作為進一步優選地，所述複雜曲面零件優選為航空發動機葉片。總體而言，通過本發明所構思的以上技術方...