逆向工程第四章

第四章逆向建模测量数据处理技术4.1测量数据前期修补技术1.点云分类点云类型点云特征点云获取方式散乱点云点云没有明显的几何分布特征，呈散乱无序状态CMM、籍贯测量随机扫描、立体视觉测量法扫描线点云点云有一组扫描线组成，扫描线上的所有点位于扫描平面内CMM、激光点光源测量系统沿直线扫描和线光源测量系统扫描网格化点云点云分布在一些类平行平面内，用线段将同一平面内距离最小的若干相邻点依次连接，形成一组平面三角形莫尔等高线测量、工业CT切层法、核磁共振成像2.噪声点产生的原因：①测量设备的标定参数发生改变和测量环境突然变化②操作误差③错误地对其他物体的表面进行了采样并将其混入到测量数据3.误差点：具有极大曲率估计的点和大纵横比的三角面片的顶点。4.数据精简操作只是简单地对原始点云中的点进行删减，不产生新点。5.数据点精简的均匀网格法的原理、具体步骤P117特点：具有良好的操作性，可以很好地保留原始数据；对捕捉产品的外形形状不敏感。6.非均匀网格法的原理、分类P118分为：①单方向非均匀网格方法：最后保留的点是由每一个网格的中值滤波点和角度偏差提取点组成。②双方向非均匀化网格法7.测量数据需要补全的原因：①在实物数字化时会存在一些探头无法测到的区域；②实物零件中经常存在经剪裁或“布尔减”运算等生成的外形特征。8.曲线拟合插补，主要适用于具有规则数据点或采用截面扫描测量的曲面。曲面拟合插补，既适用于规则数据点也适用于散乱点，曲面类型包括参数曲面，B样条曲面和三角曲面等。9.数据平滑：直观上就是新数据的“波动”不超过原数据的“波动”。4.4测量数据分割技术1.边界识别方法（a）面向边的边界识别：将边界点或像素当作边界元，然后构建边界曲线。从位于两个特征曲面的边界线上或附近采样得到网格边的两个端点，通过检查垂直于该网格边的方向曲率来决定该网格边是否边界边。（b）基于曲率的边界识别：该方法是基于计算的方向曲率的改变来识别的。网格边的邻居定义为它的两个邻接面片的两个位置相反的顶点。首先计算网格边的邻居在其切平面内与网格边相垂直的方向上的方向曲率，然后判断边是否为边界边。2.边界区抽取：①边界树抽取。边界边连接的边集称为边界树。开始时，一个边界树桩初始化为一个任意的边界边，称为种子边，接下来所有与种子相连的边界边被增加到边界树，这些边界边又作为新的种子边，再增加补充，直到没有新的边界边增加，搜寻过程结束。②边界区构建。扩增与边界边相关的面片、顶点来构建边界区。③分支修剪。剪除在边界区中仅有一个端点和边界区有关的“死端点”，剪除操作可以通过搜寻死端点完成。3.高斯映射的分布规律P150①零维分布的典型代表曲面为平面，其法矢映射点在高斯球上重合于一点。②一维分布的典型代表曲面为球面、圆环面和一般直纹面，法矢在高斯球上的映射点分布在球面上。4.法曲率映射点的分布规律①平面的法曲率映射点位于坐标原点。②球面法曲率映射点重合于坐标系第一象限平分线上的一点。③圆柱面的法曲率映射点重合于纵轴上的一点。④一般可展直纹面的法曲率映射点位于纵轴上。4.5Imageware点云数据处理过程1.点云信息和显示：读入点云，查看点云的对象信息，以获取相关的资料。点云的显示模式：Scatter：离线方式Polyline：折线方式PolygonMesh：三角网格方式FlatShade：三角网格的平光着色方式GouraudShade：三角网格的反光着色方式2.去除跳点和噪声点：大量去除可用Circle-Select-Points；少量去除可用PickDeletePoints3.对齐的方法有：①PointSettoPointSet：点与点对齐。在有已知的参考点时非常有用，要求点云的尺寸和次序相同。②ConstrainedPointSett（）PointSet：约束点与点对齐。在有已知的参考点时非常有用，要求点云的尺寸和次序相同，其中有一个点云不可移动时选用。③321：321对齐模式。Imageware的321对齐方式有两种：6点的方法：前面3个点用来定义一个主要的平面。另外两个点用来从平面上创建一个轴，这两个点通常代表两个孔特征的中心线或是两个垂直特征的中点距离；最后一个点再两轴上定义了一个旋转度，这个点可以从一个匹配圆的圆心生成或是从一系列特征的中点生产。3点的方法：第一点是三个轴（x、y和z）的基本参考点；第二点储存了两个轴(例如x和y），这个点建立了第一点的轴，所以又称为轴点；第三点存储了最终的轴，这个点将建立轴点的旋转度，所以它也称为旋转点。在第二点存储x和y轴的情况下，第三点确定了z轴。④Iterative（交互式对齐模式）：与前面提到的321式的3点法比较相似。但是它需要用道德点实际最少要6个。⑤MixedMode（混合对齐模式）：将一个实体群组与另外一个实体群组通过匹配将相对应的实体对齐。在这种对齐模式下，所有的几个匹配对的精确度都取平均值，所有的匹配对都是近似的，精确度不高，每个实体对的误差也近似相等。⑥Stepwise（逐步对齐模式）：将实体对一对一对地对齐，对齐的次序将直接影响其精确度。第一对对齐的实体的匹配精确度最高，其后的匹配对的精确度依次递减。⑦ConstrainedBestFit（最佳拟合对齐模式）：在找不到简单的几何体配对的情况下来使用的。4.采样：对目标点云进行采样可以适当降低其数据点的数量，提高计算机计算速度。采样方法有平均采样、弦高采样和距离采样等。5.特征提取：获取点云数据的相关信息，指导后面的建模处理和点云的分块。可以提取的特征主要有边缘特征（SharpEdges）和颜色特征（ColorBased）6.点云分割