[发明专利]实物表面采样数据尖锐特征样点法向估计方法

权利要求书

1.一种实物表面采样数据尖锐特征样点法向估计方法，其特征在于步骤依次为：(1)基于核密度估计方法计算目标样点邻域数据的模式点，计算样点与其模式点的偏离程度，将偏离程度较大的样点识别为特征样点，对封闭曲面采样数据识别到的特征样点即为尖锐特征样点，而对于非封闭曲面采样数据识别到的特征样点为尖锐特征样点与裁剪特征样点的集合；(2)根据采样模型过渡曲面圆角半径以及样点与模式点的偏离程度定义特征识别敏感系数，用以调整特征识别敏感度；(3)设非封闭曲面采样数据裁剪特征样点与尖锐特征样点集合为，对中任一样点及其邻域数据拟合最小二乘平面，计算样点与其拟合平面的残差平方和，得到样点集合对应的残差平方和集合，通过聚类分析算法对进行分簇，残差平方和较大的数据簇对应的样点即为尖锐特征样点；(4)设获取的尖锐特征样点集合为，对中的样点采用核密度估计的方法计算可反映采样数据局部样点分布特征的模式点，根据样点与模式点的位置关系估计样点的法向量：。

2.根据权利要求1所述的实物表面采样数据尖锐特征样点法向估计方法，其特征在于：在步骤(1)中根据目标样点与其对应模式点的偏离程度建立特征样点识别准则，具体为：设λ(p)为p在实物表面上相应位置的良好曲面局部样本，则基于核密度估计方法的模式点计算公式为：

(1)

其中,为至中所有样点距离的最大值，G(x)为核函数,目标样点p与模式点M(λ(p))的偏离程度可基于λ(p)的标准差予以量化，若p满足：

(2)

便可判定为特征样点，其中d(·)为样点间的欧氏距离，为敏感系数，被判定为特征样点的概率与该值成正比，s为λ(p)的标准差，。

3.根据权利要求1所述的实物表面采样数据尖锐特征样点法向估计方法，其特征在于：在步骤(3)中非封闭曲面采样数据尖锐特征样点识别具体步骤为：计算样点对应的残差平方和集合；在范围内通过均匀分布的方式产生选择组参考数据集，初始聚类簇数；利用k-均值算法分别将原始数据与参考数据分为簇，分别计算原始数据与参考数据聚类总体相似度、，；计算间隙量；计算各组参考数据集产生的的标准差和期望值的模拟误差；若所得结果满足式，则原始数据集合自然簇数为，否则令，返回步骤；在满足中判定式k下的聚类结果即是对的自然分类，同样对应的是对中样点的自然分类。

4.根据权利要求1所述的实物表面采样数据尖锐特征样点法向估计方法，其特征在于：在步骤(1)中所述模式点计算公式(1)中带宽h的取值为目标样点p至λ(p)中所有样点距离的最大值，h是一个自适应带宽值，核函数G(x)取高斯核函数，其形式为。

5.根据权利要求1所述的实物表面采样数据尖锐特征样点法向估计方法，其特征在于：在步骤(2)中根据采样模型过渡曲面圆角半径以及样点与模式点的偏离程度定义尖锐特征识别敏感系数，将目标样点与模式点的欧氏距离与过渡曲面圆角半径为的比值定义特征识别敏感系数：。