[发明专利]实物表面采样数据尖锐特征样点法向估计方法

说明书

技术领域

本发明提供一种实物表面采样数据尖锐特征样点法向估计方法，属于产品逆向工程技术领域。

背景技术

曲面重建是产品逆向工程的核心技术，为了提高曲面重建精度，需要对庞大的点云采样数据进行预处理，点云的预处理主要包含去噪、平滑、精简、特征识别等处理，而点云样点法向量的准确估计对点云的预处理工作非常重要，进而直接影响曲面重建的准确性。

目前常用的点云法向估计方法主要有最小二乘平面拟合的法向估计方法和Voronoi三角网格划分的法向量估计方法。ZhaoCan等在学术期刊《TsinghuaScience&Technology》2009,38(14)，P77-81上发表的“AnImprovedAlgorithmfork-Nearest-NeighborFindingandSurfaceNormalsEstimation”中，查询样点的k近邻点集，并对样点的近邻点集拟合最小二乘平面，将拟合平面的法向估计为该样点的法向。基于最小二乘平面拟合的法向估计方法原理简单，容易实现，但对于尖锐特征处的样点由于k近邻点集离散程度较高，不能有效拟合局部平面，导致样点的法向估计结果不准确。DeyTK等在学术期刊《Computers&Graphics》2011,35(3),483-491上发表的“Coconesurfacereconstruction”中，提出基于Voronoi三角网格划分的法向量计算方法，样点的法向估计为与其所在Voronoi晶格中最远的顶点的连线方向，该算法要求棱边特征的采样密度无穷大，以保证法向估计的准确性，而现有的采样设备其采样密度仅能达到有限大，因此导致尖锐特征点的法向估计不准确。

综上所述，目前实物表面采样数据尖锐特征样点法向估计方法存在尖锐特征样点法向估计不准确的问题，因此，提供一种估计准确性较高的尖锐特征样点法向估计方法已成为本领域技术人员亟待解决的技术问题。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种实物表面采样数据尖锐特征样点法向估计方法，快速准确估计尖锐特征样点的法向量。本发明解决其技术问题所采用的技术方案是：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获取目标样点邻域数据的模式点，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；(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，基于间隙统计的算法估计样点自然分簇数目，并通过k-均值自适应聚类算法对样点集合进行分簇，提取尖锐特征样点；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)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：。

为实现发明目的，所述的实物表面采样数据尖锐特征样点法向估计方法，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识别准则，具体为：设设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，为为中所有样点距离的最大值，G(x)为核函数，目标样点与模式点的偏离程度可基于的标准差予以量化，若满足：

（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，。

为实现发明目的，所述的实物表面采样数据尖锐特征样点法向估计方法，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。