[发明专利]基于特征矩阵的毛坯模型复杂特征分层识别方法

权利要求书

1.一种基于特征矩阵的毛坯模型复杂特征分层识别方法，其特征在于包括如下步骤：

S1：首先获取零件毛坯模型上所有面的几何拓扑数据，输出面的像素信息，所述像素信息包括显示轮廓的特征和毛成形缺陷所造成的伪特征；然后通过全局二值化处理方法生成灰度化信息；提取并删除伪特征位于轮廓表面的几何拓扑信息，依次优化模型各个面的数据，最终得到优化的零件毛坯模型；

S2：然后以优化的零件毛坯模型为对象建立属性邻接图，实现模型中关联面之间空间位置关系的详细描述；通过相交的边与相邻面的法向矢量计算关联面的凹凸性，依据所有关联面的凹凸性提取特征，提取特征包含不可再分的单一特征、复杂组合特征；

S3：应用特征分层算法对所提取特征进行分层，直至将所有提取特征转换为单一特征的组合；依次计算所有提取的单一特征和分层得到的单一特征的特征矩阵；构建通用特征矩阵库，将计算得到的特征矩阵与特征矩阵库通过特征矩阵元素比对进行匹配；当特征矩阵匹配成功，则输出识别出的特征属性及其几何拓扑数据，当出现无法匹配成功的特征矩阵，对通用特征矩阵库进行扩充，再进行特征的匹配，直至输出识别出的特征属性及其几何拓扑数据。

2.根据权利要求1所述的基于特征矩阵的毛坯模型复杂特征分层识别方法，其特征在于：步骤S1中采用适用于表面随机成形误差与缺陷的阈值分割法，基于所获取数据输出这些面的像素信息，对像素信息进行双边滤波预处理，然后通过全局二值化处理方法生成灰度化信息；其中，最优分割阈值采用迭代方法计算得到，得到的最优阈值用以分割像素信息，使得分割后的图像能区分显示轮廓和伪特征；提取并删除伪特征位于轮廓表面的几何拓扑信息，依次优化模型各个面的数据，最终得到优化的零件毛坯模型。

3.根据权利要求1或2所述的基于特征矩阵的毛坯模型复杂特征分层识别方法，其特征在于：步骤S1中采用面向伪特征识别的阈值分割法进行轮廓表面伪特征提取，具体包括如下步骤：

S11、输入毛坯模型S_R，对毛坯模型进行遍历搜索，提取面s和面的几何拓扑数据{s₁,s₂…s_n}；

S12、输入第i个面，计算该面的像素值g＝{g₁,g₂…g_m}；

S13、采用双边滤波方法对各面的几何拓扑数据s_i进行平滑处理并保护图像边缘，通过计算确定空间域值；

S14、采用全局阈值分割方法对面s_i的阈值进行迭代计算，根据图像直方图确定初始阈值x₀，设定终止参数ε，对像素进行逐一判断，分别计算高于初始阈值的平均像素m₁和低于初始阈值的平均像素m₂；

S15、计算当前图像阈值x＝(g_min+g_max)/2，该值用以进行初始阈值的调整优化；

S16、判断当前图像阈值x与初始阈值x₀的位置差值，若差值小于ε，则输出第i个面的二值图像，判断并识别该面上伪特征，剔除该面上伪特征的几何信息特征数据，优化该模型的数据；若差值大于ε，则将当前图像阈值x赋给初始阈值x₀，并执行步骤d；

S17、判断所有的面是否均被处理，若存在未被处理的面，则继续执行步骤d，若所有面均已处理，则输出所有的面及其优化后的数据信息，模型优化完成。

4.根据权利要求1所述的基于特征矩阵的毛坯模型复杂特征分层识别方法，其特征在于：步骤S2中由模型所包含的面单元之间的位置与邻接关系，建立零件的属性邻接图；通过步骤S1优化的零件毛坯模型查询所有的边、面的tag信息，进而得到每条边相关联的两个邻面，计算得到每条边的方向矢量及其邻面的法向矢量，通过矢量计算得出面的空间几何关系，判断边和邻面组成空间位置的凹凸性，进而完成特征的提取。