[发明专利]一种基于IGES模型引导的点云曲面分割方法

说明书

本发明公开一种基于IGES模型引导的点云曲面分割方法，步骤包括：1)获取待检测工件的标准IGES模型；2)对待检测工件进行CT扫描，建立出测量STL模型；3)将所述标准IGES模型离散化，得到离散STL模型；4)对测量STL模型和离散STL模型进行点云配准；5)判断测量STL模型中的点与标准IGES模型中曲面的归属关系；6)以测量STL模型中的点与标准IGES模型中曲面的归属关系为基准，完成测量STL模型的曲面分割。本发明的点云曲面分割方法针对单一物体点云，对点云中任意曲面进行分割，且整个分割过程不需要进行经验参数的设定。其分割原理简单、稳定性好、不受点云空间关系和点云密度的限制，同时分割精度高，缺点和遗漏点少。

技术领域

本发明涉及大数据领域，具体是一种基于IGES模型引导的点云曲面分割方法。

背景技术

目前，针对点云分割的算法主要有以下几种：1)基于边缘信息；2)基于区域生长；3)基于聚类的点云分割；4)随机采样一致性；

以上方法存在的问题：方法1分割的效果在很大程度上取决于边缘探测器。无法保证分割的准确性和一致性。方法2对种子初选位置要求很高，并且区域增长过程容易受到噪声点的影响，分割的结果也随种子选取的不同而不同。方法3虽然参数设置灵活、抗干扰能力强，但其收敛速度慢效率较低。方法4能够抑制噪声点的影响，相较于方法3其计算效率也较高，但对于具有较多噪声点的点云数据，每次随机选取的初始样本子集会影响或无法找到足够的点支撑样本子集从而忽略子集。

同时，传统的点云分割算法针对的是多物体存在的点云空间，对不同物体的点云进行语义分割，或是对某一点云场景中所有具有相同几何特征的点云簇进行分离，而对于机械零件的点云模型，具有相同几何特征的点云簇，如两个平面点云簇，在机械中具有不同的语义特征，因此将这些方法应用于对点云模型中任意曲面的划分效果并不理想。有些学者也针对单一物体点云的各个曲面进行分割，但他们往往只能分割零件的规则曲面，而对于裁剪后的非规则曲面无法进行分割。

发明内容

本发明的目的是提供一种基于IGES模型引导的点云曲面分割方法，包括以下步骤。

1)获取待检测工件的标准IGES模型。

2)对待检测工件进行CT扫描，建立出测量STL模型。

3)将所述标准IGES模型离散化，得到离散STL模型。

将所述标准IGES模型离散化的方法为Loop细分法。

4)对测量STL模型和离散STL模型进行点云配准。

对测量STL模型和离散STL模型进行点云配准的步骤包括。

4.1)利用最小包围盒方法对测量STL模型和离散STL模型进行粗配准。

4.2)利用迭代最近点方法对测量STL模型和离散STL模型进行精配准，得到旋转平移矩阵。

4.3)基于旋转平移矩阵对测量STL模型进行旋转、平移，完成测量STL模型和离散STL模型的配准。

5)判断测量STL模型中的点与标准IGES模型中曲面的归属关系。

判断测量STL模型中的点与标准IGES模型中曲面的归属关系的步骤包括。