[发明专利]一种复杂机匣腔体点云分割方法、装置及设备

说明书

本发明公开了一种复杂机匣腔体点云分割方法、装置及设备，属于点云数据分割领域。本发明首先基于常规的CAD模型的区域搜索分割方法，得到初始腔体分割点云集合Csubgt;1/subgt;；然后，删除集合Csubgt;1/subgt;中的重复坐标点，并考虑机匣腔体特性采取聚类去噪的方法，得到稀疏腔体点云分割集合Csubgt;2/subgt;；进一步对集合Csubgt;2/subgt;进行边缘轮廓估计与扩展，得到边界扩展点云集合Bsubgt;2/subgt;；最终，根据集合Bsubgt;2/subgt;将集合Csubgt;2/subgt;分割为内部点和边界带点两部分，并对内部点进行半径邻域搜索与扩充，有效增加了复杂机匣腔体分割的数据量。如此，本发明在常规的CAD模型的区域搜索分割方法的基础上，引入分割腔体点云边界估计与边界扩展以及机匣腔体点云分割数据量扩充，使得最终获得的腔体分割数据多、分割效果好。

技术领域

本发明属于点云数据分割领域，更具体地，涉及一种复杂机匣腔体点云分割方法、装置及设备。

背景技术

点云分割是从一副完整的点云数据中分割出某一指定的区域，这个区域可以是某一场景点云中指定物体的形貌点云，也可以是某一物体点云中指定的特征面。通过运用点云分割算法，能够便捷的提取出所需要的部分进行分析，从而得出正确的结果。特别是在航空航天领域，诸如复杂机匣这类有着多个深腔特征的曲面零件，只有单独分割出每个腔体的数据进行分析才能获取到正确的加工余量。

针对点云数据分割，主流的方法有随机采样一致性(RANSAC)分割算法、欧式聚类分割算法以及基于CAD模型的区域搜索分割算法。其中随机采样一致性(RANSAC)分割算法，需要已知要进行分割特征的数学方程，并通过不断迭代查找符合这个数学方程的最佳系数，从而实现分割。因此，该方法只适用于分割一些规则的特征，如平面、圆柱面等等。欧式聚类分割算法则是以相邻点之间的欧式距离为标准进行聚类，完成后可得到多个聚类集合，从而实现分割。该方法要求被分割区域与整体之间有着明显的隔断，不适用于连通区域的分割。而基于CAD模型的区域搜索分割算法，首先将CAD模型与物体点云进行配准，对于要分割的特征面将其离散成点，后续对于每个离散点在物体完整点云中进行对应点近邻搜索并将搜索点加入到分割集合中，从而完成分割。该方法由于有CAD模型进行支撑因此可以分割任意类型的特征面，然而该方法由于在对应点搜索过程中，会搜索到大量的重复点加入到分割集合中，因此存在分割数据稀疏、分割效果差的缺点。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种复杂机匣腔体点云分割方法、装置及设备，方法主要包括CAD离散点云与对应点近邻搜索、分割腔体点云重复点删除与欧式聚类去噪、分割腔体点云边界估计与边界扩展以及机匣腔体点云分割数据量扩充，旨在解决采用基于CAD模型的区域搜索分割算法存在的分割数据少、分割效果差的问题。

为实现上述目的，第一方面，本发明提供了一种复杂机匣腔体点云分割方法，包括：

S1，将待分割腔体对应的CAD曲面离散采样成N个点，以机匣整体点云集合W为搜索空间，以离散的N个点为种子点进行对应点近邻搜索得到初始腔体分割点云集合C₁；

S2，删除集合C₁中的重复坐标点，并对剩余点进行聚类得到多个聚类集合；选取聚类点数最多的前M个聚类集合，作为稀疏腔体点云分割集合C₂；

S3，对集合C₂进行边界估计得到待分割腔体的边界点集合B₁；以集合C₂为搜索空间，以集合B₁中每个点为种子点进行半径邻域搜索，将搜索到的点和种子点一同合并为边界扩展点云集合B₂；

S4，以集合W为搜索空间，迭代遍历集合C₂中的每一个点，若该点位于集合B₂中则直接将其加入到最终腔体分割点云集合F中；否则，对该点进行半径邻域搜索，并将该点以及搜索到的邻域点全部加入到集合F中。