[发明专利]可有效保留边界和局部特征的复杂曲面零件点云精简方法

摘要

本发明属于精密加工与测量技术领域，并公开了一种可有效保留边界和局部特征的复杂曲面零件点云精简方法，包括对复杂曲面零件生成扫描点云；针对点云中的各个点获得多个邻域点并计算得出法线向量；继续以各个点为球心找出最短半径范围内的m个点，然后求出点云中各个点的法线向量与这m个点的法线向量之间夹角的平均值；基于夹角平均值来设定阈值，然后执行特征粗分类；进行二次细分以完成第一个精简子集的选取，然后基于定向Hausdorff距离来完成第二个精简子集的选取；最后对两个精简子集进行合并，由此获得精简后的扫描点云。通过本发明，与现有技术相比可获得更高的精度和效率，而且能够有效保留点云模型的边界和局部特征。

主权项

一种可有效保留边界和局部特征的复杂曲面零件点云精简方法，其特征在于，该方法包括下列步骤：(a)对复杂曲面零件执行扫描，获得多个三维测量点并生成对应的待精简的扫描点云P，其中P＝{pi|i＝1,2,…,np},pi用于表示扫描点云P中的各个点且以同一坐标系中的x,y,z坐标值来表示，np表示扫描点云P中的点的总数量；(b)针对扫描点云P中的各个点pi，各自采样获得其多个邻域点pik并生成对应的邻域点集合{pi1,pi2,…,pik}，其中k表示邻域点的总数量，然后计算得出反映扫描点云P中各个点pi的局部特征的法线向量V(pi)；(c)分别以各个点pi为球心，找出距离该点最短半径范围内的m个点，然后求出点pi的所述法线向量V(pi)与这m个点所对应的法线向量V(pj)之间的夹角θij，并对该夹角取绝对值得出夹角平均值且该平均值σpi∈[0,π]；(d)针对所述夹角平均值分别预设下限阈值T1和上限阈值T2，然后依照下列公式(一)对点云执行特征粗分类，由此获得三类粗分类子集即非特征点集Z1、过渡点集Z2、特征点集Z3：(e)采用聚类法分别对三个粗分类子集分配不同的聚类中心数量值K1，K2，K3来进行二次细分，并保留其聚类中心坐标，由此完成第一个精简子集Pf的选取；(f)从扫描点云P中选择一个初始点，依次计算该初始点与其他各点之间的定向Hausdorff距离，并保留满足位置关系的点，至此完成第二个精简子集Pb的选取；(g)对通过步骤(e)所选取的第一个精简子集Pf和通过步骤(f)所选取的第二个精简子集Pb进行合并，同时删除重复点，由此获得所需的精简后的扫描点云。