CN101403907B

CN101403907B - 散乱点云数据的五坐标nc刀轨快速生成方法

Info

Publication number: CN101403907B
Application number: CN2008101597442A
Authority: CN
Inventors: 孙殿柱; 崔传辉; 朱昌志; 刘健
Original assignee: Shandong University of Technology
Current assignee: Shandong University of Technology
Priority date: 2008-11-12
Filing date: 2008-11-12
Publication date: 2010-06-02
Anticipated expiration: 2028-11-12
Also published as: CN101403907A

Abstract

本发明提供一种散乱点云数据的五坐标NC刀轨快速生成方法，其特征在于首先建立散乱点云的空间聚类索引结构，然后基于该结构快速获取刀轨截平面数据点集，并根据截平面数据点局部微分几何性质确定该截平面数据点的法矢，以空间投影法计算该截平面数据点对应的刀位点，采用最小生成树算法对刀位点集排序生成刀轨，基于三角网格曲面模型对生成刀轨进行切削建模，检测刀轨生成精度，并基于检测结果修正刀轨生成参数，最终获取合乎精度要求的五坐标NC刀轨。实例证明该方法能快速高效获取散乱点云数据五坐标NC刀轨，并能准确检测所获取的刀轨精度，实现复杂曲面产品的快速仿行制造。

Description

散乱点云数据的五坐标NC刀轨快速生成方法

技术领域

本发明提供一种散乱点云数据的五坐标NC刀轨快速生成方法，属于计算机辅助制造技术领域。

背景技术

基于散乱点云数据直接生成刀轨不仅能够减少曲面重构或网格生成的繁琐过程，而且避免曲面拟合带来的误差积累问题，利于简化刀轨的求取过程，缩短新产品的开发周期、降低产品研发费用，但由于散乱点云数据量大、及缺乏对生成刀轨快速有效的检测机制，对其直接生成五坐标NC刀轨是制约现行逆向工程仿行制造的关键问题。

对现有技术文献检索发现，谢叻等在学术期刊《上海交通大学学报》2004，38(8)，P1378-1381上发表的学术论文“基于激光测量点云数据的五坐标加工刀轨生成”中，通过计算点云的法矢和曲率确定切削步长和行距，根据初始步长在截平面内选取一系列点向由截平面与点云零件表面定义的相交带投影，获取刀触点，结合点法矢计算刀位轨迹点，实现了五坐标加工刀轨的生成，但对大规模散乱点云加工刀路生成速度较慢的问题，未给出有效的解决方法；直接以投影直线的最近点为刀触点，所获刀触点不能真实反应刀轨截面信息，影响刀轨生成精度；对生成的刀位数据进行多次干涉检查及修正以保证刀位的正确性，影响刀轨生成效率；缺乏生成的刀轨的检测机制，生成刀轨后不能快速有效的对刀轨进行精度检测。

综上所述，现有技术存在的缺陷是：缺少有效合理的散乱点云数据索引结构，制约刀轨的生成效率；截面数据点求取不准确，刀位修正算法复杂、效率低；缺乏生成刀轨精度检测机制，不能快速检测刀轨的精度。

发明内容

本发明的目的在于提供一种能克服上述缺陷、数据精确、效率高的散乱点云数据的五坐标NC刀轨快速生成方法。其技术方案为：

其特征在于步骤依次为：1)基于R*-tree建立散乱点云数据的空间聚类索引结构，具体是将散乱点云数据的索引结点MBR表示为四维点对象(x，y，z，r)，其中x，y，z为MBR中心坐标，r为MBR外接球半径值，采用k-means算法对散乱点云数据进行聚类分簇，建立散乱点云数据的空间聚类索引结构，具体是：①任意选取k个结点MBR中心作为索引结点的初始分簇中心；②将每个非分簇中心索引结点选择距MBR中心最近的分簇进行插入，将分裂结果规范化为四维点对象；③对于同簇结点中的N个索引结点，其四维标准化坐标为p_i(x_i，y_i，z_i，r_i)，(i＝1，...，N)，将以r_i为权因子计算所得的结点重心作为新分簇中心，用新分簇中心代替原分簇中心；④将新分簇中心和上一次分簇中心进行比较，如果相同则结束分簇，否则查看分簇次数是否超过最大分簇次数，如果超过最大分簇次数，则结束，否则返回步骤②，继续分簇；2)深度优先遍历散乱点云数据空间聚类索引结构，获取刀轨截平面的邻域点集，具体是通过刀轨截平面与散乱数据点云空间索引结构各层结点的位置关系，逐层查找与刀轨截平面距离小于设定邻域阈值ε的各层索引结点，最终获取与刀轨截平面距离小于设定邻域阈值ε的刀轨截平面邻域点集；3)以配对方式对获取的邻域点集进行精简，连接配对点，对连线与刀轨截平面求交获取刀轨截平面数据点，具体是依据刀轨截平面邻域点集与截平面的位置关系，将刀轨平面邻域点集划分为：位于刀轨截平面法矢正向的正邻域点集、位于刀轨截面上的截面点集、位于刀轨平面法矢反向的负邻域点集；在正邻域点集内查找负邻域点集内逐点的最近点，删除未查找到的正邻域点，在负邻域点集内查找正邻域点集内各点的最近点，并与之连线；依次求解正负邻域内点连线与刀轨截平面的交点，并接受交点将其作为刀轨截平面数据点；4)基于刀轨截平面数据点处微分几何性质计算该刀轨截面数据点的法矢；5)根据刀轨截平面数据点及其法矢、空间投影获取该刀轨截平面数据点所对应的刀位点；6)采用最小生成树法对散乱刀位点集进行排序，获得有序刀位点集生成刀轨；7)基于三角网格曲面模型对生成刀轨进行切削建模，检测刀轨生成精度，并基于检测结果修正刀轨生成参数，最终获取合乎精度要求的五坐标NC刀轨。

为实现发明目的，所述的散乱点云数据的五坐标NC刀轨快速生成方法，在步骤5)中，以刀轨截平面当前数据点及该数据点局部微切平面法矢确定的轴线为刀轴，查询距离刀轴小于刀具半径的点集，采用空间投影法计算该数据点对应的刀位点。

为实现发明目的，所述的散乱点云数据的五坐标NC刀轨快速生成方法，在步骤7)中，以点表、面表的形式建立工件毛胚三角网格曲面模型，依据五坐标切削原理采用插补的方式更改点表中点的位置，实现三角网格曲面模型的“切削”，获取工件的三角网格曲面模型，计算原始散乱点云数据与工件三角网格曲面模型之间的偏差，检测生成刀轨的精度。

其工作原理为：该方法可准确快速获取刀轨截平面数据点，依据刀轨截平面数据点处的微分几何性质获取该数据点的法向矢量，用空间投影法获取该数据点对应的无干涉刀位点，将刀位点集经最小生成树排序后生成刀轨，基于散乱点云数据、依据五坐标切削原理对生成的刀轨进行切削验证，通过反复调整切削参数最终获取合理的刀轨文件。

本发明与现有技术相比，具有以下三个优点：

(1)依据配对的方式精简、获取刀轨截平面数据，所获取数据能较为真实的反应原始模型的截平面信息，可提高刀轨生成精度；

(2)利用空间投影法直接获取无干涉刀位点，避免了刀位干涉检查，提高刀轨生成效率；

(3)依据三角网格模型及五坐标切削原理建立切削模型，检测刀轨的精度，保证了刀轨的正确性。

附图说明

图1是本发明程序流程图；

图2是本发明所建立的散乱点云数据空间聚类索引结构整体结构示意图；

图3是本发明空间聚类索引结构索引结点规范化表示；

图4是本发明k-means算法分簇实现流程图；

图5～图9是本发明实施案例中人面点云模型的空间聚类索引结构各层索引结点MBR模型图；

图10是本发明数控加工刀轨计算流程图；

图11～图14是本发明刀轨截平面邻域点集获取过程示意图；

图15是本发明刀轨截平面数据点的获取示意图；

图16是本发明空间投影法示意图；

图17是本发明中最小生成树排序算法实现流程图；

图18是本发明对人面点云模型进行数控加工刀轨生成获取的刀轨图；

图19是本发明对人面点云模型进行数控加工刀轨生成获取刀位点及其法矢的局部放大图；

图20是本发明中刀轨精度检测流程图；

图21是本发明所建立的简单切削毛胚的三角网格模型；

图22是本发明五坐标切削单段刀轨插补程序流程图；

图23是本发明对单段刀轨的刀位点及其法矢的插补示意图；

图24是本发明的五坐标切削原理示意图；

图25是本发明对人面点云模型数控加工刀轨切削仿真后工件模型效果；

图26是本发明对人面点云模型生成刀轨的精度检测结果。

具体实施方式

下面结合附图对本发明作进一步说明。

采用C语言实现散乱点云数据的五坐标NC刀轨的生成，如图1所示，是本发明基于散乱点云数据快速生成五坐标NC刀轨程序的实现流程图。数据输入程序1负责读入散乱点云数据文件，并为其创建线性链表存储结构，以支持散乱点云数据线性顺序遍历。散乱点云数据空间聚类索引结构构建程序2采用嵌套的三维矩形对点云数据进行动态空间聚类划分，为数据输入程序1所生成的数据线性链表建立上层R*-tree空间聚类索引结构。散乱点云数据数控加工刀轨计算程序3通过深度优先遍历散乱点云数据的空间聚类索引结构，快速获取刀轨截平面邻域点集，配对精简后获取刀轨截平面点集，依据截面数据点处微分几何性质确定截面点的法矢，空间投影后获取刀位点，采用最小生成树对刀位点集排序生成刀轨。

如图2所示，是本发明散乱点云数据空间聚类索引结构构建程序2建立的散乱点云空间聚类索引结构整体结构示意图。散乱数据空间聚类索引结构的数据结构分为索引层和数据层，索引层由R*-tree内部结点、叶结点和数据结点构成；数据层为数据链表，其结点具有访问上级索引层的能力。索引层结点分为索引结点和数据结点，索引结点的子结点仍然是索引层结点，数据结点只有指向具体空间数据对象的指针。索引结点结构体中的type标识用于判断该结点是内部结点还是叶结点，type等于0表示该结点为内部结点，type等于1表示该结点为叶结点。内部结点的子结点仍然是索引结点，叶结点的子结点为数据结点，通过数据结点可以指向具体数据对象。对于散乱点云数据的存取，如图3所示将索引结点MBR统一表示为四维点对象(x，y，z，r)，其中x，y，z为MBR中心坐标，r为MBR外接球半径值。对于散乱点云数据空间聚类索引结构各层结点的子结点数的上限M和下限m，以及结点重新插入数目R的取值，均由用户根据散乱点云数据的规模自行设置，通常取m＝M×40％，且

R＝M×30％。采用k-means算法进行散乱点云数据的空间聚类分簇的实现流程如图4所示：将索引结点中心距离最远的一对结点MBR的中心作为初始分簇中心，将数据对象添加到距分簇中心最近的分簇中，更新各分簇中心，并与原来的分簇中心进行比较，若分簇中心相同或分簇次数超过最大分簇次数则结束分簇，否则继续分簇。

如图5～9所示，是本发明调用散乱点云数据空间聚类索引结构构建程序2对人面点云模型所建立的空间聚类索引结构各层结点MBR模型图。试验所用散乱点云数据数量为14325，所采用的索引参数m＝8、M＝20，重新插入结点数R＝6，散乱点云数据空间聚类索引结构构建时间约为0.215364秒。其中，图5显示了人面点云模型，图6显示了空间聚类索引结构根结点MBR，图7显示了第二层结点MBR，图8显示了叶结点MBR，图9显示了数据结点MBR。该实验表明，采用空间聚类索引结构可准确实现散乱点云数据的空间聚类划分。

如图10所示，是本发明数控加工刀轨计算程序3实现流程图。散乱点云数据数控加工刀轨计算程序3在散乱点云数据五坐标NC刀轨计算过程中，以当前读取的刀轨截平面为目标刀轨截平面，依次调用刀轨截平面邻域点集获取程序5、刀轨截平面数据点集获取程序6、刀轨截平面数据点法矢计算程序7、空间投影程序8及刀位点排序程序9，最后得到散乱点云数据五坐标NC刀轨。

刀轨截平面邻域点集获取程序5的实现过程：设刀轨截面的单位法矢为n，q为刀轨截面上任意点，索引结点的中心为c，索引结点的外接圆半径为r，定义公式d＝|q-c|·n-r为索引结点与刀轨截面距离，如图11～13依据d与截面邻域阈值ε的大小关系逐层查找与刀轨截面相交的各层索引结点，最终获取与刀轨截面距离小于ε的叶结点，遍历所获取叶结点内的数据点，如图14将与刀轨截面距离小于ε的数据点集作为该刀轨截面邻域点集。

刀轨截平面数据点集获取程序6的实现过程：如图15所示，依据刀轨截面邻域数据点与刀轨截面的位置关系，将其分为三部分：位于刀轨截面上的截面点；位于刀轨截面法矢方向侧的正邻域点；位于刀轨截面法矢方向反侧的负邻域点。在负邻域内依次查询正邻域数据点的近邻点，删除其他点；在正邻域内依次查询负邻域内点的近邻点并与之配对，删除正邻域内的其他点。由于边界点能够保持点云边界几何特性，故应该保留刀轨截面邻域点集中的边界点，并单独配对。除位于截面上的点外，在正负邻域配对点之间构造与刀轨截面相交的直线，求解直线与刀轨截面的交点获取截面数据点。

刀轨截平面数据点法矢计算程序7的实现过程：查询当前截面数据点的k近邻点集，与截面数据点一起建立微切平面，微切平面的法矢即为该截面数据点的法矢。

空间投影程序8的实现过程：以截面数据点及其法矢决定的轴线为刀轴，利用散乱点云数据的空间聚类索引结构快速获取相距刀轴小于刀具半径的点集，依次以截面数据点及点集中点为刀触点，如图16所示计算刀位点：将平刀、圆角刀、球刀统一为圆角刀处理，半径为R的圆角刀，圆角半径为r，刀轴Z的单位法矢为n，l为刀触点p到Z的距离，点p′为p在Z上的投影，则刀位点p_l由公式

得到，接受刀轴法矢上的最高刀位点为该驱动点处的刀位点。

刀位点排序程序9的实现流程如图17所示：设集合V为刀位点集的集合，集合U存放V的最小生成树的顶点，集合T存放V最小生成树的边，各点之间的距离作为各条边的权值，初始化集合U＝{u₁}(假设构造最小生成树时，从交点u₁出发)和集合T初值为空，从u∈U，v∈V-U的边(u，v)中，选取具有最小权值的边，将顶点v加入到集合U中，将边(u，v)加入到集合T中，判断U和V是否相等，若相等则最小生成树构造完毕，否则继续创建最小生成树。最小生成树所有边的顶点依次输出就是排序后的有序刀位点集。每行有序刀位点集经后置处理生成NC加工代码，可实现散乱点云数据的五坐标数控加工。

图18是精度为0.1mm时采用本文算法获取的五坐标加工刀位轨迹，刀轨生成时间为4.638714，图19是图18中加工刀位及其法矢的局部放大图。

如图20所示，是本发明刀轨精度检测程序4实现流程图。刀轨精度检测程序以三角网格模型为切削模型，调用程序10依据具体精度要求建立毛胚的三角网格模型，并储存为点表、面表的形式；调用空间聚类索引结构构建程序2为点表建立空间聚类索引结构；调用五坐标模拟切削程序11更改点表中点的位置，结合程序10中的边表和面表得到切削仿真后的工件模型；调用点到工件三角网格模型距离的计算程序12计算点云到工件模型之间的偏差，调用数据显示程序13显示精度检测结果。

毛胚三角网格模型读入或生成程序10的实现过程：五坐标切削中网格模型的底面不在加工范围之内，可不予生成，对于复杂毛胚可由其它图形软件生成，简单的方形毛胚和半球形毛胚可输入参数由程序自动生成，如图21为指定长、宽、高及曲面精度后生成的方形三角网格毛胚模型。

五坐标模拟切削程序11的流程如图22所示：以单段刀轨为处理对象，在刀轨段的两端之间依据精度要求对刀位点及其法矢进行插补，单段轨迹插补效果如图23所示，以插补所得的刀位点及其法矢作为刀具瞬时位置姿态，查询刀具所包含的三角网格模型中的网格顶点，更改顶点坐标至顶点在刀具底端的投影处，如图24所示为球刀在其瞬时位置姿态下对定点的切削模拟效果。

点到工件三角网格模型距离的计算程序12的实现过程：以原始点云中的点为目标点查询与其近邻的三角面片，计算点到其近邻三角面片的距离，取最小值为该点到三角网格曲面的距离。

数据显示程序13的实现过程：借助于VTK显示及原始点云到三角网格曲面切削模型偏差的颜色显示，图25是刀轨生成精度为0.01时三角网格曲面切削模型的显示效果，图26是点云到三角网格曲面切削模型偏差的颜色显示效果。

Claims

1.一种散乱点云数据的五坐标NC刀轨快速生成方法，其特征在于步骤依次为：1)基于R*-tree建立散乱点云数据的空间聚类索引结构，具体是将散乱点云数据的索引结点MBR表示为四维点对象(x，y，z，r)，其中x，y，z为MBR中心坐标，r为MBR外接球半径值，采用k-means算法对散乱点云数据进行聚类分簇，建立散乱点云数据的空间聚类索引结构，具体是：①任意选取k个结点MBR中心作为索引结点的初始分簇中心；②将每个非分簇中心索引结点选择距MBR中心最近的分簇进行插入，将分裂结果规范化为四维点对象；③对于同簇结点中的N个索引结点，其四维标准化坐标为p_i(x_i，y_i，z_i，r_i)，(i＝1，...，N)，将以r_i为权因子计算所得的结点重心作为新分簇中心，用新分簇中心代替原分簇中心；④将新分簇中心和上一次分簇中心进行比较，如果相同则结束分簇，否则查看分簇次数是否超过最大分簇次数，如果超过最大分簇次数，则结束，否则返回步骤②，继续分簇；2)深度优先遍历散乱点云数据空间聚类索引结构，获取刀轨截平面的邻域点集，具体是通过刀轨截平面与散乱数据点云空间索引结构各层结点的位置关系，逐层查找与刀轨截平面距离小于设定邻域阈值ε的各层索引结点，最终获取与刀轨截平面距离小于设定邻域阈值ε的刀轨截平面邻域点集；3)以配对方式对获取的邻域点集进行精简，连接配对点，对连线与刀轨截平面求交获取刀轨截平面数据点，具体是依据刀轨截平面邻域点集与截平面的位置关系，将刀轨平面邻域点集划分为：位于刀轨截平面法矢正向的正邻域点集、位于刀轨截面上的截面点集、位于刀轨平面法矢反向的负邻域点集；在正邻域点集内查找负邻域点集内逐点的最近点，删除未查找到的正邻域点，在负邻域点集内查找正邻域点集内各点的最近点，并与之连线；依次求解正负邻域内点连线与刀轨截平面的交点，并接受交点将其作为刀轨截平面数据点；4)基于刀轨截平面数据点处微分几何性质计算该刀轨截面数据点的法矢；5)根据刀轨截平面数据点及其法矢、空间投影获取该刀轨截平面数据点所对应的刀位点；6)采用最小生成树法对散乱刀位点集进行排序，获得有序刀位点集生成刀轨；7)基于三角网格曲面模型对生成刀轨进行切削建模，检测刀轨生成精度，并基于检测结果修正刀轨生成参数，最终获取合乎精度要求的五坐标NC刀轨。

2.如权利要求1所述的散乱点云数据的五坐标NC刀轨快速生成方法，其特征在于：步骤5)中，以刀轨截平面当前数据点及该数据点局部微切平面法矢确定的轴线为刀轴，查询距离刀轴小于刀具半径的点集，采用空间投影法计算该数据点对应的刀位点。

3.如权利要求1所述的散乱点云数据的五坐标NC刀轨快速生成方法，其特征在于：步骤7)中，以点表、面表的形式建立工件毛胚三角网格曲面模型，依据五坐标切削原理采用插补的方式更改点表中点的位置，实现三角网格曲面模型的“切削”，获取工件的三角网格曲面模型，计算原始散乱点云数据与工件三角网格曲面模型之间的偏差，检测生成刀轨的精度。