CN102798364A - 反求工程中异常测量数据点的剔除方法 - Google Patents

Abstract

本发明公开了一种反求工程中异常点数据的剔除方法，在曲线检查法中，利用圆心距偏差平滑测量数据获取失真点，并将获取的失真点剔除，本发明很好地解决了因各种因素而导致的数据失真的问题，通过本发明提出的异常点数据的剔除策略，可以提高测量数据的精度，获取更为完整的真实模型的正确测量数据，对后续的模型重建工作起到了重要作用。

Description

反求工程中异常测量数据点的剔除方法

技术领域

本发明属于反求工程领域，具体涉及曲面测量数据预处理技术中的一种三坐标异常测量数据点的剔除方法。

技术背景

在反求工程中，复杂曲面经过三坐标测量机等测量系统数字化测量后，大量的离散点云将输入三维造型软件或专用的反求造型软件进行三维模型的重建。但是在数据测量中存在一些问题，如在测量过程中由于受到人为、各种环境参数以及随机因素的影响，会引入噪声点以及测量误差数据等，而获取的这些数据这对后续的重建会产生较大的影响，如重构模型与原始产品模型在功能、结构、美学等方面会产生一定的差异，而这些差异会使得所生产的产品不能满足生产厂家的要求，造成材料和劳动力的浪费，达不到预期的社会经济效益。

在用三坐标测量机对复杂曲面进行检测时，无论选择哪种测量模式，在实际的测量过程中都会受到人为或随机因素的影响，都不可避免会引入不合理的噪音点。为了降低或消除其对后续重构的影响，有必要对测量“点云”进行异常点剔除。

截面线点云通常是根据被测对象的几何形状，锁定一个坐标轴进行数据扫描得到的，它是一个平面数据点集。由于数据量大，测量时不可能对数据点重复测量，这就容易产生测量误差。在曲面造型中，数据中的“跳点”和“坏点”对曲线的光顺性影响较大。“跳点”“坏点”也称失真点，通常由于测量设备的标定参数发生改变和测量环境突然变化造成；对人工手动测量，还会由于操作误差，如探头接触部位错误，使数据失真。因此测量数据的预处理首先是从数据点集中找出可能存在的失真点。

发明内容

为了获取数据失真点并将获取的失真数据剔除掉，为后续的模型重构提供真实的数据，本发明提供了一种三坐标异常数据点的剔除方法。

本发明提出的剔除方法是一种利用圆心距偏差平滑测量数据，找出坏点，对坏点进行修正，使之更接近于理想位置。

利用圆心距偏差平滑测量数据的方法操作步骤如下：

假定采集到的数据点列中最前2个点和最后2个点是准确的，从点列中第3个点开始判断是否为坏点，被判断点称为当前点；利用当前点的前后各2个点的位置对其进行坏点判断，根据当前点前2个点与后1个点所确定的圆与后2个点和前1个点所确定圆在相交部分进行坏点位置的修改。

按照先稀疏取点，再按需设定弦高阈值，自适应于曲率增加数据点，使采样点自动与曲线形状或曲率的变化相适应，优化数据点的分布，减少冗余采样数据点。

本发明很好地解决了因各种因素而导致的数据失真的问题，通过本发明提出的异常点数据的剔除策略，可以提高数据的精确度，获取更为完整的真实模型的正确测量数据，对后续的模型重建工作提供了方便。

附图说明

图1 圆心距偏差平滑测量数据流程图；

图2 异常点修正示意图；

图3 一段抛物线上的点列；

图4 汽车曲面点云。

具体实施方式

下面结合附图、工作原理，对本发明作进一步的详细说明。

利用圆心距偏差平滑测量数据算法：

设{p _i  | i=1, 2, 3, …, n}为测量点序列，假设序列中的前2个点和最后2个点坐标准确。需从点列中第3个点开始判断是否为异常点，被判断点称为当前点。利用当前点的前后各2个点的位置对其进行异常点判断，根据当前点前2个点与后1个点所确定的圆与后2个点和前1个点所确定圆在相交部分进行坏点位置的修改。

如附图1所示，测量点中异常点的判断及修正算法如下：

步骤一：  i= 3；

步骤二：  P_i为当前点，点P_i-2，P_i-1，P_i+1确定圆_I,1，其圆心为O_i1，计算D_i1 = | P_i O_il |；点P_i-1，P_i+l，P_i+2所确定圆_I,2，其圆心为O_i2，计算D_i2 =︱P_iO_i2︳，令D_i = ( D_i1+D_i2 )／2；

步骤三：  根据精度要求，给定阈值e，判断D_i-2，D_i-1，D_i，是否都超出阈值范围(一个异常点会影响连续5个D值。这5个D值偏离稳定值呈峰状分布，异常点所对应的D值最大，两边逐渐减小，两端2个较为接近稳定值)，若是，转步骤四；否则当前点后延一点，若当前点到达P_n-2，则对整个点列的处理完毕，反之返回步骤二；

步骤四：  判定P_i-1点为异常点。判断某个点是否为异常点的准则是在D_i值列中存在连续3个值大于给定的阈值，在这3个值中中间那个D值对应的P_i点被认为是异常点；

步骤五：  作直线x=P_i-1,x （通过异常点的铅垂线），求其与圆O_i-1,₁的交点m,n,与圆_i-1,2的交点f,g，以及与P_i-2与P_i连线的交点h；

步骤六：  分别找出m,n与f,g中距离h较近点，并将其连线的中点作为异常点的修正位置，将当前点前移两位转步骤二。

应用具体点例进一步说明算法原理。

如附图2所示，{A₁,A₂,…,A₇}为已有的测量点列。A₄为当前点，通过A₂，A₃，A₅确定圆1，其半径为r₁，圆心为O₁；通过A₃，A₅，A₆确定圆2，其半径为r₂，圆心为O₂；计算A₄到O₁，O₂的距离d₁，d₂；令D=(︱r_l- d_l︱+︱r₂ - d₂︱)／2。

在本发明上述所述步骤中，如果A₃，A₄以及A₅对应的D值都大于给定的阈值e，则认为A₄为异常点。进行异常点修正时，保持异常点的水平坐标不变，只修正其垂直坐标。具体操作过程如下：

做通过当前异常点的铅垂线?，与两圆分别交于两点（图示中各显示一点，另两点未显示），找出与每个圆上的两点距离A₈（线段A₃，A₅与?的交点）较近的点A₉和A￠₉，取A￠₄为线段A₉ A￠₉的中点，该点即为异常点A₄的修正位置。

本发明附图2中过点列{A₁，A₂，?，A₇}所示为未修正时通过点列的曲线走向，过点列{A₁，A₂，A₃，A￠₄，A₅，A₆，A₇)所示为经过修正后通过修正点列的曲线走向，从中可以明显看出曲线较修正前平缓了。

算法举例：

实施例1，本发明在一段抛物线上取点列如附图3中的附图a（图中圆点所示），附图中“+”所示为点列对应的一系列圆心位置。给数据点列加随机噪声后的结果见附图3中的附图b，从图中可看到加入随机噪声后，圆心位置的变化较为明显。运用本文算法对位置进行修正，附图中圆点所示为数据点位置，“*”所示的位置为经过本文算法后，对异常点的修正位置。反复运用本发明提出的算法，并根据需要逐步缩小阈值，以此达到较为理想的位置修正。附图3中的附图c所示为经过应用本发明算法后的数据点，从附图中可以看到，各个圆心的位置都已较为接近原始数据中的位置。

实施例2，附图4中a图为三坐标测量系统扫描的汽车曲面部分点云，点云中由于包含异常点（噪声点）使轮廓边界不清晰，附图4中b图为采用本发明算法采集的汽车曲面点云，可以看到大部分异常点已被剔除，轮廓比较清晰。

本发明以上所述，仅作为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的工作人员在本发明所揭露的技术范围内，都应涵盖在本发明的包含范围内。

Claims (3)

1.一种基于三坐标异常点数据的剔除方法，其特征在于：利用圆心距偏差平滑测量数据，找出坏点，对坏点进行修正，使之更接近于理想位置。

2.如权利要求1所述的基于三坐标异常点数据的剔除方法，其特征在于所述圆心距偏差平滑测量数据的方法如下：假定采集到的数据点列中最前2个点和最后2个点是准确的，从点列中第3个点开始判断是否为坏点，被判断点称为当前点，利用当前点的前后各2个点的位置对其进行坏点判断，根据当前点前2个点与后1个点所确定的圆与后2个点和前1个点所确定圆在相交部分进行坏点位置的修改。

3.如权利要求1所述的基于三坐标异常点数据的剔除方法，其特征在于按照先稀疏取点，再按需设定弦高阈值，自适应于曲率增加数据点，使采样点自动与曲线形状或曲率的变化相适应，优化数据点的分布，减少冗余采样数据点。

Images