CN109191583B - 一种基于各向异性mls曲面精确对齐方法 - Google Patents
一种基于各向异性mls曲面精确对齐方法 Download PDFInfo
- Publication number
- CN109191583B CN109191583B CN201810908329.6A CN201810908329A CN109191583B CN 109191583 B CN109191583 B CN 109191583B CN 201810908329 A CN201810908329 A CN 201810908329A CN 109191583 B CN109191583 B CN 109191583B
- Authority
- CN
- China
- Prior art keywords
- point
- curved surface
- calculating
- points
- point cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000013598 vector Substances 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000009466 transformation Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 239000004973 liquid crystal related substance Substances 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000009616 inductively coupled plasma Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种基于各向异性MLS曲面精确对齐方法,利用点云中某一点的k邻域点构造局部各向异性最小二乘曲面函数及截平面;计算截曲线方程,进而得到在曲线曲率半径;根据曲率半径计算密切圆中心,通过对点到曲面正交投影点的计算,实现点云的精确对齐,通过将点云Q1投影到由Q2构建的曲面上得到投影点云Q′1,计算Q′1与Q1之间对应点之间的均方误差,当误差小于阈值时,即认为点云Q1对到了Q2上。本发明提供的一种基于各向异性曲面精确对齐方法,使用两个主曲率作为高斯核函数的参数,使得利用自适应最小二乘曲面拟合点云在平坦区域更加光滑,使细节突出;通过点到曲面的正交投影方法提高了对齐的精确度,提高了效率。
Description
技术领域
本发明应用于反求工程中零件表面点云测量与对齐,更具体的,涉及一种基于各向异性MLS曲面精确对齐方法。
背景技术
三维数据测量现已广泛应用于复杂型面零件的加工质量检测、运行状态监测及快速检修过程中,以及时进行外形评价并做出决策,避免产生大量加工废品或运行安全事故。为此,工程中常通过反求工程方法,利用激光扫描仪或三坐标测量机等对工件外形进行测量,并对测量数据进行对齐与曲面重建,通过与工件CAD模型的比较分析以评价其加工质量或规划修复区域加工工艺。由于受测量工件外形轮廓尺寸及传感器测量范围限制,单一视角很难获取工件外形完整测量数据,往往需要多个视角甚至多个传感器测量才可获取完整测量数据。因此,复杂工件外形多视、多传感器测量现已成为完整测量数据获取的常用方法。由于多视、多传感器测量数据位于各个局部坐标系下,为实现测量工件外形轮廓分析与加工质量评价,需将定义在各个局部坐标系下的测量数据统一到全局坐标系下,才可建立与测量工件外形一致的数学描述。
为此,需计算不同视角测量数据间的刚性变换以实现测量数据对齐,进而实现测量数据的合并与统一。现有方法中以迭代最近点(ICP)最为常用,通过对不动测量点云的曲面逼近并作为对齐目标,给定较为合理的对齐初值,计算测量数据在该曲面上的映射以构成对应点对,通过优化对应点对的距离实现测量数据到逼近曲面的对齐,但需通过交互方式指定对齐初值,且对应点对往往易受曲面逼近误差、测量分辨率及噪声等影响,形成较大的对齐误差,此对齐误差可在后续数据平滑、分割及曲面重建等反求数据处理流程中被传播放大,并最终影响整体外形准确评价。
因此,需研究新的测量数据光滑曲面估计以及基于此曲面的ICP精确对齐方法,以准确重建反映工件局部形状特征的曲面并自动给出合理对齐初值,在此基础上通过ICP可得到精确的对齐结果,避免对齐偏差在后续测量数据处理流程中被传播放大。为从含噪声测量数据建立光滑的曲面估计,Levin等提出基于投影定义的移动最小二乘曲面(MovingLeast-Squares Surface,简称MLS曲面)逼近方法,此方法不仅能表示任意拓扑形状曲面,而且具有良好的几何性质如连续性等,现已被用于测量外形建模及再设计过程,因此可将该曲面应用于测量数据ICP算法对齐。
但传统的MIS曲面采用单一固定半径高斯核函数定义方法,获得的拟合曲面在平坦区域振荡,在高曲率区域欠逼近,不能突出细节,且无法准确反映测量工件上任意点处沿不同方向形状变化较大的特征,使逼近的MLS曲面存在一定的固有逼近误差,并最终影响测数据到MLS曲面的对齐精度。
发明内容
本发明为克服现有的MIS曲面对齐方法存在无法突出细节、无法准确反映测量工件上任意点处沿不同方向形状变化较大的特征的技术缺陷,提供一种基于各向异性MLS曲面精确对齐方法。
为解决上述技术问题,本发明的技术方案如下:
一种基于各向异性MLS曲面精确对齐方法,包括以下步骤:
S1:构造自由曲面,在自由曲面上采集点云Q1并计算该曲面的点云主曲率,得到移动最小二乘曲面方程S(x);
S2:在自由曲面上第二次采集点云,得到Q2;
S3:在Q2中选定点q,在Q1中找到点q的最近点xi及法矢nxi,构建截平面PL,根据点q和xi的k邻近点及其法矢nxi构建移动最小二乘曲面S(x);
S4:根据截平面PL和移动最小二乘曲面S(x)计算截曲线方程,进一步得到xi在曲线c(xi)处的曲率半径;
S5:根据曲率半径计算密切圆中心ci,判断ci-q与nxi是否重合;若是,则执行步骤S7;若否,则执行步骤S6;
S6:计算ci-q与S(x)的交点x',令xi=x',执行步骤S3;
S7:点q在S(x)上的投影点即为xi;判断点q是否为Q2中最后一个点;若是,则执行步骤S8;若否,则执行步骤S3;
S8:计算Q2与投影点集{xi}之间的平移和旋转变换矩阵,调整Q2的位置使Q2向投影点集{xi}变换得到Q'2;
S9:计算Q'2与投影点集{xi}之间的均方误差E,判断E、10-4的大小;若E<10-4,则结束;若E≥10-4,则令Q2=Q'2,执行步骤3。
其中,所述步骤S1包括以下步骤:
S11:构造自由曲面,在曲面上采集点云得到Q1并计算Q1中每个点的法矢;
S12:根据得到的法矢,在Q1中选定一个点p,在其k邻域内计算质心,并由质心计算协方差矩阵;
S13:根据得到的协方差矩阵,计算其特征值和特征向量;
S14:比较得到最大和次大特征值及其对应的特征向量,通过计算得到主曲率;
S15:根据得到的主曲率构造各向异性高斯核函数,得到权函数;
S16:根据权函数构造局部加权法矢,由加权法矢得到移动最小二乘曲面方程S(x)。
其中,所述步骤S12包括以下步骤:
S121:对于点云Q1中的点p,利用KD-Tree算法获取到点p的k邻域,以点p为中心,以R为半径创建球域,设球域坐标系为(β,α,γ),球域内的点pj可表示为:
其中,α∈[0,2π],u∈[-1,1],r∈[0,R],在整个球域内生成nb个均匀分布点;
S124:根据得到的区域A的体积,计算质心b和协方差矩阵J(A),其计算公式为:
其中,所述步骤S15构造各向异性高斯核函数的公式具体为:
其中,θ(||x-pi||)为权函数。
其中,所述步骤S16构造局部加权法矢,其计算公式为:
其中,n(x)表示每一个点的法矢,则移动最小二乘曲面S(x)为:
其中,所述步骤S4中,xi在曲线c(xi)处的曲率半径计算公式具体为:
其中,▽S(x)为曲面在xi处的梯度;▽F(x)为截平面PL梯度向量,具体为:
▽F(x)=(q-x)*n(x)。
上述方案中,通过对点到MLS曲面正交投影点的计算,实现点云的精确对齐,通过将点云Q1投影到由Q2构建的MLS曲面上得到投影点云Q1',计算Q1'与Q1之间对应点之间的均方误差,当误差小于阈值时,即认为点云Q1对到了Q2上。
与现有技术相比,本发明技术方案的有益效果是:
本发明提供的一种基于各向异性MLS曲面精确对齐方法,使用两个主曲率作为高斯核函数的参数,使得利用自适应最小二乘曲面拟合点云在平坦区域更加光滑,使细节突出;通过点到MLS曲面的正交投影方法提高了对齐的精确度,提高了效率。
附图说明
图1为计算截曲线的示意图。
图2为计算点xi处密切圆的示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1、2所示,一种基于各向异性MLS曲面精确对齐方法,包括以下步骤:
S1:构造自由曲面,在自由曲面上采集点云Q1并计算该曲面的点云主曲率,得到移动最小二乘曲面方程S(x);
S2:在自由曲面上第二次采集点云,得到Q2;
S4:根据截平面PL和移动最小二乘曲面S(x)计算截曲线方程,进一步得到xi在曲线c(xi)处的曲率半径;
S6:计算ci-q与S(x)的交点x',令xi=x',执行步骤S3;
S7:点q在S(x)上的投影点即为xi;判断点q是否为Q2中最后一个点;若是,则执行步骤S8;若否,则执行步骤S3;
S8:计算Q2与投影点集{xi}之间的平移和旋转变换矩阵,调整Q2的位置使Q2向投影点集{xi}变换得到Q'2;
S9:计算Q'2与投影点集{xi}之间的均方误差E,判断E、10-4的大小;若E<10-4,则结束;若E≥10-4,则令Q2=Q'2,执行步骤3。
更具体的,所述步骤S1包括以下步骤:
S11:构造自由曲面,在曲面上采集点云得到Q1并计算Q1中每个点的法矢;
S12:根据得到的法矢,在Q1中选定一个点p,在其k邻域内计算质心,并由质心计算协方差矩阵;
S13:根据得到的协方差矩阵,计算其特征值和特征向量;
S14:比较得到最大和次大特征值及其对应的特征向量,通过计算得到主曲率;
S15:根据得到的主曲率构造各向异性高斯核函数,得到权函数;
S16:根据权函数构造局部加权法矢,由加权法矢得到移动最小二乘曲面方程S(x)。
更具体的,所述步骤S12包括以下步骤:
S121:对于点云Q1中的点p,利用KD-Tree算法获取到点p的k邻域,以点p为中心,以R为半径创建球域,设球域坐标系为(β,α,γ),球域内的点pj可表示为:
其中,α∈[0,2π],u∈[-1,1],r∈[0,R],在整个球域内生成nb个均匀分布点;
S124:根据得到的区域A的体积,计算质心b和协方差矩阵J(A),其计算公式为:
更具体的,所述步骤S15构造各向异性高斯核函数的公式具体为:
其中,θ(||x-pi||)为权函数。
更具体的,所述步骤S16构造局部加权法矢,其计算公式为:
其中,n(x)表示每一个点的法矢,则局部各向异性最小二乘曲面函数S(x)为:
更具体的,在所述步骤S3中,根据点q、点q的最近点xi及法矢nxi,得到截平面PL的方程为:
更具体的,所述步骤S4中,xi在曲线c(xi)处的曲率半径计算公式具体为:
其中,▽S(x)为曲面在xi处的梯度;▽F(x)为截平面PL梯度向量,具体为:
▽F(x)=(q-x)*n(x)。
在具体实施过程中,通过对点到MLS曲面正交投影点的计算,实现点云的精确对齐,通过将点云Q1投影到由Q2构建的MLS曲面上得到投影点云Q1',计算Q1'与Q1之间对应点之间的均方误差,当误差小于阈值时,即认为点云Q1对到了Q2上。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种基于各向异性MLS曲面精确对齐方法,其特征在于,包括以下步骤:
S1:构造自由曲面,在自由曲面上采集点云Q1并计算该曲面的点云主曲率,得到移动最小二乘曲面方程S(x);
S2:在自由曲面上第二次采集点云,得到Q2;
S4:根据截平面PL和移动最小二乘曲面S(x)计算截曲线方程,进一步得到xi在曲线c(xi)处的曲率半径;
S6:计算ci-q与S(x)的交点x',令xi=x',执行步骤S3;
S7:点q在S(x)上的投影点即为xi;判断点q是否为Q2中最后一个点;若是,则执行步骤S8;若否,则执行步骤S3;
S8:计算Q2与投影点集{xi}之间的平移和旋转变换矩阵,调整Q2的位置使Q2向投影点集{xi}变换得到Q'2;
S9:计算Q'2与投影点集{xi}之间的均方误差E,判断E、10-4的大小;若E<10-4,则结束;若E≥10-4,则令Q2=Q'2,执行步骤3;
其中,所述步骤S1包括以下步骤:
S11:构造自由曲面,在曲面上采集点云得到Q1并计算Q1中每个点的法矢;
S12:根据得到的法矢,在Q1中选定一个点p,在其k邻域内计算质心,并由质心计算协方差矩阵;
S13:根据得到的协方差矩阵,计算其特征值和特征向量;
S14:比较得到最大和次大特征值及其对应的特征向量,通过计算得到主曲率;
S15:根据得到的主曲率构造各向异性高斯核函数,得到权函数;
S16:根据权函数构造局部加权法矢,由加权法矢得到移动最小二乘曲面方程S(x);
其中,所述步骤S12包括以下步骤:
S121:对于点云Q1中的点p,利用KD-Tree算法获取到点p的k邻域,以点p为中心,以R为半径创建球域,设球域坐标系为(β,α,γ),球域内的点pj表示为:
其中,α∈[0,2π],u∈[-1,1],r∈[0,R],在整个球域内生成nb个均匀分布点;
S124:根据得到的区域A的体积,计算质心b和协方差矩阵J(A),其计算公式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810908329.6A CN109191583B (zh) | 2018-08-10 | 2018-08-10 | 一种基于各向异性mls曲面精确对齐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810908329.6A CN109191583B (zh) | 2018-08-10 | 2018-08-10 | 一种基于各向异性mls曲面精确对齐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109191583A CN109191583A (zh) | 2019-01-11 |
CN109191583B true CN109191583B (zh) | 2022-09-23 |
Family
ID=64920905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810908329.6A Expired - Fee Related CN109191583B (zh) | 2018-08-10 | 2018-08-10 | 一种基于各向异性mls曲面精确对齐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109191583B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110851967B (zh) * | 2019-10-31 | 2023-04-18 | 山西大学 | 非完整测量数据下的空心涡轮叶片精铸蜡型模型重构方法 |
CN112130318B (zh) * | 2020-09-24 | 2021-10-26 | 北京理工大学 | 基于高斯径向基函数的光学自由曲面表征方法 |
CN116109685B (zh) * | 2023-04-11 | 2023-08-04 | 成都飞机工业(集团)有限责任公司 | 一种零件点云配准方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645170A (zh) * | 2009-09-03 | 2010-02-10 | 北京信息科技大学 | 多视点云精确配准方法 |
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
CN106023298A (zh) * | 2016-06-22 | 2016-10-12 | 山东理工大学 | 基于局部泊松曲面重建的点云刚性配准方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9760996B2 (en) * | 2015-08-11 | 2017-09-12 | Nokia Technologies Oy | Non-rigid registration for large-scale space-time 3D point cloud alignment |
-
2018
- 2018-08-10 CN CN201810908329.6A patent/CN109191583B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101645170A (zh) * | 2009-09-03 | 2010-02-10 | 北京信息科技大学 | 多视点云精确配准方法 |
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
CN106023298A (zh) * | 2016-06-22 | 2016-10-12 | 山东理工大学 | 基于局部泊松曲面重建的点云刚性配准方法 |
Non-Patent Citations (1)
Title |
---|
基于移动最小二乘曲面的多视三维点云数据ICP对齐方法;黄运保等;《武汉大学学报(工学版)》;20110428(第02期);第250-252页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109191583A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Efficient registration for precision inspection of free-form surfaces | |
CN109191583B (zh) | 一种基于各向异性mls曲面精确对齐方法 | |
CN103886593B (zh) | 一种基于三维点云曲面圆孔检测方法 | |
CN111080627A (zh) | 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法 | |
CN103106632B (zh) | 一种基于均值漂移的不同精度三维点云数据的融合方法 | |
CN113327275B (zh) | 一种基于多约束点到局部曲面投影的点云双视角精配准方法 | |
JP2014500484A (ja) | 連続b‐スプライン変形を利用してタイヤ表面の三次元画像を前処理する方法 | |
CN104748683A (zh) | 一种数控机床工件在线自动测量装置及测量方法 | |
Eggert et al. | Simultaneous registration of multiple range views for use in reverse engineering | |
Wu et al. | A novel high precise laser 3D profile scanning method with flexible calibration | |
CN109389625B (zh) | 一种基于多尺度描述子筛除误匹配的三维图像配准方法 | |
Ravishankar et al. | Automated inspection of aircraft parts using a modified ICP algorithm | |
CN115578429B (zh) | 一种基于点云数据的模具在线精度检测方法 | |
Cheung et al. | Measurement and characterization of ultra-precision freeform surfaces using an intrinsic surface feature-based method | |
CN105184854B (zh) | 针对地下空间扫描点云成果数据的快速建模方法 | |
Shao et al. | A new calibration method for line-structured light vision sensors based on concentric circle feature | |
CN109033028A (zh) | 一种点云主曲率计算方法 | |
CN109410199A (zh) | 一种不锈钢饭盒板料冲压成形应变检测方法 | |
Li et al. | Method for detecting pipeline spatial attitude using point cloud alignment | |
CN104680016A (zh) | 基于几何优化逼近的抛物线轮廓最小区域拟合方法 | |
JP6019924B2 (ja) | マッチング支援装置、マッチング支援方法、および、そのプログラム | |
Chen et al. | Extrinsic calibration of a camera and a laser range finder using point to line constraint | |
CN117290962A (zh) | 一种飞机蒙皮形变分析与喷涂路径随形优化方法 | |
Wang et al. | A novel allowance evaluation method of blade based on high-precision matching and deviation calculating for 3D points | |
An et al. | Geometric properties estimation from line point clouds using Gaussian-weighted discrete derivatives |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220923 |
|
CF01 | Termination of patent right due to non-payment of annual fee |