CN110207618B - 三维扫描测量数据的表面线数据提取方法 - Google Patents
三维扫描测量数据的表面线数据提取方法 Download PDFInfo
- Publication number
- CN110207618B CN110207618B CN201910609168.5A CN201910609168A CN110207618B CN 110207618 B CN110207618 B CN 110207618B CN 201910609168 A CN201910609168 A CN 201910609168A CN 110207618 B CN110207618 B CN 110207618B
- Authority
- CN
- China
- Prior art keywords
- data
- surface line
- line
- point
- calculating
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开的三维扫描测量数据的表面线数据提取方法,属于分析及测量控制技术领域。本发明通过人机交互的方式构造初始表面线;然后沿初始表面线构造等间隔切片,并通过投影的方式获得截面线数据;最后分别采用模式向量法、重心计算法和最大曲率法计算上述三种边缘上的表面线上的点。本发明通过构造切片提取有限的数据处理对象,避免对所有扫描测量数据进行处理,提高表面线数据提取效率;利用所述三维扫描测量数据的表面线数据提取方法提取测量表面线数据,并解决需要提取测量表面线数据的工程技术领域相关问题。所述需要提取测量表面线数据工程应用领域包括医疗诊断、航空等零部件线轮廓的检测、古文物数字化建档、虚拟现实等领域。
Description
技术领域
本发明涉及一种三维扫描测量数据的表面线数据提取方法,尤其涉及包含三种边缘的表面线数据取算法,属于分析及测量控制技术领域。
背景技术
表面线直接反映了三维物体的空间体态。因此,在创建三维物体时,表面线的创建至关重要。现阶段,逆向建模技术通过对扫描测量数据进行预处理和后期处理以复现三维实物的表面形貌,现已广泛应用在医疗诊断、机械产品的优化设计、古文物的数字化建档、虚拟现实等行业。为准确复现三维物体的表面形貌,在处理扫描测量数据时需保留特征数据,如峰值点、拐点,边缘线,平面、球面等。
现阶段已有多种提取点云数据边缘线数据的方法,主要分为两类,一类是基于离散点云数据的表面线数据的提取,一类是基于网格点云数据的表面线数据的提取。以离散点云数据为对象,文章《飞机蒙皮边缘轮廓的提取方法研究》,见南京航空航天大学,2017年硕士学位论文,中提出了针对蒙皮孔特征、外轮廓特征和下陷特征的边缘轮廓点提取方法,三种特征的边缘轮廓点提取方法首先识别粗略的特征点,然后将特征点一侧的数据投影至特征点另一侧数据拟合的直线上,最后将投影点的中心点作为边缘轮廓点。该方法在提取曲面上的边缘轮廓点时具有一定局限性。文章《散乱数据点云边界特征自动提取算法》,见华中科技大学学报(自然科学版),2008,36卷8期,中提出通过计算点的k邻域点分布均匀性提取边缘轮廓点。该方法计算简单易懂,但是计算量大。文章《一种新的散乱点云尖锐特征提取算法》,见刊西安交通大学学报,2012,46卷12期,中根据在边缘轮廓点处发生法向变化的特点,通过计算一点与其左右相邻N个点的重心,并计算重心与该点连线的直线段在该点法向上的投影距离,最终将投影距离最大的点作为边缘轮廓点。该方法在采用张量投票法计算点的法向和选择邻域点时使用的球半径都需要人工设置参数,而这些参数都需要大量的实验来确定,时间成本高。文章《Sharp Feature Detection in Point Clouds》,见刊International Conference on Shape Modeling and Applications,2010年,中通过构造一点的一环邻域三角网格的投影高斯球提取边缘轮廓点。首先确定某一点的一环邻域三角网格,然后通过三角形边长向量叉乘的方式计算三角形平面的法向,以该点为中心构造单位高斯球,将一环邻域三角网格沿其法向进行投影,每个三角网格在高斯球上对应一个投影点,最后将所有投影点根据空间距离通过最大类间方差的方法划分投影点,当聚类大于1小于4时,认为该点为边缘轮廓点。该方法准确度高,但是需要人工设置局部邻域点个数和聚类判断灵敏度阈值,且计算成本较高。以网格点云数据为对象,文章《散乱点云谷脊特征提取》,见刊光学精密工程,2015年23卷1期,中提出通过计算主方向截面线上的曲率最大点提取谷脊特征点的方法。文章《网格点云数据特征线的提取算法》,2008年浙江大学,数学与应用数学专业,硕士学位论文,中通过构造一个特征度量参数,即网格顶点的平均曲率与其邻域内点的法曲率的平均值之比,并将特征度量大于阈值的点作为准特征点。上述基于网格点云数据提取边缘轮廓点的方法都需要人工设置阈值,且所有点云数据都参与到运算中,使得提取过程耗时且自适应能力较弱。
发明内容
本发明公开的三维扫描测量数据的表面线数据提取方法要解决的技术问题是:通过构造切片提取有限的数据处理对象,避免对所有扫描测量数据进行处理,且能够实现三维扫描测量数据的表面线数据提取。本发明具有表面线数据提取效率高的优点。根据实际需要提取测量表面线数据工程应用领域,利用本发明提取测量表面线数据,并应用于表面线数据提取测量相关工程技术领域,解决相关工程技术问题。
本发明的目的是通过下述技术方案实现的。
本发明公开的三维扫描测量数据的表面线数据提取方法,包括如下步骤:
步骤一:获取初始表面线;
人眼识别需要提取表面线轮廓在扫描测量数据中的位置,在该位置上通过人眼判断选择能反映该表面线的一组离散点数据,将离散点数据进行B样条曲线拟合得到能反映表面线空间趋势的曲线,称为初始表面线。
步骤二:沿初始表面线构造等间距切片;
在初始表面曲线上选择一组等间距分布的位置点,计算初始表面曲线在每个位置点处的法向;在每个位置点上,沿其法向分别构造一个圆形平面。
步骤三:计算截面线数据;
在每个圆形平面位置处,将平面两侧距离圆形平面预设距离的扫描测量数据投影至平面上,每个圆形平面上的投影点单独保存为一组,则所有圆形平面上的投影点构成截面线数据,并完成计算截面线数据。
步骤四:计算表面线数据,即实现三维扫描测量数据的表面线数据提取测量。
步骤4.1:判断截面线数据几何分布特征,确定表面线所处边缘的类型;
计算截面线数据中相邻点的法向夹角和法向夹角平均值。设取值大于平均值的元素个数为Q,法向夹角阈值为M,N(M<N)。则判断表面线所处边缘类型的方法如下:
当0≤Q≤M时,表面线位于折线型边缘上;当M<Q≤N时,表面线位于小弧长屋脊型边缘上;当N<Q时,表面线位于大弧长屋脊型边缘上。
步骤4.2:根据表面线所处的边缘类型选择不同方法计算表面线上的数据;
当表面线位于折线型边缘时,采用模式向量法计算表面线上的数据;当截面线位于小弧长屋脊型边缘时,采用重心计算法计算表面线上的数据;当截面线位于大弧长屋脊型边缘时,采用最大曲率法计算表面线上的数据。
步骤4.2.1:采用模式向量法计算表面线上的数据。
a.根据折线型截面数据相邻点法向夹角的分布特征,设置包含五个元素的模式向量[0,0,θ,0,0]
b.通过向量内积的形式计算截面线数据中相邻点的法向夹角,获得截面线数据的相邻点的法向夹角序列;
c.从法向夹角序列的第一个元素开始,以相邻五元素为一组将序列划分为多个小组;
d.计算各小组与模式向量的差方和;
e.确定差方和最小的小组,并根据小组在截面线数据中的次序确定边缘轮廓点所在点位,最后通过插值计算出边缘轮廓点,即实现采用模式向量法计算表面线上的数据。
步骤4.2.2:采用重心计算法计算表面线上的数据。
a.计算截面线数据各点法向相对第一点法向的夹角;
b.计算截面线数据各点相对于第一点的折线距离;
c.将相邻点法向夹角序列和折线距离序列代入重心计算公式,得到截面线数据的法向重心位置G。
d.在折线距离序列中确定与G最接近的两个点,对所述两点进行插值得到边缘轮廓点,即实现采用重心计算法计算表面线上的数据。
步骤4.2.2:采用最大曲率法计算表面线上的数据。
a.通过设置过渡圆弧的左、右端点识别模式,从截面线数据中截取过渡圆弧部分的数据;
b.构建局部坐标系,对过渡圆弧部分数据进行最小二乘抛物线拟合;
c.局部坐标系下,计算拟合抛物线上的曲率最大点;
d.根据局部坐标系和全局坐标系位姿关系,将局部坐标系下的曲率最大点转换到全局坐标系下,得到最终的边缘轮廓点,即实现采用最大曲率法计算表面线上的数据。
还包括步骤五:利用所述三维扫描测量数据的表面线数据提取方法提取测量表面线数据,并解决需要提取测量表面线数据工程技术领域相关工程技术问题。
所述需要提取测量表面线数据工程应用领域包括医疗诊断、航空等零部件线轮廓的检测、古文物数字化建档、虚拟现实等领域。
所述医疗诊断包括提取牙齿特征线轮廓;所述航空等零部件线轮廓的检测包括提取飞机蒙皮边缘轮廓、发动机机匣端口圆轮廓、桨叶前后缘轮廓;所述的古文物数字化建档包括提取古建筑物表面线轮廓和浮雕型文物特征线轮廓;所述的虚拟现实包括提取现实三维物体的边线轮廓。
有益效果:
1、从减少运算量,提高运算效率角度出发,本发明公开的三维扫描测量数据的表面线数据提取方法,通过构造切片提取有限的数据处理对象,避免对所有扫描测量数据进行处理,减少运算时间;所述方法中有两个过程需要人机交互实现,即人眼识别需提取表面线数据在扫描测量数据中的位置,然后通过人眼判断选择能反映该表面线的一组离散点数据,将离散点数据进行B样条曲线拟合得到能反映表面线大致空间趋势的曲线。
2、本发明公开的三维扫描测量数据的表面线数据提取方法,通过人机交互的方式构造初始表面线;然后沿初始表面线构造等间隔切片,并通过投影的方式获得截面线数据;最后分别采用模式向量法、重心计算法和最大曲率法计算上述三种边缘上的表面线上的点。
3、本发明公开的三维扫描测量数据的表面线数据提取方法,模式向量法首先构造反映理论截面线数据相邻点法向夹角分布规律的多参数向量,通过将扫描测量数据的法向夹角序列与理论模型的进行相似度比较,在相似度最高位置处通过插值计算处表面线上的点;重心计算法借助重心计算公式,以每组截面线数据中所有点相对于第一点的折线距离和法向夹角为两变量计算出截面线数据的法向重心位置,然后根据该重心位置对应于截面线数据中的位置,通过插值计算出表面线上的点;最大曲率法首先通过设置过渡圆弧端点识别模式分割出截面线数据中的过渡圆弧数据,然后将过渡圆弧部分的数据进行抛物线最小二乘拟合,并以拟合抛物线的最大曲率点作为表面线上的点。
4、本发明公开的三维扫描测量数据的表面线数据提取方法,利用本发明提取测量表面线数据,并解决需要提取测量表面线数据工程技术领域相关工程技术问题。所述需要提取测量表面线数据工程应用领域包括医疗诊断、航空等零部件线轮廓的检测、古文物数字化建档、虚拟现实等领域。
附图说明
附图1:三维扫描测量数据的表面线数据提取方法提取网格点云数据中边缘轮廓点的流程图;
附图2:折线型和屋脊型边缘处的截面线及其相邻点法向夹角分布图,其中图2a为折线型截面线及其相邻点法向夹角分布图,图2b为屋脊型边缘处的截面线及其相邻点法向夹角分布图;
附图3:模式向量法提取截面线数据的边缘轮廓点流程图;
附图4:重心计算法提取截面线数据的边缘轮廓点流程图;
附图5:最大曲率法提取截面线数据的边缘轮廓点流程图;
附图6:过渡圆弧左、右端点识别模式流程图,图6(1)为左端点/上升沿识别模式,图6(2)为右端点/下降沿识别模式。
具体实施方式
为了更好的说明本发明的目的和优点,下面结合附图和实例对发明内容做进一步说明。
实施例1:
逆向建模技术广泛应用在多个行业,如航空发动机叶片的逆向建模设计,医疗机构中人体器官的重建,考古文物的数字化建档,城市建筑的虚拟场景构建等。三维物体的表面线直接反映三维物体的体态,是在逆向建模过程中必须保留的特征数据。因此,从三维扫描点云数据中计算出实物表面线上的点数据具有重要意义。现有的表面线数据提取方法都是基于表面线数据的某一特性,如法向发生变化、邻域点分布不均匀、曲率最大等,进行识别,极易受到噪声点的影响,且运算过程都是针对大量的离散点数据,运算效率低。
如图1所示,本实施例公开的三维扫描测量数据的表面线数据提取方法,从三维扫描测量数据出发,根据不同边缘上的扫描数据特点,提出针对折线型边缘、小圆弧屋脊型边缘和大圆弧屋脊型边缘的表面线数据计算方法,具体实现步骤如下:
步骤一:获取初始表面线;
人眼识别需要提取表面线轮廓在扫描测量数据中的位置,在该位置上通过人眼判断选择能反映该表面线的一组离散点数据,将离散点数据进行B样条曲线拟合得到能反映表面线空间趋势的曲线,称为初始表面线。
步骤二:沿初始表面线构造等间隔垂直平面;
在初始表面线上选择一组等间隔的点,计算初始表面线在每个点处的法向;在每个点上,沿其法向构造一个圆形平面;圆半径不小于L,L计算如下:
其中d表示扫描测量数据中的最大点间距,其中θ表示形成表面线的两个面之间的夹角,R表示该边缘处的过渡圆弧半径,对于折线型边缘,R等于0。
步骤三:截面线数据的计算;
设平面PLi经过初始表面线上一点Pj(xj,yj,zj),且曲线在该点处法向为(A,B,C),则表面PLi表示为:
A(x-xj)+B(y-yj)+C(z-zj)=0
将距离垂直平面两侧一定距离的测量点数据投影在该平面上,表面线轮廓提取精度要求越高,该距离取值越小。
任意一点Pm(xm,ym,zm)在对应垂直平面PLi上投影点Pm'(xm',ym',zm')的坐标为:
步骤四:设置法向夹角阈值,确定表面线所处的边缘类型;
如图2所示,首先计算截面线数据中相邻点的法向夹角,得到法向夹角序列(α1,α2,...,αN-1,αN),然后计算法向夹角序列的平均值αarg,最后计算法向夹角序列中大于平均值的元素个数。
设阈值M,N(M<N),计算截面线数据法向夹角序列中大于平均值的元素个数,表示为Q。则存在以下情况:当0≤Q≤M时,认为该截面线位于折线型边缘上;当M<Q≤N时,认为该截面线位于小弧长屋脊型边缘上;当N<Q时,认为该截面线位于大弧长屋脊型边缘上;
步骤五:根据表面线所处边缘类型选择不同的方法计算表面线数据,即实现三维扫描测量数据的表面线数据提取测量。
当表面线位于折线型边缘上时,采用模式向量法识别;当表面线位于小弧长屋脊型边缘上,采用重心计算法识别;当表面线位于大弧长屋脊型边缘上,采用最大曲率法识别。
下面对三种识别方法的计算过程进行详细说明。
步骤5.1:采用模式向量法识别折线型边缘上的表面线数据,步骤见附图3,
a.根据折线型截面数据相邻点法向夹角的分布特征,设置模式向量,表示为[0,0,θ,0,0]。模式向量的第1、2、4、5个元素为零,对应于截面线两侧直线段的相邻点法向夹角值,元素θ表示形成表面线的两个面之间的夹角;
b.通过向量内积计算截面线数据中相邻点的法的向夹角,获得相邻点的法向夹角序列(α1,α2,...,αN-1,αN);
c.从法向夹角序列的第一个元素开始,将相邻五个元素划分为一个小组,则得到N-4个小组,表示为(g1,g2,...,gN-5,gN-4);
d.计算各小组元素与模式向量对应元素的差方和,得到差方和序列,表示为(S1,S2,...,SN-5,SN-4),差方和的计算表达式如下:
Si=(αi)2+(αi+1)2+(αi+2-θ)2+(αi+3)2+(αi+4)2
e.确定差方和序列中的最小元素位置,当第j个元素最小时,即Sj=min{S1,S2,...,SN-5,SN-4},则根据法向夹角序列与点数据的对应关系,将截面线数据中的第j+3和j+4点的中间插值点作为表面线上的点。
步骤5.2:采用重心计算法识别小圆弧屋脊型边缘处的表面线数据,步骤见附图4,
a.计算截面线数据各点法向相对第一点法向的夹角,得到法向夹角序列(β1,β2,...,βN-1,βN+1),βi表示第i点与i-1点的法向夹角,且β1=0;
b.计算截面线数据中每一点相对于第一点的折线距离di(i=1,2,...,N+1),且d1=0;
折线距离的含义:设Δi+1,i表示截面线数据中第i+1点和第i点的欧氏距离,则截面线数据中第j点的折线距离dj(1≤j≤N+1)可表示为:
c.将法向夹角序列(β1,β2,...,βN-1,βN+1)和折线距离序列(d1,d2,...,dN-1,dN+1)代入重心计算公式,得到截面线数据的法向重心位置G。
d.确定G值在折线距离序列中的位置,使其满足dq≤G≤dq+1(q≤N+1),则根据折线距离序列与截面线数据对应关系,将截面线数据中的第q点和第q+1点的中间插值点作为表面线上的点。
步骤5.3:采用最大曲率法识别大圆弧屋脊型边缘处的表面线数据,步骤见附图5,
a.从截面线数据中截取过渡圆弧部分数据;
通过设置过渡圆弧的左、右端点识别模式,提取位于左、右端点之间的数据,过渡圆弧左、右端点识别模式流程图见附图6。
首先计算截面线数据的相邻点法向夹角及其平均值;
然后对法向夹角序列的第3个元素至第N-2个元素进行如下判断:
当第i个元素小于平均值,且第i+1和i+2个元素大于平均值时,认为第i个元素可能为左端点;
当第i个元素大于平均值,且第i+1和i+2个元素小于平均值时,认为第i个元素可能为右端点;
最后将所有可能的左端点中序号最小的点确定为最终的左端点,将所有可能的右端点中序号最大的点确定为最终的右端点;
提取位于左、右端点之间的所有离散点数据作为过渡圆弧部分的数据。
b.对过渡圆弧部分数据进行最小二乘抛物线拟合;
首先基于过渡圆弧数据构造局部坐标系。该坐标系以过渡圆弧数据的第一点作为原点,以第一点指向最后一点的方向作为X轴正方向,以过渡圆弧数据所在平面作为XOY平面。
然后通过将全局坐标系下的过渡圆弧数据转换到局部坐标系下,得到z=0的二维点数据,并对二维数据进行最小二乘抛物线拟合。设抛物线表达式为:
y=Ax2+Bx+C
设局部坐标系下,过渡圆弧数据表示为(xi,yi)(i=1,2,...,q)。用矩阵相乘的方式计算系数A、B、C,表示为MX=F,其中:
c.计算拟合抛物线上的最大曲率。
根据二维曲线f(x)曲率χ计算公式获得拟合抛物线的曲率表达式:
根据局部坐标系和全局坐标系的相对位姿关系,将二维的曲率最大值点转换到全局坐标系下,得到全局坐标系下的曲率最大值点,并以该点作为表面线上的点。
还包括步骤六:利用所述三维扫描测量数据的表面线数据提取方法提取测量表面线数据,并解决需要提取测量表面线数据工程技术领域相关工程技术问题。
所述需要提取测量表面线数据工程应用领域包括医疗诊断、航空等零部件线轮廓的检测、古文物数字化建档、虚拟现实等领域。
所述医疗诊断包括提取牙齿特征线轮廓;所述航空等零部件线轮廓的检测包括提取飞机蒙皮边缘轮廓、发动机机匣端口圆轮廓、桨叶前后缘轮廓;所述的古文物数字化建档包括提取古建筑物表面线轮廓和浮雕型文物特征线轮廓;所述的虚拟现实包括提取现实三维物体的边线轮廓。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.三维扫描测量数据的表面线数据提取方法,其特征在于:包括如下步骤,
步骤一:获取初始表面线;
人眼识别需要提取表面线轮廓在扫描测量数据中的位置,在该位置上通过人眼判断选择能反映该表面线的一组离散点数据,将离散点数据进行B样条曲线拟合得到能反映表面线空间趋势的曲线,称为初始表面线;
步骤二:沿初始表面线构造等间距切片;
在初始表面曲线上选择一组等间距分布的位置点,计算初始表面曲线在每个位置点处的法向;在每个位置点上,沿其法向分别构造一个圆形平面;
步骤三:计算截面线数据;
在每个圆形平面位置处,将平面两侧距离圆形平面预设距离的扫描测量数据投影至平面上,每个圆形平面上的投影点单独保存为一组,则所有圆形平面上的投影点构成截面线数据,并完成计算截面线数据;
步骤四:计算表面线数据,即实现三维扫描测量数据的表面线数据提取测量;
步骤四实现方法为,
步骤4.1:判断截面线数据几何分布特征,确定表面线所处边缘的类型;
计算截面线数据中相邻点的法向夹角和法向夹角平均值;设取值大于平均值的元素个数为Q,法向夹角阈值为M,N其中M<N;则判断表面线所处边缘类型的方法如下:
当0≤Q≤M时,表面线位于折线型边缘上;当M<Q≤N时,表面线位于小弧长屋脊型边缘上;当N<Q时,表面线位于大弧长屋脊型边缘上;
步骤4.2:根据表面线所处的边缘类型选择不同方法计算表面线上的数据;
当表面线位于折线型边缘时,采用模式向量法计算表面线上的数据;当截面线位于小弧长屋脊型边缘时,采用重心计算法计算表面线上的数据;当截面线位于大弧长屋脊型边缘时,采用最大曲率法计算表面线上的数据;
其中,步骤4.2实现方法为,
步骤4.2.1:采用模式向量法计算表面线上的数据;
a.根据折线型截面数据相邻点法向夹角的分布特征,设置包含五个元素的模式向量[0,0,θ,0,0]
b.通过向量内积的形式计算截面线数据中相邻点的法向夹角,获得截面线数据的相邻点的法向夹角序列;
c.从法向夹角序列的第一个元素开始,以相邻五元素为一组将序列划分为多个小组;
d.计算各小组与模式向量的差方和;
e.确定差方和最小的小组,并根据小组在截面线数据中的次序确定边缘轮廓点所在点位,最后通过插值计算出边缘轮廓点,即实现采用模式向量法计算表面线上的数据;
步骤4.2.2:采用重心计算法计算表面线上的数据;
a.计算截面线数据各点法向相对第一点法向的夹角;
b.计算截面线数据各点相对于第一点的折线距离;
c.将相邻点法向夹角序列和折线距离序列代入重心计算公式,得到截面线数据的法向重心位置G;
d.在折线距离序列中确定与G最接近的两个点,对所述两点进行插值得到边缘轮廓点,即实现采用重心计算法计算表面线上的数据;
步骤4.2.3:采用最大曲率法计算表面线上的数据;
a.通过设置过渡圆弧的左、右端点识别模式,从截面线数据中截取过渡圆弧部分的数据;
b.构建局部坐标系,对过渡圆弧部分数据进行最小二乘抛物线拟合;
c.局部坐标系下,计算拟合抛物线上的曲率最大点;
d.根据局部坐标系和全局坐标系位姿关系,将局部坐标系下的曲率最大点转换到全局坐标系下,得到最终的边缘轮廓点,即实现采用最大曲率法计算表面线上的数据。
2.如权利要求1所述的三维扫描测量数据的表面线数据提取方法,其特征在于:提取测量表面线上的数据工程应用领域包括医疗诊断、航空零部件线轮廓的检测、古文物数字化建档、虚拟现实领域。
3.如权利要求2所述的三维扫描测量数据的表面线数据提取方法,其特征在于:所述医疗诊断包括提取牙齿特征线轮廓。
4.如权利要求2所述的三维扫描测量数据的表面线数据提取方法,其特征在于:所述航空零部件线轮廓的检测包括提取飞机蒙皮边缘轮廓、发动机机匣端口圆轮廓、桨叶前后缘轮廓。
5.如权利要求2所述的三维扫描测量数据的表面线数据提取方法,其特征在于:所述的古文物数字化建档包括提取古建筑物表面线轮廓和浮雕型文物特征线轮廓。
6.如权利要求2所述的三维扫描测量数据的表面线数据提取方法,其特征在于:所述的虚拟现实包括提取现实三维物体的边线轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609168.5A CN110207618B (zh) | 2019-07-08 | 2019-07-08 | 三维扫描测量数据的表面线数据提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609168.5A CN110207618B (zh) | 2019-07-08 | 2019-07-08 | 三维扫描测量数据的表面线数据提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110207618A CN110207618A (zh) | 2019-09-06 |
CN110207618B true CN110207618B (zh) | 2021-02-05 |
Family
ID=67796655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910609168.5A Active CN110207618B (zh) | 2019-07-08 | 2019-07-08 | 三维扫描测量数据的表面线数据提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110207618B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111238386B (zh) * | 2019-11-26 | 2021-09-21 | 中国航空工业集团公司北京长城计量测试技术研究所 | 发动机管道最小间距测量方法 |
CN112862886B (zh) * | 2021-01-10 | 2024-01-09 | 西北工业大学 | 基于凸包分割的三角环标志符高精度检测定位算法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1154380A1 (en) * | 2000-05-11 | 2001-11-14 | MTT Medical Technology Transfer AG | A method of simulating a fly through voxel volumes |
US20020186875A1 (en) * | 2001-04-09 | 2002-12-12 | Burmer Glenna C. | Computer methods for image pattern recognition in organic material |
JP4843357B2 (ja) * | 2006-04-19 | 2011-12-21 | 株式会社東芝 | 画像処理装置 |
CN102521884B (zh) * | 2011-12-16 | 2014-04-09 | 南京大学 | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 |
CN105957076B (zh) * | 2016-04-27 | 2018-09-21 | 深圳积木易搭科技技术有限公司 | 一种基于聚类的点云分割方法及系统 |
CN107228626A (zh) * | 2017-05-05 | 2017-10-03 | 南昌航空大学 | 基于图像的轨头断面轮廓尺寸合格性检测方法 |
CN108062793B (zh) * | 2017-12-28 | 2021-06-01 | 百度在线网络技术(北京)有限公司 | 基于高程的物体顶部处理方法、装置、设备和存储介质 |
-
2019
- 2019-07-08 CN CN201910609168.5A patent/CN110207618B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110207618A (zh) | 2019-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Delingette | Simplex meshes: a general representation for 3D shape reconstruction | |
Orbay et al. | Beautification of design sketches using trainable stroke clustering and curve fitting | |
CN111696210A (zh) | 一种基于三维点云数据特征轻量化的点云重构方法及系统 | |
CN110222642A (zh) | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 | |
CN110111430B (zh) | 一种从三维点云中提取二次曲面的方法 | |
CN108986048A (zh) | 基于线激光扫描三维点云快速复合滤波处理方法 | |
CN110207618B (zh) | 三维扫描测量数据的表面线数据提取方法 | |
CN116522496A (zh) | 一种基于对称方向场的三维翼面四边形网格自动生成方法 | |
CN109102538B (zh) | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 | |
CN110599506A (zh) | 一种复杂异形曲面机器人三维测量的点云分割方法 | |
CN107633523A (zh) | 基于点云的提取建筑特征线方法和系统 | |
CN113570722A (zh) | 一种围岩裂缝信息提取及完整性系数快速测定方法 | |
CN111489432A (zh) | 一种基于点云数据的弯管重建及余量计算方法 | |
CN109166167B (zh) | 一种基于点集体素的多质分界面提取方法 | |
CN106780748A (zh) | 一种基于网格关联的四叉树索引点云排序方法 | |
CN110310322B (zh) | 一种10微米级高精度器件装配表面检测方法 | |
CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
Fan et al. | An approach for extracting curve profiles based on scanned point cloud | |
CN113744389B (zh) | 一种面向复杂零件曲面特征保留的点云精简方法 | |
Kovács et al. | Constrained fitting with free-form curves and surfaces | |
CN106649992A (zh) | 舰船与尾迹的网格模型的融合与优化方法 | |
Nieser et al. | Patch layout from feature graphs | |
CN112991300A (zh) | 一种基于邻域特征的单木骨架提取及可视化方法 | |
Sun et al. | Leaf vein and contour extraction from point cloud data | |
CN117112963A (zh) | 一种基于最大纵深的道格拉斯-普克算法的改进方法 |
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 |