[發明專利]保持實物表面樣點棱邊特征的Cocone曲面重建方法

有效

• 申請號: 201510362952.2
• 申請日: 2015-06-29
• 公開（公告）號: CN105046751B
• 公開（公告）日: 2018-10-23
• 發明（設計）人: 孫殿柱;魏亮;李延瑞;尹遜剛
• 申請（專利權）人: 山東理工大學
• 主分類號: G06T17/30
• 分類號: G06T17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種保持實物表面樣點棱邊特征的Cocone曲面重建方法，其特征在于通過修正法向估計結果和調整棱邊特征樣點的Cocone角度閾值，優化棱邊特征重建。對PCA法向估計所用曲面局部樣本進行增益優化，從而修正法向估計結果。建立棱邊特征樣點Cocone角度閾值的調整公式，使棱邊特征樣點的角度閾值大小適應棱邊特征區域的樣點分布。在上述角度閾值調整過程中，基于對目標樣點處曲面局部樣本的高斯聚類實現棱邊特征樣點識別，并基于預先確定的尺度閾快速濾因棱邊樣點角度閾值調整所產生的跨區域狹長面片。與現有技術相比，本發明可顯著減少重建結果在棱邊特征區域處的凹陷和孔洞等缺陷。

技術領域

本發明提供一種保持實物表面樣點棱邊特征的Cocone曲面重建方法，屬于產品逆向工程領域。

背景技術

在重建棱邊特征時，Delaunay網格過濾算法的主要問題是重建所得棱邊曲線不完整以及棱邊鄰接面片缺失，這導致后續針對其重建結果所進行的數控加工刀路規劃精度嚴重不足^[1]。針對上述問題，目前主流解決方法是先從實物表面樣點中提取棱邊特征樣點，據此構建棱邊特征曲線，再利用特征曲線創建約束條件，在此約束條件下利用典型Delaunay網格算法，如Cocone算法及其衍生算法，對全體實物表面樣點進行曲面重建，所得棱邊特征曲面的重建質量有一定改善，然而由于該類方法通常串聯特征樣點提取、特征曲線重建、約束條件構建以及曲面重建等多個環節，其重建結果存在較大的積累誤差，而且整個過程的時間復雜度通常較高，其效率一般較低。與典型通用重建算法相比，專門針對棱邊特征重建所提出的重建算法雖可較好重建棱邊特征曲面，但在非棱邊特征區域的重建結果精度不足。

Dey T K等在《Tight cocone:a water-tight surface reconstructor》(//Proceedings of the eighth ACM symposium on Solid modeling andapplications.ACM,2003:127-134)提出的Cocone算法是最為典型的Delauany網格過濾算法，它選取目標樣點對應的Voronoi極點估計樣點法向，以該法向量為軸建立共軸對稱雙錐空間，然后選取對偶Voronoi邊與該空間補集空間相交的Delaunay網格面片構建網格曲面。由于Cocone算法基于理想Voronoi晶格模型估計樣點法向并確定全局最優角度閾值，僅在棱邊樣點分布密度達到無窮大時能從理論上保證重建結果正確性，而實際中采用結構光三維掃描儀等設備對實物表面進行采樣，采樣數據的分布密度總是有限大的，使得Voronoi法向估計結果不準確，而且全局角度閾值一般難以適應棱邊特征的重建，最終導致Cocone算法在棱邊特征處的重建結果通常由孔洞或凹痕組成。Dey等注意到基于全局Voronoi圖的Voronoi法向估計不適用于Cocone局部曲面重建，在《Localized Cocone surfacereconstruction》(Computers&Graphics,2011,35(3):483-491)一文中.采用樣點鄰近的具有最大內角的三角面片的法向作為該樣點處法向估計，事實上加劇了法向估計不準的問題，導致了棱邊重建結果的進一步惡化。Voronoi極點法向估計依賴的目標樣點的Voronoi晶格形狀，容易受到距目標樣點較遠的采樣數據的影響，估計結果難以可靠反映目標樣點處曲面局部樣本的分布性質。PCA(Princepal Component Analaysis，主元分析)算法可用于估計樣點法向，對局部樣本分布性質反映更為可靠，可在Cocone重建中代替Voronoi極點法向，然而PCA法向估計通常采用歐氏近鄰點集作為曲面局部樣本，對非均勻點集的適應性較差，其估計結果同樣可能不準確，從而加劇Cocone重建結果中的孔洞以及棱邊凹痕的問題。

綜上所述，目前的Cocone曲面重建方法存在法向估計不準確和全局角度閾值難以適應棱邊特征重建等問題，因此，提供一種可較好保持實物表面樣點棱邊特征的Cocone曲面重建方法已成為本領域技術人員亟待解決的技術問題。

發明內容