基于点云数据重构三维网格模型的神经网络法

《基于点云数据重构三维网格模型的神经网络法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于点云数据重构三维网格模型的神经网络法第23卷第4期2006年4月机械设计JOURNAlOFMACHINEDESIGNVoI.23No.4Apr.2006基于点云数据重构三维网格模型的神经网络法鄢腊梅,袁友伟,周锋(1.湖南工业大学机械学院,湖南株洲412008;2.清华大学自动化系,北京100084)摘要:给出了一种新的基于神经网络的点云数据重构CAD实体模型的新方法.该方法能直接从神经网络的权值矩阵得到曲线的控制顶点,曲面的控制网格,通过神经网络的权值约束实现曲线段,曲面片之间的光滑拼接.同时对恢复的隐式表面的初始逼近网格自适应性进行优化.利用谊方法恢复的网格形状,无

2、论在表面还是在隐式曲面的轮廓部分都能获得很好的视觉效果.所有算法的时间复杂度均为o(),可以完全实时进行.关键词:光顺I神经网络;反求工程;点云中图分类号:TP391.41文献标识码:A文章编号:1001—2354(2006)040014—02目前,反求工程技术已广泛应用于工程领域,对点云数据三维重建的基本原理是采用三角形网格蒙片法州,它的最大特点是操作简单,但不能根据曲面曲率变化自适应地调整网格的疏密,而且网格的质量并不十分令人满意,尤其是多子L洞曲面这种现象更加严重为此,提出了一种基于神经网络的点云数据重构CAD光顺模型的新算法.输入是未知表面的采样点坐标集(不需要附加

3、的结构或组织顺序),输出是该未知表面的网格近似(一般为三角网格)首先对点云数据平滑处理;然后进行特征线提取,并以特征线为基础对曲面进行分割.该方法能直接从神经网络的权值矩阵得到曲线的控制顶点,曲面的控制网格,通过神经网络的权值约束实现曲线段,曲面片之间的光滑拼接.同时对恢复的隐式表面S一{f(x,,z)一0}的初始逼近网格,从3个方面进行优化,能显着提高逼近网格的品质,从而实现了点云数据的精确曲面重构.该方法具有较强的可操作性和实用性,对于反求工程的自动化和智能化研究具有实际意义.文中提出的算法具有以下优点:所有算法的时间复杂度均为O(),可以完全实时进行,生成的三角网和采

4、样点具有局部适应性,在曲面曲率高的地方采样较密,在曲率小的地方采样稀疏.该文通过将隐式曲面转化为拓扑一致的网格逼近形式,来实现曲面的快速绘制.1基于BP神经网络的重构三维网格实体模型的算法1.1基于BP神经网络重构三维网格实体模型的结构图BP网络从结构上看是一个三层前馈网络(如图1所示),包括一个输入层,一个输出层和一个隐含层.输入层节点的作用是将输入数据传递到隐含层节点.隐含层节点称为RBF节点,由激活函数为辐射状函数的神经元构成,此处采用Gauss型函数.输入矢量从输入层不经过加权直接映射到径向基隐层空间,对基函数的参数进行调整,是非线性变换,从隐层到输出层是线性的,对

5、权值进行修正.图中采用(N×N)×M个神经元表示图像恢复问题,每个神经元状态w取值为(0,1),当w,一1时,表示象素(i,)的灰度值是g,当W.=0时,表示象素(i,)的灰度值不是g.在训练的网络的数据中,其输入的图象光亮度和输出的图象象索的高度已标准化,中心象素点设为0.则输入的图象光亮度和输出的图象象素的高度范围,按比例缩减为[一l,1]之间其网络输入足二维的未知表面采样点坐标集,输出是该未知表面的三维网格近似(三角网格).图1左边的输入图形是待恢复的未知表面采样点坐标集,右边是利用文中方法重建的原模型表面的无数稠密三角形网格.基于BP神经网络重构三维网格实体模型的结

6、构图如图1所示.输入点云数据输出三维网格图1基于BP神经网络重构三维网格实体模型的结构图1.2基于BP神经网络的重构三维网格实体模型的算法基于兰伯特(Lambertian)反射模型构建的BP神经网络反射模型如下[】]:假定单一的输入层隐藏层输出层神经网络,其变换定义为F(),网络的输入层向量为n一(p,1),d(?)表示增长的界限.n表面二维图像平面上的点坐标(户,q).基于BP神经网络的反射模型构建三维网格模型的算法可*收稿日期:2005—08—08;修订日期:2005一i010基金项目:国家自然科学基金资助项目NsFc(6O173O46)(该项目获得中同包装总公司科技进

7、步三等奖和国家专利证书)作者简介:鄢腊梅(1968--),女,湖南益阳人,副教授,主要从事反求工程,CAD/CAM的研究工作,在国内外公开发表论文5O多篇2006年4月鄢腊梅,等:基于点云数据重构三维网格模型的神经网络法定义为:R.j(户,口)一F(W,u;n『-J)一d(∑v,a(W)+口)(1)(1)图像表面斜率的计算方法.一I.J㈩+(』f-厂F(w川型(2)——2qf.(N+1)一qi,J(")+—(Ii.J—F(W,I4I'J))^aF(W.u;n)8q(3)(2)图像表面的高度计算方法..,(N+1)一