散乱点云的数据分割与特征提取技术研究

《散乱点云的数据分割与特征提取技术研究》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、分类号：密级：ＵＤＣ：学号５９２６６１４０６８：４１南昌大学专业学位研究生学位论文散乱点宏的数据分割与特征提取技术研究ＲｅｓｅａｒｃｈｏｎＤａｔａＳｅｍｅｎｔａｔｉｏｎａｎｄＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎｇＴｅｃｈｎｉｕｅｓｏｆＳｃａｔｔｅｒｅｄｑ张蓉培养单位（阮、系）；机电工程学院指导教师姓名、职称：吴禄慎教授指导教师姓名、职称：王运霄高级工程师专业学位种类：工程硕±专业领域名称：仪器仪表王程＇论文答辩日期＾；。《６年＾月為日＞答辩委员会卡席：／评阅人：２０１６年户月苗曰

2、学位论文独创性声明一论文独创植声明、学位本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含。据我所知其他人己经发表或撰写过的研究成果，也不包含为获得南昌大学或其他教育机一构的学位或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名（手写签字日期：年Ｊｒ月＾日二、学位论文版权使用授权书本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定，同意学校有权保留并向国家有关部ｎ或机构送交论文的复印件和电

3、子版，允许论文被查阅和借阅。本人授权南昌大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编本学位论社文。同时授权北京万方数据股份有限公司和中国学术期刊（光盘版）电子杂志将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕±学位论＂文全文＂数据库》中全文发表，并通过网络向社会公众提供信息服务，同意按章程规定享受相关权益。学签位论文作者签名巧写导师签名字日期年月《日签字日期：刀？！＾备年月遂日论文题画喪也么巧教ｉｉ分書Ｉ為轉ｌＩＩＪｌ故Ｃ刮免辛个论姓名ＳｋＭ－Ｉ学号｜夺巧

4、＾《／如处文级别Ｉ博±＾硕；吕Ｉ院／系／所抓也１铅遂暖专业化ｇ化若王愁ｍＥ＿ａｉｌ备注材卢４开□保密（向校学位办申请获批准为＂保密＂，年＿月后公开摘要摘要逆向工程作为产品消化、吸收且快速开发的重要途径之一，得到了越来越多的重视。通过逆向工程技术，可用三维扫描仪获得实物的散乱点云模型来重建数字CAD模型。针对复杂模具的散乱点云数据，其数据分割与特征提取技术仍存在着适应性不强、自动化程度不高、计算速度慢及精度不足等问题。本文采用理论与实践相结合的方法从K邻域搜索、微分信息估算、数据分割和特征提取等方面进行理论研究与实验验证。论文主要研究内容如下：1.

5、针对规则栅格搜索点云K邻域时容易遗漏局部特征点的问题，采用一种改进的点云K邻域搜索算法。该算法是在基于规则立体栅格空间划分中融入八叉树思想，根据初划分小立体栅格内的点云数目与引入的“点云阈值”关系自适应确定栅格棱长进行自适应空间二次划分；并以采样点的近似密度自适应确定初始空间球半径r和动态球的外切立方体改进空间球算法，实现自适应搜索采样点的K邻域。2.法向量计算误差往往会给曲率计算带来影响，并且难以估算高曲率区域曲率，本文提出一种基于稳健统计的移动最小二乘曲面计算曲率的方法。该方法通过变窗宽最大核密度估计得到最佳子点集，并以此点集拟合出最优移动最小二乘曲面，计算曲面曲率。3

6、.针对B样条曲线拟合的特征线精度和效果与实物原始特征线偏差较大的问题，对3次B样条构造法进行改进。该改进法是将理论的控制点直接用实际控制点来表示进行插值拟合，并采用积累弦长参数化法求取节点向量，以提高拟合特征线的精度。选择不同K值，角度阈值，获得最优的特征提取效果。4.针对特征区域（高曲率）处数据分割误差大的问题，本文提出一种基于多种聚类相结合的混合分割法。采用改进的K均值聚类算法和基于高斯映射的均值漂移算法分别对点云的平坦区域和特征区域进行分割，对K均值聚类算法加入遗传算法避免分割时陷入局部极值；针对特征区域，利用计算出的单位法向量通过高斯映射，在单位球上形成高斯图，再结

7、合自适应均值漂移法对高斯球进行聚类分割，最后根据高斯图与点云数据的对应关系，由分割后的高斯图实现零I摘要件点云的分割。5.结合Microsoftvisualstudio2010和OpenGL对上述理论进行程序编写，再分别使用机械类零件与混合型的点云模型为实验对象进行研究，得到了相应的实验结果。分析实验结果，并与其他经典算法进行比较，验证了k邻域搜索、微分信息估算、特征提取和数据分割算法的有效性与适用性。关键词：k邻域搜索；微分信息估算；特征提取；数据分割；聚类算法IIAbstractAbstractReversee