6第三章_数据预处理.pptVIP

第三章 数据预处理 教学目标 （1） 理解：预处理的方法。 （2） 掌握: 数据对齐、数据平滑精简、误差 点的识别去除及其数据分块方 法。 第一节 概述 第二节 多视点云对齐 第三节 数据误差点识别和去除及平滑、精简 第四节 数据分块 第一节 概述 点云预处理 需在对点云数据进行三维数模重建前，对 点云进行的一些必要处理。 数据预处理流程 第二节 多视点云的对齐 多视点云: 为了完成整个物体测量，常把物体表面分成多个局 部相互重叠的子区域，从多个角度获取零件不同方 位的表面信息，从各个视觉分块测量得到多个独立 的点云。 逆向工程的对齐问题可归结为三维刚体的坐标变换 问题。 目前，处理多视对齐的两种方式： 通过专用的测量装置实现测量数据的直接对齐； 自动工件移动转换平台，直接记录工件在测 量过程中的移动量和转动角度。 事后的数据对齐处理。 CMM 等接触式测量方式 -----通过测量软件直接记录数据点进行运动补偿； 激光扫描测量方式 -----将多视传感器安装在可转动的精密伺服机构上，按生成的多传感器检测规划，将视觉传感器的测量姿态准确地调整到预定方位，由精密伺服机构提供准确的坐标转换关系。 事后的数据对齐处理： 根据处理先后顺序的不同，事后的处理方法可分为以下两种： 一是先拼合点云，再重构出原型。 二是对各分块点云构造局部几何形体，最后把这些局部几何形体拼合成完整的数据。 （三基准点对齐方法） 第三节 数据平滑、精简及误差点识别和去除 实际中常用的是扫描线点云、散乱点云。 （1）数据点云的误差点识别和去除 扫描线点云： 根据被测对象的几何形状，锁定一个坐标轴进行数据扫描 得到的，是一个平面数据点集。 跳点（失真点）：由测量设备的标定参数发生改变和测量环境突然变化造成。 判断方法：在同一个截面的数据扫描中，存在一个点与其相邻的点偏距较大，可以认为这样的点是“跳点”。 坏点 散乱点云：误差点，借助三角面片 （2）数据点云的平滑处理 对齐处理后的完整点云，包含数以百万记得点。 噪声点：由于测量过程中受到各种人为和随机因素的影响而产生的，影响后续的模型重建及生成的模型质量的点。 需要进行点云的平滑滤波，以得到精确的模型和高质量的特征提取效果。 （3）数据点云的精简 如何处理大批量的数据点云-----激光扫描测量造型的主要问题。 **在保证一定精度的前提下，减少数据量。 散乱点云----随机采样 扫描点云和多边形点云---等间距缩减、倍率缩减、等量缩减等 数据的精简操作只简单的进行原始点云的删减，不产生新点。 第四节 数据分块 数据分割（ Data Segmentation ） 根据组成实物外形曲面的子曲面类型，将属于同一 子曲面类型的数据成组，将全部数据将划分成代表 不同曲面类型的数据域，后续的曲面模型重建时， 先分别拟合单个曲面片，再通过曲面的过渡、相 交、裁减、倒圆将多个曲面“缝合”成一个整体， 即重建模型。 数据分割方法： 基于测量的分割 在测量过程中，测量人员根据实物的外形特征，将外形曲面划分为不同的子曲面，并对曲面的轮廓、孔、槽边界等特征进行标记。 在此基础上，进行测量路径的规划，将不同的曲面特征数据保存在不同的文件中，输出CAD软件时，可以实现不同数据类型的分层处理及显示，为造型形成极大的方便。 这种方法适合于曲面特征比较明显的实物外形和接触式测量，当然操作者的水平和经验将对结果产生直接影响。 自动分割 基于边的方法： 数据点集中—根据组成曲面片的边界轮廓特征、二个曲面片之间的相交、过渡特征，以及形状表面曲面片之间存在的棱线特征，确定出相同曲面类型的曲面片的边界点，连接边界点形成边界环，判断点在环内还是环外，实现数据分割。 基于面的方法： 尝试推断出具有相同曲面性质的点，然后进一步决定所属的曲面，最后由相邻的曲面决定曲面间的边界。 通常的数据处理包括： （1）补偿点产生 对于接触式扫描，需要恢复这些初始表面上的点，因为从接触式方法获得的坐标值并不真正代表接触点的坐标，而反映的是探头的中心或顶部的值。因此有必要对这些坐标值进行补偿转换，从测量数据生成补偿点。 （2）噪声点删除 由于受测量设备的精度、操作者经验和被测实物表面质量等诸多因素的影响，会造成测量数据误差点的产生，对这类误差点，习惯上被称为噪声点。 因此，需要删除这些噪声点，以减少误差点对后序相邻区域平滑或细化等处理步骤不可预见的干扰和影响。 通常删除噪声点的方法是首先通过图形交互显示，判别明显瑕