第三章 数据预处理技术逆向工程.pptVIP

第三章 数据预处理技术 在模型重构前，对点云数据进行必要的预处理，以获得满意的数据 一般CAD模型重建之前均应进行数据预处理工作，包括： 基本内容 §3-1 测量数据的剔除与修补 §3-2 点云数据的滤波 §3-3 数据精简技术 §3-4 点云数据特征提取 §3-5 点云数据的分割、对齐与分层 §3-1 测量数据的剔除与修补 原因：1、存在偏离原曲面的坏点； 2、测量引起的盲区和缺口。 一、异常点的处理 不同测量方式得到的点云数据呈现不同的方式，根据点云的特征，点云可分为： 1、散乱点云 2、扫描线点云 3、网格化点云 测量点云中“坏点”（跳点、失真点）的判断方法： 1、直观检查法：适合点云的初步检查，剔除偏差较大的孤点； 2、曲线检查法：先过数据的首末两点，用最小二乘法拟合一条曲线，然后计算各点到曲线的欧氏距离，根据距离的大小来剔除坏点。 3、弦高差方法：连接检查点的前后两点弦，计算中间点到弦的距离，根据距离的大小来剔除坏点。 二、数据修补 1、数据修补方法综述 原因： ①实物拓扑结构的限制，存在探头无法测到的区域； ②零件表面的缺口，使点云数据出现空白区； ③测量中，测头的补偿误差，影响造型精度。 逆向工程中，数据修补的常用方法： ①实物填充法 ②造型设计法 ③曲线、曲面插值补充法 2、基予神经网络的数据修补技术 ①数据修补的神经网络数学模型 ②神经网络的算法过程 §3-2 点云数据的滤波 一、数据平滑：就是数据的波动小。 1、平滑处理方法主要有：平均法、五点三次平滑法和样条函数法，最常用的是平均法，包括： ①简单平均法 ②加权平均法：取滤波因子 ③直线滑动平均法 2、平滑滤波方法 ①中值滤波法：用相临三点的平均值取代原始点，实现滤波。 ②平均值滤波法：用滤波窗口内各数据点的统计平均值取代原始点。 ③高斯滤波法：采用高斯滤波器将指定区域内的高频噪声滤除。优点：在滤波的同时，能较好的保持原数据形貌。因而经常被采用。 二、数据噪声检测、滤波算法 1、基于曲率变化的分段曲线检测法 2、自适应弦偏差脉冲噪声检测法 3、加权中值滤波法 §3-4 点云数据特征提取 几何特征是几何造型的关键要素，对控制几何形体的形状具有极为重要的作用。 在逆向工程中，模型重建过程是根据逆求对象测量点云，重建其几何和拓扑信息，并再现特征的过程。 特征是指对曲面建模有关键影响的一些局部曲面曲线。 特征曲面：指二次曲面以及曲面之间的过度曲面； 特征曲线：局部曲面之间的交线以及局部曲面的边界； 特征曲线是数据分块的依据，特征曲面是造型的基础； 一、边界点的提取 一条曲线上的边界点可分为： 1、阶跃边界（高度不连续） 2、褶皱边界（切矢不连续） 3、光滑边界（曲率不连续） 二、曲面离散数据特征点的提取 §3-5 点云数据的分割、对齐与分层 零件都是按一定的特征设计制造的，产品的表面往往不是由单张曲面构成，而是由大量的初等解析曲面和自由曲面组成。 数据分割是根据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，将全部数据分割成代表不同曲面类型的数据域。 数据分割的好坏不仅关系到点云数据处理的难易，而且对重建模型的精度产生重要影响。 一、常用的数据分割方法 1、基于测量的分割：适合于特征比较明显的实物外形和接触式测量。 2、自动分割 ①基于边的数据分割：寻找边界点，连点成为边界环，从而实现数据的分割。 缺点：法矢的变化或高阶导数的不连续来判断边界点，对假点比较敏感，容易产生错误的推理结果。 ②基于面的数据分割：寻找具有相同曲面性质的点而实现点云数据的分割。 缺点：要求曲面光滑连续，而实物并非如此，容易造成估算特征参数的不准确。 基于面的数据分割可分为：自下而上和自上而下两种。 自下而上是由点到面，种子点的选取是关键； 自上而下是由面到子面，直到分割的子面属于同一性质的曲面为止。 二、多视点云对齐 三维物体测量中，一次测量无法得到整个物体的完整点云数据，要得到完整的数据，必须从物体的不同角度进行多次测量，得到多个独立点云数据，既多视点云。所以逆向工程中，不可避免的提出了点云的对齐问题。点云对齐的方法很多，主要有： 1、基准点测量法 将点云的对齐问题转