一种基于局部点云信息的大尺寸零件模型重构方法技术

本发明专利技术提供了一种基于局部点云信息的大尺寸零件模型重构方法，属于数字孪生技术领域，包括：获取待建模大尺寸零件的三角网格模型；获取大尺寸零件的局部点云数据模型；将局部点云数据模型与三角网格模型重合；将三角网格模型中位于靶标区域内的点进行移动，使三角网格模型中位于靶标区域内的点与局部点云数据模型靶标区域内的匹配点重合，实现三角网格模型的变形；利用拉普拉斯等式，依据参考区域与靶标区域，得到三角网格模型变形后的全部点云信息；根据得到的点信息进行点云逆向建模，得到高保真模型，利用高保真模型进行装配仿真。该方法能够基于局部点云信息进行模型的重构。构。构。

【技术实现步骤摘要】
一种基于局部点云信息的大尺寸零件模型重构方法


[0001]本专利技术属于数字孪生
，具体涉及一种基于局部点云信息的大尺寸零件模型重构方法。

技术介绍

[0002]随着对装配性能的要求不断提高，传统用三角网格模型进行装配仿真已不能更好的满足实际需要，在仿真过程中会因为实际模型与三角网格模型的差异使得仿真结果不能用，因此需要CAD模型能更真实的反映实际物体的实际情况。现有技术采用三维激光扫描仪扫描出实际物体的点云数据，并进行点云逆向重构，从而构建出能更加反映实际物体的孪生模型。
[0003]然而要实现点云的逆向建模，需要对物体进行全扫描，对于大尺寸的零件来说全扫描会消耗大量的时间与存储资源。例如飞机上的大型薄壁蒙皮，其更加关注蒙皮与机身对接部位，但采用传统方法需对整体进行全扫描，这一过程需要花费大量的资源和时间，因此不易实现对模型的重构。
[0004]目前，现有技术针对点云数据重构，构建高保真模型的技术问题，主要采用全扫描获取物体全部表面点云数据并依据完全点云数据从而实现模型的构建。但上述方式存在以下缺陷：在面对大尺寸零件或表面极为复杂的物体的逆向重构问题上时就会存在无法将物体全部表面扫描全，从而无法实现逆向建模。
[0005]同时，为了提高建模效率，现已有人提出通过扫描部分特征面点云数据，对特征面进行逆向重构然后再对相应的特征面进行替代的快速重构方法。但该方式存在：特征面的替代不涉及其余非特征面，因此当模型的变形量很大时，会使曲面替代后的模型失真。同时对于蒙皮来说，会存在特征面很大的情况，因此上述方法也不能很好的解决。

技术实现思路

[0006]为了克服上述现有技术存在的不足，本专利技术提供了一种基于局部点云信息的大尺寸零件模型重构方法。
[0007]为了实现上述目的，本专利技术提供如下技术方案：
[0008]一种基于局部点云信息的大尺寸零件模型重构方法，包括：
[0009]获取待建模大尺寸零件的三角网格模型；
[0010]将三角网格模型离散网格化，形成以节点和节点间连线组成的三角网格模型；
[0011]扫描大尺寸零件的局部关键特征，获取大尺寸零件的局部点云数据模型；
[0012]将局部点云数据模型划分为参考区域与靶标区域；
[0013]将参考区域和靶标区域中的特征点与三角网格模型的对应点进行匹配，匹配后对局部点云数据模型进行位姿变换，使局部点云数据模型与三角网格模型重合；
[0014]搜索局部点云数据模型靶标区域上的点与三角网格模型上的最近点，得到三角网格模型上的最近点索引集Mp；
[0015]将最近点索引集Mp与局部点云数据模型靶标区域的对应点做匹配；
[0016]将三角网格模型中位于靶标区域内的点进行移动，使三角网格模型中位于靶标区域内的点与局部点云数据模型靶标区域内的匹配点重合，实现三角网格模型靶标区域的变形；
[0017]利用拉普拉斯等式，得到三角网格模型变形后的全部点云信息M；
[0018]根据得到的全部点云信息M进行点云逆向建模，得到高保真模型，利用高保真模型对零件进行装配仿真。
[0019]进一步，所述三角网格模型中一点i的局部特征为：
[0020][0021]其中，δ
i
为三角网格模型中点i的局部特征矩阵，(v
i
‑
v
j
)为点i与其相连点构成的矢量。
[0022]进一步，所述将局部点云数据模型划分为参考区域与靶标区域包括：
[0023]在Geomagic Studio中，对扫描的局部点云数据模型进行区域的划分，通过人为手动选取，将参考区域选出；
[0024]通过反选方式，将其余点云数据模型区域作为靶标区域。
[0025]进一步，所述将参考区域和靶标区域中的特征点与三角网格模型的对应点进行匹配，匹配后对局部点云数据模型进行位姿变换，使局部点云数据模型与三角网格模型重合包括：
[0026]利用Geomagic Studio的基于特征匹配功能，手动建立特征点，分别在参考区域、靶标区域和三角网格模型的对应区域创建三个特征点，将三个特征点进行匹配，得到第一转换矩阵；
[0027]将局部点云数据模型依据第一转换矩阵进行位姿变换，得到变换位置后的局部点云数据模型；
[0028]通过ICP匹配算法将参考区域、靶标区域与三角网格模型对应区域进行ICP匹配，得到第二转换矩阵；
[0029]将局部点云数据模型依据第二转换矩阵进行位姿变换，得到变换位置后的局部点云数据模型，实现局部点云数据模型与三角网格模型的重合。
[0030]进一步，所述拉普拉斯等式为：
[0031]LM＝δ
[0032]其中，L为三角网格模型的连接关系矩阵，δ为三角网格模型中的局部特征矩阵，M为三角网格模型的全部点云信息。
[0033]进一步，所述拉普拉斯等式的解法为：
[0034]将变形后的三角网格模型的参考区域点坐标信息和靶标区域点坐标信息加入到三角网格模型的连接关系矩阵L中，得到更新后的连接关系矩阵L'；
[0035]将变形后的三角网格模型的靶标区域点坐标信息加入局部特征矩阵δ中，得到更新后的局部特征矩阵δ'；
[0036]将更新后的连接关系矩阵L'和局部特征矩阵δ'代入拉普拉斯等式中，计算出全部
点云信息M，进而得到零件变形后的全部点云信息；
[0037]代入连接关系矩阵L'和局部特征矩阵δ'后的拉普拉斯等式为：
[0038][0039]其中，为更新后的连接关系矩阵L'，为更新后的局部特征矩阵δ'，ω为扫描区域点的权重，I
n
×
m
为类单位矩阵，M
n
为扫描区域点的三维坐标。
[0040]进一步，所述全部点云信息M为：
[0041]M＝(L
T
L)
‑1L
T
δ'
[0042]其中，L
T
为连接关系矩阵L的转置，δ
′
为更新后的局部特征矩阵。
[0043]进一步，所述根据得到的点信息进行点云逆向建模，得到高保真模型包括：
[0044]将全部点云信息M以txt格式传入Geomagic Studio中；
[0045]将全部点云信息M进行封装，去除网格模型自相交、尖状物的网格问题，得到第一三角网格模型；
[0046]利用精确曲面模块，对第一三角网格模型构建轮廓线后，构建曲面片并对曲面片进行修整；
[0047]构建格栅，将格栅拟合成曲面；
[0048]将所述曲面转换成CAD模型，实现高保真模型的构建。
[0049]本专利技术提供的一种基于局部点云信息的大尺寸零件模型重构方法具有以下
[0050]有益效果：
[0051]本专利技术提出了一种利用不完全点云信息进行大尺寸零件模型的重构方法，通过扫描大尺寸零件的局部关键特征得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于局部点云信息的大尺寸零件模型重构方法，其特征在于，包括：获取待建模大尺寸零件的三角网格模型；将三角网格模型离散网格化，形成以节点和节点间连线组成的三角网格模型；扫描大尺寸零件的局部关键特征，获取大尺寸零件的局部点云数据模型；将局部点云数据模型划分为参考区域与靶标区域；将参考区域和靶标区域中的特征点与三角网格模型的对应点进行匹配，匹配后对局部点云数据模型进行位姿变换，使局部点云数据模型与三角网格模型重合；搜索局部点云数据模型靶标区域上的点与三角网格模型上的最近点，得到三角网格模型上的最近点索引集Mp；将最近点索引集Mp与局部点云数据模型靶标区域的对应点做匹配；将三角网格模型中位于靶标区域内的点进行移动，使三角网格模型中位于靶标区域内的点与局部点云数据模型靶标区域内的匹配点重合，实现三角网格模型靶标区域的变形；利用拉普拉斯等式，得到三角网格模型变形后的全部点云信息M；根据得到的全部点云信息M进行点云逆向建模，得到高保真模型，利用高保真模型对大尺寸零件进行装配仿真。2.根据权利要求1所述的一种基于局部点云信息的大尺寸零件模型重构方法，其特征在于，所述三角网格模型中一点i的局部特征为：其中，δ
i
为三角网格模型中点i的局部特征矩阵，(v
i
‑
v
j
)为点i与其相连点构成的矢量。3.根据权利要求1所述的一种基于局部点云信息的大尺寸零件模型重构方法，其特征在于，所述将局部点云数据模型划分为参考区域与靶标区域包括：在Geomagic Studio中，对扫描的局部点云数据模型进行区域的划分，通过人为手动选取，将参考区域选出；通过反选方式，将其余点云数据模型区域作为靶标区域。4.根据权利要求1所述的一种基于局部点云信息的大尺寸零件模型重构方法，其特征在于，所述将参考区域和靶标区域中的特征点与三角网格模型的对应点进行匹配，匹配后对局部点云数据模型进行位姿变换，使局部点云数据模型与三角网格模型重合包括：利用Geomagic Studio的基于特征匹配功能，手动建立特征点，分别在参考区域、靶标区域和三角网格模型的对应区域创建三个特征点，将三个特征点进行匹配，得到第一转换矩阵；将局部点云数据模型依据第一转换矩阵进行位姿变换，得到变换位置后...

【专利技术属性】
技术研发人员：王仲奇，李玖桦，常正平，杨奥杰，陈世洁，李佳伟，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：