基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法技术

本发明专利技术公开了基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法，包括以下步骤：S1：对点云进行预处理，包括滤波和邻域划分；S2：初步计算点云边缘特征点；S3：以上一步获得的边缘特征点作为中心，划分多尺度椭球邻域并进行点云插值；S4：构建椭球点云的主流形曲面模型并基于主流形曲面模型计算多尺度曲率值；S5：使用RANSAC算法更新点云边缘特征点。本发明专利技术在识别点云边缘特征时具有以下优势：多尺度椭球提高了识别点云边缘的鲁棒性和抗噪性能；曲率计算是基于椭球点云的主流形曲面，计算结果更为精确，降低离散曲率计算导致的拟合偏差。合偏差。合偏差。

【技术实现步骤摘要】
基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法


[0001]本专利技术涉及一种点云处理技术，尤其是一种点云边缘识别技术，具体地说是一种基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法。

技术介绍

[0002]为了满足飞机零件更高精度的加工和质量控制要求，高精度三维扫描设备已被广泛应用于飞机零件扫描，对扫描得到的点云数据进行精确处理是飞机数字化测量中的重要步骤。边缘特征是飞机零件的重要组成部分，对于飞机零件装配、建模及准确表达具有重要作用。
[0003]本专利技术提出基于多尺度主流形与EM算法的飞机零件点云边缘识别方法，充分考虑点云多尺度了邻域信息，并以微分几何方法精确计算点云曲率，以克服传统方法在边缘识别上的局限性。

技术实现思路

[0004]本专利技术的目的在于提供基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法，所述基于多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法，其特征在于，所述基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法按照以下步骤进行：S1、对点云进行预处理；S2、初步计算点云边缘特征点；S3、以上一步获得的边缘特征点作为中心，划分多尺度椭球邻域并进行点云插值；S4、构建椭球点云的主流形曲面模型并基于主流形曲面模型计算多尺度曲率值；S5、使用RANSAC算法更新点云边缘特征点。2.根据权利要求1所述的基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法，其特征在于：所述步骤S1点云预处理包括滤波和邻域划分，使用高斯滤波对点云进行去噪，构建Delaunay三角网格划分点云邻域。3.根据权利要求1所述的基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法，其特征在于：所述步骤S2初步计算点云边缘特征点包括以下步骤：S2.1拟合平面π，参与拟合的点包括目标点Pi的一阶Delaunay邻域点Pij(j＝1，2，
…
，n)，其中n为点Pi的一阶Delaunay邻域点个数；将点Pij向平面π投影获得投影点Pip，构造辅助三角形，三角形由点Pi、邻域点Pij、投影点Pip构成；S2.2计算点云边缘特征点判断特征值E，按照以下公式计算：式中，h为点Pi到投影点Pip的距离，di为点Pij到投影点Pip的距离，ei为辅助计算值，计算方法如下：根据特征值E的大小初步筛选出点云边缘特征点。4.根据权利要求1所述的基于多尺度主流形与RANSAC算法的飞机零件点云边缘识别方法，其特征在于：所述步骤S3划分多尺度椭球邻域并进行点云插值包括以下步骤：S3.1以S2.2筛选出的边缘特征点为中心，对其1阶和2阶Delaunay邻域点进行主成分分析，生成...

【专利技术属性】
技术研发人员：李根，李泷杲，黄翔，楼佩煌，宋允辉，
申请(专利权)人：南京航空航天大学苏州研究院，
类型：发明
国别省市：