一种自动的非封闭隐式曲面重建方法技术

本发明专利技术公开了一种自动的非封闭隐式曲面重建方法，其特征在于其步骤包括：1）采用隐式曲面三维重建方法将输入的非封闭点云数据模型生成三角网格曲面模型；2）初始化三角网格曲面三角点；3）选取比对的样本三角点；4）计算样本三角点与输入原始点的平均最大距离，将其设为分割阈值；5）利用分割阈值对重建生成的三角网格曲面进行自动分割，删除非实体上不合理的三角面片，得到边缘光顺正确的非封闭曲面。本发明专利技术采用Poisson曲面重建方法完成。该方案弥补了现有隐式曲面重建技术无法对非封闭曲面进行自动准确重建的缺陷，该方法重建得到的非封闭曲面边缘光顺准确、效率高且鲁棒性强，有效解决了非封闭曲面重建的技术难题。

【技术实现步骤摘要】

本专利技术属于产品逆向工程
，具体涉及。
技术介绍
通过三维扫描设备获得物 体表面的散乱点云数据，同时将这些点云数据输入文件进行存储，称为三维点云模型。三维点云模型是一种新兴的三维几何模型存储结构，它是物体模型在三维坐标系中点的集合。通常，点云模型不能直接用于实际的三维模型几何造型，必须将点云模型转化为曲面模型，即为散乱点云数据的三维曲面重建技术。三维曲面重建技术广泛应用于逆向工程、产品设计、机械制造、三维测量、虚拟现实、地质勘探、动漫等多个领域。例如,逆向工程(Reverse Engineering, RE),又称反求工程,主要是对已有产品、零部件、实物的原型或模型进行三维激光扫描以获取点云数据，然后对点云数据进行三维曲面重建处理，在重建出的数字模型基础上进行分析和改进，可快速设计生成新的产品模型，最后通过先进的数控制造技术直接实现新产品的生产制造。实际上受多种因素的影响，测量设备大多无法一次性完成数据测量，必须变换测量位置从多个视角获取模型的物理信息，而从每个视角采集得到的点云模型都是非封闭的，需要后续对不同角度模型之间求交、求并、偏置等大量操作处理后才能拼接成封闭的曲面，由于采集得到的三维点云数据一般只提供点的位置坐标和对应的法向量，不包含任何与曲面拓扑结构相关的信息，所以直接对点云数据进行拼接是非常困难的。而且在实际应用中，大部分实体模型本身也是非封闭的。因此，对非封闭曲面进行自动重建具有重要的现实意义。对国内外现有技术文献检索和研究分析在现有的曲面重建算法中，隐式曲面因其具备易于实现交、差、并等集合操作，易于判断给定点是否位于曲面上或处于某一侧，能表示拓扑结构复杂的几何形体，对轻微的噪声不敏感等特点，成为当今三维曲面重建技术的主流。隐式曲面表示方法最大的特点是可以把一个相当复杂的物体表面用一个函数来描述，能够表示任意复杂的曲面。隐式曲面重建算法具有很多优点，但其缺点是不能有效的对非封闭点云模型曲面进行正确重建。使用MPU和CSRBF算法对非封闭模型进行重建，生成的曲面在模型边界出现大量不合理的伪三角面片，重建出的模型曲面无法正确表达出非封闭模型的真实特征。Poisson曲面重建算法是一种较新的全局的曲面重建算法，具有良好的抗噪性，可获得光顺重建曲面的同时保留物体的细节特征，但由于Poisson算法对模型曲面函数的求解是一个封闭的过程，不引入跟模型形态相关的信息，使得Poisson方法重建出的模型曲面总是封闭的，即使是对非封闭的点云模型也会自动重建出封闭的曲面，因此该方法无法实现非封闭点云模型的重建。综上所述，现有隐式曲面重建技术在对非封闭散乱点云模型进行三维重建时，只能采用交互式人工手动割除重建算法生成的不合理三角面片形成的伪曲面，这要求操作人员必须具有很高的专业水平和工作经验，否则就很难保证得到的非封闭模型边界的准确性，导致实际应用中非封闭曲面重建的稳定性较差且工作效率低下。如何利用隐式曲面三维重建方法自动准确地重建出非封闭模型曲面，仍是目前三维曲面重建领域中没能有效解决的技术难题之一。
技术实现思路
本专利技术的目的是针对现有技术的不足，而提供。该方法克服了现有技术中隐式曲面重建方法难以进行非封闭曲面重建的不足，提供一种自动的、精确的、计算效率高且鲁棒性强的基于平均最大距离的非封闭曲面重建方法，使其适应于任意复杂的基于隐式曲面的非封闭模型自动重建。本专利技术依据非封闭点云数据具有模型上点分布密集均匀、边界上的点在一定的邻域内没有相邻点且模型外数据稀少的特点，使得采用隐式曲面三维重建方法生成的三角网格曲面模型，可分为位于实体表面的三角面片(构成的曲面称为模型曲面)和非实体上不合理的三角面片(构成的曲面称为伪曲面)两大类，并且模型边缘即为二者的分界线。事实上还具有模型曲面上的三角面片周长较小，出现相同的概率较大；而伪曲面上的三角面片周长较大，出现相同的概率较小；实际模型的原始点到模型曲面三角点(即三角面片的三个顶点)的平均距离要明显小于到伪曲面三角点的平均距离，且该平均距离在模型边界处发生较大突变的特点。本专利技术利用上述特点来实现模型曲面和伪曲面的分割，首先计算曲面重建时生成的三角网格曲面模型的三角面片周长的分布概率并从大到小进行排序，从中选取若干位于模型曲面上的三角点作为样本点，然后计算样本点与原始点的距离，遍历所有原始点求取平均最大距离T，根据原始点到伪曲面三角点距离明显大于到模型曲面三角点距离的特征，即可将三角点分为模型曲面三角点和伪曲面三角点两类，将T设为阈值对生成的三角网格曲面模型进行分割，保留与原始点距离小于F的三角点而去除距离大于Γ的三角点，即可重建出非封闭的三维模型曲面。大量实验证明该算法能准确有效地删除伪曲面而不影响模型曲面的精度，且算法复杂度低，时间效率高，鲁棒性强，有效解决了非封闭曲面自动重建的技术难题，为逆向工程技术提供了一种高效的基于隐式曲面技术的非封闭曲面三维重建方法。为了达到上述目的，本专利技术所采用的技术方案具体包括以下步骤 1)采用隐式曲面三维重建方法将输入的非封闭点云数据模型生成三角网格曲面模型； 2)初始化三角网格曲面三角点； 3)选取比对的样本三角点； 4)计算样本三角点到原始输入点的平均最大距离，将其设为分割阈值； 5)利用分割阈值对重建生成的三角网格曲面进行自动分割，删除非实体上不合理的三角面片，得到边缘光顺正确的非封闭曲面。步骤I)中所述的采用隐式曲面三维重建方法将输入的非封闭点云模型生成三角网格曲面模型，本专利技术采用Poisson曲面重建方法完成，由此自动重建得到的是一个封闭的三角网格曲面模型。步骤2)中所述的初始化三角网格曲面的三角点是指构成模型三角面片的三个顶点，称为二角点。步骤3)中所述的选取比对的样本三角点具体包括 求取三角面片周长，遍历全部三角面片； 将三角面片周长扩大到整数； 求三角面片周长大小的分布概率； 取一定比例的三角点作为样本点。步骤3)中所述的将三角面片周长扩大到整数，一般情况下，计算得到的三角面片周长都不是整数，为了方便计算，将所有的周长同乘一个倍数扩大到整数。步骤3)中所述的求三角面片周长大小的分布概率，是指将各个三角面片周长出现的概率按从大到小进行排序，由于实际采集得到的点云模型原始点一般分布较均匀，因此在模型曲面上三角面片周长出现的概率远远大于伪曲面上三角面片周长出现的概率。步骤3)中所述的一定比例，通过误差分析比较，本案例中取周长出现概率大的前100个三角点作为比对的样本点，适用于大部分情况但并不局限于此，实际应用时可根据数据规模适当调整样本比例。步骤4)中所述的计算输入原始点与样本三角点的平均最大距离，将其设为分割阈值T，具体包括 1)计算样本三角点到原始点的欧氏距离，按列固定，每列由小到大进行排列，统计原始点周边单位距离内生成的三角点数量，求得生成三角点的单位密度，求取单位密度下的欧氏距离，即为在单位密度下的最大距离； 2)按采集样本点的个数计算平均最大距离，将其设为分割阈值T。步骤5)中所述的利用分割阈值/对封闭曲面进行分割，得到边缘光顺、准确的非封闭曲面包括 1)将样本三角点到原始点的欧氏距离大于阈值Γ的三角点标记为0，小于阈值Γ的三角点标记为I ; 2)将含有标记为O的三角点的三本文档来自技高网...

【技术保护点】
一种自动的非封闭隐式曲面重建方法，其特征在于其步骤包括：1）采用隐式曲面三维重建方法将输入的非封闭点云数据模型生成三角网格曲面模型；2）初始化三角网格曲面三角点；3）选取比对的样本三角点；4）计算样本三角点与输入原始点的平均最大距离，将其设为分割阈值；5）利用分割阈值对重建生成的三角网格曲面进行自动分割，删除非实体上不合理的三角面片，得到边缘光顺正确的非封闭曲面。

【技术特征摘要】

【专利技术属性】
技术研发人员：温佩芝，宁如花，
申请(专利权)人：桂林电子科技大学，温佩芝，
类型：发明
国别省市：