点云特征提取是逆向工程领域的一项重要研究内容,可广泛应用于快速产品的逆向设计与开发、汽车车身覆盖件及装饰件、飞机关键零件设计与修复等工业设计中。点云模型的数据分割、重采样、配准和表面缺陷判定等处理,都需要依赖特征提取的结果,因此,开展面向汽车模具的表面缺陷特征提取关键技术研究具有非常重要的学术意义和实际应用价值。鉴于此,课题围绕汽车模具表面缺陷特征提取任务深入开展理论和技术研究。为保证点云分割、特征提取和数据配准的精度,首先对点云的去噪算法展开研究,然后对去噪后的点云进行区域分割,并在此基础上研究点云特征提取方法,最终实现汽车模具表面缺陷的定位识别与特征提取。本文主要研究工作如下:1、针对点云模型不同区域的去噪要求,分析点云模型区域特征信息,提出基于采样点法向距离的特征信息分类法,对包含特征信息较少的平滑区域和含有特征信息较多的尖锐区域,设计不同的光顺去噪算法,实现基于特征分类的混合去噪算法。选择含有不同强度噪声的点云模型来测试该算法的去噪效果,实验表明该算法既能增强平滑区域的光顺度,又能保持尖锐区域的几何特征,避免过度光顺和细节特征失真。并通过对不同去噪算法的去噪结果偏差及算法运行时间对比,验证了该算法在精度和计算效率上的优势。2、针对模糊聚类效率和精度低的问题,基于模糊聚类和群智能优化思想,提出一种混合模糊区域聚类算法,即改进的社会粒子群优化模糊C-均值聚类算法。在粒子群算法的基础上,引入社会原子的跟随特性,构建社会粒子群优化算法,并采用自适应调整策略优化常数跟随阈值,设计出改进的社会粒子群优化算法模型,再利用该算法对模糊C-均值进行优化,实现了改进的社会粒子群优化FCM混合模糊区域聚类算法。选择曲面复杂度不同的点云模型验证算法的可行性,结果表明混合模糊区域聚类算法具有良好的聚类性能,算法在聚类精度、稳定性和收敛速度上有明显优势。3、根据区域聚类分割结果和图像处理中的边缘检测思想,从分析点云数据的邻域信息及几何特性入手,设计点云特征信息聚类、提取、特征点集细化、分段和排序方案,提出基于区域聚类分割的点云特征提取方法。聚类分割后的点云可以使其曲面的参数线在局部区域内保持与几何特征的对应关系,特征提取的结果更为精准。通过对不同点云密度和噪声强度的点云模型展开特征提取实验,验证本方法对噪声点、邻域尺度或采样质量敏感度低,具有较高的准确性和实用性。4、针对模具缺陷修复应用,展开点云模型的凹陷、皱褶缺陷检测,提出基于配准的表面缺陷定位识别和特征提取方法。采用基于四点算法的初始配准和改进的最邻近迭代点ICP精确配准算法的两级配准方法进行点云模型的配准;对配准后模型进行偏差分析,定位识别缺陷区域,并采用混合模糊聚类方法分割缺陷区域;再采用多尺度有向线段角度差方法提取缺陷区域特征信息,并对缺陷特征进行形态参数化分析,判别缺陷区域类型。以江铃全顺汽车后门立柱模具及镶块类模具(T059系列)为研究对象,展开汽车模具表面缺陷检测实验,分离了待修复缺陷并给出了缺陷特征形态参数,为后期模具修复设计和加工提供了量化依据。