论文部分内容阅读
随着现代工业的发展,对逆向工程(Reverse Engineering RE)技术有着迫切的需求。所谓逆向工程就是指按照现有零件的模型或实物,利用数字化技术,构造CAD模型的过程。其中点云数据分区是其关键和难点问题。
本文分别利用模糊聚类(FCM)、自组织特征映射神经网络(SOFM)和它们的组合算法进行分区,选用点云的位置矢量、法向量、平均曲率和高斯曲率作为输入向量,采用加权距离取代传统的欧氏距离。通过实验对三种方法的有效性、抗噪性和效率进行了对比。实验结果表明:三种算法均可以实现自动分区,其中模糊聚类算法的有效性和抗噪性最佳,效率也较高。
本文主要成果如下:
(1) 实现了基于模糊聚类的点云数据分区。
(2) 实现了基于自组织特征映射神经网络的点云数据分区。
(3) 实现了基于FCM与SOFM组合方法的点云数据分区。
(4) 对3种分区方法的性能进行了比较,分析了各自的优缺点。