论文部分内容阅读
随着计算机几何获取和设计的快速发展,逆向工程在农业领域、航空航天、机械产品开发设计、医学等相关领域都得到广泛应用,逆向工程技术逐渐发展成为国内外研究热点,虽然三维扫描仪在获取三维点云数据技术有很大发展,但在三维点云数据获取过程中,由于被测实物具有型面不规则和较深的复杂的内部结构,破损以及测量设备无法精确测量,导致所测得的点云数据不完整,形成孔洞和缺口,为了得到完整的点云数据,并且对实物进行三维重建与创新性设计,需要对测量缺失点云数据进行修补,否则会影响曲面重构后的精度,便于获得所用零件的结构参数以及进行逆向设计。因此为了满足后续应用,还需对点云模型,进行孔洞修补。本文主要研究对三维点云孔洞修补技术(效率和精度)进行重点分析和研究,主要内容如下: 1、本文对课题组原有的修补技术(BP和PSO-BP算法)进行了改进,利用BP神经网络初步实现了点云孔洞修补,但修补精度低,而PSO优化BP网络虽然提高了BP网络的泛化性,孔洞修补精度有所提高,但损失了效率,在此基础上本文提出了GA优化BP网络,利用GA良好的泛化性来提高BP网络的全局寻优能力,以斗齿点云内腔人为孔洞为例,与原有的修补方法进行比较,实验表明GA-BP在孔洞修补精度上有所提高,效率上略有提高。 2、为了提高孔洞修补精度,同时对效率又有较大提升的情况下,提出了思维进化算法(MEA)优化BP网络,利用MEA的记忆性以及泛化性提高BP网络的快速收敛,寻找到全局最优解,以乌龟表面人为孔洞为例,并比较GA-BP和PSO-BP这两种模型对BP网络性能改善情况,表明MEA-BP网络在精度有所提高,在效率方面也具有很大提升。 3、针对孔洞修补精度和效率问题,即修补精度和修补效率难以兼顾,在力求提高孔洞修补精度时,效率往往会降低;而在关注修补效率时,修补精度又得不到保证,即为了提高孔洞修补精度和效率,本文提出了极限学习机算法,利用极限学习机结构简单,调整参数少等优点,该方法只需设置隐含层神经元个数,将训练集样本个数作为神经元个数,来实现点云模型孔洞修补,实验表明,该方法能够快速实现孔洞修补,精度高,拟合效果好。