论文部分内容阅读
摘要：点云数据处理技术一直都是逆向工程所研究的重要领域之一，对准确而形象地再现真实物体有着重要的意义。其中三维点云模型的特征提取对展现物体模型的三维基本信息有着重要的作用。本文从工程结构有限元分析的角度，对三维点云数据的预处理技术及其特征提取的算法等逆向工程中的关键技术进行了研究，并提出了一种改进的特征提取算法，将其应用于工程有限元模型的快速建立，用来减少建模人员在有限元建模时的工作量。
关键词：MLS 点云模型 特征提取 线性相关性 有限元模型
1 概述
到目前为止，很多国内外学者对三维点云数据的特征提取进行了研究，但将提取的点云特征模型应用于建立工程有限元模型的研究未见报道[1][2][3]。邹冬、庞明勇等于2011年采用估算投影残差的方法来判别三维点云模型潜在的特征点，此算法能够准确地提取点云模型上的特征点和特征线，但特征识别时间代价太高[4]。故本文结合研究对象棱角分明的特点，以及文献[4]、[5]的优点与缺点，提出一种改进的基于MLS的点云模型特征提取的新算法，能够快速、简单、有效地提取研究对象的边界特征点和特征线，并应用于建立三维有限元模型，在很大程度上减少结构有限元分析时建模的工作量，从而加快建立所研究的结构有限元模型。
2 基于MLS的点云模型特征的提取算法
2.1 边界特征点的提取 假设预处理后的点云数据
2.2 自动生成特征线。由上述算法得到特征点集合P后，需要将这些特征点首尾连接，生成特征线集合L。本文结合最近点搜索方法和双向搜索方法来实现边界特征线的提取。
Step 1：在特征点集合P中，任取一点pi作为特征线的始点，记为pb，搜索离pb最近的点pi+1或者pi-1作为此特征线的终点pe，连接pbpe，记为l1，保存在特征线集合L 里。
将点集U按x，y，z三个方向最长轴的中值划分成8个新的点集。使用二叉树方法搜寻给定点pi的最近点集，用欧式距离公式计算各点集内的其中一点与pi（x，y，z）的距离，取其中距离值最小的点的集合作为最近点集。
由于距离公式涉及到开方运算，相对较慢，而比较距离的平方效果也一样。因此本文采用比较平方的形式，将两点间的距离公式定义为：
Step 2：以pb和pe作为新的起点，使用Step1的方法，从剩余的点集P中背向搜索相应的最近点pi+2与pi-1或pi+1与pi-2，作为下一终点连接起来，记为l2和l3，存入特征线集合L中，并对既为终点又为起始点的点加以标记。
Step 3：判断特征点集合P是否均为标记的点，若为空，则停止搜索，否则转到Step 1继续进行。
2.3 特征修复。在生成的特征线中不可避免地会产生一些缺陷，导致提取点云特征模型不完整，主要有两种情况[1]：一是单条特征边的缺口；另一种是两条或多条特征边在角部区域形成夹角的情况。所以生成特征线之后，需要为交汇的特征线建立合适的连接角点。结合以上两种情形，将改进后的特征修复方法介绍如下：
Step 1：从特征线集合L中任意选择一条特征线li，以其终点pe为中心，r为半径构造一个球邻域，查找r-邻域内的特征点或点集。若在此邻域内无其他的终点，则标记终点pe为缺口，并将半径r变为2r，继续搜索另一终点。
若有1个，则认为是单个特征边的缺口，将两终点连接起来，并将新生成的特征线存入L集合。若无，则接着扩大半径，迭代进行。为了能够覆盖特征线之间的空白区域，半径参数r应选择稍大一些。
Step 2：若r（2r）-邻域点N（p）是数目大于或等于2，则认为是两条或多条特征边缺口。设点pi，pj，pk∈N（p），先寻找某一特征终点pi的次尾部特征点pi-1，并和点pi建立直线li。同样为点pj，pk建立直线lj，lk。建立的三条直线反向延伸交于一点σ，记点σ为模型的角点。
3 实验结果和分析
本文通过在VC++6.0的环境下，使用OpenGL编程实现了点云特征的提取算法，获得了点云的特征模型。再通过导入AutoCAD 2007中获得CAD模型，接着再导入到ANSYS 12.0大型有限元软件中，经过一系列定义分析类型和材料参数，并对其施加网格划分等简单处理，最终将提取的点云特征模型应用于有限元模型的快速建立，为下一步进行结构有限元分析做好建模准备工作。
参考文献：
[1]邹冬，庞明勇.点云模型特征的提取算法[J].农业机械学报，2011，42（11）：222-227.
[2]陈义仁，王一宾，等.一种改进的散乱点云边界特征点提取算法[J].合肥：计算机工程与应用，2012，48（23）：177.
[3]马骊溟，徐毅，李泽湘.基于高斯曲率极值点的散乱点云数据特征点的提取[J].深圳：系统仿真学报，2008，20（8）：2341-2344.
[4]柯映林，范树迁.基于点云的边界特征提取直接提取技术[J].机械工程学报，2004，40（09）：116-120.
[5]贺美芳，周来水，朱延娟.基于局部基面参数化的点云数据边界自动提取[J].机械科学与技术，2004，23（8）：912-915.
关键词：MLS 点云模型 特征提取 线性相关性 有限元模型
1 概述
到目前为止，很多国内外学者对三维点云数据的特征提取进行了研究，但将提取的点云特征模型应用于建立工程有限元模型的研究未见报道[1][2][3]。邹冬、庞明勇等于2011年采用估算投影残差的方法来判别三维点云模型潜在的特征点，此算法能够准确地提取点云模型上的特征点和特征线，但特征识别时间代价太高[4]。故本文结合研究对象棱角分明的特点，以及文献[4]、[5]的优点与缺点，提出一种改进的基于MLS的点云模型特征提取的新算法，能够快速、简单、有效地提取研究对象的边界特征点和特征线，并应用于建立三维有限元模型，在很大程度上减少结构有限元分析时建模的工作量，从而加快建立所研究的结构有限元模型。
2 基于MLS的点云模型特征的提取算法
2.1 边界特征点的提取 假设预处理后的点云数据
2.2 自动生成特征线。由上述算法得到特征点集合P后，需要将这些特征点首尾连接，生成特征线集合L。本文结合最近点搜索方法和双向搜索方法来实现边界特征线的提取。
Step 1：在特征点集合P中，任取一点pi作为特征线的始点，记为pb，搜索离pb最近的点pi+1或者pi-1作为此特征线的终点pe，连接pbpe，记为l1，保存在特征线集合L 里。
将点集U按x，y，z三个方向最长轴的中值划分成8个新的点集。使用二叉树方法搜寻给定点pi的最近点集，用欧式距离公式计算各点集内的其中一点与pi（x，y，z）的距离，取其中距离值最小的点的集合作为最近点集。
由于距离公式涉及到开方运算，相对较慢，而比较距离的平方效果也一样。因此本文采用比较平方的形式，将两点间的距离公式定义为：
Step 2：以pb和pe作为新的起点，使用Step1的方法，从剩余的点集P中背向搜索相应的最近点pi+2与pi-1或pi+1与pi-2，作为下一终点连接起来，记为l2和l3，存入特征线集合L中，并对既为终点又为起始点的点加以标记。
Step 3：判断特征点集合P是否均为标记的点，若为空，则停止搜索，否则转到Step 1继续进行。
2.3 特征修复。在生成的特征线中不可避免地会产生一些缺陷，导致提取点云特征模型不完整，主要有两种情况[1]：一是单条特征边的缺口；另一种是两条或多条特征边在角部区域形成夹角的情况。所以生成特征线之后，需要为交汇的特征线建立合适的连接角点。结合以上两种情形，将改进后的特征修复方法介绍如下：
Step 1：从特征线集合L中任意选择一条特征线li，以其终点pe为中心，r为半径构造一个球邻域，查找r-邻域内的特征点或点集。若在此邻域内无其他的终点，则标记终点pe为缺口，并将半径r变为2r，继续搜索另一终点。
若有1个，则认为是单个特征边的缺口，将两终点连接起来，并将新生成的特征线存入L集合。若无，则接着扩大半径，迭代进行。为了能够覆盖特征线之间的空白区域，半径参数r应选择稍大一些。
Step 2：若r（2r）-邻域点N（p）是数目大于或等于2，则认为是两条或多条特征边缺口。设点pi，pj，pk∈N（p），先寻找某一特征终点pi的次尾部特征点pi-1，并和点pi建立直线li。同样为点pj，pk建立直线lj，lk。建立的三条直线反向延伸交于一点σ，记点σ为模型的角点。
3 实验结果和分析
本文通过在VC++6.0的环境下，使用OpenGL编程实现了点云特征的提取算法，获得了点云的特征模型。再通过导入AutoCAD 2007中获得CAD模型，接着再导入到ANSYS 12.0大型有限元软件中，经过一系列定义分析类型和材料参数，并对其施加网格划分等简单处理，最终将提取的点云特征模型应用于有限元模型的快速建立，为下一步进行结构有限元分析做好建模准备工作。
参考文献：
[1]邹冬，庞明勇.点云模型特征的提取算法[J].农业机械学报，2011，42（11）：222-227.
[2]陈义仁，王一宾，等.一种改进的散乱点云边界特征点提取算法[J].合肥：计算机工程与应用，2012，48（23）：177.
[3]马骊溟，徐毅，李泽湘.基于高斯曲率极值点的散乱点云数据特征点的提取[J].深圳：系统仿真学报，2008，20（8）：2341-2344.
[4]柯映林，范树迁.基于点云的边界特征提取直接提取技术[J].机械工程学报，2004，40（09）：116-120.
[5]贺美芳，周来水，朱延娟.基于局部基面参数化的点云数据边界自动提取[J].机械科学与技术，2004，23（8）：912-915.