论文部分内容阅读
本学位论文的主要创新点如下：
1.针对分布没有任何规律、点云之间没有任何拓扑关系的完全离散的三维点云数据，基于统计概率理论，提出了一种基于单边左侧四分位数法的离散点云滤波新算法。(第3章)
2.首次将自适应神经模糊推理系统应用在逆向工程的自由曲面重构中，对相关的理论算法给出了推导过程，并结合大量的工程实例对该算法在逆向工程的应用进行了分析论证，结果证明，自适应神经模糊推理系统在对具有复杂型面的物体重构方面比人工神经网络方法有较高的重构精度和较快的重构速度，而且还对那些人工神经网不能重构的具有复杂型面的工件具有良好的重构结果。(第4章)
3.提出了一种基于空间邻域点云耦合的自由曲面重构新方法，并对具体的重构过程给出了具体的理论算法，结合具体的工程实例和人工神经网进行了比较，结果证明，和神经网方法相比，本文提出的新算法具有较高的重构精度和较快的重构速度，而且还可以对那些神经网不能重构的复杂工件进行重构，最后还同对复杂工件同样具有较强重构优势的自适应神经模糊推理系统重构方法进行了比较，结果显示，本文提出的重构新算法在重构精度和重构速度方面略胜一筹。(第4章)
随着计算机、数控、激光测量、视觉技术的高速发展，以及新的原理、技术的不断出现，逆向工程已经成为消化、吸收先进技术，实现新产品快速开发的重要设计手段，现已被广泛应用于机械加工、电子、模具等行业中产品的改型设计与创新设计，在考古、医学、影视等行业也有逆向工程的痕迹。本文主要围绕逆向工程中离散三维点云数据的噪声预处理以及基于离散点云的三维模型重构两个方面进行研究。
在数据的噪声预处理方面，主要完成以下两方面的工作：
1.基于逆向工程背景，研究了小波理论应用于离散三维数据处理的必要性及可行性。提出了基于小波的扫描线点云数据滤波算法。
2.针对分布没有任何规律、点云之间没有任何拓扑关系的完全离散的三维点云数据，基于统计概率理论，提出了一种基于单边左侧四分位数法的离散点云滤波新算法。
本文在自由曲面的模型重构方面主要有以下四方面的工作：
1.结合三维型面数字化重构工程背景，研究了基于人工神经网络(ANN)的自由曲面重构方法，结果证明，该算法对一般的工件有较高的重构精度和较快的重构速度。
2.针对ANN模型重构算法仅适用于重构一般工件的局限性，本文提出了基于自适应神经模糊推理系统(ANFIS)的自由曲面重构方法。首次将自适应神经模糊推理系统应用于逆向工程的自由曲面重构中，对相关的理论算法给出了推导过程，并结合大量的工程实例对该算法在逆向工程的应用进行了分析论证。结论表明，和人工神经网络方法相比，自适应神经模糊推理系统能够对具有复杂型面的物体进行重构，且在重构精度和重构速度方面具有较强的优势，除此之外，该方法还可以对人工神经网不能重构的具有复杂型面的工件进行良好的重构。
3.为了进一步提高对复杂工件重构的精度和速度，本文提出了一种基于空间邻域点云耦合的自由曲面重构新方法(SMSNPC)，并对重构过程给出了具体的理论算法，结合工程实例和人工神经网进行了比较，结果证明，所提出的新算法不仅对重构精度与速度有了明显的改善，而且还可以对神经网不能表达的复杂工件进行重构，最后，同对复杂工件同样具有较强重构优势的自适应神经模糊推理系统重构方法进行了比较，结果显示，本文提出的重构新算法在重构精度和重构速度方面略胜一筹。
4.研究了传统的基于B-spline的参数化模型。对B样条曲线和B样条曲面的有关理论知识进行了研究和分析，并给出了已知型值点反求三维曲面的算法流程，最后结合具体的工程实例进行了验证。结果表明基于B样条的自由曲面重构方法的确是一种好的参数化建模方法。
最后在总结全文工作和创新点的基础上，对逆向工程中数据滤波和网络化模型重建两个方面进行了展望。