随着计算机技术和机械制造技术的日益发展,逆向工程已广泛应用于产品再创新和设计中。作为产品零部件外形几何逆向工程的一个研究热点,基于激光扫描点云的数据处理技术作为逆向工程几何建模的重要技术,它以激光扫描点云作为逆向数据预处理和建模的基本元素,目前该技术在国内外得到蓬勃发展。该项技术以获取的点云数据为处理对象,不用构建三角网格,在处理超大规模点云中,对点云数据进行预处理、特征提取和模型重构方面,显示出其独特的优势,现在正成为逆向工程研究的一个热点。本文针对该领域中的若干关键性问题,结合山东省自然科学基金项目“基于多尺度特征的复杂曲面重构技术研究”(项目编号:Y2006F12)进行了深入地研究。(1)为了满足逆向工程后续产品开发和重构的精度要求,本文完成了激光扫描点云数据的噪声数学描述与分类,制定了把各种噪声降到最低甚至有效去除的数据预处理流程。根据激光扫描点云数据的特点,给出了噪声点的产生机理及其数学描述,根据建立的数学模型,把噪声点进行分类:由系统测量误差α(x_i,y_i,z_i),和系统随机误差β(x_i,y_i,z_i)引起的噪声点,以及由随机性分量g~S(x_i,y_i,z_i)引起的噪声点。分别根据其特点制定切实可行的去噪方案有针对性的去除。为此,制定了一套数据预处理去除噪声的流程,包括明显噪声点去除,噪声点滤波平滑处理,点云数据的光顺处理等。工作结果表明,在求得的切片点云(从模型的三维离散点云数据到获取的二维截面轮廓的点云数据)基础之上,所采取的去除噪声预处理流程能够把由系统测量误差、系统随机误差以及随机性分量所引起的噪声点减小甚至部分消除,满足逆向工程后续产品开发和重构的精度要求。(2)研究了激光扫描点云数据的有关预处理算法,提出了优化修正量光顺算法。本文在激光扫描点云数据密集、数据量大、不便于存贮的背景下,在保证精简后数据精度的前提下,提出一种用偏差参数和角度允差值来进行点云数据压缩的算法,该算法用于处理的激光扫描点云数据是经过大噪声点去除、滤波和优化修正量光顺处理之后的海量点云数据。该压缩算法简单直观,能够根据公差值d_T和角度最大允差值的大小来压缩数据,这一点能最大限度地满足机械产品外形和精度要求。能够最大限度地保留原有点云数据的外形,提高压缩后数据点的精度,对海量点云数据的压缩具有实际应用价值。针对所采集的激光扫描点云密集和数据量大的特点,重点研究了截面线点云数据的光顺处理,这方面比较著名的文献包括,Eck M.,Jaspert R.和G.H.Liu,Y.S.Wang and Y.F.Zhang所提出的光顺算法,可是,G.H.Liu和Y.S.Wang等人所提出的光顺算法,其修正量是递进的,利用寻优函数的约束来确定修正量,从而使坏点得到光顺,其修正量的阈值没有限制;修正方向的指向是按照能量函数方程符号的变化作出决定,其编程实现相对复杂。由此,本文提出了一种优化修正量光顺算法,在分块进行粗、精光顺处理采样数据过程中,分别由曲率及其一阶差分符号的变化来辨识坏点。坏点的修正方向直接按照能量函数方程确定出由型值点指向三角形形心的正或负的G向;修正量由赋初值开始,然后按照能量函数方程,递进搜索,满足能量代数式最小值后搜索停止。本文所提出的优化修正量光顺算法,主要用于光顺激光扫描散乱点云数据,该算法能够满足曲线曲面重构的光顺性要求,可以有效保留曲线的原有几何外形。最后通过在二维散乱点云上的实例仿真,验证了所提算法的适用性和有效性。(3)提出了用离散曲率算法进行截面线特征提取。特征提取是逆向工程的重要步骤,其中截面线特征点的弱化是需要解决的关键问题。本文重点研究了二维截面线特征点的提取。检索到有关特征点直接提取的文献有,自适应k-曲率(AKC)函数算法,在断点提取中,AKC函数是用于提取拐角和光滑连接之间的特征点;映射高度函数(PHF)算法,PHF函数用于从圆弧中区分出直线段的特征点提取;由Liu和Ma提出的相对转角绘图(RSTM)算法,用于辨识轮廓线的特征点提取问题。AKC函数算法和PHF算法只能提取某种特征点,其广泛应用受到一定限制。在研究了特征点直接提取上述文献相关算法的基础上,提出用离散曲率法提取特征点。所提出算法的主要内容包括:用包含了高斯核函数曲线的曲率表达式建立相关数学模型,选用了合适的离散尺度因子。根据离散曲率曲线的局部极值点,确定出截面线特征点集,并进行特征点的融合。所提出的算法用于准确地获取激光扫描点云的原始设计意图,能最大限度地与原有形状特征元保持一致。顺利地完成逆向建模过程的关键一步。在实例应用中,把RSTM算法和所提出的离散曲率算法在实例应用上做了输出比较,结果是,本文提出的离散曲率算法特征点提取问题,能够提取弱化的特征点,不容易出现特征点的漏检问题,是一种适用和有效的算法。