基于二次特征提取的煤矿巷道表面点云数据精简方法

采用三维激光扫描技术提取的煤矿巷道表面点云数据量大且存在较多的冗余数据,而现有点云数据精简方法存在大数量级点云处理过程中细节保留不足的问题。针对上述问题,提出了一种基于二次特征提取的煤矿巷道表面点云数据精简方法。首先对采集到的原始巷道点云数据进行去噪预处理;其次建立K-d树,并利用主成分分析法对去噪后点云数据估算来拟合邻域平面的法向量;然后通过较小的法向量夹角阈值对点云进行初步的特征区域与非特征区域划分,保留特征区域并随机下采样非特征区域,接着依据较大的法向量夹角阈值将特征区域点云划分为特征点和非特征点,并对非特征点进行体素随机采样;最后将2次点云精简结果与特征点合并得到最终的精简数据。仿真结果表明,该方法在百万数据量级点云和高精简率条件下,相较曲率精简方法、随机精简方法和栅格精简方法,在特征保留和重构精度方面都取得了更好的效果,三维重构后计算所得标准偏差平均可低于相同精简率下其他方法30%左右。

面向三维残缺点云图像的数据精简方法

为解决残缺点云模型数据精简时边界特征容易失真的问题,以汽车覆盖件中的薄壁类零件为研究对象。提出一种保留残缺点云边界特征的数据精简方法。借助KD-tree建立数据索引结构,获取数据点最近邻,并通过邻域点拟合出微切平面的方法,计算出点云数据的法向量。利用法向量夹角大小关系,选取边界以及孔洞特征点的初始种子点。再根据欧氏距离实现初始种子点的邻域搜索,从而完成边界以及孔洞邻域特征点的提取。根据曲率精简的方法,对非特征点进行数据精简,最后,合并特征点云与非特征点云,实现对残缺点云模型的数据精简。将随机精简法、曲率精简法分别用于点云模型精简处理,结果表明:相比于其他两种方法,所提方法更好地保留了模型边界以及孔洞邻域特征数据点,其标准偏差、曲面表面积变化率优于其他两种方法且变化相对稳定。

3D打印中数据精简处理技术

目前流行的3D打印方法是把模型数据切割成切片数据进行打印,但是切割后的轮廓上存在很多冗余数据点。针对该问题,文中提出一种在角度弦高法的基础上融合二分法和筛选法的简化处理算法。该方法将轮廓上的数据分割成一个一个的簇数据集,再根据簇内每个点的偏角度和弦高依次进行判断筛选;然后通过二分迭代的方法对簇数据进行重新聚类,以此来确定需要去除哪些数据点。选取1001个原始数据点的梅花形状轮廓为实验对象,当设定偏角阈值Δα=10°,弦高度阈值为Δh=0.1 mm时,所提算法精简率为80.82%,且用时仅为0.0049 s,重构曲线的平均误差仅为0.0237 mm。所提算法精简的效果比较理想,不仅能够在轮廓的曲率变化较高的地方保留足够的数据点,而且在轮廓的曲率变化较低处也能把细节的特征点很好地保留下来,保留的数据能够跟随曲率特征实现合理的分布。实测结果表明,要使精简的效果良好且快速稳定,需要把每次处理的数据簇的个数设定在10~20。

逆向工程中的测量数据精简技术研究

在分析角度-弦高联合准则法和包围盒法的工程适用特点的基础上,提出了同时基于角度-弦高简化法和包围盒法的改进型数据的直接精简方法,即利用包围盒法构造分割面,利用分割面将数据点云处理成按扫描线存储的"结构化"测量数据,再利用角度-弦高联合准则法逐线精简.随后以铸造模板、汽车发动机罩及人头像为典型实例,分别对具有不同表面特征的测量数据点云进行了数据精简验证.结果表明,提出的方法同时具备2种数据精简方法的优点,且克服了该2种方法无法处理曲率变化大、附加特征多的表面测量数据的局限性,能够对测量数据进行直接而有效地简化,因此可以用于处理具有复杂附加特征的散乱测量数据.

基于改进的角度偏差法的采空区点云数据精简

在保证采空区几何特征不变的前提下,有必要对点云数据进行精简,提高三维建模及其应用的效率。介绍了点云数据精简算法的评价体系,探讨了空区探测系统扫测采空区的点云数据特点;在对比最小距离法、平均距离法、角度偏差法、弦高偏差法等采空区点云数据精简方法的基础上,提出了保留采空区几何特征更为有效的点云数据精简方法——改进的角度偏差法。通过对比精简前后的扫描线周长、面积及标准差等指标,认为该方法不但保持了扫描线的细节,而且使精简后扫描线上的点分布较均匀,为后续三维建模及应用打下良好基础。

基于聚类平面特征的三维点云数据精简算法

根据建筑物在高度方向截面上的点云数据必定位于其轮廓线的原理,提出基于聚类平面特征的点云数据精简算法。该算法无需对扫描对象进行表面重构,而是在保持建筑物高度方向数据精度的前提下,对点云数据分层聚类简化,保留满足条件的特征点,删除其余的点。通过实例证明该算法可以在保持建筑物外形特征的同时,达到较高的精简比率。

逆向工程中数据精简技术的研究

由于激光扫描技术的进步,可以方便地以较高精度和速度获取零件模型表面信息,对于产生的大量扫描数据,需要对其进行精简处理.为此提出了自适应最小距离精简方法,首先通过中值滤波和小波包滤波实现数据点的噪声去除,然后通过曲率分析,实现数据点云区域分割,对于分割后的区域选用不同的距离准则,如果数据点间的距离小于设定的准则,则该点删除从而实现数据精简.自适应最小距离法不仅保留了造型所需数据点的精度,同时数据精简效率为36%,最后通过实例验证了该方法的有效性.

基于非均匀细分的散乱点云数据精简算法

针对海量散乱点云数据精简问题,提出了基于非均匀细分的精简算法。采用八叉树结构对点云数据进行空间分割,由分割结果建立k邻域。对k邻域内的散乱点进行二次曲面拟合,以拟合曲面的平均曲率为判据决定是否对八叉树空间实行非均匀细分,细分过程中由数据点之间的最大间隔角决定细分程度。构造曲率差函数,识别出边界数据点,对其进行数据保护。该算法对具有曲率多样化特点的点云数据的精简具有实用性,通过实验验证了该算法的可靠性和准确性。

基于曲率弦高法的海量测量数据精简

针对视觉测量的点云数据过大而不利于计算和重构的问题，在分析视觉测量点云数据特征的基础上，将曲率原则和弦高法相结合，提出基于曲率弦高法的海量测量数据精简方法。该方法在考虑曲线曲率变化的基础上构建弦高函数，并通过迭代得到各测点变化的弦高值，再根据弦高法的数据精简原则确定需要保留的测量点。仿真实验表明，该方法在平均误差小于0．2mm时，精简率为89．8％，能够有效地对海量点云数据进行精简，并实现精简后测点按曲面曲率的合理分布。

一种改进的激光点云数据精简算法

随着三维激光扫描仪获取的点云数据量越来越大,激光点云数据精简已成为测绘领域中的一个新的研究热点。在对点云数据分层技术研究的基础上,将二维平面曲线精简算法—Douglas-Peucker算法拓展到三维空间并进行改进,使得算法在处理前不需要已知点云间的邻接关系,可以对三维散乱点云数据进行直接处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后的点云数据的网格模型。通过与原始点云的网格模型进行对比分析,实验表明此改进算法的精简效果比较理想。

基于扫描线的三维激光扫描数据精简算法

在曲面重构中,三维激光扫描线点云数据量过大,不利于计算、存储和曲面重构。通过分析角度偏差法和弦偏差法的工程适用特点,提出了同时基于角度偏差法和弦偏差法的改进型点云数据的直接精简方法,利用Matlab实现了对扫描线点云进行逐线精简。此外,介绍了一种基于二次曲面拟合的数据点曲率估算方法,并以颜色显示点云的曲率分布,计算结果显示了方法的有效性。

基于八叉树编码的点云数据精简方法

针对逆向工程中的点云数据预处理,分析了现有数据精简方法的不足,提出了基于八叉树编码的均匀精简方法。应用八叉树编码法划分点云邻域空间为多个指定边长的子立方体,保留每个子立方体中距中心点最近的点,实现从空间整体角度对点云的精简。对涡轮叶片测量数据进行了精简测试,证明了该算法的有效性和实用性。

面向逆向工程的点云数据精简方法

近年来,激光扫描技术有了重大的进展,3D激光扫描设备的精度越来越高,数据的捕获速度急剧增加,其每秒产生成千上万个数据点,这一巨大的数据量成为数据计算和存储的负担。因而,一个相当重要的问题就是,将这些巨大的数据进行精简,同时维持数据原有的精度。详细介绍了目前国内外在点云数据精简方面研究的一系列方法,并对它们的特点和使用场合进行详细的比较。

一种改进的点云数据精简算法

近年来,三维点云数据压缩技术已成为逆向工程领域中的一个研究热点。在对点云分层技术研究的基础上提出了一种改进的点云数据压缩方法,该方法不需要确定点云间的邻接关系,可以直接对三维散乱点云数据进行处理。借助于Matlab平台编程实现点云数据精简,并利用程序构建精简后点云数据的网格模型。通过与原始点云的网格模型对比分析,表明此方法的精简效果比较理想。

三维扫描人体的点云数据精简技术

以三维扫描数据进行的人体重构,需要进行数据精简。传统的基于网格的精简方法需要记录网格之间的拓扑关系,因而空间和时间复杂度都很大。提出了一种不需要事先对扫描对象进行表面重构,而直接进行点云精简的方法。该方法无须对庞大数量的网格面片进行计算,无须记录网格的拓扑关系,而且能较好的保持被精简对象的原有特征,从而提高了点云精简的效率,减少了计算时间和存储空间。

反求工程中的数据精简技术

随着激光扫描技术的不断发展,数据获得的速度及数据采集的密度也得到逐步提高。与此同时,怎样处理这些大批量的数据点也将成为基于激光扫描测量造型的主要问题。如果直接对点云进行造型处理,大批量数据的存储和处理将成为不可突破的瓶颈,从点云到模型重建整个过程将变得难以控制。目前的多数算法以牺牲效率来换取精度,而适应性最小距离法正是一种平衡效率和精度的数据精简算法。实例证明了适应性最小距离法的有效性。

逆向工程中散乱点云数据精简研究

近年来,激光扫描技术有了重大的进展,可以方便地以较高精度和速度获取零件模型表面信息.对于产生的大量扫描数据,需要对其进行精简处理.在分析自适应最小距离法和基于八叉树非均匀网格法这2种精简方法特点的基础上,提出了基于这2种方法的改进型数据精简方法.该算法能够对大量点云测量数据进行直接、有效的精简.并通过对比实验进行了验证.最后对该算法的优缺点做了小结.

点云数据精简技术

以三维扫描数据为基础进行的人体重构,需要先进行数据精简.通常的精简过程需要对庞大数量的网格面片进行计算,而且还要记录网格之间的拓扑关系,时间和空间复杂度都很大.本文提出了一种不需要事先对扫描对象进行表面重构,而直接进行点云精简的方法,从而大大提高了点云精简的效率.

数据精简整合系统范式管理研究——应用于高校信息集成

本文针对信息系统中冗余数据主要集中在数据库重复记录的特点,对这部分的冗余数据进行精简。对数据库重复记录分别进行:预处理、表内精简、用SOM-BP网络在异构数据库间建立同类型字段的匹配关系、求取匹配记录对、对共享池进行精简这5个步骤实现共享池数据的精简。建立了高校信息管理系统共享池建设中异构数据库的精简范式。这套精简系统满足了高校信息集成过程中对数据精简的需求,提高了效率。

基于第二代小波变换的点云数据精简技术

数据精简技术的关键是在精简数据的同时,最大限度地保留点云数据的原有特征。在研究现有数据精简技术的基础上,提出了基于提升格式的第二代小波进行分层数据精简的新方法。通过对点云数据分割、预测、排序,将小波系数较大值的点保留,小波系数较小的点删除,从而实现精简。该方法具有层次性,便于误差控制,运算简单等优点。