基于几何先验和深度学习的点云法矢估算

法矢是三维点云曲面最基本的几何属性.为解决传统几何估算子与基于学习技术中的问题,提出基于几何先验和深度学习的点云法矢估算方法.首先,使用一个多尺度曲面块选择方法保持点云的特征和细节,以降低后续深度网络的学习难度;然后,结合局部特征和几何先验知识设计一个法矢优化神经网络,输出精确点云法矢;最后使用合成模型数据和Microsoft Kinect V1扫描得到的真实模型数据进行验证,使用平均角度误差作为度量标准与主流方法进行对比,定量和定性分析结果表明文中方法在保持模型细节和噪声鲁棒性方面均明显优于对比方法.

离散三角网格模型顶点法矢量估算

提出一种新的三角网格模型顶点法矢估算方法,采用以三角网格顶点一阶邻域三角形的形状因子与顶点到三角形质心距进行综合加权的方法。同时指出:在同等三角网格曲面,随着三角网格划分精度的提升,网格顶点法矢估算精度有增大趋势;在同等网格划分精度条件下,对于平均曲率小以及平均曲率变化率小的三角网格模型,其网格顶点法矢估算精度也有增大趋势。实例计算和误差分析表明,该方法的计算结果更为精确合理。

激光扫描点云法矢精确计算与表面光顺方法

为在光顺的同时保持特征,在精确计算点云表面法矢的基础上,提出附加约束的双边滤波器光顺方法.首先考虑激光扫描点云分布特点对其进行预采样处理,提高法矢估算初值的精度;然后利用抗差最小二乘拟合提高法矢估算精度,并基于拟合中误差和点间距离构造双边滤波器对法矢进行进一步修正,得到较为精确的法矢估算结果;最后通过分析传统双边滤波器存在的问题,引入"噪声度"概念,基于噪声度和点间距离构造双边滤波器,并附加法矢和预测距离以区分拐角特征.实验结果表明了方法的特征保持能力和高效性.

面向STL模型的在机检测系统测点法矢计算

为提高在机检测系统的测头半径误差补偿精度,针对测头半径误差补偿的重要参数-测点的法矢方向提出了精确的估算方法。针对测点位于三角网格顶点的情况,提出一种以三角面片的顶角、质心距及周长作为权重因子的顶点法矢的估算方法。采用三种二次曲面的三角网格模型进行实验验证,结果表明,针对测点位于三角网格顶点情况的计算方法可有效地提高法矢计算精度。同时,针对采用截面线法规划测点时,测点普遍位于三角网格内部的情况,提出了计算测点的法矢方向,并通过两种不同网格密度的正弦曲面进行实例验证。结果表明,采用面向STL模型的在机检测系统测点法矢计算方法计算的测点法矢误差的平均值较其他方法分别减少了53.5%、61.7%,使测点法矢的计算精度明显提高,从而有效地提高了半径误差补偿的精度。