面向铸件自动化打磨的点云精简方法

由于铸件自动化打磨作业中存在点云数据过冗余等问题,导致数据处理时间过长,影响加工效率。为了提高点云处理的计算效率,提出一种基于线性耦合曲率的点云精简方法,以兼具效率和精度。对源扫描点云构建K-d树数据结构,并提出更稳健的线性耦合曲率特征模型以提取特征域;在此基础上,利用改进空间二分法快速精简非特征域;最后融合特征域和精简后的非特征域,得到最终精简结果。结果表明:该方法可得准确的精简比,拟合曲面模型仅存在微小的数据空洞。在90%精简比、2.7%噪声比条件下,保形性误差为0.867 mm,优于传统的点云精简方法,能够实现铸件点云的高效精简。