[发明专利]基于样点拓扑近邻的散乱点云曲面拓扑重建方法

说明书

技术领域

本发明提供一种基于样点拓扑近邻的散乱点云曲面拓扑重建方法，属于产品逆向工程技术领域。

背景技术

散乱点云曲面拓扑重建主要用于解决实物表面样点邻接关系的复原问题，输出结果体现为二维可定向流形结构的多边形网格曲面。曲面拓扑重建在逆向工程、医学影像处理、虚拟现实、机械产品测量造型等领域中都有着重要应用，例如，在汽车、航空等领域，产品外形设计人员在获取手工模型表面数据后，需要采用散乱点云曲面拓扑重建技术构建模型三角网格曲面，并基于三角网格曲面生成数控加工刀轨；在医学影像处理领域，在获取人体及骨骼和器官的测量数据后，经曲面拓扑重建构建人体及骨骼器官的计算机模型在医学方面有着重要意义。

对现有技术文献检索发现，黄运保在其论文“测量点集曲面重建若干关键技术研究”(华中科技大学，2004.11)中以z坐标最大的样点作为起始点，查询其k近邻数据，对样点及其k近邻数据进行三维Delaunay四面体剖分，得到与此对应的Voronoi图，基于Voronoi图划分的邻接关系构造以该样点为中心的局部网格，并以该网格为初始边界，重复以边界上的点为中心构造局部网格及其边界，通过已构造网格边界的膨胀、分裂及自裁剪等操作将局部网格构造增量传播至整体散乱点云，基于k近邻为几何近邻，所以当处理非均匀点云时，如果选取的近邻数据查询个数不够多，通常会产生非工艺孔洞，从而导致拓扑重建结果失真。

综上所述，现有技术存在的缺陷是：基于几何近邻对散乱点云进行曲面拓扑重建仅适用于采样均匀的点云，数据适应性差。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种数据适应性强的基于样点拓扑近邻的散乱点云曲面拓扑重建方法，使其适用于任意复杂的散乱点云。

本发明解决其技术问题所采用的技术方案是：该一种基于样点拓扑近邻的散乱点云曲面拓扑重建方法，其特征在于步骤依次为：1)对三坐标测量设备输出的产品表面采样数据构成的散乱点云，采用基于四维聚类的结点分裂方法建立R*-tree树动态索引；2)从散乱点云中任取一样点作为目标样点，采用动态空心球区域增长k近邻查询算法获取目标样点的k近邻，令目标样点及其k近邻组成点集P，判断点集P是否满足偏心扩展条件，对满足偏心扩展条件的点集P进行偏心扩展，对不满足偏心扩展条件的点集P进行自适应扩展，获取目标样点拓扑近邻参考数据；采用动态空心球区域增长k近邻查询算法获取目标样点的k近邻，实现局部查询，仅空心球半径区域内查询k近邻数据点，减小了计算量；3)根据目标样点拓扑近邻参考数据生成目标样点拓扑近邻参考数据的Voronoi图，查询与目标样点所在Voronoi单元相邻的Voronoi单元对应的样点，该样点即为目标样点的拓扑近邻；4)求解点集P的最小二乘平面F，计算点集P中各样点到F的最大距离H，将到F距离小于H的目标样点拓扑近邻定义为目标样点的同层拓扑近邻，目标样点的其它拓扑近邻为目标样点的异层拓扑近邻；5)将目标样点的同层拓扑近邻作为其Delaunay匹配点，以防止不同层但距离很近的点错连，依据目标样点拓扑近邻参考数据的Voronoi图判断目标样点与其同层拓扑近邻之间的空间邻接关系，连接相应样点生成局部Delaunay三角网格，将目标样点的同层拓扑近邻顺次添加到初始传播主环中，构建出网格初始传播主环；6)依据基于局部三维Delaunay的插值网格边界增量构造算法中的环分裂与自裁剪条件，通过对初始传播主环进行膨胀、分裂及自裁剪等增量操作将局部网格构造增量传播至整体点云，实现散乱点云的曲面拓扑重建。

对散乱点云进行曲面拓扑重建后，为进一步满足工艺要求，对工艺孔洞区域进行孔洞处理，设点云的大部分区域为近似均匀采样，采样密度为ρ，由三角形三边关系定理可知合理三角网格的最长边不大于2ρ，因此，可通过人机交互选择工艺孔洞区域，将边长大于δρ(δ≥2)的三角面片视为不合理面片并删除，获取实际拓扑曲面，以满足工艺要求。

步骤2)中，所述判断点集P是否满足偏心扩展条件的方法具体为：将目标样点标记为C，计算目标样点C与其k近邻之间的距离，查找其中最大值R，分别以点集P中各点为球心，R/4为半径作球，将球内包含点的个数标记为当前球心的质量，求解点集P的重心C₁的坐标，对于以目标样点C为起点并以k近邻各点为终点所构成的向量，计算其与向量CC₁之间的夹角，若各夹角都小于或等于90°，则目标样点的k近邻都位于一侧，满足偏心扩展条件；否则目标样点的k近邻分别位于目标样点两侧，不满足偏心扩展条件。