[发明专利]保持实物表面样点棱边特征的Cocone曲面重建方法

说明书

本发明提供一种保持实物表面样点棱边特征的Cocone曲面重建方法，其特征在于通过修正法向估计结果和调整棱边特征样点的Cocone角度阈值，优化棱边特征重建。对PCA法向估计所用曲面局部样本进行增益优化，从而修正法向估计结果。建立棱边特征样点Cocone角度阈值的调整公式，使棱边特征样点的角度阈值大小适应棱边特征区域的样点分布。在上述角度阈值调整过程中，基于对目标样点处曲面局部样本的高斯聚类实现棱边特征样点识别，并基于预先确定的尺度阈快速滤因棱边样点角度阈值调整所产生的跨区域狭长面片。与现有技术相比，本发明可显著减少重建结果在棱边特征区域处的凹陷和孔洞等缺陷。

技术领域

本发明提供一种保持实物表面样点棱边特征的Cocone曲面重建方法，属于产品逆向工程领域。

背景技术

在重建棱边特征时，Delaunay网格过滤算法的主要问题是重建所得棱边曲线不完整以及棱边邻接面片缺失，这导致后续针对其重建结果所进行的数控加工刀路规划精度严重不足^[1]。针对上述问题，目前主流解决方法是先从实物表面样点中提取棱边特征样点，据此构建棱边特征曲线，再利用特征曲线创建约束条件，在此约束条件下利用典型Delaunay网格算法，如Cocone算法及其衍生算法，对全体实物表面样点进行曲面重建，所得棱边特征曲面的重建质量有一定改善，然而由于该类方法通常串联特征样点提取、特征曲线重建、约束条件构建以及曲面重建等多个环节，其重建结果存在较大的积累误差，而且整个过程的时间复杂度通常较高，其效率一般较低。与典型通用重建算法相比，专门针对棱边特征重建所提出的重建算法虽可较好重建棱边特征曲面，但在非棱边特征区域的重建结果精度不足。

Dey T K等在《Tight cocone:a water-tight surface reconstructor》(//Proceedings of the eighth ACM symposium on Solid modeling andapplications.ACM,2003:127-134)提出的Cocone算法是最为典型的Delauany网格过滤算法，它选取目标样点对应的Voronoi极点估计样点法向，以该法向量为轴建立共轴对称双锥空间，然后选取对偶Voronoi边与该空间补集空间相交的Delaunay网格面片构建网格曲面。由于Cocone算法基于理想Voronoi晶格模型估计样点法向并确定全局最优角度阈值，仅在棱边样点分布密度达到无穷大时能从理论上保证重建结果正确性，而实际中采用结构光三维扫描仪等设备对实物表面进行采样，采样数据的分布密度总是有限大的，使得Voronoi法向估计结果不准确，而且全局角度阈值一般难以适应棱边特征的重建，最终导致Cocone算法在棱边特征处的重建结果通常由孔洞或凹痕组成。Dey等注意到基于全局Voronoi图的Voronoi法向估计不适用于Cocone局部曲面重建，在《Localized Cocone surfacereconstruction》(Computers&Graphics,2011,35(3):483-491)一文中.采用样点邻近的具有最大内角的三角面片的法向作为该样点处法向估计，事实上加剧了法向估计不准的问题，导致了棱边重建结果的进一步恶化。Voronoi极点法向估计依赖的目标样点的Voronoi晶格形状，容易受到距目标样点较远的采样数据的影响，估计结果难以可靠反映目标样点处曲面局部样本的分布性质。PCA(Princepal Component Analaysis，主元分析)算法可用于估计样点法向，对局部样本分布性质反映更为可靠，可在Cocone重建中代替Voronoi极点法向，然而PCA法向估计通常采用欧氏近邻点集作为曲面局部样本，对非均匀点集的适应性较差，其估计结果同样可能不准确，从而加剧Cocone重建结果中的孔洞以及棱边凹痕的问题。

综上所述，目前的Cocone曲面重建方法存在法向估计不准确和全局角度阈值难以适应棱边特征重建等问题，因此，提供一种可较好保持实物表面样点棱边特征的Cocone曲面重建方法已成为本领域技术人员亟待解决的技术问题。

发明内容