[发明专利]一种基于K-means聚类的水火弯板3D扫描模块的提取方法

摘要

本发明公开一种基于K-means聚类的水火弯板3D扫描模块的提取方法，主要应用于造船业中水火弯板的3D扫描模块的提取领域，其主要包括以下步骤：（1）确定聚类中心个数K值；（2）选取初始聚类中心；（3）计算各点对象与各个聚类的相似度，然后将各个对象点依据相似度最大原理进行归类；（4）更新重新归类后的各聚类中心的坐标；（5）重复（3）、（4）步骤，直至聚类中心不再发生变化。本发明是以K-means聚类算法为基本出发点，结合工程项目实际完成3D扫描图形模块的提取工作，采用该方法能够分类提取出利用3D扫描仪扫描出的三维图像的各个模块，达到分类、模块化提取的效果。

主权项

一种基于K‑means聚类的水火弯板3D扫描模块的提取方法，其特征在于，通过3D扫描获取水火弯板的扫描数据集，对扫描数据集进行聚类分析获取聚类结果，进而提取出3D扫描模块；所述对扫描数据集进行聚类分析获取聚类结果的方式为：S1.确定聚类的个数K值：根据扫描数据集确定聚类的个数K；S2.在K个聚类中分别选取各个聚类的初始聚类中心点，其选取过程为：选定第k个聚类，并从中随机选出一个点设定为均值点采用以下公式计算出第k个聚类中其他点与所设定均值点的误差平均和ESS；$\mathrm{ESS}=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}[x_{\mathrm{ki}}-{\stackrel{\‾}{x_{k0}}}^2+y_{\mathrm{ki}}-{\stackrel{\‾}{y_{k0}}}^2+z_{\mathrm{ki}}-{\stackrel{\‾}{z_{k0}}}^2];$重复选取第k个聚类中的其他点作为均值点，求出选取均值点之外的点与选取均值点的误差平方和ESS；获取误差平方和ESS最小的点作为第k个聚类的初始聚类中心(x_k，y_k，z_k)，按此方式分别选取出K个聚类的初始聚类中心；(x_ki，y_ki，z_ki)为第k个聚类中第i个点的三维坐标值，k＝1，2，…，K，n表示第k个聚类中的所有点对象的总数；S3.计算相似度：利用欧几里得距离公式求出K个聚类中剩余N‑K个点对象分别到各个聚类的初始聚类中心点的距离，点i到第k个聚类的初始聚类中心点的距离为：(x_i，y_i，z_i)为K个聚类中第i个点对象的三维坐标值，N表示K个聚类中所有点对象的总数；对欧几里得距离取倒数后得到相似度：当欧几里得距离为0时，相似度为1，即点对象与聚类中心重合；S4.对所有点对象进行归类根据相似度将聚类中所有的点对象归类到与其最相似的聚类中，即将点对象分配到与其相似度最大的聚类中；S5.更新聚类中心利用均值计算公式对各个聚类中所有点的三维坐标进行均值计算，求出的均值坐标点作为新的聚类中心：$\stackrel{\‾}{x_k}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{x}_i+x_k}{n+1}$$\stackrel{\‾}{y_k}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{y}_i+y_k}{n+1}$$\stackrel{\‾}{z_k}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{z}_i+z_k}{n+1}$为加入新点对象更新后的聚类中心的新三维坐标；S6.重复迭代步骤S3、S4、S5，直到所有的聚类中心坐标保持不变或者所有样本点的方差不再变化时，停止迭代运算，所得到的各个聚类即为所提取出的3D扫描模块。