论文部分内容阅读
随着数字化技术与汽车工业的迅猛发展,逆向工程在汽车制造业中的应用越来越广泛。在汽车的正向设计阶段,对于油泥模型的处理需要逆向技术的支持。对于国内的汽车制造商来说,由于设计水平与国外还存在较大差距,采用逆向工程对产品进行设计更新是提升竞争力的重要途径。受物体形状、采集设备等多种因素影响,在逆向工程的数据采集过程中,需要进行多次点云数据的测量。为了保持点云模型的完整性,需要通过点云配准技术将不同参考系下的点云变换到同一坐标系下。针对现有点云配准算法运行效率不高、精度低的问题,本文将点云配准分为粗配准与精配准两个过程并分别进行研究以提高配准精度与速度。主要完成工作如下:(1)结合点云法向量与密度进行特征点提取以完成点云粗配准。首先,通过主成分分析(PCA)法计算点云法向量,根据点云数据间距离完成点云密度的计算,以点云法向量对应的特征度与密度组成特征点检测参数完成特征点的提取。然后,计算特征点的快速点特征直方图(FPFH)描述子。最后,以特征点的FPFH描述子为基础,采用随机采样一致性(RANSAC)算法获得配对点,通过四元数法计算刚性变换矩阵实现点云模型的粗配准。(2)提出一种改进的迭代最近点(ICP)算法并以此完成点云精配准。首先,改进点云数据的搜索方式,通过构建栅格法与KD树相结合的多层索引结构,为各个点云数据建立索引,将散乱点云有序化。然后,基于局部表面拟合法计算法向量,根据坐标变换法实现点云曲率的计算并完成特征点的提取。最后,以ICP算法为基础,在曲率特征点中寻找对应点对,由此采用四元数法得到旋转矩阵与平移矢量实现点云精配准。实验结果表明,本文算法能够较快地完成精配准,并且获得了更小的配准误差。(3)以汽车模型为例,对本文所提算法进行实验验证并完成了逆向工程结合快速成型制造的整个流程。首先,采用RigelScan手持式激光扫描仪获得点云数据,在Geomagic Studio中完成点云去噪滤波与孔洞修补。然后,以MATLAB为实验平台利用本文所提算法完成点云粗配准与精配准。最后,实现基于快速成型技术的汽车模型打印,验证了配准算法的有效性。