复杂几何模型扫描数据的孔，槽及表面类型的检测

摘要

逆向工程就是通过已存在实体的扫描数据获取物理模型的过程。现有的逆向工程软件已经能够对简单的工程零件和自由表面物体进行反求设计。但是，仍然存在反求精度不高、功能不足、运算速度不高、处理复杂的零件仍然存在需要依赖于设计人员的技术水平等难点，特别是对复杂模型的反求，主要依靠设计人员参与。比如：对带有孔、槽的模型进行数字扫描采样，利用现有的逆向工程软件重构几何模型时，孔、槽等几何特征的识别是通过设计人员参与决定的；对半径比较大的球、圆柱等表面，设计人员可能会将其以平面类型进行重构等等。 本文的目标是研究一种智能检测与识别系统，能够从复杂几何模型的扫描数据中自动识别与检测复杂的或相似的孔、槽及表面类型等几何特征，增强现有的逆向工程软件的反求创新设计能力。 本系统采用一种从三维扫描点云数据中识别棱柱特征进行CAD模型重建的比较新颖的人工神经网络(ANN)算法。该算法从点云数据中抽取四类几何属性(链代码，凹／凸性，圆／直性，和开／闭性)，送到ANN的输入层进行特征识别，就可由这些几何属性确定其类属的特征。 本文着重了讨论这些几何属性的确定算法，给出实例验证，并以此为基础开发了一个复杂特征识别系统，可用于机械零件的三维模型重建和反求工程。 本论文主要内容有： 1．综述逆向工程在处理复杂几何模型点云时面临的困境，介绍了直接从扫描点云中提取几何特征的重要性，并且比较了传统的逆向工程特征识别过程和本课题采用的特征识别过程之间的区别。 2．构建了复杂特征识别系统的软硬件系统，阐述了他们的结构，功能以及优越性。 3.详细介绍了本识别系统所采用的数学算法，该数学算法主要用于提取大量离散点云的几何属性(链代码，凹／凸性，圆／直性，和开／闭性)。该几何属性将被用于人工神经网络(ANN)进行特征识别，本文给出了神经网络结构。 4．主要针对论文中提出的特征识别算法进行实验验证，给出误差分析，分析了影响实验结果的各种因素。实验证明本文提出的算法得到的结果比较满意，取得了可靠的识别效果。 5．采用visual C++和0pen GL软件开发平台及其相关的图象处理技术，开发了“复杂特征识别系统”。本系统基于人工神经网络(ANN)的方法，在直接从扫描点云中获取特征这方面具有独创性，可以成功地从扫描点云中直接提取几何特征。目前特征库里的特征包括孔，内腔，槽，台阶，凸台和圆柱面。随着应用的不断深入，特征库里的特征数量还可以进一步扩大。

目录

文摘

英文文摘

1.绪论

2复杂几何特征识别系统方案设计

3数学模型及算法

4基于C++和Open GL的软件开发

5逆向设计实例

6结论及进一步的工作

参考文献

作者在攻读硕士学位期间的主要研究工作

声明

致谢