針對飛機蒙皮表面掃描點云中鉚釘自動提取的問題,對點云密度計算、基于區(qū)域增長的點云聚類、主成分分析投影、隨機一致性采樣圓擬合等方面進行了研究。對要測量鉚接質(zhì)量的機體結(jié)構(gòu)區(qū)域進行了高精度三維激光掃描,獲取了相關(guān)區(qū)域三維點云信息;遍歷了所有點云,計算了每個點的局部自適應(yīng)密度,篩選出了高密度點云區(qū)域;進一步對傳統(tǒng)的點云密度計算進行了改進,提出了一種局部自適應(yīng)密度計算方法,利用區(qū)域增長的聚類方法,提取出了單獨的鉚釘輪廓點云,增加了鉚釘輪廓點云的顯著性;最后針對單個鉚釘輪廓點云,采用主成分分析投影技術(shù)處理,并進行了隨機一致性采樣圓擬合。研究結(jié)果表明:該算法能有效提高鉚釘輪廓的顯著性,實現(xiàn)鉚釘輪廓點云的自動提取。
【部分圖文】：

點云聚類結(jié)果

RANSAC圓擬合結(jié)果

通常來說,釘頭部分的點云較為密集,局部自適應(yīng)函數(shù)的點云如圖1所示。點云密度值與右邊顏色條對應(yīng)。所定義的點云局部密度函數(shù)需要進行自適應(yīng)處理,以增大密集區(qū)域與稀疏區(qū)域之間的密度差值。
【相似文獻】

相關(guān)期刊論文 前10條

1 方乃偉;呂學(xué)強;張丹;王濤;;機械設(shè)計圖像主輪廓提取算法研究[J];計算機工程與設(shè)計;2013年08期

2 劉菲菲;楊鐸;;基于二維截面篩選標(biāo)記的點云簡化方法研究[J];機電工程;2020年05期

3 劉丹;錢應(yīng)平;易國鋒;周細枝;;逆向工程中點云處理及擬合新方法的研究[J];機械設(shè)計與制造;2015年03期

4 邱望標(biāo);呂圣楠;;帶有矩形參照物的可程序化點云精確拼接算法[J];組合機床與自動化加工技術(shù);2010年09期

5 沙門;一觸式鉚釘[J];知識就是力量;1996年01期

6 陳華偉;袁小翠;伍權(quán);徐衛(wèi)平;;點云特征型面的邊界曲線擬合及曲面裁剪算法[J];機械設(shè)計與制造;2020年01期

7 張玉燕;渠文涵;郭全麗;任銳;;基于3D點云平均曲率估算的損傷參數(shù)計算[J];計量學(xué)報;2018年05期

8 曹照均;李尚平;李冰;;多基準點下多視點云拼接對齊方法的研究[J];機械設(shè)計與制造;2014年04期

9 羅瑜;邱望標(biāo);;UG二次開發(fā)中的點云濾波預(yù)處理方法和實現(xiàn)[J];蘭州理工大學(xué)學(xué)報;2008年05期

10 周永洪;韓震宇;;基于計算機視覺的鉚釘缺陷檢測[J];科技與創(chuàng)新;2017年13期

相關(guān)博士學(xué)位論文 前1條

1 程旭;復(fù)雜零件三維重建與點云配準技術(shù)研究[D];華中科技大學(xué);2019年

相關(guān)碩士學(xué)位論文 前7條

1 曾定邦;基于點云的復(fù)雜三維模型特征參數(shù)提取研究及應(yīng)用[D];上海交通大學(xué);2019年

2 周浩;橋式起重機地圖重建與路徑規(guī)劃研究[D];大連理工大學(xué);2019年

3 王璐瑤;斷層序列圖像三維模型重構(gòu)精度的影響因素及試驗研究[D];太原理工大學(xué);2019年

4 張桂;基于點云分割的零件制造誤差分析方法的研究與實現(xiàn)[D];重慶大學(xué);2018年

5 董錦菊;逆向工程中數(shù)據(jù)測量和點云預(yù)處理研究[D];西安理工大學(xué);2007年

6 蔡旭;基于點云的零件模型在毛坯中的定位[D];重慶大學(xué);2013年

7 劉哲銘;基于特征與約束識別的點云曲線參數(shù)化建模研究[D];東北大學(xué);2010年

本文編號：2883751