基于点云数据的逆向工程技术研究综述-王鑫龙.pdf

《基于点云数据的逆向工程技术研究综述-王鑫龙.pdf》由会员分享，可在线阅读，更多相关《基于点云数据的逆向工程技术研究综述-王鑫龙.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、201 8年第2期 speci删Repons综述基于点云数据的逆向工程技术研究综述冰王鑫龙 孙文磊 张建杰 黄 勇 黄海博(新疆大学机械工程学院，新疆乌鲁木齐830047)摘要：在介绍了逆向工程的定义、逆向工程的流程及应用的基础上，综述了点云数据测量、数据预处理和模型重构的研究现状。首先介绍了点云数据测量方法的分类，然后重点分析了点云数据拓扑关系建立的方法及K近邻域索引的研究。多视点云数据拼合的点位法、固定球法、优化匹配法、特征匹配法及辅助装置法的研究。滤波去噪的方法。孔洞修复的原理。数据精简的方法，特征提取和曲面重建的基本思想和研究成果。最后展望了逆向工程技术的发展方向。关键词：逆向工程；点

2、云数据预处理；模型重构；多视点云数据拼合；特征提取；前景展望中图分类号：TP3917：THl64 文献标识码：ADOI：1019287jcnki1005-2402201802010Review on reverse engineering research based on point cloud dataWANG Xinlong，SUN Wenlei，ZHANG Jianjie，HUANG Yong，HUANG Haibo(School of Mechanical Engineering，Xinjiang University，Urumqi 830047，CHN)Abstract：On th

3、e basis of introducing the definition，the process and application of reverse engineering，the currentresearch status of point cloud data measurement，data preprocessing and model reconstruction are re-viewedFirstly，the classifications of point cloud data measurement methods are introduced，thenfocuses

4、on the analysis of the establishment method of point cloud data topological relation and the research of K neighborhood index，point positioning method for multiview cloud data merging，fixed ballmethod，optimization matching method，feature matching method and auxiliary device method research，filter de

5、noising methods，the principle of hole repairing，the method of data simplification，the basicidea and research result of feature extraction and surface reconstructionFinally，the development direction of reverse engineering technology is prospectedKeywords：reverse engineering；point cloud data preproces

6、sing；model reconstruction；multiview point clouddata merging；feature extraction；prospect随着现代制造业全球化与市场化，全球制造业市场竞争愈加激烈，产品生命周期越来越短，致使制造业企业不断追逐CADCAECAMCNC等新技术，来提高产品设计与制造效率，缩短产品研发周期，保持企业竞争力。在企业不断追求产品快速设计与研发的过程中，逆向工程便应运而生。逆向工程，也称反求工程、反向工程和逆向设计，是以现有的先进产品设备的实物、样件、软件或影像作为研究对象，通过合适的测量方法获取实物或模型的离散点云数据继而应用图形图像学

7、、现代设计方法学、材料科学以及先进制造技术等学科知识进行点云数据处理、模型重构、系统性的分析、研究掌握其关键技术，从而演绎并得出该产品的几何模型、材料特性、组织结构、工艺路线、功能特性及技术规格等设计要素，进而研发制造出更为先进的同类产品的一系列技术和过程的总称1-4。逆向工程流程：通过测量获得产品的点云数据，然后利用专门的逆向工程软件或集成了逆向模块的正向CAD软件中进行点云理数据预处理、模型重构以及模型检测来生成高度还原的原产品CAD模型而后在正向CAD软件中对重构CAD模型进行参数化修改及优化设计。最后利用优化后的CAD数据进行快速原型制造或快速模具制造完成新产品或模具的开发与制造。与传

8、统正向工程相比，逆向工程具有更短的产品设计周期、更成熟的产品设计和更好的传承性等特点可大大缩短产品2014年新疆大学博士启动资金(112-61180)；新疆高技术研究发展项目(201513102)；自治区公共技术服务体系建设项目(2015531096)ij蓉I也拔求占扣茚i：尹 一49 万方数据综述speciaIReponS 201 8年第2期研发制造周期，被广泛应用于产品的研发和改型设计、艺术品和考古文物等物体的仿制及修复、工业和地理信息测量等领域。本文就逆向工程中的点云数据测量、数据预处理和模型重建技术的研究做如下综述。1点云数据测量点云数据测量是指通过测量设备把产品表面形状转化成离散的几

9、何坐标数据，其实质就是将实物模型数字化，用点云数据来表示实物模型的几何特性。点云数据的精度直接影响到反求建模品质，获得与原始模型充分接近的点云数据是测量的关键。点云数据的测量根据获取方式不同分为接触式和非接触式两大类。接触式具有精度高、测量条件要求低、速度慢、不适应软质材料等特点。非接触式具有方便快捷、适应性强、精度较低、对测量环境要求高等特点。随着计算机、传感器和光电子等技术的迅猛发展，使得点云数据的测量技术得到空前的进步。如：基于主动式全景视觉传感器的全景点云数据获取设备5：基于数字散斑相关方法的视觉变形测量技术；获取结构信息的层切图像法等。图1较为详细地对点云数据测量方法进行了分类。固圈

10、匿囹图1逆向工程点云数据测量方法2点云数据预处理21拓扑关系的建立点云具有三维空间分布的不均匀性特点，所以本身不存在严格的数学表达模型，为对点云数据进行处理，首先就要建立点云的拓扑关系。建立点云拓扑关系最大的作用是加快搜寻速度，综合而言可分为两类： 50 (1)Delaunay三角剖分法，包括利用点云Voronoi图进行三角剖分法和利用投影域的映射三角剖分法。(2)空间分块策略法，包括八叉树法、栅格法和k-d tree(kdimensional tree)等。对于建立拓扑关系后的点云数据处理，搜索操作是诸多点云数据处理方法的核心，k近邻域索引是搜索操作的典范。k近邻域索引是求出候选点的k个最近

11、欧氏距离点，以构成点云的拓扑关系。如何提高k近邻域搜索的速度成为研究的重点与难点。Piegl等研究基于栅格的平面点集k近邻域搜索方法该方法具有很好的适用性6。赵伟玲提出了一种改进的散乱点云k近邻快速搜索算法，把计算的范围扩大了一圈只关心与k大小临近的三层数据，在保证准确性的前提下提高了搜索速度7。安雁艳等提出二次栅格化和优化拓展方向的快速k近邻搜索方法该方法减小了搜索范围，提高搜索速率8。刘增义等利用k-d树建立散乱点云的空间拓扑关系，计算出每个数据点的k邻域。通过数据点k邻域构成的最小二乘平面的投影点角度差，根据角度差的最大值来判断该点是否为边界点，此法能够准确获取散乱点云上任意指定目标特征

12、的边界【9j。22多视点云数据拼合在测量过程中，由于受测量技术、周围环境、物体几何形状、定位以及夹具等原因的限制。通常需要对物体进行多视角测量，然后将不同视角的点云拼合成一个表达完整实物的点云。多视点云数据拼合的实质是寻求不同点云数据间的坐标转换，拼合方法有点位法、固定球法、优化匹配法、特征匹配法以及辅助装置法。点位法是采用对应的至少3个线性无关坐标点进行匹配对齐10。Sameh等提出的固定球法，即将点云数据三角化处理后进行球面拟合1|。最优匹配法的基本思想是通过优化理论寻求目标数据与原始数据之间坐标转换矩阵。代表性的是基于迭代最近点(iterativeclosest point，ICP)算法

13、的点云数据拼接对齐。由于ICP算法效率低、对初始值要求高、容易陷人局部收敛等缺陷，研究人员就改进ICP算法做了大量研究12-13。特征匹配法是通过提取点云数据的局部特征，来作为拼合的控制采样点，从而完成多视点云数据的拼合。Meng等提出了基于不变特征的点云数据拼接，该方法具有较高的定位速度和较小的定位误差速度1 4|。吴琼提出利用采样点处曲率、采样点与邻域质心连线与法线的夹角、以采样点为顶点的三角形边长寻找全等三元素进行多视点云数据拼合的方法”。辅助装置法是利用外部精密机械设备与测量设备组合彳蕊剩皂叛求喜硝、。：， 一盈感算蓦丽=溅一习雨二竖雨一贾=式一一分一一蚓一五二立二童一冲=位一一像一一

14、斛一一旧二旧二旦墨嘲耋圆圈国习圉图厂lll、lllln，ll，、llllllll圈吲倒圈引，lllllllll：、lIlIIlllll一万方数据万方数据综述specid Repons 201 8年第2期点或者由这些关键点连接成的曲线，如何快速、准确、自动完成特征提取成为了点云数据模型重构的研究核心之一。柯映林等通过研究线性时间复杂度的空间分割和空间拓扑构型推理算法实现点云数据内外边界的提取，能较好地保持原来点云的特征，该方法稳定性好、效率及精度高3 0j。Mian等提出了利用关键点质量排名来提取局部最优特征的方法在投影的PCA子空间中提取特征点然后匹配找到点云中对应对象。该方法特征点和多尺度特

15、征提取超过953。王晋疆等提出了基于点签名的特征点提取方法，该方法可以快速有效地提取到特征点。具有一定的抗噪性。但时间效率较低3 2。晏海平以采样点及其K邻域作拟合微切平面，将其向微切平面投影，根据邻域点集在采样点处的场力大小之和可以表示点集的平均作用来识别点云的边界特征点26。Lowe基于局部不变量描述符方法，提出了尺度不变特征转换(scaleinvariant featuretransform，SIFT)算法的特征提取方法，有效解决了由于部分遮挡、旋转缩放、仿射变换、尺度变换等引起点云变形等问题3 3|。Pang等运用局部表面拟合多项式对点云进行局部曲面拟合，计算点云中每个采样点的主曲率和

16、主方向，利用主曲率大小提取特征点34 3。随后很多研究人员对SIVI算法作出了改进，提高了SIFT算法的效率。程效军等通过切片分层将空间点云转换为不同层的平面切片点云，将切片点云转换成二值图像提取其轮廓特征点，基于轮廓特征点进行层与层之间的网格重构从而建立整个物体的模型35 3。刘立强根据点云的几何分布特性通过计算重心点距与最远点距的大小进行边界提取，对于曲率变化较大的点云效果不佳3 6【。顾园园等通过最大角度差进而识别出边界特征点的边界自动提取算法。该算法能够快速有效地识别出孔洞等边界特征点，但对噪声敏感度较高3 7。Pauly等采用变化的局部邻域半径，多尺度地对包含噪声信号的点云数据进行主

17、成分计算来判定特征点381。高翔等对采样后的点云数据，建立k-d树进行索引。对采样点在搜索邻域内的邻近点建立最bZ乘微切平面，利用投影到微切平面局部坐标系内的邻近点分布特性。判断边界特征点及其匹配特征在不影响匹配效果的前提下。其方法可显著提高复杂形面边界特征的提取效率9。综上所述提取点云数据的特征通常利用点云数据本身或将点云数据投影到二维平面后的特征参数，如法向量、曲率、重，fl,、点到邻域点的距离等，然后根据某种算法利用一种或多种特征参数的突变来提取点云数据的特征，然而突变的阈值缺乏统一、合适及准确的定义特征提取的精度、效率及自动化程度仍有待进一步提高。32曲面重建曲面重建是逆向工程中最复杂

18、、最关键的步骤就是运用相关的方法对预处理后的点云数据进行曲线曲面重建。将离散的测量数据重建出连续变化的曲面，并最终生成数字化模型，是进行后续结构设计、产品性能分析、生产制造等过程的基础，良好光顺性和高精度是重建曲面的难点。选取合适的方法提取点云数据的特征、拟合曲线曲面与编辑修改等对曲面重建至关重要。曲面重建的方法：依据点云数据与重建曲面之间关系，分为逼近法和插值法两大类；依据重建曲面的表达方式，分为网格重建、参数重建、隐式重建、变形重建和细分重建等；依据是否需要特征提取，分为非特征曲面重建与特征提取曲面重建，特征建模方法可以分为特征模板匹配法、特征元提取法和直接基于点云数据的特征处理方法非特征

19、曲面重建法核心是依据获取的主方向通过数值积分的方式对曲率线进行追踪：依据过程不同。分为直接通过点云数据构建曲面和通过含拓扑关系的点云数据构建曲面：依据重建曲面的表示形式，分为多项式插值法、最小能量法、NURBS法、Coons曲面、B样条曲面和BP神经网络法等。4逆向工程技术展望逆向工程技术经过几十年的发展日趋成熟并得到广泛应用，综合国内外的研究现状笔者认为逆向工程技术还需要在以下几个方面进行发展和完善：(1)测量系统的柔性化和高效化。通过增加了测量系统的精度和可靠性，研究多视点云数据实时、自动拼合技术，构建具有高度柔性和适应性的点云数据测量系统。(2)完善大型零部件的逆向工程技术。在大型零部件

20、的点云数据的拼接在效率和精度、曲线拟合精度和拟合曲线光顺性仍有待进一步提高。(3)数据预处理技术通用化。点云数据的预处理技术的研究中不同的研究人员开展研究的角度不同，切入点也不同，各个算法在精确度和速度方面还都有待提高，算法的通用性和相似性等问题还需要进一步的研究。适应任何数据对象的点云拓扑关系算法还没有得到完全有效的解决。对于散乱点云去噪。目前还没有一个通用、快速、简洁的方法。对于三维散乱点云，仍需研究一种既快速又能保持点云特征的点云精简方法。对点云数据的处理自动化程度还不够高对麟蓉f盅般名喜树万方数据201 8年第2期处理过程中各类阈值的选取缺乏相应的标准。(4)逆向工程技术集成化。通过对

21、点云数据的柔性化采集、通用化预处理、自动化特征提取、智能化曲面重建以及与其他先进制造系统的集成等技术的研究提高各技术和软件之间的集成化，提高逆向建模的自动化程度和通用性，开发出集点云数据采集、预处理、模型重建和正向设计等功能于一身的逆向工程系统。参考文献1李绪武基于三维扫描工程建模的面部整形点云数据处理方法研究D重庆：重庆大学，2013：2-52陈龙，张军洋，李赫林，等面向材料反求的非均质体参数化模型构建J机械工程学报，2014，50(23)：1561643张德强，牛兴林，程杰，等汽车散热盖模具点云数据曲面逆向重构技术研究J机械设计与制造，2014(7)：2432454林祖胜基于CMM逆向工程

22、的摆线齿轮磨损检测研究与应用J制造技术与机床，2016(4)：94975徐海涛，周静恺，林璐璐，等基于ASODVS的全景点云数据获取技术的研究J计算机测量与控制，2014，22(7)：2284-22876Piegl Les A，Tiller WayneAlgorithm for finding all k nearest neighborsJCAD Computer Aided Design，2002，34(2)：1671727赵伟玲三维点云的数据预处理和圆提取算法研究D哈尔滨：哈尔滨工程大学。2008：15-288安雁艳，杨秋翔，冯欣悦，等点云数据的k近邻快速建立改进算法J计算机工程与设计，

23、2014，35(12)：4228-42329刘增艺，江开勇，林俊义散乱点云特征边缘交互提取J计算机工程与应用，2016(6)：186-19010曹照均，李尚平，李冰多基准下多视点云拼接对齐方法的研究f J机械设计与制造，2014(4)：545611Yamany Sameh M，Farag Aly AFreeform surface registration usingSurface signaturescProceedings of the IEEE InternationalConference on Computer Vision，1999：1098一l 10412钟莹，张蒙基于改进ICP

24、算法的点云自动配准技术J控制工程，2014，21(1)：374013Hans Martin Xjer，Jakob WilmEvaluation of surface registration algorithms for PET motion correctionDDenmark：Technical University ofDenmark，2010：396914An Meng，Jiang Zhigno，Zhao DanpeiHish speed robust image registration and localization using optimized algorithm and i

25、ts performances evaluationJJournal of Systems Engineering and Electronics，2010，21(3)：52052615吴琼三维点云模型数据的滤波算法与配准算法研究D秦皇岛：燕山大学2014：25-3116Vardy Tamas，Martin Ralph R，Cox JordanReverse engineering ofgeometric models AnintroductionJCAD Computer Aided Design，1997，29(4)：25526817张旭，张冉，张学昌基于辅助装置的多视点云精确配准方法J计

26、算机集成制造系统，2014，20(5)：1029-103418赖文敬，鲍鸿，白玉磊，等叶片三维轮廓测量点云数据高精度多角度融合J航空动力学报，2015，30(3)：665-67119王科俊，熊新炎，任桢高效均值滤波算法J计算机应用研究，2010，27(2)：434438i；蓉【也教求喜扣specjdRepons综述20高志国，李长辉，宋杨基于移动窗lYl的最小二乘曲面拟合算法及其应用J工程勘察，2014，42(11)：60-6321陈崇帮基于最优领域的点云降噪算法研究D株洲：湖南工业大学2014：253822Clarenz U，Rumpf M，Telea AFairing of point b

27、ased surfacescComputer Graphics Intemational Conference。2004：600一60323Piret Cecile，Remacle Jean Francois，Marchandise Emilie，et a1CAD and mesh repair with radial basis functionsCProc hat meshingRoundtable IMR，2011：41943624程效军，何桂珍适用于多值曲面修复的空洞边界提取方法及应用J测绘学报，2012，41(6)：831-83725Cart J C，BeatsonRKR，Cherr

28、ie J B，etalReconstructionand representation of 3D objects with radial basis functionsCProc Annu ConfGraph Interact Tech SIGGRAPH，2001：677626晏海平散乱点云边界提取及孔洞修复算法研究D南昌：南昌大学2014：174327Pemot Jean Philippe，Morarn George，Veron PhilippeFilling holesin me$,hes using a mechanical model to simulate the curvatur

29、e variationminimizationJComputer and Graphics，2006，30(6)：89290228谢倩茹，耿国华三维模型孔洞修补方法的研究J计算机应用研究，2013，30(10)：3175-317729Chen lei，Jiang Zhuangde，Li Bing，et a1Data reduction based on bidirectional point cloud slicing for reverse engineeringcKey Engi-neering Materials，2010：49249630柯映林，范树迁基于点云的边界特征直接提取技术J机

30、械工程学报，2004，40(9)：11612031Mian A，Bennamoun M，Owens ROn the repeatability and quality ofkeypoints for local featurebased 3D object retrieval from clutteredscenesJJournal ofComputerVision，2010，89(2-3)：34836132王晋疆，陈阳，田庆国，等一种基于点签名的散乱点云特征点检测方法J计算机工程，2014，10(7)：174-17833Lowe David GDistinctive image featur

31、es from scaleinvariant keypointsJJournal of Computer Vision，2004，60(2)：91一11034Pang X F，Pang M Y，Song zExtracting feature curves on point SetsJInternational Journal of information Engineering and Electronic Bus-siness，2011，3(3)：1735程效军，方芳基于形态学的散乱点云轮廓特征线提取J同济大学学报，2014，42(11)：1738-174336刘立强散乱点云数据处理相关算

32、法的研究D西安：西北大学2010：29-3837顾园园，姜晓峰，张量曲面重构中带子L洞点云数据的边界提取算法J苏州大学学报，2008，28(2)：56-6138Pauly Mark，Keiser Richard，Gross MarkusMultiscale feature ex-traction on pointsampled surfacescComputer Graphics Forum，2003，22(3)：28128939高翔，王华，陈关龙面向复杂形面匹配的边界特征提取方法J哈尔滨工业大学学报，2016(7)：4651第一作者：王鑫龙，男，1988年生，硕士研究生，主要研究方向为复杂零件表面激光熔覆修复。(编辑孙德茂) (收稿日期：20170905)文章编号：180213如果您想发表对本文的看法。请将文章编号填入读者意见调查表中的相应位置。万方数据