学位论文 > 优秀研究生学位论文题录展示

基于智能优化的点云重构问题研究

作　者: 徐立
导　师: 赵秀阳
学　校: 济南大学
专　业: 计算机应用技术
关键词: 逆向工程节点矢量优化 B样条逼近人工免疫遗传算法粒子群优化算法
分类号: TP391.7
类　型: 硕士论文
年　份: 2013年
下　载: 2次
引　用: 0次
阅　读: 论文下载

内容摘要

快速原型制造技术（Rapid Protoyping Manufacturing, RPM)是计算机辅助设计和计算机辅助制造（CAD/CAM）在制造加工业的一次成功应用。RPM无需经过模具设计制作环节，大大降低生产成本，被誉为制造业中的一次革命。随着社会的发展，人们对产品外形的精准度提出了更高的要求，但由于扫面设备测量数据的误差和受产品自身构造的影响，通过PRM重构得到的产品模型不能够满足高精度的要求。由于参数曲线曲面以其在描述复杂设计时的高效性使其已经作为实际意义上的制造加工业的标准，因此点云重构一般选用参数曲线曲面作为逼近目标。散乱点云的曲面重构作为RPM的核心对其精度的提高有着不可替代的作用，为了提高点云重构的精度，本文主要研究内容概要如下：提出了一种高精度的点云重构算法-基于免疫遗传（IGA）的点云重构算法。在该方法中，首先对输入的点云进行划分得到四边形的面片点云。对于每一个面片点云我们首先用最小二乘法进行B样条曲面逼近，与此同时用免疫遗传算法进行最优节点矢量的选取，从而获得更高的逼近精度。最后采用数值逼近算法，近似G1连续的对重构得到的B样条面片进行缝合，获得最终的逼近面片。由于对输入的点云进行四边形面片的划分，而不是把点云作为整体进行最小二乘B样条逼近。因此该重构算法可更精确的描述复杂闭合的点云模型，避免了复杂点云参数化过程中参数错位等问题。实际上，通过对点云进行分片重构，可以更好的根据面片点云的空间分布情况来确定其内部数据点参数化的值。免疫遗传算法是将免疫系统的浓度调节机制引入到遗传算法中。由于免疫系统的浓度调节机制能够有效的抑制遗传种群中所占比例较高的相似个体的数目，同时又能够促进所占比例较低的相似个体的数目，与传统的遗传算法相比较，其能够保持更高的种群多样性，从而获得更快更好地进化结果。对于优化后面片的节点矢量都有其自身的最佳值，而这些值一般是不相同的，如果采用节点矢量插入的方法来进行缝合势必造成节点矢量的爆炸性增长。因此，本文采用数值逼近的方法来对四边形面片进行缝合。首先调节边界处的控制点，然后用粒子群优化算法（PSO）寻找次角点控制点的最优位置，从而获得整个面片的近似连续。与此同时本算法还具有自适应逼近的能力，即对于没有满足精度要求的面片进行二次细分，从而获得更高的逼近精度。实验的结果表明，和经典的最小二乘方法相比较，对于复杂的点云模型本文所提算法能够获得更高的B样条曲面逼近精度。

全文目录

目录  5-7
摘要  7-9
ABSTRACT  9-11
第一章绪论  11-17
  1.1 论文的研究背景及选题意义  11-13
  1.2 研究现状  13-15
  1.3 论文的主要工作和组织结构  15-17
第二章点云重构所需智能计算的相关介绍  17-27
  2.1 概述  17-18
  2.2 遗传算法  18-21
    2.2.1 遗传算法的基本概念  18-19
    2.2.2 优化问题用遗传算法求解的一般步骤  19-21
  2.3 人工免疫遗传算法  21-23
  2.4 粒子群优化算法  23-25
    2.4.1 PSO 算法基本原理  23-24
    2.4.2 PSO 的算法步骤  24-25
  2.5 本章小结  25-27
第三章基于人工免疫遗传算法的 B 样条曲面重构和优化  27-45
  3.1 概述  27-28
  3.2 B 样条曲线的定义  28-30
    3.2.1 B 样条曲线上的点的计算--德布尔算法  28-29
    3.2.2 B 样条曲线的相关特性  29-30
  3.3 B 样条曲面的定义  30-32
    3.3.1 计算 B 样条曲面上点--德布尔算法  31-32
  3.4 最小二乘多项式曲线逼近  32-35
  3.5 点云的 B 样条曲面重构  35-39
    3.5.1 规则的点云  35-37
    3.5.2 不规则的散乱点云  37-39
  3.6 基于 IGA 的 B 样条曲面节点矢量的优化  39-41
  3.7 实验结果与分析  41-43
  3.8 本章小结  43-45
第四章大规模复杂点云的 B 样条曲面重构  45-61
  4.1 概述  45-46
  4.2 B 样条曲面连续性调整  46-51
    4.2.1 B 样条曲面的 G0 连续性调整  46-47
    4.2.2 两相邻边之间的 G1 连续性调整  47-49
    4.2.3 次角点控制点关于 G1 连续性调整  49-51
  4.3 精度自适应的逼近  51-52
  4.4 实验结果  52-60
    4.4.1 与相关方法的对比和对比结果  58-60
  4.5 本章小结  60-61
第五章总结与展望  61-63
  5.1 全文总结  61-62
  5.2 下一步研究工作  62-63
参考文献  63-67
致谢  67-69
附录  69
  一、在校期间发表的学术论文  69
  二、在校期间参加的项目  69
  三、在校期间获奖情况  69

基于智能优化的点云重构问题研究

内容摘要

全文目录

相似论文