【優(yōu)秀碩士博士論文】光學(xué)三維快速檢測(cè)系統(tǒng)中的點(diǎn)云融合技術(shù)研究與應(yīng)用

碩士學(xué)位論文光學(xué)三維快速檢測(cè)系統(tǒng)中的點(diǎn)云融合技術(shù)研究與應(yīng)用POINTCLOUDINTEGRATIONIN3DFASTMEASURINGSYSTEM學(xué)科專(zhuān)業(yè)機(jī)械制造及其自動(dòng)化2009年01月論文題目光學(xué)三維快速檢測(cè)系統(tǒng)中的點(diǎn)云融合技術(shù)研究與應(yīng)用學(xué)科專(zhuān)業(yè)機(jī)械制造及其自動(dòng)化摘要針對(duì)現(xiàn)有點(diǎn)云融合方法融合數(shù)據(jù)速度慢、占用內(nèi)存大、不能適用于光學(xué)三維快速檢測(cè)的問(wèn)題，在深入研究國(guó)內(nèi)外已有點(diǎn)云融合理論的基礎(chǔ)上，結(jié)合面結(jié)構(gòu)光掃描技術(shù)的特點(diǎn)以及快速檢測(cè)的工程實(shí)際需求，本文對(duì)光學(xué)三維快速檢測(cè)中的點(diǎn)云融合技術(shù)進(jìn)行深入研究。主要內(nèi)容和成果如下1設(shè)計(jì)并實(shí)現(xiàn)了針對(duì)光學(xué)三維快速檢測(cè)系統(tǒng)的點(diǎn)云融合方案，即首先對(duì)點(diǎn)云進(jìn)行預(yù)處理去除孤立點(diǎn)、計(jì)算法向量、計(jì)算點(diǎn)云權(quán)值、減小邊界點(diǎn)權(quán)值、精簡(jiǎn)數(shù)據(jù)等。然后融合多層點(diǎn)云數(shù)據(jù)，獲得單層完整的點(diǎn)云數(shù)據(jù)，用于比對(duì)檢測(cè)或逆向設(shè)計(jì)。2設(shè)計(jì)并實(shí)現(xiàn)了單面法融合點(diǎn)云數(shù)據(jù)的方法。首先確定基準(zhǔn)點(diǎn)云，然后根據(jù)給定的誤差帶確定并去除非基準(zhǔn)點(diǎn)云中的重疊點(diǎn)，最后將不包含重疊點(diǎn)的多幅點(diǎn)云合并為單層的一幅點(diǎn)云。該方法的優(yōu)點(diǎn)是效率高，可以很好的應(yīng)用于快速檢測(cè)中，但該方法融合后的表面光滑度不好，不能很好的應(yīng)用于逆向設(shè)計(jì)中。3設(shè)計(jì)并實(shí)現(xiàn)了中點(diǎn)法融合點(diǎn)云數(shù)據(jù)的方法。首先去除每幅點(diǎn)云中的孤立點(diǎn)，其次搜索兩幅點(diǎn)云中的對(duì)應(yīng)點(diǎn)對(duì)，為了加快搜索速度，本文采用KDTREE空間鄰域搜索策略。最后用點(diǎn)對(duì)的中值代替點(diǎn)對(duì)中的兩個(gè)點(diǎn)，從而實(shí)現(xiàn)去除冗余點(diǎn)。該方法相對(duì)于單面法表面光滑度有所改善，但融合效率比單面法慢。4實(shí)現(xiàn)了聚類(lèi)法融合點(diǎn)云數(shù)據(jù)的方法，并對(duì)該方法進(jìn)行了改進(jìn)首先提出了結(jié)構(gòu)光掃描技術(shù)中點(diǎn)云權(quán)值計(jì)算的理論，實(shí)現(xiàn)了結(jié)構(gòu)光掃描技術(shù)中點(diǎn)云權(quán)值的計(jì)算；其次對(duì)KD_TREE空間鄰域搜索方法進(jìn)行了改進(jìn)，實(shí)現(xiàn)了一種高效的空間近鄰點(diǎn)云搜索策略，有效提高了點(diǎn)云數(shù)據(jù)融合的速度；最后提出按包圍盒等間距分割點(diǎn)云數(shù)據(jù)的方法，分塊多次融合點(diǎn)云，解決了融合海量點(diǎn)云數(shù)據(jù)時(shí)內(nèi)存不足的問(wèn)題。該方法融合效率比單面法低但比中點(diǎn)法高，融合后表面光滑，可以很好的應(yīng)用于快速檢測(cè)和逆向設(shè)計(jì)中。經(jīng)過(guò)試驗(yàn)、分析及工程應(yīng)用，結(jié)果表明本文提出的方法在保證點(diǎn)云數(shù)據(jù)融合精度的同時(shí)，提高了點(diǎn)云融合的效率，滿(mǎn)足了三維快速檢測(cè)的工程實(shí)際需求，效果良好。關(guān)鍵詞光學(xué)三維快速檢測(cè)；點(diǎn)云融合；單面法；中點(diǎn)法；改進(jìn)的聚類(lèi)法；論文類(lèi)型應(yīng)用研究TITLEPOINTCLOUDINTEGRATIONIN3DFASTMEASURINGSYSTEMSPECIALITYMECHANICALENGINEERINGAPPLICANTBAOQUANSHISUPERVISORVICEPROFLIANGJINABSTRACTTHEPOINTCLOUDINTEGRATIONTECHNIQUEOF3DOPTICALRAPIDDETECTIONISINDEPTHSTUDIEDINTHEPAPER,BASEDONTHETHEORYOFPOINTCLOUDINTEGRATIONATHOMEANDABROADHAVEBEENRESEARCHEDINDEPTH,FORTHEEXISTINGPOINTCLOUDINTEGRATIONMETHODSWITHSLOWEFFICIENCY,TAKEMUCHMEMORY,CANNOTBEAPPLIEDTO3DOPTICALRAPIDDETECTIONTHESURFACESTRUCTUREOPTICALSCANTECHNIQUEANDTHENEEDSOFRAPIDDETECTIONPROJECTARECOMBINATEDTOCONSIDEREDTHEMAINCONTENTSANDACHIEVEMENTSARELISTEDASFOLLOWS1THEPOINTCLOUDINTEGRATIONPROGRAMFOR3DOPTICALRAPIDDETECTIONSYSTEMISDESIGNEDANDIMPLEMENTEDTHATIS,ATFIRST,EXECUTETHEPOINTCLOUDPREPROCESSING,REMOVETHEISOLATION,CALCULATETHEVECTORANDVALUEOFPOINTS,DECREASETHEWEIGHTOFTHEBORDER,SAMPLINGTHEDATA,ANDTHENINTEGRATEPOINTCLOUDDATA,REMOVEREDUNDANTPOINTSATLASTCONTRASTTHEPOINTCLOUDDATAANDCADMODEL2THEMETHODOFHOLDONELAYERAMONGMULTIOVERLAPLAYERSISREALIZEDFINDTHEBASEPOINTCLOUDFIRSTLYTHENACCORDINGTOTHEERRORBAND,DELETETHEOVERLAPPOINTSINNONBASEPOINTCLOUDATLASTALLPOINTCLOUDSAREMERGEDTOGETHERTOBEONESINGLELAYERPOINTCLOUDTHISMETHODHAVEAHIGHINTEGRATIONSPEED,HOWEVERTHEINTEGRATEDSURFACEISROUGH3THEMETHODOFINTERPOLATIONBETWEENTWOLAYERSISREALIZEDFIRSTOFALL,REMOVEEACHISOLATEDPOINT,SEARCHTHECORRESPONDINGPOINTSINTWOPOINTCLOUDS,USINGKDTREESPACENEIGHBORHOODSEARCHSTRATEGYTOSPEEDUPTHESEARCHEFFICIENCY,TAKETHEMEDIANOFCORRESPONDINGPOINTSINSTEADOFTHEMTOREMOVEPOINTSREDUNDANCYCOMPAREDWITHTHEMETHODOFHOLDONELAYERAMONGMULTIOVERLAPLAYERS,THISMETHODISSMOOTHERININTEGRATIONSURFACE,BUTLOWERININTEGRATIONSPEED4THECLUSTERINGINTEGRATIONMETHODISREALIZEDANDIMPROVEDATFIRST,THETHEORYOFTHERINGHTSOFPOINTSINSTRUCTUREOPTICALSCANTECHNIQUEISPUTFORWARD,ANDCALCULATETHERINGHTSOFPOINTSTHENTHEKD_TREESEARCHMETHODISIMPROVEDANDACHIEVEAHIGHLYEFFICIENTSPACENEIGHBORSSEARCHSTRATEGIESTOINCREASETHESPEEDOFPOINTCLOUDINTEGRATIONFINALLY,DIVIDETHERESEARCHISFUNDEDBYNATIONAL863PLAN（2007AA04Z124）J1搜索重疊區(qū)域SEARCHOVERLAPAREA（I,J）刪除第J幅點(diǎn)云上的重疊區(qū)域DELETEOVERLAPAREAJ合并兩幅點(diǎn)云至I中MERGEI,JJN1結(jié)束NOYESJ多幅點(diǎn)云N圖32單面法技術(shù)路線(xiàn)圖34單面法關(guān)鍵技術(shù)由圖32中的技術(shù)路線(xiàn)可知，單面法融合點(diǎn)云的關(guān)鍵技術(shù)為搜索重疊區(qū)域和刪除非基準(zhǔn)點(diǎn)云中的重疊點(diǎn)。341三維空間鄰域搜索技術(shù)目前常用的空間搜索算法主要有八叉樹(shù)2425、空間單元格2627和KD_TREE28法。其中KDTREE是由BENTLEY于1975年提出來(lái)并發(fā)展成為一種多維空間樹(shù)狀搜索索引結(jié)構(gòu)，它特別適合空間點(diǎn)的搜索，具有快速查找鄰近的特性，其典型應(yīng)用是求點(diǎn)的K個(gè)最近點(diǎn)，本文就是采用這種結(jié)構(gòu)來(lái)組織三維數(shù)據(jù)點(diǎn)的。下面將詳細(xì)介紹KDTREE的生成過(guò)程。KDTREE是一個(gè)針對(duì)K維度空間所設(shè)計(jì)的二元搜索樹(shù)，其本質(zhì)是一個(gè)二叉樹(shù)。對(duì)于一個(gè)K維度的歐氏空間，被一個(gè)正交于任意一個(gè)K維坐標(biāo)軸的超平面（K1維）遞歸分割為兩個(gè)子空間，直到每個(gè)子空間所包含的數(shù)據(jù)個(gè)數(shù)不超過(guò)給定的值為止，且每個(gè)子空間中至少包含一個(gè)數(shù)據(jù)。對(duì)于一個(gè)包含離散點(diǎn)的二維空間來(lái)說(shuō)，如圖33，KDTREE的生成過(guò)程就是平面被X軸和Y軸連續(xù)遞歸劃分的過(guò)程，平面的劃分深度就是KDTREE的深度，若用D表示，則KDTREE上節(jié)點(diǎn)的總數(shù)為2D或2D1。假設(shè)水平方向?yàn)閄軸，豎直方向?yàn)閅軸，則具體的劃分過(guò)程如下首先按X軸尋找分割線(xiàn)，即計(jì)算所有點(diǎn)X值的平均值，以此平均值將平面分成兩部分；然后在分成的子平面中按Y值劃分，分割好的子平面再按X值分割，依此類(lèi)推，直到最后分割的區(qū)域內(nèi)只有一個(gè)點(diǎn)。這樣的分割過(guò)程就對(duì)應(yīng)了一個(gè)二叉樹(shù)，二叉樹(shù)的分支節(jié)點(diǎn)對(duì)應(yīng)一條分割線(xiàn)，而每個(gè)葉子節(jié)點(diǎn)就對(duì)應(yīng)一個(gè)數(shù)據(jù)點(diǎn)。AKDTREE法劃分二維平面B離散點(diǎn)的二叉樹(shù)存儲(chǔ)圖33KDTREE法劃分二維平面及離散點(diǎn)的二叉樹(shù)存儲(chǔ)由上面的介紹，可以得出KDTREE的三個(gè)特點(diǎn)第一，每個(gè)節(jié)點(diǎn)代表一個(gè)矩形區(qū)域；第二，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)坐標(biāo)軸上的劃分，它的子節(jié)點(diǎn)就對(duì)應(yīng)著這個(gè)劃分；第三，節(jié)點(diǎn)所對(duì)應(yīng)的分割線(xiàn)與深度對(duì)應(yīng)。此外，KDTREE還具有點(diǎn)分布均勻的特點(diǎn)，所以搜索的效率比較高。KDTREE的一個(gè)典型應(yīng)用就是查詢(xún)空間中距離一個(gè)輸入點(diǎn)最近的一點(diǎn)29。這里采用一種回溯的算法來(lái)搜索最近兩點(diǎn)，對(duì)于一個(gè)輸入頂點(diǎn)P，首先找到P所在的區(qū)域，然后計(jì)算與P所相鄰區(qū)域內(nèi)所有點(diǎn)的最小距離，然后用這個(gè)最小距離和P到當(dāng)前分割線(xiàn)的距離進(jìn)行比較，如果最小距離小于等于P到分割線(xiàn)的距離則搜索結(jié)束；如果最小距離大于P到分割線(xiàn)的距離，則說(shuō)明距離P最近的點(diǎn)有可能存在于分割線(xiàn)的另一側(cè)區(qū)域，向分割線(xiàn)的另一側(cè)回溯直到找到的最小距離小于P到當(dāng)前分割線(xiàn)的距離。在KDTREE建立之后，某點(diǎn)的K鄰域搜索就成了基于KDTREE劃分的二叉樹(shù)搜索問(wèn)題了。通過(guò)空間劃分的方法使K鄰近點(diǎn)的搜索都從樹(shù)的底層開(kāi)始，也就是空間的小區(qū)域開(kāi)始，然后逐漸再向樹(shù)的上層大空間區(qū)域搜索，從而達(dá)到提高搜索速度的效果。因?yàn)榇蟛糠肿罱c(diǎn)的搜索都在樹(shù)的底層完成，所以運(yùn)用KDTREE查找兩片點(diǎn)云之間最近點(diǎn)的時(shí)間復(fù)雜度大約是，在大數(shù)據(jù)量的情況下，比原始搜索算法的LOGPQN快的多。因此，運(yùn)用KDTREE這種數(shù)據(jù)結(jié)構(gòu)可以在很大程度上提高空間搜PQN索效率。下面給出KDTREE的部分C代碼CLASSCKD_TREEPUBLICSTRUCTBOX_RANGEFLOATLO3FLOATHI3CKD_TREEVIRTUALCKD_TREECKD_TREEKDARRAYPA,INTN,INTDD,INTBS10VOIDSEARCHKDCOORDQ,INTK,KDINDXNN_INDX,KDCOORDDD,DOUBLEEPSPRIVATEINTDIMINTN_PTSKDARRAYPTSKDINDXPIDXCKD_NODEROOTBOX_RANGEBND_BOXVOIDINITKD_TREEINTN,INTDD,INTBSVOIDBOXRANGEKDARRAYPA,KDINDXPIDX,INTN,INTDDFLOATMAXDISTANCEKDARRAYPA,KDINDXPIDX,INTN,INTDFLOATBOXDISTANCECONSTKDCOORDP,CONSTBOX_RANGEBND_BOX,INTDIMVOIDGETMINMAXVALKDARRAYPA,KDINDXPIDX,INTN,INTCUT_DIM,FLOATCKD_NODECREATKD_TREEKDARRAYPA,KDINDXPIDX,INTN,INTDIM,INTBSP,BOX_RANGEBND_BOXVOIDGETSPLITNUMKDARRAYPA,KDINDXPIDX,INTN,INTCUT_DIM,FLOATCUT_VAL,INTVOIDSPLITKDARRAYPA,KDINDXPDIX,INTN,INTDIM,INT342去除非基準(zhǔn)點(diǎn)云中的重疊點(diǎn)兩幅點(diǎn)云PT1和PT2，我們以其中比較大的一幅點(diǎn)云（點(diǎn)云個(gè)數(shù)較多的點(diǎn)云）為基準(zhǔn)點(diǎn)云（PT1），另外一幅點(diǎn)云為待融合點(diǎn)云（PT2）。那么通過(guò)建立KDTREE樹(shù)，進(jìn)行鄰域搜索確定重疊點(diǎn)BUILD_KDTREEPTS2FOREACHPOINTINPTS11NODEIPTSSEARCHNEARESTPOINTNODEI當(dāng)獲得基準(zhǔn)點(diǎn)云重疊區(qū)域的最近點(diǎn)后，就可以根據(jù)搜索半徑（R）判斷是否是重疊點(diǎn)，如公式（31）所示。31,TRUEIFNARESTDIRNODEILTFLS去除非基準(zhǔn)點(diǎn)云中的重疊點(diǎn)的部分代碼如下SEARCH_NEAREST_NEIGHBOR04,4,GPOINTA0,GPOINTA1IFCMPGPOINTA0LEN,GPOINTA1LENFORI0IN1結(jié)束YESJ圖42中點(diǎn)法技術(shù)路線(xiàn)圖44中點(diǎn)法關(guān)鍵技術(shù)由圖43中點(diǎn)法的技術(shù)路線(xiàn)可知，中點(diǎn)法的關(guān)鍵技術(shù)為去除孤立點(diǎn)、搜索重疊區(qū)域、計(jì)算中值、去除非基準(zhǔn)點(diǎn)云中未被計(jì)算的重疊點(diǎn)、去除密集點(diǎn)。搜索重疊區(qū)域的技術(shù)在前面的章節(jié)中討論過(guò)了，在此不再論述。中值計(jì)算方法也在本章的42節(jié)中論述過(guò)，也不再分析。441去除孤立點(diǎn)單幅點(diǎn)云中的孤立點(diǎn)定義為與其最近點(diǎn)的歐氏距離41遠(yuǎn)遠(yuǎn)大于掃描間隔的那些點(diǎn)。造成孤立點(diǎn)的原因，如圖43，主要是因?yàn)楸粧呙杳娴姆ㄏ蚺c掃描方向的夾角較大，造成掃描間距較大。這些點(diǎn)的可信度較低，偏離真實(shí)值的程度遠(yuǎn)遠(yuǎn)大于其它點(diǎn)。（A）掃描方向和側(cè)面法向夾角較大（B）掃描后點(diǎn)云側(cè)面圖43孤立點(diǎn)產(chǎn)生的原因?yàn)榱颂蕹铝Ⅻc(diǎn)對(duì)最終融合效果的影響，在融合前，本文首先去掉點(diǎn)云中的這些孤立點(diǎn)，如圖44所示在點(diǎn)云預(yù)處理軟件中用紅色的圈畫(huà)出來(lái)的部分是去除孤立點(diǎn)的參數(shù)設(shè)置，給定閥值，判斷出孤立點(diǎn)。去除孤立點(diǎn)的部分代碼VOIDCPOINTSMODELDELETESINGLEPOINT_POINTPT,INTK_NEIGHBOR,FLOATVAL,FLOATKEYVALUEINTISEARCH_NEAREST_NEIGHBORPT,K_NEIGHBOR,VALFORI0ILENIIFPTPOINTNODEIK_NEAREST_DISTANCENULLCONTINUEELSEIFPTPOINTNODEIK_NEAREST_DISTANCE0KEYVALUEPTPOINTNODEISELECTEDTRUE圖44去除孤立點(diǎn)442去除非基準(zhǔn)點(diǎn)云中的無(wú)對(duì)應(yīng)點(diǎn)的重疊點(diǎn)造成無(wú)對(duì)應(yīng)點(diǎn)的重疊點(diǎn)的原因主要有三個(gè)，下面逐一分析。首先使用面結(jié)構(gòu)光掃描儀器掃描點(diǎn)云時(shí)，掃描柵格線(xiàn)不均勻，其橫坐標(biāo)軸的掃描間隔和縱坐標(biāo)軸的掃描間隔不相同。如圖45，兩幅點(diǎn)云重疊時(shí)，柵格線(xiàn)互相交叉，造成第I幅點(diǎn)云上的某幾個(gè)點(diǎn)可能同時(shí)對(duì)應(yīng)于第J幅點(diǎn)云上的同一個(gè)點(diǎn)。由圖45可以得出，兩幅點(diǎn)云I和J上的點(diǎn)的對(duì)應(yīng)關(guān)系并不是一一對(duì)應(yīng)，有可能是一對(duì)多，或多對(duì)一，這樣造成中值計(jì)算的非對(duì)應(yīng)性。比如第I幅點(diǎn)云中的點(diǎn)1同時(shí)對(duì)應(yīng)第J幅點(diǎn)云中的點(diǎn)2和點(diǎn)3，那么在計(jì)算中值時(shí)只計(jì)算點(diǎn)1和其最近的一個(gè)點(diǎn)2的中值，而點(diǎn)3則未參與運(yùn)算。圖45兩幅點(diǎn)云中的最近點(diǎn)對(duì)對(duì)于上述情況，如果保留點(diǎn)3的話(huà)，那么會(huì)造成最終的表面更加粗糙，如圖46（A）所示，所以采取直接去除點(diǎn)3的辦法，最后形成圖46（B）所示的結(jié)果。用灰色的點(diǎn)代表新計(jì)算得到的點(diǎn)，綠色代表目標(biāo)點(diǎn)上的非重疊點(diǎn)。圖中只畫(huà)了第I幅點(diǎn)云中的第一條掃描線(xiàn)上的點(diǎn)云融合后的情況?？梢钥闯?，如果不去除點(diǎn)3的話(huà)，表面會(huì)變的像波浪形一樣，不平滑。圖46用中值代替原始點(diǎn)第二種情況，用光學(xué)掃描儀器掃描點(diǎn)云時(shí)，有漏掃的點(diǎn)云，從而造成最近點(diǎn)對(duì)對(duì)應(yīng)錯(cuò)誤的問(wèn)題，掃描點(diǎn)云時(shí)點(diǎn)云有漏洞的情況如圖47所示點(diǎn)1用紫色的圓圈標(biāo)記出來(lái)，為漏掃的點(diǎn)，從而造成點(diǎn)2，點(diǎn)3屬于重疊點(diǎn)，但不能參與運(yùn)算。圖47漏掃點(diǎn)云時(shí)最近點(diǎn)對(duì)匹配錯(cuò)誤情況最后一種情況，當(dāng)點(diǎn)云融合一次后，點(diǎn)距就極其不規(guī)則，從而造成最近點(diǎn)對(duì)一對(duì)多和多對(duì)一的情況。443去除密集點(diǎn)密集點(diǎn)產(chǎn)生的原因主要是因?yàn)樵谟?jì)算中值的時(shí)候有多對(duì)一的情況如圖48所示。點(diǎn)1和點(diǎn)2同時(shí)對(duì)應(yīng)點(diǎn)3，那么融合后的點(diǎn)1和點(diǎn)2就會(huì)靠近很多，如圖中的灰色點(diǎn)，這樣經(jīng)過(guò)多次融合以后就可能造成兩個(gè)點(diǎn)的坐標(biāo)相同。為此需要去除太靠近的點(diǎn)對(duì)。為了避免出現(xiàn)上述情況，我們采用去除密集點(diǎn)的方法。去除密集點(diǎn)的方法有兩種第一種，給定一個(gè)較小的閥值KJHXR7）LJHKRJXH（58）KD樹(shù)加點(diǎn)云空間包圍盒判斷的搜索方法基本思想如下KD樹(shù)的鄰域搜索包括兩個(gè)階段第一個(gè)階段是建樹(shù)即將點(diǎn)云壓入二叉樹(shù)結(jié)構(gòu)中，這個(gè)過(guò)程相比第二個(gè)階段，要快的多，一般以MS為單位，所以對(duì)第一個(gè)階段我們就采用常規(guī)KD建樹(shù)的策略；第二個(gè)階段是點(diǎn)云搜索階段，這個(gè)階段最消耗時(shí)間，其時(shí)間復(fù)雜度為NLOGN，所以本文對(duì)這個(gè)階段進(jìn)行改進(jìn)。對(duì)于兩幅沒(méi)有重疊區(qū)域的點(diǎn)云，我們只要判斷其包圍盒是否相交就可以了，如果包圍盒不相交，那么直接返回。對(duì)于有部分區(qū)域重疊的兩幅點(diǎn)云，我們以壓入KD樹(shù)的點(diǎn)云的包圍盒為基準(zhǔn)，那么另一幅點(diǎn)云中未落入該包圍盒的點(diǎn)不參與運(yùn)算，這樣相當(dāng)于減少了點(diǎn)云的個(gè)數(shù)即減小了N。當(dāng)掃描的實(shí)物比較大的時(shí)候，使用該方法可以顯著提高點(diǎn)云的融合速度。KDTREE空間鄰域搜索算法建樹(shù)（點(diǎn)云PT1，包含N1個(gè)點(diǎn)）所需的時(shí)間為N1LOGN1。那么（點(diǎn)云PT2）N2個(gè)點(diǎn)搜索鄰近點(diǎn)需要的總時(shí)間為N2N1LONGN1。令兩幅點(diǎn)云的包圍盒分別為BBOX1和BBOX2，PT1中的點(diǎn)落在BBOX2內(nèi)的點(diǎn)個(gè)數(shù)記為121MINSIDEBBOXPTI，I1,2,N1；PT2中的點(diǎn)落在BBOX1內(nèi)的點(diǎn)個(gè)數(shù)記為2J，J1,2,N2；那么在建樹(shù)的過(guò)程中只把M1個(gè)點(diǎn)壓入KD樹(shù)，而PT2在搜索的過(guò)程中只對(duì)M2個(gè)點(diǎn)進(jìn)行搜索，其余的點(diǎn)不參與運(yùn)算。這時(shí)整個(gè)搜索算法的時(shí)間為M2M1LONGM1，對(duì)于兩幅重疊部分較少的點(diǎn)云（M1N1，M2N2,M2M1LONGM1N2N1LONGN1）可以極大的減小搜索時(shí)間。而實(shí)際的點(diǎn)云數(shù)據(jù)重疊的部分往往比較少，所以該方法能有效提高點(diǎn)云處理的速度。558融合第K塊點(diǎn)云聚類(lèi)法融合點(diǎn)云數(shù)據(jù)依據(jù)聚類(lèi)的原理，把三維空間點(diǎn)按照其法向量和空間歐式距離的相似性聚在不同的聚類(lèi)核內(nèi)，然后迭代聚類(lèi)核直至穩(wěn)定，最后用穩(wěn)定的聚類(lèi)核中心代替那些核內(nèi)的點(diǎn)。該算法的目的在于最小化所有的數(shù)據(jù)點(diǎn)與其相關(guān)聚類(lèi)核之間的差異，最終得到目標(biāo)函數(shù)公式（59），其中是點(diǎn)與其所歸屬的聚類(lèi)核2JIJXCJIX中心的距離。這個(gè)距離反映了該數(shù)據(jù)點(diǎn)與核中心的相似程度。為了評(píng)估融合后的表JC面與原始各幅點(diǎn)云表面之間的非相似性，目標(biāo)函數(shù)J可以改進(jìn)為公式（510）的形式，其中，J就代表了在原始各幅點(diǎn)云表面上的N個(gè)相關(guān)點(diǎn)與融合面上的對(duì)2IJJORNEWP應(yīng)點(diǎn)的非相似性。聚類(lèi)法的目的就是使目標(biāo)函數(shù)最小化。（521KNJIJJIJXC9）（521IJKNJORNEWJIJP10）56軟件框架聚類(lèi)法的實(shí)驗(yàn)平臺(tái)建立在單面法和中點(diǎn)法的基礎(chǔ)上，并進(jìn)行了改進(jìn)，由于有了法向量，點(diǎn)云中的點(diǎn)可以真彩色顯示。這時(shí)點(diǎn)云處理的軟件上升為V62版本，基本界面如圖511所示，軟件具有的功能為全局匹配、聚類(lèi)法刪除點(diǎn)云重疊面、平滑降噪、去除局外點(diǎn)、測(cè)量點(diǎn)距、顯示單個(gè)點(diǎn)坐標(biāo)等功能。圖511點(diǎn)云預(yù)處理軟件V6257本章小結(jié)本章主要介紹了聚類(lèi)法的基本原理、改進(jìn)聚類(lèi)法的技術(shù)路線(xiàn)、改進(jìn)聚類(lèi)法的關(guān)鍵技術(shù)。改進(jìn)的聚類(lèi)算法解決了面結(jié)構(gòu)光掃描測(cè)量中點(diǎn)云權(quán)值計(jì)算的問(wèn)題，提高了點(diǎn)云融合的速度，減小了融合過(guò)程中內(nèi)存的占用，具有融合速度快、融合精度高、可處理大數(shù)據(jù)量點(diǎn)云的特點(diǎn)?？梢詽M(mǎn)足逆向設(shè)計(jì)及三維快速測(cè)量系統(tǒng)的需求。EQUATIONCHAPTERNEXTSECTION16點(diǎn)云融合系統(tǒng)的實(shí)驗(yàn)分析及應(yīng)用本文提出的算法用VC60在西安交通大學(xué)信息機(jī)電研究所自主開(kāi)發(fā)的XJTUOM點(diǎn)云預(yù)處理軟件中實(shí)現(xiàn)，并在實(shí)際的三維快速測(cè)量中得到應(yīng)用，取得良好的效果。本文實(shí)驗(yàn)用計(jì)算機(jī)處理器配置均為AMD642X4400，2G內(nèi)存。用到的點(diǎn)云均由XJTUOM三維光學(xué)密集點(diǎn)云采集系統(tǒng)掃描獲得。本章從五個(gè)方面對(duì)三種點(diǎn)云融合方法進(jìn)行實(shí)驗(yàn)分析融合的效果，融合的效率，融合算法的時(shí)間復(fù)雜度，融合算法的空間復(fù)雜度，融合精度。61點(diǎn)云融合的效果圖61圖65為用單面法、中點(diǎn)法、改進(jìn)的聚類(lèi)算法融合表61中某人頭模型數(shù)據(jù)、某花瓶數(shù)據(jù)、某航空葉輪數(shù)據(jù)、某車(chē)門(mén)數(shù)據(jù)和某翼虎點(diǎn)云數(shù)據(jù)的過(guò)程。其中每組數(shù)據(jù)中的A、D、G為單面法、中點(diǎn)法、改進(jìn)聚類(lèi)法融合后的點(diǎn)云數(shù)據(jù)，改進(jìn)的聚類(lèi)法在顯示的時(shí)候使用了真彩色顯示。每組數(shù)據(jù)中的B、E、H為融合后的數(shù)據(jù)三角化的結(jié)果，這組數(shù)據(jù)主要是為了比較融合后模型的表面光滑程度。每組數(shù)據(jù)中的C、F、I為局部放大圖，為了更清晰的比較三種方法融合后的表面。由實(shí)驗(yàn)結(jié)果可以得出以下結(jié)論1單面法融合的最終效果很大程度的依賴(lài)于點(diǎn)云的匹配精度，如果匹配的精度足夠高，融合后的光滑程度越高，那么單面法可以用于逆向設(shè)計(jì)中。如果匹配精度不高，那么在多幅點(diǎn)云的交界處有明顯的棱存在，整個(gè)模型不光滑，融合以后的模型不能很好的應(yīng)用于逆向設(shè)計(jì)中。2中點(diǎn)法在多幅點(diǎn)云的交界處，對(duì)融合結(jié)果有所改進(jìn)，棱的高度變?yōu)樵瓉?lái)的一半。但沒(méi)有徹底消除棱。融合后的表面的粗糙度增大，這個(gè)主要是因?yàn)榻?jīng)過(guò)運(yùn)算后，有可能把噪聲疊加在一起，所以在融合表面會(huì)出現(xiàn)波浪形的凸起。3改進(jìn)的聚類(lèi)算法克服了單面法和中點(diǎn)法的不足，融合后消除了邊界交界處的棱，并且保持融合表面的光滑性。可以滿(mǎn)足逆向設(shè)計(jì)的要求。A單面法融合后B單面法融合后三角化C左眼局部放大（D）中點(diǎn)法融合后（E）中點(diǎn)法融合后三角化（F）左眼局部放大（G）改進(jìn)聚類(lèi)法融合后（H）改進(jìn)聚類(lèi)法融合后三角化（I）左眼局部放大圖61某人頭模型用三種方法融合后效果A單面法融合后B單面法融合后三角化C凸緣局部放大（D）中點(diǎn)法融合后（E）中點(diǎn)法融合后三角化（F）凸緣局部放大（G）改進(jìn)聚類(lèi)法融合后（H）改進(jìn)聚類(lèi)法融合后三角化（I）凸緣局部放大圖62某花瓶模型用三種方法融合后效果A單面法融合后B單面法融合后三角化C凸緣局部放大（D）中點(diǎn)法融合后（E）中點(diǎn)法融合后三角化（F）凸緣局部放大（G）改進(jìn)聚類(lèi)法融合后（H）改進(jìn)聚類(lèi)法融合后三角化（I）凸緣局部放大圖63某葉輪模型用三種方法融合后效果A單面法融合后B單面法融合后三角化C車(chē)窗局部放大（D）中點(diǎn)法融合后（E）中點(diǎn)法融合后三角化（F）凸緣局部放大圖（G）改進(jìn)聚類(lèi)法融合后（H）改進(jìn)聚類(lèi)法融合后三角化I）車(chē)窗局部放大圖64某車(chē)門(mén)模型用三種方法融合后效果A單面法融合后B單面法融合后三角化C虎身局部放大（D）中點(diǎn)法融合后（E）中點(diǎn)法融合后三角化（F）虎身局部放大（G）改進(jìn)聚類(lèi)法融合后（H）改進(jìn)聚類(lèi)法融合后三角化（I）虎身局部放大圖65某翼虎模型用三種方法融合后效果62點(diǎn)云融合速率分析對(duì)某人頭點(diǎn)云數(shù)據(jù)、某花瓶數(shù)據(jù)、某航空葉輪數(shù)據(jù)、某車(chē)門(mén)數(shù)據(jù)和某翼虎點(diǎn)云數(shù)據(jù)在相同的計(jì)算機(jī)配置下進(jìn)行融合，融合速率如表61及圖66所示。由表61和圖66可以得出，單面法的融合速度遠(yuǎn)遠(yuǎn)高于中點(diǎn)法及改進(jìn)的聚類(lèi)法，一般為它們兩者的35倍，所以單面法為所有點(diǎn)云融合方法中效率最高的，最適用于三維快速檢測(cè)。由于增加了孤立點(diǎn)的去除以及密集點(diǎn)的去除，中點(diǎn)法融合的效率低于單面法和改進(jìn)的聚類(lèi)算法的效率。表61單面法、中點(diǎn)法和改進(jìn)聚類(lèi)法的融合效率圖的編號(hào)點(diǎn)云幅數(shù)點(diǎn)云數(shù)目/個(gè)單面法融合所需時(shí)間/秒中點(diǎn)法融合所需時(shí)間/秒改進(jìn)聚類(lèi)法所需時(shí)間/秒圖615231309283340圖6212635762344231104圖6319139337186135圖6482276392239471圖65817025168653105010015020025013933711702516227639223130926357623點(diǎn)云數(shù)目/個(gè)融合所需的時(shí)間/秒單面法中點(diǎn)法改進(jìn)聚類(lèi)法圖66單面法、中點(diǎn)法及聚類(lèi)法融合效率表62及圖67為原始聚類(lèi)算法21和改進(jìn)的聚類(lèi)算法在融合效率方面的比對(duì)。由表可知，改進(jìn)的聚類(lèi)算法的融合效率在數(shù)據(jù)量較大的情況下，遠(yuǎn)遠(yuǎn)高于原聚類(lèi)算法的效率。原聚類(lèi)算法因?yàn)槿诤纤俾瘦^慢，所以無(wú)法應(yīng)用于快速檢測(cè)中。表62原始聚類(lèi)法與改進(jìn)聚類(lèi)法融合效率對(duì)比實(shí)物點(diǎn)云幅數(shù)點(diǎn)云中點(diǎn)個(gè)數(shù)/個(gè)原聚類(lèi)法融合需時(shí)間/分鐘改進(jìn)聚類(lèi)法融合所需時(shí)間/分鐘某航空葉輪191393371078058某牙模12225179610095某車(chē)門(mén)12635762341173某面包車(chē)部分3217080308960817某大型葉片4036036228無(wú)法處理內(nèi)存耗盡2000204060801001201393371225179663576231708030836036228點(diǎn)云數(shù)目/個(gè)融合時(shí)間/分鐘改進(jìn)聚類(lèi)法原始聚類(lèi)法圖67原始聚類(lèi)法與改進(jìn)聚類(lèi)算法融合效率63在檢測(cè)中的應(yīng)用實(shí)例本節(jié)以某花瓶為例說(shuō)明點(diǎn)云融合技術(shù)在快速檢測(cè)中的應(yīng)用過(guò)程，如圖68AH所示。A導(dǎo)入初始點(diǎn)云數(shù)據(jù)B融合完成后（融合時(shí)間14S）C將融合后的點(diǎn)云數(shù)據(jù)與CAD模型導(dǎo)入GEOMAGICQUALIFY軟件中D將點(diǎn)云數(shù)據(jù)與CAD模型對(duì)齊E3DCOMPAREF截線(xiàn)分析G截面形狀顯示H截面偏差分析圖68某花瓶點(diǎn)云數(shù)據(jù)與CAD模型的快速檢測(cè)過(guò)程64本章小結(jié)本章主要對(duì)三種融合算法進(jìn)行了比對(duì)和分析，對(duì)比了三種算法的融合效果，融合速率，并且分析了三種融合算法的時(shí)間復(fù)雜度，空間復(fù)雜度，以及融合的精度。最后以一個(gè)實(shí)例說(shuō)明快速檢測(cè)的整個(gè)流程。EQUATIONCHAPTERNEXTSECTION17結(jié)論與展望71結(jié)論針對(duì)企業(yè)需求、國(guó)家863課題需求及現(xiàn)有點(diǎn)云融合方法融合數(shù)據(jù)速度慢、占用內(nèi)存大、不能適用于光學(xué)三維快速檢測(cè)的問(wèn)題，在深入研究國(guó)內(nèi)外已有點(diǎn)云融合理論的基礎(chǔ)上，結(jié)合面結(jié)構(gòu)光掃描技術(shù)的特點(diǎn)以及快速檢測(cè)的工程實(shí)際需求，本文對(duì)光學(xué)三維快速檢測(cè)中的點(diǎn)云融合技術(shù)進(jìn)行深入研究。提出了點(diǎn)云融合方案，設(shè)計(jì)并實(shí)現(xiàn)了單面法、中點(diǎn)法，改進(jìn)了聚類(lèi)法。最后進(jìn)行了實(shí)驗(yàn)和分析，并應(yīng)用于工程實(shí)際中，取得了較好的效果。本文得出以下主要結(jié)論1設(shè)計(jì)并實(shí)現(xiàn)了針對(duì)光學(xué)三維快速檢測(cè)系統(tǒng)的點(diǎn)云融合方案，即首先對(duì)點(diǎn)云進(jìn)行預(yù)處理去除孤立點(diǎn)、計(jì)算法向量、計(jì)算點(diǎn)云權(quán)值、減小邊界點(diǎn)權(quán)值、精簡(jiǎn)數(shù)據(jù)等。然后融合多層點(diǎn)云數(shù)據(jù)，獲得單層完整的點(diǎn)云數(shù)據(jù)，用于比對(duì)檢測(cè)或逆向設(shè)計(jì)。2設(shè)計(jì)并實(shí)現(xiàn)了單面法融合點(diǎn)云數(shù)據(jù)的方法。首先確定基準(zhǔn)點(diǎn)云，然后根據(jù)給定的誤差帶確定并去除非基準(zhǔn)點(diǎn)云中的重疊點(diǎn)，最后將不包含重疊點(diǎn)的多幅點(diǎn)云合并為單層的一幅點(diǎn)云。該方法的優(yōu)點(diǎn)是效率高，可以很好的應(yīng)用于快速檢測(cè)中，但該方法融合后的表面光滑度不好，不能很好的應(yīng)用于逆向設(shè)計(jì)中。3設(shè)計(jì)并實(shí)現(xiàn)了中點(diǎn)法融合點(diǎn)云數(shù)據(jù)的方法。首先去除每幅點(diǎn)云中的孤立點(diǎn)，其次搜索并確定兩幅點(diǎn)云中重疊區(qū)域的對(duì)應(yīng)點(diǎn)對(duì)，為了加快搜索速度，本文采用KDTREE空間鄰域搜索策略，最后用點(diǎn)對(duì)的中值代替點(diǎn)對(duì)中的兩個(gè)點(diǎn)，從而實(shí)現(xiàn)冗余點(diǎn)的去除。該方法相對(duì)于單面法表面光滑度有所改善，但融合效率比單面法慢。4實(shí)現(xiàn)了聚類(lèi)法融合點(diǎn)云數(shù)據(jù)的方法，并對(duì)該方法進(jìn)行了改進(jìn)首先提出了結(jié)構(gòu)光掃描技術(shù)中點(diǎn)云權(quán)值計(jì)算的理論，實(shí)現(xiàn)了結(jié)構(gòu)光掃描技術(shù)中點(diǎn)云權(quán)值的計(jì)算；其次對(duì)KD_TREE空間鄰域搜索方法進(jìn)行了改進(jìn)，實(shí)現(xiàn)了一種高效的空間近鄰點(diǎn)云搜索策略，有效提高了點(diǎn)云數(shù)據(jù)融合的速度；最后提出按包圍盒等間距分割點(diǎn)云數(shù)據(jù)的方法，分塊多次融合點(diǎn)云，解決了融合海量點(diǎn)云數(shù)據(jù)時(shí)內(nèi)存不足的問(wèn)題。該方法融合效率比單面法低但比中點(diǎn)法高，融合后表面光滑，可以很好的應(yīng)用于快速檢測(cè)和逆向設(shè)計(jì)中。5改進(jìn)的聚類(lèi)算法解決了面結(jié)構(gòu)光掃描測(cè)量中點(diǎn)云權(quán)值計(jì)算的問(wèn)題，提高了點(diǎn)云融合的速度，減小了融合過(guò)程中內(nèi)存的占用，具有融合速度快、融合精度高、可處理大數(shù)據(jù)量點(diǎn)云（以千萬(wàn)為單位）的特點(diǎn)?？梢詽M(mǎn)足逆向設(shè)計(jì)及三維快速測(cè)量系統(tǒng)的需求，已經(jīng)在實(shí)際的塑料泡沫檢測(cè)、鑄件檢測(cè)、葉片檢測(cè)、模具檢測(cè)以及工程反求應(yīng)用中取得良好的效果。72展望單面法是所有融合方法中效率最高的，如果能對(duì)其融合后的表面的光滑度進(jìn)行改進(jìn)，那么單面法能很好的應(yīng)用于檢測(cè)與逆向設(shè)計(jì)中。而聚類(lèi)法的融合效率也有進(jìn)一步改進(jìn)的空間，如果其融合速率能達(dá)到單面法的速率，那么將是一種理想的融合方法。目前的研究主要是針對(duì)研究所自主研發(fā)的面掃描系統(tǒng)獲取的點(diǎn)云數(shù)據(jù)。這種點(diǎn)云是按掃描線(xiàn)有序排列的，而用其他一些掃描儀器獲取的點(diǎn)云數(shù)據(jù)并不一定有掃描線(xiàn)信息，因此本文的算法并不是通用的算法。而實(shí)際應(yīng)用中點(diǎn)云數(shù)據(jù)的格式往往變化不定，但不論哪種數(shù)據(jù)格式，都會(huì)包含最基本的3D坐標(biāo)即XYZ值。所以點(diǎn)云融合應(yīng)該能處理只包含XYZ信息的點(diǎn)云，這樣算法將可以處理各種掃描儀器獲取得到的點(diǎn)云數(shù)據(jù)。EQUATIONCHAPTERNEXTSECTION1致謝首先，我要感謝我的導(dǎo)師梁晉副教授，正是在他的悉心指導(dǎo)和嚴(yán)格要求下本文才得以完成，其中梁老師對(duì)論文的總體方向進(jìn)行了嚴(yán)格的把握，就論文的寫(xiě)作以及本課題的關(guān)鍵技術(shù)、方案設(shè)計(jì)等諸多方面進(jìn)行了細(xì)致耐心的指導(dǎo)。三年來(lái)，梁老師從學(xué)習(xí)、生活和科研工作上給予了作者無(wú)私的關(guān)懷和幫助，使作者受益匪淺。梁老師嚴(yán)謹(jǐn)求實(shí)、謙遜博學(xué)的作風(fēng)將繼續(xù)鞭策著作者奮發(fā)上進(jìn)。在此，再次向梁老師致以衷心的感謝另外，感謝信息機(jī)電研究所的師兄弟們以及一直關(guān)心我的親朋好友，是他們陪伴我度過(guò)碩士的三年珍貴時(shí)光。最后，我要特別感謝家人對(duì)作者最深切的關(guān)懷和莫大的支持，他們是我堅(jiān)持不懈地投入學(xué)業(yè)的精神支柱。參考文獻(xiàn)1SAZERNIKOV,AFISCHEREMERGINGNONCONTACT3DMEASUREMENTTECHNOLOGIESFORSHAPERETRIEVALANDPROCESSINGJVIRTUALANDPHYSICALPROTOTYPING,2008,3285912KSAITO,TMIYOSHINONCONTACT3DDIGITIZINGANDMACHININGSYSTEMFORFREEFORMSURFACEJANNALSOFTHECIRP,1991,404834863周倫彬逆向非接觸測(cè)量技術(shù)淺析J中國(guó)測(cè)試技術(shù),2005,31525274邵偉,楊軍良,郭俊杰,方海燕非接觸式測(cè)量機(jī)器人J儀器儀表學(xué)報(bào),2003,2441711725JMHUNTLEYOPTICALSHAPEMEASUREMENTTECHNOLOGYPAST,PRESENTANDFUTUREAPROCEEDINGSOFSPIEC,2000,407611621736PSHUANGA,SZHANGB3DOPTICALMEASUREMENTUSINGPHASESHIFTINGBASEDMETHODSAPROCEEDINGSOFSPIEC,2005,600012127NDAPUZZOOVERVIEWOF3DSURFACEDIGITIZATIONTECHNOLOGIESINEUROPEAPROCEEDINGSOFSPIEC,2006,605611138YDLI，PHGU，F(xiàn)REEFORMSURFACEINSPECTIONTECHNIQUESSTATEOFTHEARTREVIEWJCOMPUTERAIDEDDESIGN，2004,36139514179SSON，HPARK，KHLEE，AUTOMATEDLASERSCANNINGSYSTEMFORREVERSEENGINEERINGANDINSPECTIONJMACHINETOOLSANDMANUFACTORY，2002,4288989710KWOLF,DROLLER,DSCHAFERANAPPROACHTOCOMPUTERAIDEDQUALITYCONTROLBASEDON3DCOORDINATEMETROLOGYAMATERIALPROCESSINGTECHNOLOGYC,2000,1079611011GTURK,MLEVOYZIPPEREDPOLYGONMESHESFROMRANGIMAGESAPROCEEDINGSOFSIGGRAPHC,1994,31131812MGOPI,SKRISHNAN,CSILVASURFACERECONSTRUCTIONBASEDONLOWERDIMENSIONALLOCALIZEDDELAUNAYTRIANGULATIONAPROCEEDINGSOFEUROGRAPHICSC,2000,19346747813DFWATSONCOMPUTINGTHENDIMENSIONALDELAUNAYTESSELLATIONWITHAPPLICATIONTOVORONOIPOLYTOPESJTHECOMPUTERJOURNAL,1981,24216717214姜壽山,楊海成,候增選用空間形狀優(yōu)化標(biāo)準(zhǔn)完成散亂數(shù)據(jù)的三角剖分J計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào),1995,7424124915呂震反求工程CAD建模中的特征技術(shù)研究D杭州浙江大學(xué),200316FBERNARDINI,JMITTLEMAN,HRUSHMEIER,ETALTHEBALLPIVOTINGALGORITHMFORSURFACERECONSTRUCTIONJIEEETRANSVISUALCOMPUTGRAPH1999,534935917BCURLESS,MLEVOYAVOLUMETRICMETHODFORBUILDINGCOMPLEXMODELSFROMRANGEIMAGESAPROCEEDINGSOFSIGGRAPHC,1996,43844618CROCCHINI,PCIGNONI,FGANONELLI,ETALTHEMARCHINGINTERSECTIONSALGORITHMFORMERGINGRANGEIMAGESJVISUALCOMPUT,2004,14916419WELORENSEN,HECLINEMARCHINGCUBESAHIGHRESOLUTION3DSURFACECONSTRUCTIONALGORITHMAPROCEEDINGSOFSIGGRAPHC,1987,16316920HHILTON,AJSTODDART,JILLINGWORTHETALMARCHINGTRIANGLESRANGEIMAGEFUSIONFORCOMPLEXOBJECTMODELLINGAPROCEEDINGSOFICIPC,1996,38138421YHLIU,HZHOUACCURATEINTEGRATIONOFMULTIVIEWRANGEIMAGESUSINGKMEANSCLUSTERINGJSCIENCEDIRECT,2008,15217522CXFENGINTERNETBASEDREVERSEENGINEERINGJTHEINTERNATIONALJOURNALOFADVANCEDMANUFACTURINGTECHNOLOGY,2003,21213814423呂國(guó)剛,諶永祥,李永橋反求工程測(cè)量技術(shù)簡(jiǎn)述J機(jī)械研究與應(yīng)用,2006,1947824KSUNGADDAOCTREETRAVERSALALGORITHMFORRAYTRACINGAEUROGRAPHICS91PROCEEDINGSOFTHEEUROPEANCOMPUTERGRAPHICSCONFERENCEANDEXHIBITIONC,FHPOSTANDWBARTHEDS,PP7385,NORTHHOLLAND,199125劉春明,方漪尋找三維散亂數(shù)據(jù)點(diǎn)拓?fù)浣Y(jié)構(gòu)的一種算法J青島大學(xué)學(xué)報(bào),2003,183202426HHOPPEPROGRESSIVEMESHESAPROCEEDINGSOFSIGGRAPHCOMPUTERGRAPHICSC,NEWYORKACM,1996,9910827MECK,TDEROSE,TDUCHAMP,ETALMULTIRESOLUTIONANALYSISOFARBITRARYMESHESAPROCEEDINGSOFSIGGRAPHCOMPUTERGRAPHICSCNEWYORKACM,1995,829028JLBENTLEYMULTIDIMENSIONALBINARYSEARCHTREESUSEDFORASSOCIATIVEDSEARCHINGACOMMUNICATIONSOFTHEACMC,197518950951729WANDREWMOOREANINTRODUCTORYTUTORIALONKDTREESRTECHNICALREPORT,COMPUTERLABORATORY,UNIVERSITYOFCAMBRIDGE,199130RSWRIGHT,BLIPCHAKOPENGLSUPERBIBLE3RDEDITIONMSAMSPUBLISHING,200531YDLI,PHGUFREEFORMSURFACEINSPECTIONTECHNIQUESSTATEOFTHEARTREVIEWJCOMPUTERAIDEDDESIGN2004,361395141732SSON,HPARK,KHLEE,AUTOMATEDLASERSCANNINGSYSTEMFORREVERSEENGINEERINGANDINSPECTIONJMACHINETOOLSANDMANUFACTORY2002,4288989733KWOLF,DROLLER,DSCHAFERANAPPROACHTOCOMPUTERAIDEDQUALITYCONTROLBASEDON3DCOORDINATEMETROLOGYJ,MATERIALPROCESSINGTECHNOLOGY2000,1079611034BJBROWN,RSZYMONNONRIGIDGLOBALALIGNMENTUSINGTHINPLATESPLINESASKESTCHESOFACMSIGGRAPH2005C35MITRANJ,GELFANDN,POTTMANNH,ETALREGISTOFPOINTCLOUDDATAFROMAGEOMETRICOPTPERSPECTIVEAGEOMETRYPROCESSINGC,2004233236RSZYMON,BBROWN,MKAZHAN3DSCANMATCHINGANDREGISTRATIONCICCV2005SHORTCOURSE37TVRADY,RMARTIN,JCOXREVERSEENGINEERINGOFGEOMETRICMODELSANINTRODUCTIONJCOMPUTERAIDEDDESIGN,1997,29425526838錢(qián)錦鋒逆向工程中的點(diǎn)云處理D杭州浙江大學(xué)，200539MGOPI,SKRISHNAN,AFASTANDEFFICIENTPROJECTIONBASEDAPPROACHF