[发明专利]基于Ricci流和QEM算法的环形锻件激光测量点云数据优化方法

说明书

本发明提供一种基于Ricci流和QEM算法的环形锻件激光测量点云数据优化方法，其包括以下步骤：对采集的环形锻件表面的激光点云数据进行网格化处理，并设定网格上内点和边界的目标曲率；利用Ricci流方程优化网格曲面离散熵的能量，得到目标度量，将曲面映射到平面上，得到网格上每一点的参数化纹理坐标；计算所有点对的误差矩阵并计算折叠代价函数；基于得到的参数化纹理坐标优化QEM代价函数，实现环形锻件激光测量点云数据的网格精简。本发明能够处理复杂结构环形锻件的激光测量点云数据，且能够保持复杂锻件的几何特征。

技术领域

本发明涉及计算机图形处理技术领域，特别是涉及一种基于Ricci流和QEM算法的环形锻件激光测量点云数据优化方法。

背景技术

航空发动机的机匣、转动件、燃烧室、密封环、支撑环等零部件，以及航天运载火箭燃料贮箱的连接环、导弹和火箭的壳体等零部件，均采用高强度、耐高温、耐磨、耐腐蚀、稳定性强的特种合金(如：铝合金、钛合金、高温合金等)环形锻件制造而成。我国环形锻件生产面临的主要挑战除了环轧工艺落后外，还存在于反映成型过程几何尺寸参数获取上。而成型过程中的尺寸参数——径向尺寸和轴向尺寸，是决定环轧件内部质量和外部形状的重要指标，也是决定制品合格与否的关键参数。目前对于几何尺寸参数主要采用激光测量法，通过激光扫描仪获取环形锻件表面的巨量数据，然后对巨量数据进行消噪、精简和特征提取等处理后获得几何尺寸参数信息。

消噪处理虽然可以删除一些数据，但如果直接对消噪后的数据进行处理，在精准保持环轧件形状特征的同时，保证高速的数据处理速度，快速获取环轧件的尺寸信息，是实现环形锻件成型尺寸在线测量研究的又一关键难题。因此亟需一种能够提高激光点云数据的处理速度，从而快速获取几何尺寸参数信息的方法。

发明内容

为了解决上述现有技术中提到的技术问题，本发明提出一种基于Ricci流和QEM算法的环形锻件激光测量点云数据优化方法，其能够基于Ricci流和QEM算法对环形锻件激光测量点云数据进行优化，得到精简且能够保持复杂锻件的几何特征的环形锻件的激光测量点云数据，以提高激光点云数据的处理速度，快速获取几何尺寸参数信息。

为解决上述问题，本发明提供一种基于Ricci流和QEM算法的环形锻件激光测量点云数据优化方法，其包括以下步骤：

S1、对采集的环形锻件表面的激光点云数据进行网格化处理，并设定网格上内点和边界的目标曲率；

S2、计算环形锻件表面的激光点云数据网格曲面的Ricci流，获取环形锻件表面的激光点云数据的Ricci流能量函数；

S3、利用Ricci流方程优化环形锻件表面的激光点云数据网格曲面离散熵的能量，获取目标度量；

S4、将环形锻件表面的激光点云数据网格曲面映射到平面上，得到环形锻件激光测量点云数据网格上每一点的参数化纹理坐标；

S5、计算环形锻件表面的激光点云数据中所有点对的误差矩阵，并计算折叠代价函数；

S6、使用QEM算法对环形锻件表面的激光点云数据进行精简优化，具体包括以下子步骤：

S61、根据环形锻件表面的激光点云数据中所有点对的误差矩阵计算获取的代价函数，将所有三角形折叠代价按大小排序压入堆栈，并将最小代价的三角形折叠代价放置堆顶；

S62、计算折叠点，将最小代价的三角形折叠代价按照折叠点进行折叠，从而完成环形锻件表面的激光点云数据中折叠点的删除；

S63、折叠后形成一个新的环形锻件表面的激光点云数据三角网格，重复步骤S61及S62，直到环形锻件表面的激光点云数据简化率达到要求，从而完成环形锻件激光点云数据的优化。

进一步，步骤S1具体包括以下步骤：