[发明专利]一种包含多尺度形貌特征的体模型构建方法

摘要

本发明提供了一种包含多尺度形貌特征的体模型构建方法，从点云处理技术、体模型构建技术入手，基于实测表面形貌数据，对实测表面形貌数据进行多尺度分解、结合时频分析方法对不同尺度的数据分量进行辨识；对处理后的数据采用逆向工程建模方法进行体模型构建；能够做到对不同尺度的点云数据进行识别，按照分析需求进行多尺度建模；在建模过程中，以一种较为直观的方式进行三维建模，同时可以对生成的体模型进行布尔运算，在一定程度上解决了带有表面形貌的体模型上螺栓孔、凹槽等复杂特征的构建问题。

主权项

1.一种包含多尺度形貌特征的体模型构建方法，其特征在于，步骤如下：1)采用平面度测量仪测试得到三维形貌数据Ak×3，Ak×3即为点云矩阵；其中k代表所测点的数量，第一列为x坐标值，第二列为y坐标值，第三列为z坐标值；2)以步骤1)获得的点云矩阵为对象，为保证形貌数据的完整性，对测试过程中原始数据中缺失点进行预处理，测试过程中采用的是等距采样，即沿x轴采集m个点，沿y轴采集n个点，其中k＝m×n；将测量所得点云矩阵Ak×3中的x、y、z坐标提取出来，获得相应矩阵分量Xm×n、Ym×n、Zm×n；然后对矩阵分量Zm×n中的数据缺失点即矩阵Zm×n标注为No Data的点做相应的处理，使其等于相邻非缺失点的平均值；3)采用小波变换的方法对步骤2)预处理后的数据进行多尺度分解，然后采用频谱分析的方法对提取出的不同尺度分量的形貌数据进行辨识；按照不同的频率分别提取出相应的平面度成分、波纹度成分和粗糙度成分；依据分析需求，选取相应的形貌成分；经过预处理后的z向矩阵分量Zm×n为两个变量x和y的函数，记为z(x,y)，将其分为高频部分G1z(x,y)和低频成分D1z(x,y)，然后对获得低频成分D1z(x,y)的数据做进一步分解，以获取更低一级的低频成分和高频成分；预处理后的z向矩阵分量Zm×n经过j层小波分解处理后，获得包含不同尺度分量的矩阵H1m×n、H2m×n...Hjm×n，其中分解的层数为：其中N＝min(m,n)对这些不同尺度分量的数据进行二维快速傅里叶变换；在x,y方向上的采样间隔为Tx和Ty，采样点数分别为Nx和Ny，将H(x,y)变为H(pTx,qTy)，其中p＝0,1,2,...,Nx‑1，q＝0,1,2,...,Ny‑1；即：通过二维幅值Ha(fx,fy)获得Za(x,y)上x、y两个方向上的幅频分布情况，假定x方向或y方向为频率变化方向，获得相应的一维傅里叶变换幅频分布情况，即：在幅频特性曲线上对不同尺度的形貌特征的进行识别；其中平面度、波纹度、粗糙度分别对应的空间频率为0～0.1/mm、0.1～1/mm、大于1/mm；根据分析需求，去除掉z向矩阵分量Zm×n中的不重要的形貌成分，获得包含所需尺度形貌特征的z坐标矩阵Z1m×n；并将其修改为A1(x,y,z)三维向量组的形式；4)以步骤3)处理后的包含相应尺度分量的表面形貌数据A1(x,y,z)采用双三次B样条曲面进行拟合，获得包含所需形貌数据的空间曲面，对形成的曲面进行相应布尔运算完成体模型构建。