买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及一种基于支持向量机的散乱点云三角化方法，该方法先求出原始点云数据在平面内的最小矩形包围盒，在此包围盒内以原始数据中的最小点云密度均值进行数据点重采样，并生成平面三角网格；用原始点云边界多边形对平面四边域内的三角网格进行裁剪，得到实际边界域内的三角网格；然后应用最小二乘支持向量机对经过压缩的原始三维点云进行拟合，并通过此拟合模型将平面域内的三角网格向空间映射，得到三维空间的三角网格。通过实例验证表明，该方法在处理冗余或局部残缺数据时仍能生成较规则的三角网格，不易生成奇异网格或空洞。

主权项：1.基于支持向量机的散乱点云三角化方法，其特征在于：包括通过接触式三坐标测量机对某自由曲面零件表面进行数据采集、对Z向单值点云数据进行边界特征提取、平面域内三角网格生成、基于LS-SVM的曲面拟合、三维映射生成空间域内三角网格；在曲面拟合前对原始数据进行数据压缩过滤原始数据中的冗余信息，所述平面域内三角网格生成包括平面矩形域内三角网格生成及平面内三角网格裁剪，裁剪过程分为边界预处理和网格裁剪，所述边界预处理步骤如下：1在Y方向边界[ymin,ymax]之间以直线间的间距dy为间隔，生成平行于X轴的Q条直线Li；2计算各条直线与初始边界多边形之间的交点：当原始边界上相邻两点间线段与Li重合时，取其端点作为与Li的交点；3剔除冗余点，并按距离最近原则，建立新的边界点列之间的邻接关系：剔除冗余点是指在新的边界点列中，当相邻间距离小于点云密度时，则剔除后一个点；所述网格裁剪根据三角形顶点与边界多边形的相对位置关系，对每个三角形进行处理；所述网格裁剪具体方法如下：设三角形的三个顶点为Vi，i＝1,2,3，设边界多边形为L，则可用如下函数来描述Vi与L的位置关系： 设Bij为三角形两个顶点Vi、Vj之间的一条边，i,j＝1,2,3，则可用如下函数来描述Bij与L的位置关系： 采用上述给出的两个位置关系函数分以下情况对三角网格进行处理：当InorOutV1,L+InorOutV2,L+InorOutV3,L＝0，此时删除三角形的三个顶点；当InorOutV1,L+InorOutV2,L+InorOutV3,L＝1，此时需结合Intersect函数进行判别：设InorOutV1,L＝1，若IntersectB12,L＝1且IntersectB13,L＝1，则交点D1、D2替换V2、V3生成新的三角形V1D1D2；若IntersectB12,L＝0或IntersectB13,L＝0，则删除三角形的三个顶点；当InorOutV1,L+InorOutV2,L+InorOutV3L＝2，此时也需结合Intersect函数进行判别：设InorOutV1,L＝0，若IntersectB12,L＝1且IntersectB13,L＝1，则用△V2D1V3、△D1D2V3两个三角形替换原来的三角形；若IntersectB12,L＝1且IntersectB13,L＝0，则用△V2D1V3替换原来的三角形；若IntersectB12,L＝0且IntersectB13,L＝1，则用△V2D2V3替换原来的三角形；若IntersectB12,L＝0且IntersectB13,L＝0，则删除三角形的三个顶点；当InorOutV1,L+InorOutV2,L+InorOutV3L＝3，此时保留三角形的三个顶点；所述数据压缩采用基于LS-SVM方法进行，具体如下：1点云分块：将原始数据点云中的数据点分为若干数据块，每个数据块中的数据点数小于给定块内数据点数最大值，得到符合要求的D个数据块；2块内剪枝：用LS-SVM对各个数据块分别进行拟合，计算出拉格朗日乘子αi，并按|αi|由大到小降序排列，设压缩率为k，k1，数据块内压缩前数据点个数为r，则将排在最后的k·r个|αi|对应的数据点删除，可得到压缩后的数据点，点的个数为r1-k；3精度检验：将经过块内剪枝的D个数据块合并得到压缩后的数据点集Sn，采用LS-SVM进行拟合，得到拟合散乱点云数据的整体曲面模型z＝fx,y；设拟合误差的许用值为ε，对于Sn内的任一点Pixi,yi,zi，进行拟合误差计算e＝|zi-fxi,yi|，若e≤ε，则数据压缩合理，否则减小压缩率k重新进行压缩。

全文数据：

权利要求：

百度查询： 绍兴文理学院 基于支持向量机的散乱点云三角化方法