在计算机视觉系统中一直存在物体识别时3D数据表示形式的问题。大多数研究人员将其转化为多视图和体素化网格的深度学习方法,这会出现庞大的数据,使计算量增加,提高了运算的时间复杂度。这里采用直接消耗点云数据方法在欧式空间中通过深度学习神经网络进行识别分类,这种方法与其他方法相比减少了数据运算量,而且很高效。通过分层神经网络进行学习,避免了只学习全局特征而不能学习由度量空间引起的局部结构。在改进现有的深度学习神经网络架构,通过训练在训练集中最高可以学习到96.88%的准确率,并且使训练曲线和测试曲线的准确率更加接近,避免了过拟合现象。最后测试了获取到的点云数据并达到了预期的效果。

对吹风机外壳的非接触测量和其三维建模进行研究分析,通过采用PowerScan扫描系统对吹风机外壳进行三维测量,借助Studio软件进行点云的处理操作,得到优质的点云数据。将数据导入Geomagic Design软件进行逆向三维建模导出IGS,然后通过UG导出.stl文件格式。最后借助UP BOX 3D打印机打印出实体,从而把数据模型变成直观的实体模型。

以散热器面罩边框零件的逆向设计为例,介绍设计中零件表面数据采集方法,研究了点云的数据处理、曲面划分等前处理的关键技术;提出在CATIA软件的逆向设计模块中有关特征曲线的几种创建方法,介绍曲线曲面的重构方法.以Dynaform为平台,总结出零件展料分析的一般步骤和方法,并对曲面展开的关键技术进行探讨.

在机载LIDAR所获得的三维点云数据处理中，重要的是将点云数据中的地面数据和非地面数据分离。针对基于坡度的扫描线滤波方法存在的问题，提出一种基于坡度的伪扫描线点云数据滤波算法。该算法可以避免滤波前的预处理过程，且能保证每条伪扫描线首个判断点的属性为地面点。此外，为了避免同一地形在两相邻伪扫描线间可能存在的不吻合，通过移动窗口曲面拟合滤波方法再次进行调整。实验验证该组合算法具有一定的有效性。

介绍了基于三维摄影与三维扫描相结合的光学非接触武测量方法，对螺母柱零件进行测量，并与三坐标仪的接触式测量相比较．说明其满足高精度快速测量的要求。

利用目前逆向工程软件重建的实物CAD数字化模型，只能实现对产品几何形状的复制，因此设计者不能对CAD模型进行更进一步的编辑修改及再设计。提出了通过将逆向设计软件与三维参数化CAD系统相结合的方法，由实物的点云模型反求出CAD模型，此方法反求出的不仅仅是实物的几何形状，而且可用参数化的方法重建出各特征、特征间的几何约束和设计者的设计意图，从而使反求出的模型支持对复制产品的再设计。

在CAD模型已知的零件数字化检测中,为将CAD模型和零件的实测点云模型进行对比分析,首先要解决CAD模型离散为点云数据的问题。针对这一问题,提出了一种基于UG NX平台二次开发获得点云数据的方法。介绍了UG NX二次开发的工具及其基本特点,并综合运用二次开发工具和Visual StudiO2010开发环境在UG NX10.0中设计了完成CAD模型离散的对话框。阐述了CAD模型离散的原理、基本流程,编写对话框中的回调函数实现了离散功能,获得了点云数据。将离散结果与原模型进行对比分析,表明离散结果可以很好地代表CAD模型。

针对双目视觉测量中工件表面轮廓形状和尺寸的自动检测问题,提出一种新的基于边缘曲率角的工件三维轮廓信息提取方法。首先,针对不同边缘点误匹配率不同的特点,提出一种基于灰度相关的边缘点分类匹配算法获取边缘点云数据。第二,提出一种环形排序数据结构表示点云数据以提高后续信息处理的效率。提出边缘曲率角概念,用其快速划分直线和曲线,提取出工件轮廓的形状、尺寸等三维信息。实验结果表明,该方法可实时准确地识别具有圆柱体或多面体等较规则形状的工件,尺寸提取误差在2%以内,可满足大多工业生产要求。

针对某生产线手动焊接夹具进行自动化改造,以满足机器人焊接的生产要求。因手动焊接夹具的三维数据已丢失,在改造前首先利用三维光学扫描设备对夹具进行扫描并对获得的点云数据作预处理,然后将点云导入CATIA软件进行CAD模型重构,最后结合自动化改造的工艺要求,对CAD模型进行干涉性分析,进而完成焊接夹具的自动化改造。文中通过逆向工程缩短了夹具的研制周期,降低了成本,提升了企业的市场竞争力。

针对目前核设施退役没有核设施三维资料的现状,提出运用三维激光扫描技术获得点云数据来进行退役核设施设备三维模型重构的的方法,介绍了三维激光扫描技术获取核设施三维模型的原理,并重点阐述了对退役核设施进行三维扫描的实施方案,给核设施的退役方法提出了一种新思路。