實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒?br>【技術(shù)領(lǐng)域】
[0001] 本發(fā)明提供一種實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒?，屬于產(chǎn)品逆向工程技術(shù)領(lǐng) 域。
【背景技術(shù)】
[0002] 逆向工程中廣泛采用實(shí)物表面采樣數(shù)據(jù)的型面特征分析技術(shù)對(duì)采樣數(shù)據(jù)所表達(dá) 的型面信息進(jìn)行特征區(qū)域分析，并將分析結(jié)果作為曲面建模的特征參考數(shù)據(jù)，樣點(diǎn)的鄰域 數(shù)據(jù)對(duì)型面特征分析結(jié)果的準(zhǔn)確性具有重要影響，而且其查詢速度直接決定型面特征分析 的效率。
[0003] 目前常用的鄰域數(shù)據(jù)查詢方法有衫卩域查詢、Delaunay鄰域查詢以及Voronoi 鄰域查詢等。衫卩域查詢是目前應(yīng)用最廣泛的鄰域查詢方法，基于歐氏距離查詢獲取距 離目標(biāo)樣點(diǎn)最近的々個(gè)樣點(diǎn)，XLi等在學(xué)術(shù)期刊〇/從e 〇/ 萬(wàn)/從ifleers》2007, 221 (9)，P1467-1472 上發(fā)表的學(xué)術(shù)論文 " /hr findingallk~nearestneighborsinthree-dimensionalscatteredpointsanditsi/?iwersee/^i/?e6?ri/71§?"與熊邦書(shū)等在學(xué)術(shù)期刊《計(jì)算機(jī)輔助設(shè)計(jì)與圖形 學(xué)學(xué)報(bào)》2004,16 (7)，P909-911上發(fā)表的學(xué)術(shù)論文"三維散亂數(shù)據(jù)的々個(gè)最近鄰域快速搜 索算法"中，對(duì)實(shí)物表面采樣數(shù)據(jù)進(jìn)行柵格劃分建立靜態(tài)空間索引，并在目標(biāo)樣點(diǎn)所在柵格 及鄰近柵格內(nèi)搜索最近的左個(gè)鄰域樣點(diǎn)。衫卩域查詢算法原理簡(jiǎn)單容易實(shí)現(xiàn)，但對(duì)于非均 勻采樣數(shù)據(jù)，受歐氏距離的制約衫卩域數(shù)據(jù)通常具有嚴(yán)重的偏向性，查詢結(jié)果易受采樣數(shù) 據(jù)分布狀況的限制。Delaunay鄰域查詢和Voronoi鄰域查詢都屬于拓?fù)溧徲虿樵?，克服?衫P域查詢易受采樣數(shù)據(jù)分布制約等缺陷，查詢結(jié)果能較準(zhǔn)確反映樣點(diǎn)的拓?fù)溧徑雨P(guān)系，孫 殿柱等在學(xué)術(shù)期刊《武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）》2011，36 (1)，P86-91上發(fā)表的學(xué)術(shù)論文 "三維散亂點(diǎn)云的Voronoi拓?fù)溧徲螯c(diǎn)集查詢算法"中，基于采樣數(shù)據(jù)動(dòng)態(tài)空間索引利用偏 心擴(kuò)展和自適應(yīng)擴(kuò)展算法獲取樣點(diǎn)拓?fù)溧徲騾⒖紨?shù)據(jù)，生成局部點(diǎn)集的Voronoi圖，查詢 樣點(diǎn)的Voronoi鄰域便可準(zhǔn)確獲取樣點(diǎn)的拓?fù)溧徲驍?shù)據(jù)，但該算法在構(gòu)造Voronoi圖時(shí)增 加了計(jì)算量，提高了算法的空間復(fù)雜度和時(shí)間復(fù)雜度，影響了鄰域查詢效率。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問(wèn)題是：克服現(xiàn)有鄰域查詢方法存在的對(duì)非均勻采樣數(shù)據(jù)適 應(yīng)性不高、查詢效率較低等問(wèn)題，提供一種實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒?，快速、?zhǔn) 確查詢獲取任意復(fù)雜實(shí)物表面采樣數(shù)據(jù)的拓?fù)溧徲驍?shù)據(jù)。
[0005] -種實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒?，其特征在于步驟依次為：（1)設(shè)實(shí) 物表面采樣數(shù)據(jù)集合為5；利用R*樹(shù)對(duì)5構(gòu)建樣點(diǎn)數(shù)據(jù)動(dòng)態(tài)空間索引；（2)對(duì)R*樹(shù)索 引進(jìn)行深度優(yōu)先遍歷獲取目標(biāo)樣點(diǎn)的免近鄰，將其作為目標(biāo)樣點(diǎn)拓?fù)溧徲虻某跏紖⒖紨?shù) 據(jù)集；（3)基于核密度估計(jì)使初始參考數(shù)據(jù)集在一定程度上向目標(biāo)樣點(diǎn)鄰近的采樣數(shù) 據(jù)稀疏區(qū)域擴(kuò)展，從而消減初始參考數(shù)據(jù)集的鄰域信息缺失，具體步驟為：①i= 〇,令 毛Cf)為目標(biāo)樣點(diǎn)的免近鄰點(diǎn)集；②基于核密度估計(jì)確定為Cf)的概率密度極大值點(diǎn)
【主權(quán)項(xiàng)】
1. 一種實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒?，其特征在于步驟依次為；（1)設(shè)實(shí) 物表面采樣數(shù)據(jù)集合為5；利用R*樹(shù)對(duì)5構(gòu)建樣點(diǎn)數(shù)據(jù)動(dòng)態(tài)空間索引；（2)對(duì)R*樹(shù)索 引進(jìn)行深度優(yōu)先遍歷獲取目標(biāo)樣點(diǎn)的A近鄰，將其作為目標(biāo)樣點(diǎn)拓?fù)溧徲虻某跏紖⒖紨?shù) 據(jù)集；（3)基于核密度估計(jì)使初始參考數(shù)據(jù)集在一定程度上向目標(biāo)樣點(diǎn)鄰近的采樣數(shù) 據(jù)稀疏區(qū)域擴(kuò)展，從而消減初始參考數(shù)據(jù)集的鄰域信息缺失，具體步驟為：①i= 0,令 式為目標(biāo)樣點(diǎn)/7的A近鄰點(diǎn)集；②基于核密度估計(jì)確定毛妃> 的概率密度極大值點(diǎn) G(年(J?));③計(jì)算G(本(J9)關(guān)于目標(biāo)樣點(diǎn)/7的對(duì)稱點(diǎn)《蛛如》;④在實(shí)物表面采樣數(shù)據(jù)中 查詢G1典(材)的A近鄰點(diǎn)集馬'Crt;⑥從馬W中選擇可減少馬佔(zhàn)）的鄰域信息缺失的子集 r;⑧若r= #，圓齡至步驟⑨；⑦美車樹(shù)Ur，i=i+ 1減重復(fù)步驟②至⑦； ⑨嘶)=本妨，擴(kuò)展過(guò)程終止，此時(shí)卿)即近似為目標(biāo)樣點(diǎn)片處的拓?fù)溧徲?；上述過(guò)程的 步驟⑥中，從考(P)中選擇可減少車(rf的鄰域信息缺失的子集r，具體方法為；①對(duì)蝴試 中的樣點(diǎn)據(jù)其至片的距離進(jìn)行升序排列使之成為有序集{射，;②i，r= #， 為點(diǎn)^到點(diǎn)7的歐氏距離；@^=了1乂町}:④采用核密度估計(jì)方法計(jì)算可反映采 樣數(shù)據(jù)局部樣點(diǎn)分布特征的模式點(diǎn)，馬W的模式點(diǎn)M化(F))計(jì)算公式為：
(1) 其中，/?為馬〇)中樣點(diǎn)的數(shù)量，:f,e鮮約，A為帶寬，GU)為核函數(shù)，同理可據(jù)此方法計(jì)算韋(/〇11了的模式點(diǎn)乂戰(zhàn)〇：〇11巧；這)若立(/>，扯(韋〇)。巧)>?/(/?，乂化〇))，貝1]從沖冊(cè)1|除 私-，跳轉(zhuǎn)至步驟⑨；⑧JJ+ 1;⑦重復(fù)步驟⑨至⑧；⑨返回r。
2. 如權(quán)利要求1所述的實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒?，其特征在于；在步驟 (3)中第②步所述基于核密度估計(jì)確定考(P)的概率密度極大值點(diǎn)巧；《#巧的具體步驟為： ①對(duì)￥布，依次查詢其婦￡鄰點(diǎn)集%處的概率密度估計(jì)值的計(jì)算公式 為，
(2) 其中，A為帶寬，GU)為核函數(shù)；②將本(姑中各點(diǎn)按其概率密度大小降序排列 輸，&，~巧》};⑨取革(F)中最大的0個(gè)樣點(diǎn)定義毛(F)的概率密度極大值點(diǎn)，計(jì)算公式為： (3) 0可視為為敏感因子，用于微調(diào)初始參考數(shù)據(jù)的擴(kuò)展方向，6的最佳取值范圍為 K。寺
3.如權(quán)利要求1，2所述的實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒?，其特征在于；所述?式點(diǎn)計(jì)算公式（1)中帶寬A的取值為目標(biāo)樣點(diǎn)至本0)中所有樣點(diǎn)距離的最大值，A是一 個(gè)自適應(yīng)帶寬值，核函數(shù)GU)取高斯核函數(shù)，其形式為巧.句=--.^.C3 .所述概率密度計(jì) 屈 算公式似中帶寬A的取值為g,到其k近鄰點(diǎn)集扭中各點(diǎn)距離的最大值，其中的 核函數(shù)GU)同樣取高斯核函數(shù)。
【專利摘要】本發(fā)明提供一種實(shí)物表面采樣數(shù)據(jù)拓?fù)溧徲虿樵兎椒ǎ瑢儆诋a(chǎn)品逆向工程技術(shù)領(lǐng)域，其特征在于：利用R*樹(shù)對(duì)實(shí)物表面樣點(diǎn)構(gòu)建動(dòng)態(tài)空間索引，對(duì)R*樹(shù)索引進(jìn)行深度優(yōu)先遍歷快速獲取目標(biāo)樣點(diǎn)的k近鄰點(diǎn)集，將其作為目標(biāo)樣點(diǎn)拓?fù)溧徲虻某跏紖⒖紨?shù)據(jù)，根據(jù)鄰域查詢與樣點(diǎn)分布的關(guān)系，采用核密度估計(jì)描述樣點(diǎn)的分布規(guī)律，將初始參考數(shù)據(jù)內(nèi)的樣點(diǎn)按其概率密度大小排序，選取其中概率密度最大的個(gè)樣點(diǎn)定義局部概率密度極大值點(diǎn)，利用部概率密度極大值點(diǎn)確定搜索方向，使初始參考數(shù)據(jù)向稀疏區(qū)適度擴(kuò)展，從而降低其鄰域信息缺失程度，依此進(jìn)行迭代計(jì)算，最終可獲取較為完備的目標(biāo)樣點(diǎn)拓?fù)溧徲驍?shù)據(jù)。采用本方法可快速獲取復(fù)雜型面均勻或非均勻采樣數(shù)據(jù)的拓?fù)溧徲驍?shù)據(jù)，查詢結(jié)果包含k鄰域、Voronoi鄰域及其它有效鄰域數(shù)據(jù)，能更好地反映實(shí)物表面采樣數(shù)據(jù)的局部型面特征。
【IPC分類】G06F17-50, G06T17-00, G06F17-30
【公開(kāi)號(hào)】CN104850712
【申請(qǐng)?zhí)枴緾N201510276879
【發(fā)明人】孫殿柱, 白銀來(lái), 魏亮, 李延瑞
【申請(qǐng)人】山東理工大學(xué)
【公開(kāi)日】2015年8月19日
【申請(qǐng)日】2015年5月27日