Modares Mechanical Engineering
مهندسی مکانیک مدرس
Modares Mechanical Engineering
Engineering & Technology
http://mme.modares.ac.ir
1
admin
1027-5940
2476-6909
10.22034/mme
fa
jalali
1395
2
1
gregorian
2016
5
1
16
3
online
1
fulltext
fa
هم مرجع سازی کاملا خودکار ابرهای نقاط با استفاده از ویژگیهای سطح
Fully automatic registration of point clouds using surface features
هم مرجع سازی ابرهایی نقاط پردازشی کلیدی در ایجاد مدل رایانه ای در مهندسی معکوس محسوب می شود. پیچیده بودن و بد وضع بودن مساله هم مرجع سازی مانع از ارائه الگوریتم جامعی که کاملا خودکار این فرآیند را انجام دهد، گردیده است. در این پژوهش روشی برای ارتقا سطح خودکارسازی فرآیند هم مرجع سازی ارائه شده است. در این روش ابتدا ویژگی های سطوح تشکیل دهنده ابرهای نقاط استخراج و از آنها برای یافتن نقاط متناظر بین دو ابر نقاط استفاده می شود. دقت انجام فرآیند هم مرجع سازی به دقت انتخاب نقاط متناظر در ابرهای نقاط بستگی دارد. ویژگی های مورد استفاده در این پژوهش برای تناظریابی، انحنای سطح و شکل موضعی سطح می باشند. برای استخراج ویژگی ها، انحنای سطح برای هر یک از نقاط ابر نقاط با استفاده از انحنای چتری محاسبه گردید و روش جدیدی نیز برای تعیین شکل موضعی سطح ارائه گردید. برای هر نقطه یک عدد شکل که معرف شکل موضعی سطح است با استفاده از مختصات نقاط بدست آمد. نقاط متناظر در این روش نقاطی محسوب میشوند که از شکل موضعی و انحنای چتری تقریبا یکسانی برخوردار باشند. هم مرجع سازی با در نظر گرفتن قید صلبیت با استفاده از زوج نقاط متناظر انجام می شود. نتایج بدست آمده از الگوریتم پیشنهادی در هم مرجع سازی ابرهای نقاط نشان از صحت کارکرد این روش در حل مساله هم مرجع سازی به شکل کاملا خودکار دارد.
Registration of point clouds is a key process in creating a digital model in reverse engineering. Registration is complex and ill-conditioned problem and these impede to achieve fully automatic comprehensive algorithm.in this study a new method to improve automation level is proposed. In this method, at first surface features are extracted from point clouds and then these data use for detecting correspondence points between point clouds. Registration process accuracy depends on carefully selected corresponding point between point clouds. In present research surface curvature and local shape are used for finding correct correspondence points. For feature extraction, surface curvature for each point of point clouds is calculated by using umbrella curvature and also a new method for determining local shape is presented. For each point of point cloud a shape number is determined. Determination of shape number is done by neighbors’ coordinates of point of concern. In this method, the corrected corresponding points are points that have almost equal umbrella curvature and shape number. Rigidity helps algorithm to find pairwise points. Analyzing results shows that the proposed algorithm performs well and has appropriate abilities on fully automatic registration of point clouds.
هم مرجع سازی کاملا خودکار,انحنای چتری,همسایگی همگن,شکل موضعی سطح,بردار نرمال سطح
Fully Automatic Registration,Umbrella Curvature,Homogeneous Neighborhood,Local Shape,Surface Normal Vector
27
34
http://mme.modares.ac.ir/browse.php?a_code=A-15-1000-7171&slc_lang=fa&sid=15
Abolfazel
Foorginejad
ابوالفضل
فورگی نژاد
100319475328460061310
100319475328460061310
No
عضو هیات علمی دانشگاه صنعتی بیرجند
Khalili
Khalili
خلیل
خلیلی
100319475328460061311
100319475328460061311
Yes
دانشیار هیات علمی- دانشگاه بیرجند