基于點(diǎn)云數(shù)據(jù)重構(gòu)三維網(wǎng)格模型的神經(jīng)網(wǎng)絡(luò)法

《基于點(diǎn)云數(shù)據(jù)重構(gòu)三維網(wǎng)格模型的神經(jīng)網(wǎng)絡(luò)法》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于點(diǎn)云數(shù)據(jù)重構(gòu)三維網(wǎng)格模型的神經(jīng)網(wǎng)絡(luò)法第23卷第4期2006年4月機(jī)械設(shè)計JOURNAlOFMACHINEDESIGNVoI.23No.4Apr.2006基于點(diǎn)云數(shù)據(jù)重構(gòu)三維網(wǎng)格模型的神經(jīng)網(wǎng)絡(luò)法鄢臘梅,袁友偉,周鋒(1.湖南工業(yè)大學(xué)機(jī)械學(xué)院,湖南株洲412008;2.清華大學(xué)自動化系,北京100084)摘要:給出了一種新的基于神經(jīng)網(wǎng)絡(luò)的點(diǎn)云數(shù)據(jù)重構(gòu)CAD實體模型的新方法.該方法能直接從神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣得到曲線的控制頂點(diǎn),曲面的控制網(wǎng)格,通過神經(jīng)網(wǎng)絡(luò)的權(quán)值約束實現(xiàn)曲線段,曲面片之間的光滑拼接.同時對恢復(fù)的隱式表面的初始逼近網(wǎng)格自適應(yīng)性進(jìn)行優(yōu)化.利用誼方法恢復(fù)的網(wǎng)格形狀,無

2、論在表面還是在隱式曲面的輪廓部分都能獲得很好的視覺效果.所有算法的時間復(fù)雜度均為o(),可以完全實時進(jìn)行.關(guān)鍵詞:光順I(yè)神經(jīng)網(wǎng)絡(luò);反求工程;點(diǎn)云中圖分類號:TP391.41文獻(xiàn)標(biāo)識碼:A文章編號:1001—2354(2006)040014—02目前,反求工程技術(shù)已廣泛應(yīng)用于工程領(lǐng)域,對點(diǎn)云數(shù)據(jù)三維重建的基本原理是采用三角形網(wǎng)格蒙片法州,它的最大特點(diǎn)是操作簡單,但不能根據(jù)曲面曲率變化自適應(yīng)地調(diào)整網(wǎng)格的疏密,而且網(wǎng)格的質(zhì)量并不十分令人滿意,尤其是多子L洞曲面這種現(xiàn)象更加嚴(yán)重為此,提出了一種基于神經(jīng)網(wǎng)絡(luò)的點(diǎn)云數(shù)據(jù)重構(gòu)CAD光順模型的新算法.輸入是未知表面的采樣點(diǎn)坐標(biāo)集(不需要附加

3、的結(jié)構(gòu)或組織順序),輸出是該未知表面的網(wǎng)格近似(一般為三角網(wǎng)格)首先對點(diǎn)云數(shù)據(jù)平滑處理;然后進(jìn)行特征線提取,并以特征線為基礎(chǔ)對曲面進(jìn)行分割.該方法能直接從神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣得到曲線的控制頂點(diǎn),曲面的控制網(wǎng)格,通過神經(jīng)網(wǎng)絡(luò)的權(quán)值約束實現(xiàn)曲線段,曲面片之間的光滑拼接.同時對恢復(fù)的隱式表面S一{f(x,,z)一0}的初始逼近網(wǎng)格,從3個方面進(jìn)行優(yōu)化,能顯著提高逼近網(wǎng)格的品質(zhì),從而實現(xiàn)了點(diǎn)云數(shù)據(jù)的精確曲面重構(gòu).該方法具有較強(qiáng)的可操作性和實用性,對于反求工程的自動化和智能化研究具有實際意義.文中提出的算法具有以下優(yōu)點(diǎn):所有算法的時間復(fù)雜度均為O(),可以完全實時進(jìn)行,生成的三角網(wǎng)和采

4、樣點(diǎn)具有局部適應(yīng)性,在曲面曲率高的地方采樣較密,在曲率小的地方采樣稀疏.該文通過將隱式曲面轉(zhuǎn)化為拓?fù)湟恢碌木W(wǎng)格逼近形式,來實現(xiàn)曲面的快速繪制.1基于BP神經(jīng)網(wǎng)絡(luò)的重構(gòu)三維網(wǎng)格實體模型的算法1.1基于BP神經(jīng)網(wǎng)絡(luò)重構(gòu)三維網(wǎng)格實體模型的結(jié)構(gòu)圖BP網(wǎng)絡(luò)從結(jié)構(gòu)上看是一個三層前饋網(wǎng)絡(luò)(如圖1所示),包括一個輸入層,一個輸出層和一個隱含層.輸入層節(jié)點(diǎn)的作用是將輸入數(shù)據(jù)傳遞到隱含層節(jié)點(diǎn).隱含層節(jié)點(diǎn)稱為RBF節(jié)點(diǎn),由激活函數(shù)為輻射狀函數(shù)的神經(jīng)元構(gòu)成,此處采用Gauss型函數(shù).輸入矢量從輸入層不經(jīng)過加權(quán)直接映射到徑向基隱層空間,對基函數(shù)的參數(shù)進(jìn)行調(diào)整,是非線性變換,從隱層到輸出層是線性的,對

5、權(quán)值進(jìn)行修正.圖中采用(N×N)×M個神經(jīng)元表示圖像恢復(fù)問題,每個神經(jīng)元狀態(tài)w取值為(0,1),當(dāng)w,一1時,表示象素(i,)的灰度值是g,當(dāng)W.=0時,表示象素(i,)的灰度值不是g.在訓(xùn)練的網(wǎng)絡(luò)的數(shù)據(jù)中,其輸入的圖象光亮度和輸出的圖象象索的高度已標(biāo)準(zhǔn)化,中心象素點(diǎn)設(shè)為0.則輸入的圖象光亮度和輸出的圖象象素的高度范圍,按比例縮減為[一l,1]之間其網(wǎng)絡(luò)輸入足二維的未知表面采樣點(diǎn)坐標(biāo)集,輸出是該未知表面的三維網(wǎng)格近似(三角網(wǎng)格).圖1左邊的輸入圖形是待恢復(fù)的未知表面采樣點(diǎn)坐標(biāo)集,右邊是利用文中方法重建的原模型表面的無數(shù)稠密三角形網(wǎng)格.基于BP神經(jīng)網(wǎng)絡(luò)重構(gòu)三維網(wǎng)格實體模型的結(jié)

6、構(gòu)圖如圖1所示.輸入點(diǎn)云數(shù)據(jù)輸出三維網(wǎng)格圖1基于BP神經(jīng)網(wǎng)絡(luò)重構(gòu)三維網(wǎng)格實體模型的結(jié)構(gòu)圖1.2基于BP神經(jīng)網(wǎng)絡(luò)的重構(gòu)三維網(wǎng)格實體模型的算法基于蘭伯特(Lambertian)反射模型構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)反射模型如下[】]:假定單一的輸入層隱藏層輸出層神經(jīng)網(wǎng)絡(luò),其變換定義為F(),網(wǎng)絡(luò)的輸入層向量為n一(p,1),d(?)表示增長的界限.n表面二維圖像平面上的點(diǎn)坐標(biāo)(戶,q).基于BP神經(jīng)網(wǎng)絡(luò)的反射模型構(gòu)建三維網(wǎng)格模型的算法可*收稿日期:2005—08—08;修訂日期:2005一i010基金項目:國家自然科學(xué)基金資助項目NsFc(6O173O46)(該項目獲得中同包裝總公司科技進(jìn)

7、步三等獎和國家專利證書)作者簡介:鄢臘梅(1968--),女,湖南益陽人,副教授,主要從事反求工程,CAD/CAM的研究工作,在國內(nèi)外公開發(fā)表論文5O多篇2006年4月鄢臘梅,等:基于點(diǎn)云數(shù)據(jù)重構(gòu)三維網(wǎng)格模型的神經(jīng)網(wǎng)絡(luò)法定義為:R.j(戶,口)一F(W,u;n『-J)一d(∑v,a(W)+口)(1)(1)圖像表面斜率的計算方法.一I.J㈩+(』f-廠F(w川型(2)——2qf.(N+1)一qi,J(")+—(Ii.J—F(W,I4I'J))^aF(W.u;n)8q(3)(2)圖像表面的高度計算方法..,(N+1)一