车身测量数据点云三角剖分方法的研究

随着产品数字化以及快速制造技术的发展,逆向工程技术在汽车车身造型设计中得到了广泛的研究及应用。在车身逆向设计中,车身数据点云的三角剖分是一个非常重要的环节,研究如何构建数据点之间合理的拓扑连接关系,加快剖分速度,快速建立高质量的三角网格,具有十分重要的意义。 针对车身上不同曲率的曲面数据点云,本文深入研究基于增量网格扩展的散乱数据点云三角剖分方法。 首先,本文概述了国内外三角剖分方法的研究现状,对逆向工程中数据采集的各种方法进行了总结和研究;并研究了现有的平面以及空间数据点云的三角剖分方法,针对几种典型的空间散乱数据三角剖分方法进行了全面分析与总结,并分别指出了这些方法的优缺点和适用范围; 其次,结合车身数据点云的特点,研究一种基于增量网格扩展的三角剖分方法。实现一种新的基于空间分块策略的k邻域快速搜索算法,能够准确得到数据点的k邻域信息;针对局部增量网格扩展的三角剖分方法,提出三种网格拓扑操作来构建新三角网格,可以大大缩短三角剖分的时间,提高效率。 最后,利用编程开发工具Visual C++6.0,实现基于增量网格扩展的三角剖分方法,并结合UG/Open API进行二次开发;针对车身曲面不同曲率特点,分别使用Imageware与本文算法对车身曲面数据点云进行三角化,并进行对比分析,验证本文算法的正确性及有效性。 试验结果表明了本文三角剖分方法适用于车身复杂曲面重构,能够生成高质量三角网格,具有较大的应用价值。