本發(fā)明屬于精密加工與測量技術(shù)領(lǐng)域，更具體地，涉及一種可有效保留邊界和局部特征的復雜曲面零件點云精簡方法。

背景技術(shù)：
隨著計算機視覺、模式識別等領(lǐng)域的不斷發(fā)展，非接觸式掃描技術(shù)在精密零件的加工及檢測環(huán)節(jié)中起著越來越重要的作用，尤其在工件的三維建模、刀具定位、幾何輪廓度檢測中有著廣泛的應用?；诠鈱W原理，非接觸式掃描設(shè)備可以在幾秒鐘之內(nèi)獲得數(shù)以萬計的三維點數(shù)據(jù)，并且對一些復雜結(jié)構(gòu)曲面和大尺寸的物體，所獲得的點云數(shù)據(jù)非常龐大，因此，難以直接把這些數(shù)據(jù)用于計算處理。點云精簡技術(shù)為點云的后續(xù)處理提供了一種有效的解決辦法，在精簡過程中，一方面需要在模型代表性區(qū)域內(nèi)選擇盡可能多的點來保證精簡后的模型與原始模型有較高的相似度；另一方面需要對點的數(shù)量進行有效控制，從而達到簡化計算的目的。因此，點云的精簡是一個大規(guī)模的復雜技術(shù)問題?，F(xiàn)有技術(shù)中的點云精簡方法大多采用傳統(tǒng)的隨機采樣和均勻采樣方法，由于不需考慮模型的特征信息，這兩種方法的計算效率較高，但在實際運用中發(fā)現(xiàn)這兩種方法并不適用于高精度復雜曲面零件點云的精簡操作。例如，在航空發(fā)動機葉片的輪廓度檢測過程中，需要通過精簡后的葉片點云與設(shè)計模型匹配來計算輪廓誤差，如果采用隨機采樣法，每次測量后將得到不同的檢測結(jié)果，此外，由于沒有考慮特征和邊界點，采用傳統(tǒng)采樣方法得到的檢測結(jié)果并不能反應葉片的真實加工誤差。因此，有必要提出一種新的對零件邊界和局部特征有效保留的簡化方法。此外，進一步的檢索發(fā)現(xiàn)，CN104881498A公布了一種海量點云的Out-of-Core快速均勻精簡方法，可用于精簡超出主存容限的實物表面采樣數(shù)據(jù)，但該方法本質(zhì)是利用包圍盒來簡化點云數(shù)據(jù)，在簡化過程中會損失部分點云的幾何特征；CN102800114A公開了一種基于Poisson-disk采樣的數(shù)據(jù)點云精簡方法，該方法通過在稀疏與密集區(qū)域增補或移除采樣點可以防止采樣點局部聚集，但在實際應用中稀疏與密集區(qū)域的界定比較困難；CN104732581A公開了一種基于點特征直方圖的移動場景點云精簡方法，該方法首先計算每個點的特征直方圖的標準差，并與預設(shè)的標準差閾值進行比較，通過刪除大于標準差閾值的點來達到簡化的目的，但是由于點云間的幾何結(jié)構(gòu)差別很大，因此，很難確定一個通用的標準差閾值提出通過一個對應關(guān)系表來自適應選擇標準閾值，但該表的建立過程比較復雜、耗時；CN104915986A公開了一種實體三維模型自動建模方法，該方法對于已經(jīng)建立的三維網(wǎng)格模型利用邊折疊方法，按比例刪除三維網(wǎng)格模型上的點和邊，從而建立出物體的三維簡化表面模型，由于沒有考慮局部特征和邊界點，該發(fā)明所得到的簡化模型與真實模型之間存在較大誤差。

技術(shù)實現(xiàn)要素：
針對現(xiàn)有技術(shù)的以上缺陷或改進需求，本發(fā)明提供了一種可有效保留邊界和局部特征的復雜曲面零件點云精簡方法，其中通過結(jié)合復雜曲面零件自身的結(jié)構(gòu)及其點云模型特性，并構(gòu)建特定的分類及精簡算法進行處理,相應與現(xiàn)有技術(shù)相比不僅具備高精度、高效率和通用性好等特點，而且能夠有效保留點云模型的邊界和局部特征，因而尤其適用于譬如航空發(fā)動機葉片之類的大型復雜曲面零件的點云精簡應用場合。為實現(xiàn)上述目的，按照本發(fā)明，提供了一種可有效保留邊界和局部特征的復雜曲面零件點云精簡方法，其特征在于，該方法包括下列步驟：(a)對復雜曲面零件執(zhí)行掃描，獲得多個三維測量點并生成對應的待精簡的掃描點云P，其中P＝{pi|i＝1,2,…,np},pi用于表示掃描點云P中的各個點且以同一坐標系中的x,y,z坐標值來表示，np表示掃描點云P中的點的總數(shù)量；(b)針對掃描點云P中的各個點pi，各自采樣獲得其多個鄰域點pik并生成對應的鄰域點集合{pi1,pi2,…,pik}，其中k表示鄰域點的總數(shù)量，然后計算得出反映掃描點云P中各個點pi的局部特征的法線向量V(pi)；(c)分別以各個點pi為球心，找出距離該點最短半徑范圍內(nèi)的m個點，然后求出點pi的所述法線向量V(pi)與這m個點所對應的法線向量V(pj)之間的夾角θij，并對該夾角取絕對值得出夾角平均值且該平均值σpi∈[0,π]；(d)針對所述夾角平均值分別預設(shè)下限閾值T1和上限閾值T2，然后依照下列公式(一)對點云執(zhí)行特征粗分類，由此獲得三類粗分類子集即非特征點集Z1、過渡點集Z2、特征點集Z3：(e)采用聚類法分別對三個粗分類子集分配不同的聚類中心數(shù)量值K1，K2，K3來進行二次細分，并保留其聚類中心坐標，由此完成第一個精簡子集Pf的選?。?f)從掃描點云P中選擇一個初始點，依次計算該初始點與其他各點之間的定向Hausdorff距離，并保留滿足位置關(guān)系的點，至此完成第二個精簡子集Pb的選??；(g)對通過步驟(e)所選取的第一個精簡子集Pf和通過步驟(f)所選取的第二個精簡子集Pb進行合并，同時刪除重復點，由此獲得所需的精簡后的掃描點云。作為進一步優(yōu)選地，在步驟(b)中，優(yōu)選采用下列公式(二)來計算所述法線向量V(pi)：其中，表示與點pi相對應的鄰域點集合的中心點，且以該鄰域點集合所有點的坐標平均值來表示；用于表示以所有鄰域點pik與中心點的坐標差共同作為矩陣元素所構(gòu)建的矩陣，T用于表示對該矩陣的轉(zhuǎn)置。作為進一步優(yōu)選地，在步驟(c)中，m值優(yōu)選為10。作為進一步優(yōu)選地，在步驟(d)中，所述下限閾值T1的值優(yōu)選為π/6，所述上限閾值T2的值優(yōu)選為π/2。作為進一步優(yōu)選地，在步驟(e)中，所述聚類中心數(shù)量值K1，K2，K3優(yōu)選依照下列公式(三)來計算獲得：其中，Y(X)表示對X進行取整數(shù)操作，Nnew表示期望對掃描點云P執(zhí)行精簡后的目標數(shù)量。作為進一步優(yōu)選地，在步驟(f)中，所述初始點優(yōu)選為掃描點云P的重心點。作為進一步優(yōu)選地，在步驟(f)中，計算所述初始點與其他各點之間的定向Hausdorff距離的過程優(yōu)選依照如下公式(四)：其中，h(A,B)表示所述初始點與其他各點之間的定向Hausdorff距離；A表示對初始點執(zhí)行多次定向Hausdorff距離計算后所分別獲得的更新點集合，B表示掃描點云P；a、b分別為更新點集合和掃描點云中的取樣點，并且d(a,b)表示計算a、b兩點間的歐式距離。作為進一步優(yōu)選地，在步驟(g)中，所述第二個精簡子集Pb的數(shù)量K4優(yōu)選依照下列公式(五)來設(shè)定：K4＝Nnew-(K1+K2+K3)(五)其中，K1、K2和K3分別表示對所述三個粗分類子集Z1、Z2和Z3所分配的不同聚類中心數(shù)量值，Nnew表示期望對掃描點云P執(zhí)行精簡后的目標數(shù)量。作為進一步優(yōu)選地，所述復雜曲面零件優(yōu)選為航空發(fā)動機葉片?？傮w而言，通過本發(fā)明所構(gòu)思的以上技術(shù)方...