实物表面采样数据拓扑邻域查询方法
【技术领域】
[0001] 本发明提供一种实物表面采样数据拓扑邻域查询方法，属于产品逆向工程技术领 域。
【背景技术】
[0002] 逆向工程中广泛采用实物表面采样数据的型面特征分析技术对采样数据所表达 的型面信息进行特征区域分析，并将分析结果作为曲面建模的特征参考数据，样点的邻域 数据对型面特征分析结果的准确性具有重要影响，而且其查询速度直接决定型面特征分析 的效率。
[0003] 目前常用的邻域数据查询方法有衫卩域查询、Delaunay邻域查询以及Voronoi 邻域查询等。衫卩域查询是目前应用最广泛的邻域查询方法，基于欧氏距离查询获取距 离目标样点最近的々个样点，XLi等在学术期刊〇/从e 〇/ 万/從ifleers》2007, 221 (9)，P1467-1472 上发表的学术论文 " /hr findingallk~nearestneighborsinthree-dimensionalscatteredpointsanditsi/?iwersee/^i/?e6?ri/71§?"与熊邦书等在学术期刊《计算机辅助设计与图形 学学报》2004,16 (7)，P909-911上发表的学术论文"三维散乱数据的々个最近邻域快速搜 索算法"中，对实物表面采样数据进行栅格划分建立静态空间索引，并在目标样点所在栅格 及邻近栅格内搜索最近的左个邻域样点。衫卩域查询算法原理简单容易实现，但对于非均 匀采样数据，受欧氏距离的制约衫卩域数据通常具有严重的偏向性，查询结果易受采样数 据分布状况的限制。Delaunay邻域查询和Voronoi邻域查询都属于拓扑邻域查询，克服了 衫P域查询易受采样数据分布制约等缺陷，查询结果能较准确反映样点的拓扑邻接关系，孙 殿柱等在学术期刊《武汉大学学报（信息科学版）》2011，36 (1)，P86-91上发表的学术论文 "三维散乱点云的Voronoi拓扑邻域点集查询算法"中，基于采样数据动态空间索引利用偏 心扩展和自适应扩展算法获取样点拓扑邻域参考数据，生成局部点集的Voronoi图，查询 样点的Voronoi邻域便可准确获取样点的拓扑邻域数据，但该算法在构造Voronoi图时增 加了计算量，提高了算法的空间复杂度和时间复杂度，影响了邻域查询效率。
【发明内容】
[0004] 本发明要解决的技术问题是：克服现有邻域查询方法存在的对非均匀采样数据适 应性不高、查询效率较低等问题，提供一种实物表面采样数据拓扑邻域查询方法，快速、准 确查询获取任意复杂实物表面采样数据的拓扑邻域数据。
[0005] -种实物表面采样数据拓扑邻域查询方法，其特征在于步骤依次为：（1)设实 物表面采样数据集合为5；利用R*树对5构建样点数据动态空间索引；（2)对R*树索 引进行深度优先遍历获取目标样点的免近邻，将其作为目标样点拓扑邻域的初始参考数 据集；（3)基于核密度估计使初始参考数据集在一定程度上向目标样点邻近的采样数 据稀疏区域扩展，从而消减初始参考数据集的邻域信息缺失，具体步骤为：①i= 〇,令 毛Cf)为目标样点的免近邻点集；②基于核密度估计确定為Cf)的概率密度极大值点
【主权项】
1. 一种实物表面采样数据拓扑邻域查询方法，其特征在于步骤依次为；（1)设实 物表面采样数据集合为5；利用R*树对5构建样点数据动态空间索引；（2)对R*树索 引进行深度优先遍历获取目标样点的A近邻，将其作为目标样点拓扑邻域的初始参考数 据集；（3)基于核密度估计使初始参考数据集在一定程度上向目标样点邻近的采样数 据稀疏区域扩展，从而消减初始参考数据集的邻域信息缺失，具体步骤为：①i= 0,令 式为目标样点/7的A近邻点集；②基于核密度估计确定毛妃> 的概率密度极大值点 G(年(J?));③计算G(本(J9)关于目标样点/7的对称点《蛛如》;④在实物表面采样数据中 查询G1典(材)的A近邻点集馬'Crt;⑥从馬W中选择可减少馬佔）的邻域信息缺失的子集 r;⑧若r= #，圓龄至步骤⑨；⑦美车树Ur，i=i+ 1减重复步骤②至⑦； ⑨嘶)=本妨，扩展过程终止，此时卿)即近似为目标样点片处的拓扑邻域；上述过程的 步骤⑥中，从考(P)中选择可减少车(rf的邻域信息缺失的子集r，具体方法为；①对蝴试 中的样点据其至片的距离进行升序排列使之成为有序集{射，;②i，r= #， 为点^到点7的欧氏距离；@^=了1乂町}:④采用核密度估计方法计算可反映采 样数据局部样点分布特征的模式点，馬W的模式点M化(F))计算公式为：
(1) 其中，/?为馬〇)中样点的数量，:f,e鮮約，A为带宽，GU)为核函数，同理可据此方法计算韦(/〇11了的模式点乂战〇：〇11巧；這)若立(/>，扯(韦〇)。巧)>?/(/?，乂化〇))，贝1]从冲册1|除 私-，跳转至步骤⑨；⑧JJ+ 1;⑦重复步骤⑨至⑧；⑨返回r。
2. 如权利要求1所述的实物表面采样数据拓扑邻域查询方法，其特征在于；在步骤 (3)中第②步所述基于核密度估计确定考(P)的概率密度极大值点巧；《#巧的具体步骤为： ①对￥布，依次查询其妇￡邻点集%处的概率密度估计值的计算公式 为，
(2) 其中，A为带宽，GU)为核函数；②将本(姑中各点按其概率密度大小降序排列 输，&，~巧》};⑨取革(F)中最大的0个样点定义毛(F)的概率密度极大值点，计算公式为： (3) 0可视为为敏感因子，用于微调初始参考数据的扩展方向，6的最佳取值范围为 K。寺
3.如权利要求1，2所述的实物表面采样数据拓扑邻域查询方法，其特征在于；所述模 式点计算公式（1)中带宽A的取值为目标样点至本0)中所有样点距离的最大值，A是一 个自适应带宽值，核函数GU)取高斯核函数，其形式为巧.句=--.^.C3 .所述概率密度计 屈 算公式似中带宽A的取值为g,到其k近邻点集扭中各点距离的最大值，其中的 核函数GU)同样取高斯核函数。
【专利摘要】本发明提供一种实物表面采样数据拓扑邻域查询方法，属于产品逆向工程技术领域，其特征在于：利用R*树对实物表面样点构建动态空间索引，对R*树索引进行深度优先遍历快速获取目标样点的k近邻点集，将其作为目标样点拓扑邻域的初始参考数据，根据邻域查询与样点分布的关系，采用核密度估计描述样点的分布规律，将初始参考数据内的样点按其概率密度大小排序，选取其中概率密度最大的个样点定义局部概率密度极大值点，利用部概率密度极大值点确定搜索方向，使初始参考数据向稀疏区适度扩展，从而降低其邻域信息缺失程度，依此进行迭代计算，最终可获取较为完备的目标样点拓扑邻域数据。采用本方法可快速获取复杂型面均匀或非均匀采样数据的拓扑邻域数据，查询结果包含k邻域、Voronoi邻域及其它有效邻域数据，能更好地反映实物表面采样数据的局部型面特征。
【IPC分类】G06F17-50, G06T17-00, G06F17-30
【公开号】CN104850712
【申请号】CN201510276879
【发明人】孙殿柱, 白银来, 魏亮, 李延瑞
【申请人】山东理工大学
【公开日】2015年8月19日
【申请日】2015年5月27日