- 无标题文档
查看论文信息

中文题名:

 

基于三维扫描的船舶附体离散点云数据处理及误差分析

    

姓名:

 赵庆号    

学号:

 1049732002873    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 080200    

学科名称:

 工学 - 机械工程    

学生类型:

 硕士    

学校:

 武汉理工大学    

院系:

 船海与能源动力工程学院    

专业:

 机械    

研究方向:

 船舶点云数据处理    

第一导师姓名:

 茅云生    

第一导师院系:

 船海与能源动力工程学院    

完成日期:

 2023-03-20    

答辩日期:

 2023-05-21    

中文关键词:

 

轴支架 ; 点云 ; 特征参数提取 ; 模型配准 ; 修整成本

    

中文摘要:

船舶工业是我国实现海洋强国战略的重要基础,是海上作业、防卫建设等方面的重要支持。而船体外壳及附体的线型对船舶在海上运输、作业、航行等方面的能力,以及船舶的操纵性和经济性等有着重要影响。

在船体外壳及附体的型线检测领域,针对船体型线的三维点云数据处理过程中存在的问题,即所需工作人员的专业性、数据处理耗时长、所提取数据的主观性等,本文对船体型线数据的计算机自动化处理进行了探索。本文以船舶的附体艉轴支架的点云数据为研究对象,对于该点云模型参数数据的提取,以及利用该点云对模型的修整方案的优化计算等问题进行了研究,对于船体的三维型线检测领域的发展具有积极意义。本文主要对以下几个方面进行了研究:

(1)对附体型线信息的艉轴支架点云部分,计算其曲面基本属性。对数据点邻域进行平面拟合,估算该点法向量,然后对其进行二次曲面拟合,计算曲面两种基本型的基本量估算更精准的法矢量、主曲率及主方向等基本信息。

(2)中间臂翼型部分的数据处理,即封闭数据点的曲线拟合及参数提取。针对翼型的封闭离散投影数据点,将投影点按曲率分组,采用分组聚类得到样条线的特征点,对该特征点进行有序化处理后,通过反算方式得到光滑的B样条曲线,对该样条线进行优化后,对中间臂翼型的参数数据进行了提取。

(3)点云分区及其他部位参数提取。利用点云在中纵剖面上的投影点,进行了边界特征提取,对边界特征点分段进行直线和曲线拟合,得到分界点,完成了点云的分区,提取了臂长和交接圆半径的参数数据。

(4)基于修整成本的误差分析。根据以上提取参数信息,对模型部分区域偏差较大的问题,本文提出了基于模型配准的误差分析方法来优化对船体进行修整的流程。针对该轴支架模型的修补与打磨的工艺流程、施工环境的搭建以及其它因素,构建修整方案的目标优化函数,通过萤火虫优化算法的求解,得到其最佳的配准位置。

与基于误差配准的正常修整流程相比,本文提出的模型配准的修整所需工时和经济成本减少了30%以上,证明了该修整方案的有效性。本文修整方案的思路可扩展至整个三维空间的整个船体,修整时对其进行模型配准的修整方案计算,利于其修整工时和成本的降低。

参考文献:

[1]郑德华, 沈云中, 刘春. 三维激光扫描仪及其测量误差影响因素分析[J]. 测绘工程, 2005(02): 32-34+56.

[2]Alrashdan A, Motavalli S, Fallahi B. Automatic segmentation of digitized data for reverse engineering applications[J]. IIE transactions, 2000, 32(1): 59-69.

[3]单东日, 柯映林. 反求工程中点云数据的二次曲面特征提取技术[J]. 计算机辅助设计与图形学学报, 2003(12): 1497-1501.

[4]刘雪梅, 庄晋林, 张树生, 等. 利用自适应模糊椭球聚类实现点云分区[J]. 计算机工程与应用, 2007(15): 33-34+82.

[5]Ismail Z H. Region boundary-based control scheme for an underwater vehicle with an edge-based segmentation approach[C]//2011 IEEE International Conference on Robotics and Biomimetics. Karon Beach, Thailand: IEEE, 2011: 2137-2142.

[6]Chen D, Zhang L, Li J, et al. Urban building roof segmentation from airborne lidar point clouds[J]. International journal of remote sensing, 2012, 33(20): 6497-6515.

[7]万松, 王卓. 基于法向量和曲率的三维边缘检测方法[J]. 计算机与数字工程, 2015, 43(09): 1659-1661+1673.

[8]Wang Y, Shi H. A Segmentation Method for Point Cloud Based on Local Sample and Statistic Inference[J]. Geo-Informatics in Resource Management and Sustainable Ecosystem, 2015, 482: 274-282

[9]吴禄慎, 俞涛, 陈华伟. 基于自适应椭圆距离的点云分区精简算法[J]. 计算机应用与软件, 2016, 33(02): 42-45.

[10]赵岩岩. 基于点云数据的弯管参数化建模与误差分析方法研究[D]. 合肥: 合肥工业大学, 2017.

[11]张桂. 基于点云分割的零件制造误差分析方法的研究与实现[D]. 重庆: 重庆大学, 2018.

[12]Yuan H, Sun W, Xiang T. Line laser point cloud segmentation based on the combination of RANSAC and region growing[C]//2020 39th Chinese Control Conference (CCC). Shenyang, China: IEEE, 2020: 6324-6328.

[13]Li Y, Bu R, Sun M. Pointcnn: Convolution on x-transformed points[J]. Advances in neural information processing systems, 2018, 31.

[14]王兴晨, 路春光, 赵震, 等. 逆向工程特征点提取与参数化建模方法研究[J]. 机械设计与制造, 2018(01): 222-225.

[15]肖信峰, 余敏, 高飞, 等. 车载点云数据高速公路路面提取方法[J]. 遥感信息, 2021, 36(06): 147-152.

[16]Lu X, Li Y. Motion pose estimation of inshore ships based on point cloud[J]. Measurement, 2022, 205: 112189.

[17]周烨, 刘云波, 郑丽波, 等. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022(07): 168-172.

[18]Xu D, Wang Y, Liu X, et al. A novel method and modelling technique for determining the initial geometric imperfection of steel members using 3D scanning[J]. Structures, 2023, 49: 855-874.

[19]Hu N, Chen Z, Ma R, et al. Research on the Detection and Measurement of Roughness of Dam Concrete Layers Using 3D Laser Scanning Technology[J]. Sustainability, 2023, 15(3): 2649.

[20]Li Y, Li Z, Yang Y, et al. A fast recognition algorithm of ship hatch in bulk cargo terminal based on point cloud contour extraction[J]. Measurement and Control, 2023, 56(1-2): 228-236.

[21]马立广. 地面三维激光扫描测量技术研究[D]. 武汉: 武汉大学, 2005.

[22]史文中,吴立新,李清泉等.三维空间信息系统模型与算法[M].北京: 电子工业出版社,2007.

[23]任洪文, 刘兆富, 韩智尧, 等. 三维激光扫描技术在测绘采空区中的应用[J]. 黄金科学技术, 2013, 21(03): 64-68.

[24]段志鑫. 三维激光扫描数据精简、表面重构方法及应用研究[D]. 徐州: 中国矿业大学, 2019.

[25]Besl P J, McKay N D. A method for registration of 3-D shapes[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1992, 14(2): 239-256.

[26]Dey T K. Curve and surface reconstruction: algorithms with mathematical analysis[M]. Cambridge: Cambridge University Press, 2006.

[27]Fix E, Hodges J L. Discriminatory Analysis. Nonparametric Discrimination: Consistency Properties[J]. International Statistical Review, 1989, 57(3): 238-247.

[28]肖悠南. 现代数值计算方法[M]. 北京: 北京大学出版社, 2010.

[29]李庆扬, 王能超, 易大义. 数值分析[M]. 4版. 北京: 清华大学出版社, 2001.

[30]杨军建, 吴良才. 基于RANSAC算法的稳健点云平面拟合方法[J]. 北京测绘, 2016(02): 73-75+79.

[31]李孟迪, 蒋胜平, 王红平. 基于随机抽样一致性算法的稳健点云平面拟合方法[J]. 测绘科学, 2015, 40(01):102-106.

[32]李希, 韩燮, 熊风光. 基于RANSAC和TLS的点云平面拟合[J]. 计算机工程与设计, 2017, 38(01): 123-126+143.

[33]张中岳, 周惠兴, 王舜, 等. 基于RANSAC的WTLSD平面拟合算法研究[J]. 国外电子测量技术, 2022, 41(06): 93-98.

[34]张春莹. 平面点云的曲线拟合与匹配算法[D]. 济南: 山东大学, 2008.

[35]李蓓蕾. 多次自适应最小二乘曲线拟合方法及其应用[D]. 荆州: 长江大学, 2014.

[36]乐亚南. 基于曲线拟合理论的点云数据处理分析[D]. 成都: 西南交通大学, 2015.

[37]代文猛, 年春波, 杨洋等. N次Bezier曲线的多边形快速逼近算法[J]. 机械科学与技术, 2018, 37(12): 1902-1907.

[38]潘晓东. 基于Bezier曲线的连续推力机动轨道设计[D]. 哈尔滨: 哈尔滨工业大学, 2020.

[39]刘丹. 基于点云数据的曲线拟合[D].阜新: 辽宁工程技术大学, 2009.

[40]黄燕梅. B样条轮廓曲线的逼近方法及数控加工自动编程研究[D]. 保定: 华北电力大学(河北), 2005.

[41]任菲, 王家润, 仇建伟, 等. 闭合B样条曲线控制点的快速求解算法及应用[J]. 计算机工程与设计, 2011,32(04):1374-1378.

[42]吴光亚, 王小华. 反求三次B样条曲线控制顶点的一种快速算法[J]. 杭州电子科技大学学报, 2005(03): 64-66.

[43]柴本成, 李继芳, 张怡芳. 开放均匀B样条曲线反算的一种通用算法[J]. 计算机工程与设计, 2007(18): 4429-4430+4474.

[44]李学艺, 王钊, 连小珉, 等. 基于周期性延伸的三次B样条闭曲线插值[J]. 农业机械学报, 2009, 40(12): 251-254.

[45]谢志鹏, 施建文. 一种基于矩阵LU分解的分段B样条插值法[J]. 计算机与数字工程, 2006(03): 62-63+72.

[46]Zheng B, Chen J, Xia S, et al. Data analysis of vessel traffic flow using clustering algorithms[C]//2008 Internation Conference on Intelligent Computation Technology and Automation (ICICTA). Changsha, China: IEEE, 2008: 243-246.

[47]Hoschek J, Lasser D. Fundamentals of computer aided geometric design[M]. AK Peters, Ltd., 1993.

[48]Huttenlocher D P, Klanderman G A, Rucklidge W J. Comparing images using the Hausdorff distance[J]. IEEE Transactions on pattern analysis and machine intelligence, 1993, 15(9): 850-863.

[49]Edelsbrunner H, Kirkpatrick D, Seidel R. On the shape of a set of points in the plane[J]. IEEE Trans. Information Theory, 1983, 29(4): 551-559.

[50]Shen W. Building boundary extraction based on lidar point clouds data[J]. Proceedings of the International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2008, 37: 157-161.

[51]沈蔚, 李京, 陈云浩, 等. 基于LIDAR数据的建筑轮廓线提取及规则化算法研究[J].遥感学报, 2008(05): 692-698.

[52]Yuan H, Pang J, Mo J. Denoising algorithm for bilateral filtered point cloud based on noise classification[J]. Journal of Computer Applications, 2015, 35(8): 2305-2310.

[53]Fischler M A, Bolles R C. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography[J]. Communications of the ACM, 1981, 24(6): 381-395.

[54]Gander W, Golub G H, Strebel R. Least-squares fitting of circles and ellipses[J]. BIT Numerical Mathematics, 1994, 34(4): 558-578.

[55]王迎菊, 周永权. 一种基于荧光素扩散的人工萤火虫算法[J]. 计算机工程与应用, 2012, 48(10): 34-38.

[56](德)布卢姆,(德)梅克莱著. 群智能[M]. 龙飞译. 北京: 国防工业出版社, 2011.

[57]赵光伟. 人工萤火虫群优化算法改进与应用研究[D]. 南宁: 广西民族大学, 2012.

中图分类号:

 U671.99    

条码号:

 002000074330    

馆藏号:

 YD10002451    

馆藏位置:

 203    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式