Imagewar入门教程(前处理).pdf

Imageware 入门级项目教程 无锡机电高等职业技术学校 宋浩 一：数据评估 在本指南的开始，应该在你的Imgaeware 中打开 “stare.imw”文件 注意：来自光学扫描系统的扫描数据受外围环境，材料的类型，物体的颜色的约束，应该趋向于密集和光滑。在本例中， 为了节省时间，扫描数据已经被光滑处理和修整了。 为了确定你的工程目标，你应该弄清楚以下问题： 1. 这些扫描数据从哪里来？ 这是一个摇臂开关 （这个该是点云的名字），由光学扫描系统得到数据。 2. 这种数据具有什么特征？ 这种数据是非常密集的点云，位置错乱，这意味着它不具备基准或者对齐的信息。（此处我理解为在扫描数据的 过程中，由于人工的原因，比如测量机晃动，以至于点的位置错乱，所以在这个逆向过程中应该进行数据对齐的 操作。 3. 我的最终产品要用来做什么？ 最终模型用来校验原型产品 （这个和逆向工程想要达到的目的有关，他要来校验最初的模型，应该是要求很高的 精度了） 4. 最终反求的模型要达到怎样的精度？ 最终做出的曲面必须相当精确，偏差在0.10mm 之内 （虽然我是学机械设计的，但我的几何量测量太糟糕了，这 里的偏差是不是指面的光滑度？） Data reduction and polygonization 数据缩减和多边形化 处理海量数据时，典型的处理方式是采用定义点距大小的方式缩减一部分数据，使点云看上去更清楚，也便于多边形 网格化数据或做其他处理。（化繁为简，许多东西多了并不一定好哎） 二：Data reduction 数据缩减 缩减数据比较通俗的做法就是使用Space Sampling （间隔取样）命令。这个命令会在指定的间隔中简化点云，也能去 处重叠点。 注意：确认示例文件 “start.imw”是否被打开 缩减数据： 1. 从Modify 工具条找到Restructure，选择Space Sampling 。 或菜单Modify|Data Reduction||Space Sampling。或在点云上击鼠标右键选择 2. 选择要处理的点云 3. 设定 distance tolerancet 为 0.15mm. （这种做法就好象做一个0.15*0.15 方格的筛子或者滤网，每个网格里边 只保留一个点），处理结果如下图所示。 处理之后，点云虽然被缩减了75% （原来是210109 个点，现在是51616 ），但它依然具有足够的数据信息提给下 面的各步处理。 4. 保存一下文件，以 original_reduced.imw.为文件名。 三：Scan polygonization 多边形化处理 为了更清楚的表达点云的形状，我们要进行点云的多边形网格化处理 （CAGD 中叫织网，点云的曲面重建技术分 三个主要步骤，采样，织网，蒙面。逆向工程的最高境界就是能自动进行重建，而不是像目前这样为了取得高精度面 付出很多的人工参与。据说Hopper 博士，好象是这么一个人，他的研究已经可以实现曲面重建，最终重建的曲面可以 是NURBS 定义的，这是不是意味着逆向工程要进行革命？这种革命的出现会让许多人付出失业的代价！） 注意：确认 original_reduced.imw 被打开 扫描数据的多边形化处理 1. 从Construct 工具条中找到Create Polygon Mesh ，选择Polygonize Cloud ，或从菜单选择 Construct|Polygon mesh|Polygonize Cloud。或击鼠标右键选 2. 设定 the Max. Similar distance to 为0 ，设定neighborhood size(邻域尺寸)为0.5mm ，而后点击Apply