《Imagewar入门教程》.doc

Imageware 入门教程 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： 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。 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。 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） 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（老外的说法真罗嗦！！！） 缩减数据： 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 选择要处理的点云 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。 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！） 后来我又想到，之所以要进行多边形网格化，很大一部分原因为了曲率分析！因为曲率分析是要借助于每个单元格构成的小平面的曲率来进行近似统计！！！单纯对于点云中的点来说，曲率是没有意义的！！！ 注意：确认 original_reduced.imw 被打开 扫描数据的多边形化处理 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 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 提示：邻域尺寸值通常近似取space sampling中设定的距离公差值的3倍，这样可以得到均匀的高质量的网格。完成之后，在菜单中选择Display|Point|Gouraud-Shaded，就看到如下图所示。 按文件名为 original_reduced_polygonized.imw.存盘 四：Alignment data creation数据对齐 这一节讲述了通过简单的数据对齐把点云的位置调整好。之所以要对齐点云，是因为输入计算机的初始的点云坐标系是三坐标测量机的赋予它的局部坐标系，这个局部坐标系与Imageware系统坐标系通常不一致，这就导致了点云缺乏合适位置信息，处理起来十分不便。所以要进行点云对齐，可以更容易地进行建模操作。--------------------------------（一开始翻译的不够好，在把这个例子完整地做完之后才订正的，许多东西是动手之后才能明白！！！！） 在建模操作之前，需要把点云