论文部分内容阅读
针对常用的三坐标测量设备在对物体表面采样时造成的局部区域数据残缺问题,提出了一种三维残缺数据的多层感知器神经网络修补方法。该方法首先用矩形框在残缺数据的边界附近获取样本点集,并以其最小二乘拟合平面为基础建立局部坐标系;然后,在此局部坐标系下,将训练后的MLP网络仿真曲面用于残缺区域数据点重采;最后,将重采点集经坐标反变换后去替代原始点云数据中的样本点集。仿真和真实残缺数据的修补实验结果表明,此方法具有较高的修补效率和精度,可获得满意的修补效果。