基于亞像素分割的三維顯示與配準算法及交互軟件.pdf

1、工業(yè)CT（Computed Tomography）機發(fā)明后，一直得到長足的發(fā)展，尤其在制造業(yè)的應用日趨重要。在工業(yè)制造領域，如汽車的核心部件發(fā)動機、鐵路火車的零部件等在生產制造過程中由于受到人為因素或者環(huán)境條件的干擾，導致生產出的產品與設計圖紙有一定的偏差。這種制造誤差可能導致工件的使用效率降低，達不到預期的目標。然而如何準確尋找這種制造誤差是一項具有挑戰(zhàn)的任務。
　　工業(yè)CT技術可以對制造出來的工件進行高精度的數(shù)字化呈現(xiàn)。因此可

2、以通過工件的CT數(shù)字圖像和其設計圖紙的配準找到比對誤差作為制造誤差的一個參考。在整個配準過程中，有數(shù)據(jù)獲取部分和配準部分，而配準部分的主要步驟分為粗配準和精配準。顧名思義，粗配準的作用是使得兩個三維數(shù)據(jù)在不同的空間位置下通過旋轉和平移能夠基本正確的融合在一起，從而作為精配準的初始狀態(tài)。在完成粗配準后，精配準的過程是通過每次迭代作微小的變動使兩個三維數(shù)據(jù)達到理論上最佳的匹配狀態(tài)。最終根據(jù)配準的結果計算誤差，通過三維誤差顯示可以直觀的表現(xiàn)出

3、實際工件與設計圖紙的匹配情況。
　　本文在已有的科研成果基礎上，做了以下幾方面的改進研究。首先，在粗配準方面，通過研究人機交互并運用SVD（Singular Value Decomposition）方法得到旋轉矩陣進而完成粗配準。該方法只需在兩個模型的表面通過人工選取對應點就可以方便的完成粗配準，并且避免了包圍盒粗配準方法對于規(guī)則的工件（如圓柱狀的工件）出現(xiàn)錯誤匹配的情況。其次，研究了三維 CV（Chan-Vese）模型結合MC（

4、Marching Cubes）方法用來提取工件的亞像素邊緣坐標，以提高配準的精度，減小配準后的計算誤差。三維CV方法是基于偏微分方程的主動輪廓模型，它能夠很好的抑制噪聲，并且邊緣分割結果是單像素的，邊緣定位的精度是亞像素級別的。MC方法是一種根據(jù)三維數(shù)據(jù)的灰度信息通過插值得到亞像素坐標的三維等值面顯示方法。本文先用CV方法對工件的三維CT圖像進行分割，然后對CV模型的水平集函數(shù)用 MC方法提取零水平集，同時得到亞像素邊緣的坐標。在精配準

5、步驟，用亞像素邊緣坐標代替閾值分割得到的邊緣坐標進行配準，可以得到更好的匹配結果。最后，加入了人機交互選擇參考面和人機交互擬合圓周和圓柱軸線的功能，這樣就可以進行參考面配準以及計算圓柱孔的軸線誤差。由于工業(yè)零件往往具有許多規(guī)則的形狀如圓柱形，球形等，而設計師關注的往往是這些規(guī)則部位是否存在制造誤差。因此，這樣可以使配準后的誤差信息更加的具有工程實際意義。
　　本文的研究工作可以分為多個模塊，且模塊間獨立性比較高，因此均集成在一個M