用于增材制造的点云直接分层算法

摘要

针对三维点云分层问题,将连续层片构造过程解释为对运动曲线的追踪,提出一种非监督神经网络用于从散乱点中增量式重构各层曲线.首先用分层平面对点云重采样得到二维样本点,然后逐个输入网络,使其动态增长、删除、移动、改变连接,从而抽取样本的局部主成分和拓扑结构.网络在当前层学习收敛后,其结构表达了一组多义线,该组多义线同时作为下一层的初始估计,迭代执行重采样—学习过程,实现了连续层片的增量构造.算例表明,与现有非增量分层方式相比,所提算法可有效利用层间相似性提高分层效率,并在无用户干预的前提下构造成百上千层拓扑正确的层片.