In Reverse Engineering a physical object is digitally
reconstructed from a set of boundary points. In the segmentation phase
these points are grouped into subsets to facilitate consecutive steps
as surface fitting. In this thesis we present a segmentation
method with subsequent classification of simple algebraic surfaces.
Our method is direct in the sense that it operates directly on the
point set in contrast to other approaches that are based on a
triangulation of the data set.
The reconstruction process involves a fast algorithm for $k$-nearest
neighbors search and an estimation of first and second order surface
properties. The first order segmentation, that is based on normal
vectors, provides an initial subdivision of the surface and detects
sharp edges as well as flat or highly curved areas. One of the main
features of our method is to proceed by alternating the steps of
segmentation and normal vector estimation. The second order
segmentation subdivides the surface according to principal curvatures
and provides a sufficient foundation for the classification of simple
algebraic surfaces. If the boundary of the original object contains
such surfaces the segmentation is optimized based on the result of a
surface fitting procedure. / Im Reverse Engineering wird ein existierendes Objekt aus einer Menge
von Oberflächenpunkten digital rekonstruiert. Während der
Segmentierungsphase werden diese Punkte in Teilmengen zusammengefügt,
um die nachfolgenden Schritte wie Flächenerkennung (surface fitting)
zu vereinfachen. Wir präsentieren in dieser Arbeit eine Methode zur
Segmentierung der Punkte und die anschließende Klassifikation
einfacher algebraischen Flächen. Unser Verfahren ist direkt in dem
Sinne, dass es direkt an den Punkten arbeitet, im Gegensatz zu
anderen Verfahren, die auf einer Triangulierung der Punktmenge
basieren.
Der Rekonstruktionsprozess schließt einen neuen Algorithmus zur
Berechnung der k-nächsten Nachbarn eines Oberflächenpunktes und
Verfahren zur Schätzung der Flächeneigenschaften ersten und zweiten
Grades ein. Die normalenbasierte Segmentierung (Segmentierung ersten
Grades) liefert eine Aufteilung des Objektes und detekiert scharfe
Kanten, sowie flache oder stark gekrümmte Gebiete des Objektes. Ein
zentrales Element unserer Methode ist die Wiederholung der Schritte
der Segmentierung und der Schätzung der Normalen. Erst die Iteration
ermöglicht die Schätzung der Normalen in der benötigten Genauigkeit
und die Generierung einer zufriedenstellender Segmentierung. Die
Segmentierung zweiten Grades teilt die Oberfläche nach den
Hauptkrümmungen auf und bietet eine zuverlässige Grundlage für die
Klassifizierung einfacher algebraischen Flächen. Falls der Rand des
Ausgangsobjektes solche Flächen enthält, wird der
Segmentierungsprozess auf der Grundlage des Ergebnisses der
Flächenerkennungsprozedur optimiert.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa.de:swb:ch1-200300486 |
| Date | 02 June 2003 |
| Creators | Vanco, Marek |
| Contributors | TU Chemnitz, Fakultät für Informatik, Prof. Dr. Guido Brunnett, Prof. Dr. Guido Brunnett, Prof. Dr. Beat Brüderlin, Prof. Dr. Hans Hagen |
| Publisher | Universitätsbibliothek Chemnitz |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | English |
| Detected Language | German |
| Type | doc-type:doctoralThesis |
| Format | application/pdf, text/plain, application/zip |
Page generated in 0.0021 seconds