摘要
针对在机测量传统采样方法存在的采样点过于集中和采样区域遗漏影响曲面轮廓度的问题,将Mac Queen K-means(MK)算法与模拟退火(SA)算法相结合,提出基于MKSA的复杂曲面在机测量自适应采样方法。利用MK算法生成二维质心Voronoi结构(CVT结构),将复杂曲面离散点云数据的高斯曲率绝对值作为生成CVT结构的密度函数,以方差函数为收敛准则,通过全局算法SA的退火准则设置降温系数,提高MK算法的全局寻优能力,生成全局最优的二维CVT结构;将质心点映射回原曲面,获得质心位置对应的曲面采样点,从而实现复杂曲面的自适应采样。仿真及实验结果表明:MKSA算法使曲面测量采样点分布更合理,拟合曲面与CAD模型的最大偏差及平均偏差均小于传统方法,更逼近CAD模型的理论曲面。
- 单位