La inspección tridimensional de componentes con configuración topológica en fabricación aditiva es crucial en el postprocesamiento. La superficie de estos componentes presenta formas geométricas irregulares y múltiples poros distribuidos estructuralmente. Los métodos existentes de inspección 3D presentan problemas de baja eficiencia y errores de coincidencia durante el registro de nubes de puntos de componentes topológicos. Por ello, se propone un algoritmo de registro de nubes de puntos basado en octrees y extracción de características 3D-SIFT. Primero, se realiza un preprocesamiento de filtrado estadístico en los datos de la nube de puntos. Luego, se extraen puntos característicos combinando el muestreo con octree y 3D-SIFT, conservando al máximo las características originales de la nube de puntos. Se introduce un vector de disimilitud relativa para mejorar el algoritmo SAC-IA de registro grosero, excluyendo previamente pares de puntos con grandes diferencias. Finalmente, se realiza el registro fino usando un algoritmo ICP mejorado con KD-tree bidireccional y función de Welsch. En experimentos públicos de registro de nubes de puntos de la Universidad de Stanford, en comparación con algoritmos como RANSAC+ICP, SAC-IA+ICP y ISS+3DSC+NDT, el algoritmo propuesto reduce el error medio aproximadamente en un 84.8%, 69.5% y 54.7%, y disminuye el tiempo de registro en cerca de 86.7%, 78.1% y 58.2%, respectivamente. En experimentos con nubes de puntos de componentes topológicos escaneados, el error cuadrático medio fue de 0.0612 mm y el tiempo de registro 7.97 s. Los resultados experimentales demuestran que este algoritmo mejora significativamente la precisión y eficiencia del registro de nubes de puntos, siendo adecuado para registros con grandes volúmenes de datos y estructuras complejas, sentando una base para mejorar el postprocesamiento.
HUANG et al. (Jue,) estudiaron esta cuestión.