CN103593865A - 一维齿轮形貌点云数据分割方法 - Google Patents

一维齿轮形貌点云数据分割方法 Download PDF

Info

Publication number
CN103593865A
CN103593865A CN201310626762.8A CN201310626762A CN103593865A CN 103593865 A CN103593865 A CN 103593865A CN 201310626762 A CN201310626762 A CN 201310626762A CN 103593865 A CN103593865 A CN 103593865A
Authority
CN
China
Prior art keywords
data
cloud data
gear
tooth
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201310626762.8A
Other languages
English (en)
Other versions
CN103593865B (zh
Inventor
苏成志
王言敬
窦艳红
孙炜强
崔怀丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN201310626762.8A priority Critical patent/CN103593865B/zh
Publication of CN103593865A publication Critical patent/CN103593865A/zh
Application granted granted Critical
Publication of CN103593865B publication Critical patent/CN103593865B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

一维齿轮形貌点云数据分割方法,属于数据处理领域,为了解决针对一维齿轮形貌点云数据分割,运用现有道格拉斯—普克算法重复循环判断的次数多,效率不高,以及曲率法中逐点计算曲线上每一点的曲率并找出曲率最大的点作为特征点所带来的繁琐计算的问题,该方法包括,步骤一,计算实测齿轮形貌点云数据的差分值;步骤二,分析齿轮各部分形貌特征和差分结果的关系;步骤三,比较实测齿轮形貌点云数据和拟合圆半径的大小;采用差分法分割齿轮形貌点云数据,差分运算遍历到实测齿轮的所有点云数据,优于道格拉斯—普克算法并提高了点云数据的分割精度;避免了曲率法中繁琐计算;本发明可实现一维齿轮形貌点云数据的精确分割,计算简单,分割精度高。

Description

一维齿轮形貌点云数据分割方法
技术领域
本发明涉及一种齿轮形貌逆向工程中,一维齿轮形貌点云数据分割方法,能够实现齿轮一维形貌点云数据的精确分割,属于数据处理领域。
背景技术
齿轮偏差分析对于齿轮的加工制造和提高传动***性能具有重要的意义,因此利用实测齿轮形貌点云数据计算齿轮偏差尤为重要。在计算齿轮齿形偏差、齿顶圆度、齿根圆度和全齿高时需分别单独使用齿轮齿形数据、齿顶数据和齿根数据,激光连续扫描齿轮获得的一维齿轮形貌点云数据未区分开齿轮齿形数据、齿顶数据和齿根数据,所以若根据实测齿轮形貌点云数据计算齿轮偏差,必须从实测齿轮形貌点云数据中分割出齿轮齿形数据、齿顶数据和齿根数据。
现有《基于道格拉斯—普克算法的图像分割初探》提出了一种采用道格拉斯—普克算法提取曲线特征点的方法。见于期刊测绘与空间地理信息,2012,35(5)。该方法的基本思想是:首先选取离散曲线点列的两个端点,计算曲线内其余各点到两端点连线的垂直距离,找出垂直距离最大值对应的点。然后判断该点是否为特征点,若垂直距离最大值小于预先设定的阈值,则所有点被舍弃,如果垂直距离最大值大于设定的阈值,则该点作为一个特征点将曲线分为两段,最后使用上述方法反复进行下去直至曲线不能再分段为止。该方法的缺点是不适合数据量大的离散曲线的特征点的提取,且对于较复杂的曲线,重复循环判断的次数多,效率不高。期刊《Angle Detection on Digital Curves》提出了一种采用曲率分析法提取曲线特征点的方法。见于期刊IEEE Trans on Computers,1973,22。该方法的基本思想是:首先逐点计算曲线上每一点的曲率,然后找出曲率最大的点作为特征点。该方法的缺点是提取特征点的精度较低,易出现冗余的点和遗漏的重要特征点。
发明内容
本发明为了解决针对一维齿轮形貌点云数据分割,运用现有道格拉斯—普克算法重复循环判断的次数多,效率不高,以及曲率法中逐点计算曲线上每一点的曲率并找出曲率最大的点作为特征点所带来的繁琐计算的问题,提出一种一维齿轮形貌点云数据分割方法,该方法适用于大量点云数据的分割,且提高了点云数据分割的精度。
本发明中利用差分法分割齿轮形貌点云数据的基本原理是:实测齿轮的左右齿形、齿顶和齿根各部分特征不同,各部分对应的实测齿轮形貌点云数据的差分结果也不相同,依据差分结果可分割出实测齿轮形貌点云数据中的齿轮左右齿形数据、齿顶数据和齿根数据。
本发明的技术方案如下,见图1,一维齿轮形貌点云数据分割方法,包括以下步骤:
步骤一,计算实测齿轮形貌点云数据的差分值;
1)通过激光连续扫描齿轮一周获得实测齿轮形貌点云数据,输入计算机,设激光扫描获得的点云数据Pii,li),(i=1,2…N),其中θi为采样点对应的角位移,li为采样点对应的径向位移,N为采样点总数;
2)向计算机输入齿轮类型,内齿轮和外齿轮;
3)在计算机上对该点云序列做圆拟合可以得到一个介于齿顶圆和齿根圆之间一个圆,设该圆的半径为R;
4)计算齿轮形貌点云数据两点间的差分值,任意两点间的差分运算如下式:
ki=li+1-li                   (1)式(1)中ki表示两点间的差分值,则实测齿轮形貌点云数据的差分结果为{ki}。
步骤二,分析齿轮各部分形貌特征和差分结果的关系;
依据步骤一中差分结果{ki}判断对应的实测齿轮形貌点云数据所属齿轮的部分,若实测齿轮为外齿轮,差分值ki大于0时对应的点云数据是齿轮左齿形数据,差分值ki小于0时对应的点云数据是齿轮右齿形数据;若实测齿轮为内齿轮,差分值ki大于0时对应的点云数据是齿轮右齿形数据,差分值ki小于0时对应的点云数据是齿轮左齿形数据;差分值ki等于0时对应的点云数据是齿顶数据或齿根数据;由此可依据实测齿轮形貌点云数据的差分结果{ki}中任意点ki的值的正负,分割出左右齿形数据;
步骤三,比较实测齿轮形貌点云数据和拟合圆半径的大小;
经过步骤二分割出左右齿形数据后,剩余实测齿轮形貌点云数据为齿顶数据和齿根数据;外齿轮的齿顶数据大于R,齿根数据小于R,内齿轮的齿顶数据小于R,齿根数据大于R;通过逐点比较剩余实测齿轮形貌点云数据Pii,li)的值与R值的大小再分割出齿顶数据和齿根数据。
发明的效果:在本发明中,采用差分法分割齿轮形貌点云数据,差分运算遍历到实测齿轮的所有点云数据,优于道格拉斯—普克算法并提高了点云数据的分割精度。同时差分法是根据差分值特征整体选取特征点,避免了曲率法中逐点计算曲线上每一点的曲率并找出曲率最大的点作为特征点所带来的繁琐计算。本发明可实现一维齿轮形貌点云数据的精确分割,计算简单,分割精度高。
附图说明
图1本发明所述的一维齿轮形貌点云数据分割方法的流程图。
图2本发明实施例中实测齿轮形貌点云。
图3本发明实施例中实测齿轮形貌点云数据差分结果。
图4本发明实施例中实测齿轮形貌点云数据拟合圆。
图5本发明实施例中分割后的齿轮形貌点云;图5中*为实测齿轮左齿形,○为实测齿轮右齿形,□为实测齿轮齿顶,+为实测齿轮齿根。
具体实施方式
下面结合附图以内齿轮为例描述本发明的具体实施过程。
内齿轮形貌点云数据分割方法,包括以下步骤:
步骤一,计算实测齿轮形貌点云数据的差分值。
激光扫描渐开线直内齿轮,其齿数z为85,模数m为3.27742,分度圆处压力角α为25°,齿顶高系数ha *为0.8,顶隙系数c*为0.3。设扫描该齿轮一周的采样点总数N为3149,采样间隔为Δθ=2π/N=2π/3149,得到采样点对应的角位移θi=i·Δθ和径向位移li,获得实测齿轮形貌点云数据Pii,li),(i=1,2…3149),选取实测齿轮采样点前100个点的数据作图,见图2,3149个点的实测齿轮形貌点云数据是按图2中周期规律拓展的。
根据式(1)对实测齿轮形貌点云数据Pii,li),(i=1,2…3149)做差分计算,得差分结果{ki},
ki=li+1-li                        (1)
选取{ki}前99个点的数据作图,见图3,3149个差分值ki是按图3中周期规律拓展的。
通过对实测齿轮形貌点云数据Pii,li),(i=1,2…3149)做圆拟合,可以得到一个介于齿顶圆和齿根圆之间一个圆,设该圆的半径为R,R值为139.127,拟合圆见图4。
步骤二,分析齿轮各部分形貌特征和差分结果的关系。
分析图2和图3可知,实测内齿轮的左齿形上点云数据差分值ki为负值,右齿形上点云数据差分值ki为正值,齿顶数据和齿根数据的差分值ki为0。通过判断差分结果{ki}中任意点ki的值的正负,从实测齿轮形貌点云数据中分别分割出齿轮左右齿形数据。选取实测齿轮采样点前100个点的数据作图,见图5,*为实测齿轮左齿形,○为实测齿轮右齿形。
步骤三,比较实测齿轮形貌点云数据和拟合圆半径的大小。
实测齿轮形貌点云数据分离出左右齿形数据后,其余为齿顶数据和齿根数据。逐点比较剩余齿轮形貌点云数据Pii,li)的值和拟合圆半径R的大小,实测齿轮齿顶数据为135.685小于R值139.127,齿根数据为141.912大于R值139.127,由此可从齿轮形貌点云数据中分割出齿顶数据和齿根数据。选取实测齿轮采样点前100个点的数据作图,见图5,□为实测齿轮齿顶,+为实测齿轮齿根。
至此,完成实测内齿轮的齿轮形貌点云数据分割。

Claims (1)

1.一维齿轮形貌点云数据分割方法,其特征是,包括以下步骤:
步骤一,计算实测齿轮形貌点云数据的差分值;
1)通过激光连续扫描齿轮一周获得实测齿轮形貌点云数据,输入计算机,设激光扫描获得的点云数据Pii,li),(i=1,2…N),其中θi为采样点对应的角位移,li为采样点对应的径向位移,N为采样点总数;
2)向计算机输入齿轮类型,内齿轮和外齿轮;
3)在计算机上对该点云序列做圆拟合可以得到一个介于齿顶圆和齿根圆之间一个圆,设该圆的半径为R;
4)计算齿轮形貌点云数据两点间的差分值,任意两点间的差分运算如下式:
ki=li+1-li                           (1)式(1)中ki表示两点间的差分值,则实测齿轮形貌点云数据的差分结果为{ki}。
步骤二,分析齿轮各部分形貌特征和差分结果的关系;
依据步骤一中差分结果{ki}判断对应的实测齿轮形貌点云数据所属齿轮的部分,若实测齿轮为外齿轮,差分值ki大于0时对应的点云数据是齿轮左齿形数据,差分值ki小于0时对应的点云数据是齿轮右齿形数据;若实测齿轮为内齿轮,差分值ki大于0时对应的点云数据是齿轮右齿形数据,差分值ki小于0时对应的点云数据是齿轮左齿形数据;差分值ki等于0时对应的点云数据是齿顶数据或齿根数据;由此可依据实测齿轮形貌点云数据的差分结果{ki}中任意点ki的值的正负,分割出左右齿形数据;
步骤三,比较实测齿轮形貌点云数据和拟合圆半径的大小;
经过步骤二分割出左右齿形数据后,剩余实测齿轮形貌点云数据为齿顶数据和齿根数据;外齿轮的齿顶数据大于R,齿根数据小于R,内齿轮的齿顶数据小于R,齿根数据大于R;通过逐点比较剩余实测齿轮形貌点云数据Pii,li)的值与R值的大小再分割出齿顶数据和齿根数据。
CN201310626762.8A 2013-11-29 2013-11-29 一维齿轮形貌点云数据分割方法 Expired - Fee Related CN103593865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310626762.8A CN103593865B (zh) 2013-11-29 2013-11-29 一维齿轮形貌点云数据分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310626762.8A CN103593865B (zh) 2013-11-29 2013-11-29 一维齿轮形貌点云数据分割方法

Publications (2)

Publication Number Publication Date
CN103593865A true CN103593865A (zh) 2014-02-19
CN103593865B CN103593865B (zh) 2016-04-13

Family

ID=50083989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310626762.8A Expired - Fee Related CN103593865B (zh) 2013-11-29 2013-11-29 一维齿轮形貌点云数据分割方法

Country Status (1)

Country Link
CN (1) CN103593865B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111024004A (zh) * 2019-12-30 2020-04-17 芜湖哈特机器人产业技术研究院有限公司 一种电动剃须刀刀头网罩内侧平面度测量装置和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080021502A1 (en) * 2004-06-21 2008-01-24 The Trustees Of Columbia University In The City Of New York Systems and methods for automatic symmetry identification and for quantification of asymmetry for analytic, diagnostic and therapeutic purposes
CN102489785A (zh) * 2011-11-25 2012-06-13 北京联合大学 一种基于离散数据螺旋锥齿轮的配对建模与加工方法
CN102567596A (zh) * 2012-03-05 2012-07-11 西北工业大学 一种面齿轮轮齿参数化建模方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080021502A1 (en) * 2004-06-21 2008-01-24 The Trustees Of Columbia University In The City Of New York Systems and methods for automatic symmetry identification and for quantification of asymmetry for analytic, diagnostic and therapeutic purposes
CN102489785A (zh) * 2011-11-25 2012-06-13 北京联合大学 一种基于离散数据螺旋锥齿轮的配对建模与加工方法
CN102567596A (zh) * 2012-03-05 2012-07-11 西北工业大学 一种面齿轮轮齿参数化建模方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孟娜: "基于激光扫描点云的数据处理技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *
王建利 等: "基于差分计算的林木测量二维点云数据滤波", 《西北林学院学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111024004A (zh) * 2019-12-30 2020-04-17 芜湖哈特机器人产业技术研究院有限公司 一种电动剃须刀刀头网罩内侧平面度测量装置和方法
CN111024004B (zh) * 2019-12-30 2021-03-30 芜湖哈特机器人产业技术研究院有限公司 一种电动剃须刀刀头网罩内侧平面度测量装置和方法

Also Published As

Publication number Publication date
CN103593865B (zh) 2016-04-13

Similar Documents

Publication Publication Date Title
CN108986048B (zh) 基于线激光扫描三维点云快速复合滤波处理方法
CN102032875B (zh) 一种基于图像处理的电缆护套厚度测量方法
CN107301648B (zh) 基于重叠区域边界角度的冗余点云去除方法
CN102494657B (zh) 一种曲面轮廓测量及检测的测头半径补偿方法
CN103486996B (zh) 未知cad模型的航空发动机叶片型面测量方法
CN102679883B (zh) 一种基于图像处理的烟丝宽度测量方法
CN102049731B (zh) 对盘形凸轮进行精确轮廓测量及精确加工的方法
CN103868470A (zh) 一种钻杆弯曲度检测装置及方法
CN103164842A (zh) 点云提取***及方法
CN106874580A (zh) 一种基于点云数据的弯管模型重建方法
CN101281403A (zh) 异型玻璃加工图形定位方法及***
CN106482700B (zh) 一种草图直接成图的数字化房产面积测量方法
CN103983193A (zh) 一种应用于卷烟条盒烟包尺寸测量的三维检测方法
CN103080982A (zh) 检测三维网格模型中的重复结构的方法和设备
CN105388012A (zh) 基于非线性调频小波变换的阶次跟踪方法
CN103279636B (zh) 一种确定树木年龄的方法
CN105115441A (zh) 一种回转体零件廓形的特征点提取及自动分段方法
CN109211132A (zh) 一种无人机高精度摄影测量获取高大物体变形信息的方法
CN104833333A (zh) 结构面粗糙度系数尺寸效应试样表征单元确定方法
CN104654952B (zh) 一种游标式孔用综合量规
CN113970291B (zh) 一种基于三维激光扫描的地下洞室围岩超欠挖量的快速测量方法
CN103593865B (zh) 一维齿轮形貌点云数据分割方法
CN107577720B (zh) 一种基于区域树的井下巷道点云数据的快速查询方法
CN204240975U (zh) 一种钢管圆度测量仪
CN102841947A (zh) 一种载入全站仪的工业数据采集处理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160413