CN111077844B - 一种基于实测数据特征引导的零件精确加工方法 - Google Patents
一种基于实测数据特征引导的零件精确加工方法 Download PDFInfo
- Publication number
- CN111077844B CN111077844B CN201911270597.0A CN201911270597A CN111077844B CN 111077844 B CN111077844 B CN 111077844B CN 201911270597 A CN201911270597 A CN 201911270597A CN 111077844 B CN111077844 B CN 111077844B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- neighborhood
- point cloud
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003754 machining Methods 0.000 title claims description 19
- 238000005070 sampling Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000013499 data model Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 10
- 238000003672 processing method Methods 0.000 abstract description 6
- 238000012958 reprocessing Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/19—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34106—Using spiral collapsed boundary, contour parallel machining
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种基于实测数据特征引导的零件精确加工方法，包括对实测模型点云数据的获取、数据预处理、轮廓特征提取边界、有序采样等步骤，将有序采样结果映射至数据模型作为指导数控加工的轨迹，以提高留有余量零件再加工的精度。本发明基于实测数据特征引导的零件精确加工方法，有效解决了传统工艺对留有余量零件手工再加工低效耗时的缺点，提高了加工的精度和加工的效率，且工艺规划合理，易于实现，可复制性强，适合推广使用。
Description
技术领域
本发明涉及数字化制造技术领域，具体为一种基于实测数据特征引导的零件精确加工方法。
背景技术
针对复合材料零件成型阶段，某些零件加工精度难以保证的情形，需要对相应的零件在生产制造时留有加工余量，在零件进行装配定位时完成最终的加工，即对留有加工余量的零件进行再加工。传统的手工再加工技术耗时费力，且在加工、运输、装夹等过程中易造成误差累计，给后续装配带来极大不便。
数字化制造技术发展至今，数字化测量技术一直扮演着非常重要的角色。随着加工制造迈向智能化，数字化测量技术也在向“智能测量、反馈控制”的目标发展。近年来，随着传感器、通信和定位定姿技术的发展，以及人工智能、深度学习、虚拟/增强现实等领域的先进技术都有所发展，对点云数据的智能化处理提出了新的要求。点云数据的特征描述、语义理解、关系表达、目标语义模型、多维可视化的等关键问题在人工智能、深度学习等先进技术的驱动下朝着自动化、智能化快速发展。
发明内容
本发明主要是通过数字化测量技术，根据装配定位好的零件的几何形状，指导加工设备自动完成对留有余量零件的再加工。
本发明公开的技术方案为：
一种基于实测数据特征引导的零件精确加工方法，其特征在于，包括：
1)扫描已完成再加工的标准零件，建立实测模型，并获取所述实测模型的三维点云数据，记为原始点云；
2)数据预处理：
2.1)对所述原始点云进行稀疏离群点和噪声点的删除，得到过滤点云；
2.2)针对所述过滤点云的几何特征，采用重采样技术，对边界过渡区域进行特征增强；
3)根据预处理后的数据，准确识别标准零件的几何特征，并提取其外形轮廓；
4)截取需要的外形轮廓部分，并对其进行有序采样，获得一组边界点云；
5)将有序采样的结果映射至留有余量的待加工零件的数据模型上，获取零件再加工部位的精确边界轮廓线，以所述精确边界轮廓线作为引导，生成刀具的加工路径。
在上述方案的基础上，进一步改进或优选的方案还包括：
步骤2.1)中，删除稀疏离群点和噪声点的过程为：
步骤a：采用3D点云数据KD-Tree对无序的原始点云进行组织，经过组织后的点云，每个点都对应二叉树的一个节点；
步骤b：计算每个点的k邻域平均距离，对于参考点(x0，y0，z0)而言，(xn，yn，zn)是参考点周围k邻域中的点，为k邻域中的任一点索引，n∈[1，k]，利用公式(1)计算参考点的k邻域平均距离为：
步骤c：利用公式(2)将每个点的k邻域平均距离相加再求平均值，计算所有点的平均k邻域距离为：
其中，m为点云中点的总个数，μi为当前参考点的k邻域平均距离；
步骤d：利用公式(3)计算所有点的k邻域距离标准差σ：
上式中，M为m-1；
步骤e：假设所有点的邻域平均距离服从高斯分布，根据高斯曲线，来设置阈值T,取
删除阈值范围外的点。
步骤2.2)中，使用EAR算法对尖锐边界区域进行尖锐特征增强。
所述步骤3)的具体过程为：
第一步，采用主成分分析估计输入点云中每一个点的表面法线；
第二步，通过计算每一个输入点局部邻域的法线变化度获取点云中代表边界的特征点，并将其提取出来；
其中，点局部邻域的法线变化度为点pi邻域内点的法向量和点pi法向量的夹角的平均值，特征点提取依据为如果点邻域法线变化较大则该点的所在区域凹凸变化程度较大，如果点邻域法线变化比较平稳缓慢，则该点的所在区域点集分布较为平缓；设置一个恰当的阈值，删除点云中属于平坦区域的点，同时将大于阈值的点作为特征点。
步骤4)中，有序采样阶段，根据刀具的运动方向，从再加工轮廓形状的起始点，沿着特征点的轨迹，以一定的点间距间隔依次设置采样点。
所述点间距为不大于4mm。
在步骤5)的映射阶段，需要建立基于装配型架的参考系，以扫描的装配型架上的数个定位点作为参考，完成点云配准，将有序采样的边界点云映射至留有余量待加工零件的实测数据上。
有益效果：
1)本发明基于实测数据特征引导的零件精确加工方法，有效解决了传统留有余量手工再加工低效耗时的缺点，提高了加工的精度和加工的效率；
2)本发明基于实测数据特征引导的零件精确加工方法，工艺规划合理，易于实现，可复制性强，适合推广使用。
附图说明
图1为本发明加工方法的流程示意图；
图2为标准零件的点云数据；
图3为根据标准零件点云数据提取的外形轮廓；
图4为截取的部分外形轮廓的有序采样结果；
图5为根据边界点云生成的样条；
图6为本发明中根据输入边界点云生成刀具加工路径的示意图；
具体实施方式
为了阐明本发明的技术方案，下面结合附图与具体实施例对本发明做进一步的介绍。
本发明基于实测数据特征引导的零件精确加工方法，通过对实测模型点云数据的获取、数据预处理、轮廓特征提取边界、有序采样等步骤，将有序采样结果映射至数据模型作为指导数控加工的轨迹，以提高留有余量零件再加工的精度。
本实施例以一种薄壁结构的零件为例，加工方法的具体过程如下：
1)通过三维激光扫描仪，扫描已完成再加工的标准零件，建立实测模型，并获取所述实测模型的三维点云数据，记为原始点云。
本实施例中，输出结果为2毫米厚的影像，如图2所示，扫描仪参数设置为：扫描分辨率0.25，优化扫描网格设置为：25，简化扫描网格设置为：10；使用基于三维激光扫描仪的采集***，得到高分辨率的模型点云数据，尽管保证了测量精度足够高，但对于尖锐边界区域的数据仍然不够理想，有时需要进一步的处理。
2)数据预处理：
2.1)对所述原始点云进行稀疏离群点和噪声点的删除，得到过滤点云；
2.2)针对所述过滤点云的几何特征，采用重采样技术，对边界过渡区域进行特征增强，即强化零件模型的轮廓边界线；
3)根据预处理后的数据，准确识别标准零件的几何特征，并提取其外形轮廓。初步提取后，可做滤波(平滑)处理，使外形轮廓更加精确；
4)截取需要的外形轮廓部分，并对其进行有序采样，获得一组边界点云；
5)将有序采样的结果映射至留有余量的待加工零件的数据模型上，获取零件再加工部位的精确边界轮廓线，以所述精确边界轮廓线作为引导，生成刀具的加工路径。
在上述过程中：
步骤2.1)中，删除稀疏离群点和噪声点的过程为：
步骤a：采用3D点云数据KD-Tree对无序的原始点云进行组织，经过组织后的点云，每个点都对应二叉树的一个节点；
步骤b：计算每个点的k邻域平均距离，对于参考点(x0，y0，z0)而言，(xn，yn，zn)是参考点周围k邻域中的点，为k邻域中的任一点索引，n∈[1，k]，利用公式(1)计算参考点的k邻域平均距离为：
步骤c：利用公式(2)将每个点的k邻域平均距离相加再求平均值，计算所有点的平均k邻域距离为：
其中，m为点云中点的总个数，μi为当前参考点的k邻域平均距离；
步骤d：利用公式(3)计算所有点的k邻域距离标准差σ：
上式中，M为m-1；
步骤e：假设所有点的邻域平均距离服从高斯分布，根据高斯曲线，来设置阈值T,取
阈值范围外的点即视为稀疏离群点和噪声点，删除阈值范围外的点。这个区间占到所有点的68.2％，对于稀疏离群点和噪声点的去除均有较好的效果。
步骤2.2)中，使用EAR算法对尖锐边界区域进行尖锐特征增强。
所述EAR算法包括特征驱动的重采样和特征保持的增采样两个主要步骤：
第一步：借用WLOP算子,同时引入法向量差异权重,使得重采样的点能在去噪同时自然远离棱角部位,同时使用了双边滤波法获得可靠的法向量信息；
第二步：在第一步获得的可靠数据基础上进行增采样,即逐步***新点来增强尖锐特征。***新点的步骤如下：
2.2.1)使用测量点集局部密度的方法，快速定位当前点集最稀疏的位置,并***一个基点；
2.2.2)通过双边滤波投影法把基点移到局部隐式曲面上,并得到相应法向量；
2.2.3)若未满足增采样条件,则返回2.2.1)。
所述步骤3)通过设置点云法线估计邻域和边界估计邻域点数，其中边界估计邻域点数越高，其边界识别的精度越高，通过法线和边界的计算得到提取的边界点云数据，结果如图3所示，具体过程包括：
第一步，采用主成分分析估计输入点云中每一个点的表面法线；
第二步，通过计算每一个输入点局部邻域的法线变化度获取点云中代表边界的特征点，并将其提取出来。其中点局部邻域的法线变化度为点pi邻域内点的法向量和点pi法向量的夹角的平均值，特征点提取依据为如果点邻域法线变化较大则该点的所在区域凹凸变化程度较大，如果点邻域法线变化比较平稳缓慢，则该点的所在区域点集分布较为平缓。设置一个恰当的阈值，删除点云中属于平坦区域的点，同时将大于阈值的点作为特征点。
步骤4)中，有序采样阶段，根据刀具的运动方向，从再加工轮廓形状的起始点，沿着特征点的轨迹，以一定的点间距间隔依次设置采样点，例如3mm，获得如图4所示的边界点云。
在步骤5)的映射阶段，需要建立基于装配型架的参考系，以扫描的装配型架上的数个定位点作为参考，建立定位点对之间的刚性变换矩阵，完成点云配准，将有序采样的边界点云映射至留有余量待加工零件的实测数据上。之后，将边界点云数据转为txt格式并导入GSD_PointSplineLoftFromExcel文件，通过宏命令输入至catia软件并生成样条曲线，如图5所示。以点云生成的样条曲线为引导曲线，设置数控加工设备的刀具、加工进给等参数，生成刀具的加工路径，如图6细实线所示。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。
Claims (6)
1.一种基于实测数据特征引导的零件精确加工方法，其特征在于，包括：
1)扫描已完成再加工的标准零件，建立实测模型，并获取所述实测模型的三维点云数据，记为原始点云；
2)数据预处理：
2.1)对所述原始点云进行稀疏离群点和噪声点的删除，得到过滤点云；
该步骤中，删除稀疏离群点和噪声点的过程为：
步骤a：采用3D点云数据KD-Tree对无序的原始点云进行组织，经过组织后的点云，每个点都对应二叉树的一个节点；
步骤b：计算每个点的k邻域平均距离，对于参考点(x0，y0，z0)而言，(xn，yn，zn)是参考点周围k邻域中的点，为k邻域中的任一点索引，n∈[1，k]，利用公式(1)计算参考点的k邻域平均距离为：
步骤c：利用公式(2)将每个点的k邻域平均距离相加再求平均值，计算所有点的平均k邻域距离为：
其中，m为点云中点的总个数，μi为当前参考点的k邻域平均距离；
步骤d：利用公式(3)计算所有点的k邻域距离标准差σ：
上式中，M为m-1；
步骤e：假设所有点的邻域平均距离服从高斯分布，根据高斯曲线，来设置阈值T,取
删除阈值范围外的点；
2.2)针对所述过滤点云的几何特征，采用重采样技术，对边界过渡区域进行特征增强；
3)根据预处理后的数据，准确识别标准零件的几何特征，并提取其外形轮廓；
4)截取需要的外形轮廓部分，并对其进行有序采样，获得一组边界点云；
5)将有序采样的结果映射至留有余量的待加工零件的数据模型上，获取零件再加工部位的精确边界轮廓线，以所述精确边界轮廓线作为引导，生成刀具的加工路径。
2.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，步骤2.2)中，使用EAR算法对尖锐边界区域进行尖锐特征增强。
3.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，所述步骤3)的具体过程为：
第一步，采用主成分分析估计输入点云中每一个点的表面法线；
第二步，通过计算每一个输入点局部邻域的法线变化度获取点云中代表边界的特征点，并将其提取出来；
其中，点局部邻域的法线变化度为点pi邻域内点的法向量和点pi法向量的夹角的平均值，特征点提取依据为如果点邻域法线变化较大则该点的所在区域凹凸变化程度较大，如果点邻域法线变化比较平稳缓慢，则该点的所在区域点集分布较为平缓；设置一个恰当的阈值，删除点云中属于平坦区域的点，同时将大于阈值的点作为特征点。
4.根据权利要求3所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，步骤4)中，有序采样阶段，根据刀具的运动方向，从再加工轮廓形状的起始点，沿着特征点的轨迹，以一定的点间距间隔依次设置采样点。
5.根据权利要求4所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，所述点间距为不大于4mm。
6.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，在步骤5)的映射阶段，需要建立基于装配型架的参考系，以扫描的装配型架上的数个定位点作为参考，完成点云配准，将有序采样的边界点云映射至留有余量待加工零件的实测数据上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911270597.0A CN111077844B (zh) | 2019-12-12 | 2019-12-12 | 一种基于实测数据特征引导的零件精确加工方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911270597.0A CN111077844B (zh) | 2019-12-12 | 2019-12-12 | 一种基于实测数据特征引导的零件精确加工方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111077844A CN111077844A (zh) | 2020-04-28 |
| CN111077844B true CN111077844B (zh) | 2020-09-22 |
Family
ID=70313896
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911270597.0A Active CN111077844B (zh) | 2019-12-12 | 2019-12-12 | 一种基于实测数据特征引导的零件精确加工方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111077844B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111553078B (zh) * | 2020-04-29 | 2020-12-01 | 南京航空航天大学 | 基于实测数据引导的飞机结构加强件修配方法 |
| CN112330818B (zh) * | 2020-11-03 | 2021-06-22 | 北京卫星环境工程研究所 | 基于增强现实的无人机零部件手工铺层辅助***和方法 |
| CN113587807A (zh) * | 2021-06-17 | 2021-11-02 | 南京航空航天大学 | 一种飞机壁板加工特征面的扫描路径生成方法 |
| CN113932730B (zh) * | 2021-09-07 | 2022-08-02 | 华中科技大学 | 一种曲面板材形状的检测装置 |
| CN114619081B (zh) * | 2021-11-23 | 2024-03-22 | 三门三友科技股份有限公司 | 一种能精确引导铣削铜粒子的方法及高精密装备 |
| CN115982864B (zh) * | 2023-03-21 | 2023-06-27 | 南京航空航天大学 | 一种大型复合材料构件装配协调边界特征的重建方法 |
| CN117289651B (zh) * | 2023-11-24 | 2024-04-16 | 南通汤姆瑞斯工业智能科技有限公司 | 一种模具制造的数控加工方法及控制*** |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000499A (zh) * | 2006-12-18 | 2007-07-18 | 浙江大学 | 基于多传感器集成测量的仿形加工方法及*** |
| CN101271326A (zh) * | 2008-03-21 | 2008-09-24 | 哈尔滨工业大学 | 直纹面叶轮刀具轨迹规划加工方法 |
| CN201828247U (zh) * | 2010-05-24 | 2011-05-11 | 天津工业大学 | 一种激光再制造零件三维形貌在线检测装置 |
| CN103049622A (zh) * | 2013-01-16 | 2013-04-17 | 杨安康 | 基于空间编码投影的逆向工程加工***与方法 |
| CN103942837A (zh) * | 2014-05-05 | 2014-07-23 | 华中科技大学无锡研究院 | 基于序列线性规划的叶片点云模型截面曲线直接构造方法 |
| CN104484507A (zh) * | 2014-11-26 | 2015-04-01 | 重庆大学 | 一种基于逆向工程的零部件再制造方法 |
| CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
| CN108198244A (zh) * | 2017-12-20 | 2018-06-22 | 中国农业大学 | 一种苹果叶片点云精简方法及装置 |
| CN108645373A (zh) * | 2018-07-24 | 2018-10-12 | 南京航空航天大学 | 一种动态三维隧道断面形变检测及分析***、方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102011100919A1 (de) * | 2011-05-09 | 2012-11-15 | Lufthansa Technik Ag | Verfahren zur automatisierten Detektion von Einzelteilen einer komplexen differenziellen Struktur |
| DE102011121695A1 (de) * | 2011-12-16 | 2013-06-20 | Jenoptik Polymer Systems Gmbh | Verfahren zur Herstellung eines Bauteils, insbesondere eines optischen Bauteils, mittels Urformen und ein derartig hergestelltes Bauteil |
| US9811714B2 (en) * | 2013-08-28 | 2017-11-07 | Autodesk, Inc. | Building datum extraction from laser scanning data |
| CN104570928A (zh) * | 2013-10-29 | 2015-04-29 | 中国科学院沈阳自动化研究所 | 基于共形参数化的网格曲面上数控加工轨迹规划方法 |
| CN103995496A (zh) * | 2014-04-28 | 2014-08-20 | 南京航空航天大学 | 一种基于数字化测量的飞机部件高精度匹配零件加工方法 |
-
2019
- 2019-12-12 CN CN201911270597.0A patent/CN111077844B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000499A (zh) * | 2006-12-18 | 2007-07-18 | 浙江大学 | 基于多传感器集成测量的仿形加工方法及*** |
| CN101271326A (zh) * | 2008-03-21 | 2008-09-24 | 哈尔滨工业大学 | 直纹面叶轮刀具轨迹规划加工方法 |
| CN201828247U (zh) * | 2010-05-24 | 2011-05-11 | 天津工业大学 | 一种激光再制造零件三维形貌在线检测装置 |
| CN103049622A (zh) * | 2013-01-16 | 2013-04-17 | 杨安康 | 基于空间编码投影的逆向工程加工***与方法 |
| CN103942837A (zh) * | 2014-05-05 | 2014-07-23 | 华中科技大学无锡研究院 | 基于序列线性规划的叶片点云模型截面曲线直接构造方法 |
| CN104484507A (zh) * | 2014-11-26 | 2015-04-01 | 重庆大学 | 一种基于逆向工程的零部件再制造方法 |
| CN104700451A (zh) * | 2015-03-14 | 2015-06-10 | 西安电子科技大学 | 基于迭代就近点算法的点云配准方法 |
| CN108198244A (zh) * | 2017-12-20 | 2018-06-22 | 中国农业大学 | 一种苹果叶片点云精简方法及装置 |
| CN108645373A (zh) * | 2018-07-24 | 2018-10-12 | 南京航空航天大学 | 一种动态三维隧道断面形变检测及分析***、方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 基于组件匹配的变电站快速建模方法;张子谦，等;《计算机应用与软件》;20180731;全文 * |
| 大规模点云模型拼接与融合技术研究;王建奇;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130615;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111077844A (zh) | 2020-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111077844B (zh) | 一种基于实测数据特征引导的零件精确加工方法 | |
| CN111035115B (zh) | 一种基于3d视觉鞋底涂胶路径规划方法和装置 | |
| CN109118574A (zh) | 一种基于三维特征提取的快速逆向建模方法 | |
| CN111179321B (zh) | 一种基于模板匹配的点云配准方法 | |
| CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及*** | |
| CN115147437B (zh) | 机器人智能引导加工方法与*** | |
| TWI773063B (zh) | 圖像產生系統及圖像產生方法 | |
| CN110853132B (zh) | 用于3d打印的复杂曲面零件的三维建模方法 | |
| CN114332348B (zh) | 一种融合激光雷达与图像数据的轨道三维重建方法 | |
| CN111340834B (zh) | 基于激光雷达和双目相机数据融合的衬板装配***及方法 | |
| CN114743259A (zh) | 位姿估计方法、位姿估计***、终端、存储介质及应用 | |
| CN113609736B (zh) | 一种基于孔裂隙结构数字图像的数值计算模型构建方法 | |
| WO2021103558A1 (zh) | 基于rgb-d数据融合的机器人视觉引导方法和装置 | |
| CN116851930A (zh) | 一种三维五轴曲面激光切割轨迹生成方法及装置 | |
| CN112541908A (zh) | 基于机器视觉的铸件飞边识别方法及存储介质 | |
| CN114868128A (zh) | 用于通过确定眼镜架元件的参数化替换模型来对眼镜架元件进行个性化的计算机实施的方法以及使用这种方法的设备和*** | |
| CN110992416A (zh) | 基于双目视觉与cad模型的高反光面金属零件位姿测量方法 | |
| CN109670557B (zh) | 一种基于杆状构筑物的公路点云自动配准方法 | |
| CN105955191A (zh) | 一种基于图像特征数据进行路径规划的方法 | |
| CN115797414A (zh) | 一种考虑测头半径的复杂曲面测量点云数据配准方法 | |
| CN115375659A (zh) | 一种基于模型驱动的发动机铸件表面数据采集路径规划方法 | |
| CN115147471A (zh) | 一种基于曲率密度特征的激光点云自动配准方法 | |
| CN115582840B (zh) | 无边框钢板工件分拣抓取位姿计算方法、分拣方法及*** | |
| CN114677374B (zh) | 一种下颌神经管中心线提取与半径计算的方法 | |
| CN113744181B (zh) | 基于2d3d视觉融合的五金件机器人智能化打磨方法与装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200428 Assignee: Nanjing Yuntong Technology Co.,Ltd. Assignor: Nanjing University of Aeronautics and Astronautics Contract record no.: X2022320000056 Denomination of invention: An accurate machining method of parts based on feature guidance of measured data Granted publication date: 20200922 License type: Exclusive License Record date: 20220426 |
|
| EE01 | Entry into force of recordation of patent licensing contract |