CN111882614A - 一种基于knn-icp算法的自由曲面定位方法 - Google Patents

一种基于knn-icp算法的自由曲面定位方法 Download PDF

Info

Publication number
CN111882614A
CN111882614A CN202010748896.7A CN202010748896A CN111882614A CN 111882614 A CN111882614 A CN 111882614A CN 202010748896 A CN202010748896 A CN 202010748896A CN 111882614 A CN111882614 A CN 111882614A
Authority
CN
China
Prior art keywords
point cloud
matrix
knn
robot
form surface
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.)
Pending
Application number
CN202010748896.7A
Other languages
English (en)
Inventor
闵康
戴振东
段晋军
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.)
Nanjing Lihang Bionic Industry Research Institute Co ltd
Original Assignee
Nanjing Lihang Bionic Industry Research Institute Co ltd
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 Nanjing Lihang Bionic Industry Research Institute Co ltd filed Critical Nanjing Lihang Bionic Industry Research Institute Co ltd
Priority to CN202010748896.7A priority Critical patent/CN111882614A/zh
Priority to PCT/CN2020/108784 priority patent/WO2022021479A1/zh
Publication of CN111882614A publication Critical patent/CN111882614A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Computational Mathematics (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Numerical Control (AREA)

Abstract

本发明公开了一种基于KNN‑ICP算法的自由曲面定位方法，包括以下步骤：（1）利用机器人，对曲面进行采点，获得实际测量点云数据；（2）根据加工公差，对曲面的CAD模型进行离散，生成理论点云数据；（3）利用KNN算法，计算实际测量点云中每个数据点在理论点云中的最近点和最小距离；判断是否满足迭代终止条件，是则转到步骤（5），否则转到步骤（4）；（4）利用四元数法，计算旋转矩阵和平移矩阵，使得当前测量点集逼近最近点集，得到新的测量点云数据的位置，并返回步骤（3）；（5）终止迭代，并输出工件相对于机器人的工件坐标系。本发明提供的自由曲面定位方法，通过KNN算法，搜索最近点，实现简单，计算效率高。

Description

一种基于KNN-ICP算法的自由曲面定位方法
技术领域
本发明属于计算机辅助制造及机器人加工技术领域，更具体地，涉及一种基于KNN-ICP算法的自由曲面定位方法。
背景技术
机器人离线编程打磨是当下最合适的机器人打磨方式。其具体思路是通过软件在电脑上模拟出机器人周围的工况，在虚拟的三维工况中，根据加工零件的材料、大小、形状配合上操作者的操作，直接在计算机内部生成机器人的运动轨迹，并产生相应的程序，导入机器人***中进行作业。
机器人打磨过程中，工件坐标系定位（建立工件相对于机器人的坐标系）非常重要。工件自定位指利用计算机及传感器测量***，通过位姿求解算法，实现工件实际工况下的精确定位，其本质是三维点云的精确配准。近年来，国内外研究者围绕三维点云匹配问题展开了***的研究其中最具代表性的是由Besl和McKay提出的迭代最近点算法（IterativeClosest Point, ICP），该算法实现简单、精度高，但是计算效率低。
发明内容
针对现有技术的以上缺陷或改进需求，为了更高效准确的建立工件相对于机器人的工件坐标系，本发明采用机器人***获取整个曲面的实际测量点云数据，并提出了基于KNN-ICP算法的自由曲面定位方法；该方法实现简单，计算效率高，可以准确地计算出工件坐标系。
本发明通过下述技术方案实现：
一种基于KNN-ICP算法的自由曲面定位方法，其特征在于，包括以下步骤：
（1）利用机器人，对曲面进行采点，获得实际测量点云数据
Figure DEST_PATH_IMAGE001
；
（2）根据加工公差，对曲面的CAD模型进行离散，生成理论目标点云数据
Figure 25613DEST_PATH_IMAGE002
；
（3）利用KNN算法，计算实际测量点云
Figure DEST_PATH_IMAGE003
中每个数据点在
Figure 851487DEST_PATH_IMAGE002
上的最近点
Figure 403560DEST_PATH_IMAGE004
和对应的最短距离
Figure DEST_PATH_IMAGE005
，其中
Figure 213253DEST_PATH_IMAGE006
表示迭代次数，初始情况
Figure DEST_PATH_IMAGE007
,
Figure 439966DEST_PATH_IMAGE008
；设
Figure DEST_PATH_IMAGE009
为给定的迭代终止精度，若
Figure 449508DEST_PATH_IMAGE010
，则转到步骤（5），否则转到步骤（4）；
（4）采用四元数法，计算旋转矩阵
Figure DEST_PATH_IMAGE011
和平移矩阵
Figure 736264DEST_PATH_IMAGE012
，得到新的测量点云位置
Figure DEST_PATH_IMAGE013
=
Figure 16942DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE015
，使得当前测量点云
Figure 781767DEST_PATH_IMAGE016
逼近
Figure 51074DEST_PATH_IMAGE004
，并返回步骤（3）；
（5）终止迭代，并输出工件相对于机器人的工件坐标系。
对本发明技术方案的进一步优选，步骤（1）中，机器人对自由曲面采点，获得的点云数据数量
Figure DEST_PATH_IMAGE017
，且
Figure 741687DEST_PATH_IMAGE018
。
对本发明技术方案的进一步优选，步骤（4）中采用四元数法，计算旋转矩阵
Figure 463656DEST_PATH_IMAGE011
和平移矩阵
Figure 484701DEST_PATH_IMAGE012
，假设实际测量点集和理论目标点集分别为
Figure DEST_PATH_IMAGE019
和
Figure 155985DEST_PATH_IMAGE020
，旋转矩阵为
Figure 486341DEST_PATH_IMAGE011
，平移矩阵为
Figure 695606DEST_PATH_IMAGE012
，则具体计算步骤为：
(4.1) 计算点集
Figure 254763DEST_PATH_IMAGE019
和
Figure 249395DEST_PATH_IMAGE020
的中心
Figure DEST_PATH_IMAGE021
和
Figure 553249DEST_PATH_IMAGE022
，并进行中心化处理：
Figure DEST_PATH_IMAGE023
,
Figure 46547DEST_PATH_IMAGE024
,
Figure DEST_PATH_IMAGE025
，
(4.2) 根据中心化后的数据点集，计算协方差矩阵
Figure 222445DEST_PATH_IMAGE026
，并通过协方差矩阵构造正定矩阵
Figure DEST_PATH_IMAGE027
：
Figure 412862DEST_PATH_IMAGE028
Figure DEST_PATH_IMAGE029
(4.3) 计算出正定矩阵N的特征值，其中对应最大特征值的特征向量对应着旋转四元数为：
Figure 694807DEST_PATH_IMAGE030
(4.4) 用旋转四元数
Figure DEST_PATH_IMAGE031
表示旋转矩阵R为：
Figure 222872DEST_PATH_IMAGE032
(4.5) 根据
Figure DEST_PATH_IMAGE033
，计算平移矩阵
Figure 960715DEST_PATH_IMAGE034
。
本发明与与现有技术相比具有的有益效果：自由曲面定位方法通过KNN算法，搜索最近点，实现简单，计算效率高。
附图说明
图1是基于KNN-ICP算法的自由曲面定位方法的总流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图1及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种基于KNN-ICP算法的自由曲面定位方法，包括以下步骤：
（1）利用机器人，对曲面进行采点，获得实际测量点云数据
Figure 913628DEST_PATH_IMAGE001
；
（2）根据加工公差，对曲面的CAD模型进行离散，生成理论目标点云数据
Figure 258152DEST_PATH_IMAGE002
；
（3）利用KNN算法，计算实际测量点云
Figure 460464DEST_PATH_IMAGE003
中每个数据点在
Figure 679961DEST_PATH_IMAGE002
上的最近点
Figure 752959DEST_PATH_IMAGE004
和对应的最短距离
Figure 268386DEST_PATH_IMAGE005
，其中
Figure 161255DEST_PATH_IMAGE006
表示迭代次数，初始情况
Figure 404018DEST_PATH_IMAGE007
,
Figure 580790DEST_PATH_IMAGE008
；设
Figure 516385DEST_PATH_IMAGE009
为给定的迭代终止精度，若
Figure 630971DEST_PATH_IMAGE010
，则转到步骤（5），否则转到步骤（4）；
（4）采用四元数法，计算旋转矩阵
Figure 428157DEST_PATH_IMAGE011
和平移矩阵
Figure 210169DEST_PATH_IMAGE012
，得到新的测量点云位置
Figure 565932DEST_PATH_IMAGE013
=
Figure 433394DEST_PATH_IMAGE014
，
Figure 283539DEST_PATH_IMAGE015
，使得当前测量点云
Figure 670789DEST_PATH_IMAGE016
逼近
Figure 948186DEST_PATH_IMAGE004
，并返回步骤（3）；
（5）终止迭代，并输出工件相对于机器人的工件坐标系。
本实施例中，步骤（1）中，机器人对自由曲面采点，获得的点云数据数量
Figure 771786DEST_PATH_IMAGE017
，且
Figure 946327DEST_PATH_IMAGE018
。
本实施例中，步骤（4）中采用四元数法，计算旋转矩阵
Figure 171772DEST_PATH_IMAGE011
和平移矩阵
Figure 636383DEST_PATH_IMAGE012
，假设实际测量点集和理论目标点集分别为
Figure 478437DEST_PATH_IMAGE019
和
Figure 670384DEST_PATH_IMAGE020
，旋转矩阵为
Figure 265182DEST_PATH_IMAGE011
，平移矩阵为
Figure 149961DEST_PATH_IMAGE012
，则具体计算步骤为：
(4.1) 计算点集
Figure 213732DEST_PATH_IMAGE019
和
Figure 694523DEST_PATH_IMAGE020
的中心
Figure 160140DEST_PATH_IMAGE021
和
Figure 465088DEST_PATH_IMAGE022
，并进行中心化处理：
Figure 750576DEST_PATH_IMAGE023
,
Figure 549905DEST_PATH_IMAGE024
,
Figure 620760DEST_PATH_IMAGE025
，
(4.2) 根据中心化后的数据点集，计算协方差矩阵
Figure 581763DEST_PATH_IMAGE026
，并通过协方差矩阵构造正定矩阵
Figure 620126DEST_PATH_IMAGE027
：
Figure 206834DEST_PATH_IMAGE028
Figure 381463DEST_PATH_IMAGE029
(4.3) 计算出正定矩阵N的特征值，其中对应最大特征值的特征向量对应着旋转四元数为：
Figure 529679DEST_PATH_IMAGE030
(4.4) 用旋转四元数
Figure 789759DEST_PATH_IMAGE031
表示旋转矩阵R为：
Figure 930890DEST_PATH_IMAGE032
(4.5) 根据
Figure 804951DEST_PATH_IMAGE033
，计算平移矩阵
Figure 107756DEST_PATH_IMAGE034
。
实施例1
机器人离线编程打磨是当下最合适的机器人打磨方式。其具体思路是通过软件在电脑上模拟出机器人周围的工况，在虚拟的三维工况中，直接在计算机内部生成机器人的运动轨迹，并产生相应的程序，导入机器人***中进行工程作业。
本实施例以机器人离线编程轮毂打磨为例，进一步说明本实施例方法。
本实施例以规格为（550mm
Figure DEST_PATH_IMAGE035
550mm
Figure 668182DEST_PATH_IMAGE035
250mm）的轮毂CAD模型为例。在机器人离线编程打磨方案中，利用机器人，对曲面进行采点，获得实际测量点云数据
Figure 347425DEST_PATH_IMAGE001
；根据加工公差，对曲面的CAD模型进行离散，生成理论点云数据
Figure 745914DEST_PATH_IMAGE002
；本实施例中获得实际测量点云数据（12个），理论上，实测点云数据越多，计算越精准；离散成理论点云数据（2303316个）。
本实施例中给定迭代终止精度
Figure 219621DEST_PATH_IMAGE009
为0.01mm， 算法运行时间：15.4288s,算出的姿态变换矩阵为：
Figure 454293DEST_PATH_IMAGE036
Figure 687959DEST_PATH_IMAGE038
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于KNN-ICP算法的自由曲面定位方法，其特征在于，包括以下步骤：
（1）利用机器人，对曲面进行采点，获得实际测量点云数据
Figure 184760DEST_PATH_IMAGE001
；
（2）根据加工公差，对曲面的CAD模型进行离散，生成理论目标点云数据
Figure 344215DEST_PATH_IMAGE002
；
（3）利用KNN算法，计算实际测量点云
Figure 66183DEST_PATH_IMAGE003
中每个数据点在
Figure 87229DEST_PATH_IMAGE002
上的最近点
Figure 961775DEST_PATH_IMAGE004
和对应的最短距离
Figure 42863DEST_PATH_IMAGE005
，其中
Figure 235816DEST_PATH_IMAGE006
表示迭代次数，初始情况
Figure 60553DEST_PATH_IMAGE007
,
Figure 38873DEST_PATH_IMAGE008
；设
Figure 776016DEST_PATH_IMAGE009
为给定的迭代终止精度，若
Figure 472577DEST_PATH_IMAGE010
，则转到步骤（5），否则转到步骤（4）；
（4）采用四元数法，计算旋转矩阵
Figure 835425DEST_PATH_IMAGE011
和平移矩阵
Figure 200677DEST_PATH_IMAGE012
，得到新的测量点云位置
Figure 357988DEST_PATH_IMAGE013
=
Figure 276266DEST_PATH_IMAGE014
，
Figure 193537DEST_PATH_IMAGE015
，使得当前测量点云
Figure 146450DEST_PATH_IMAGE016
逼近
Figure 989510DEST_PATH_IMAGE004
，并返回步骤（3）；
（5）终止迭代，并输出工件相对于机器人的工件坐标系。
2.根据权利要求1所述的基于KNN-ICP算法的自由曲面定位方法，其特征在于，步骤（1）中，机器人对自由曲面采点，获得的点云数据数量
Figure 395083DEST_PATH_IMAGE017
，且
Figure 99734DEST_PATH_IMAGE018
。
3.根据权利要求1所述的基于KNN-ICP算法的自由曲面定位方法，其特征在于，步骤（4）中采用四元数法，计算旋转矩阵
Figure 657886DEST_PATH_IMAGE011
和平移矩阵
Figure 422579DEST_PATH_IMAGE012
，假设实际测量点集和理论目标点集分别为
Figure 315449DEST_PATH_IMAGE019
和
Figure 73058DEST_PATH_IMAGE020
，旋转矩阵为
Figure 563DEST_PATH_IMAGE011
，平移矩阵为
Figure 686890DEST_PATH_IMAGE012
，则具体计算步骤为：
(4.1) 计算点集
Figure 67056DEST_PATH_IMAGE019
和
Figure 113510DEST_PATH_IMAGE020
的中心
Figure 144788DEST_PATH_IMAGE021
和
Figure 251285DEST_PATH_IMAGE022
，并进行中心化处理：
Figure 869479DEST_PATH_IMAGE023
,
Figure 719623DEST_PATH_IMAGE024
,
Figure 356141DEST_PATH_IMAGE025
，
(4.2) 根据中心化后的数据点集，计算协方差矩阵
Figure 888666DEST_PATH_IMAGE026
，并通过协方差矩阵构造正定矩阵
Figure 243424DEST_PATH_IMAGE027
：
Figure 631680DEST_PATH_IMAGE028
Figure 139015DEST_PATH_IMAGE029
(4.3) 计算出正定矩阵N的特征值，其中对应最大特征值的特征向量对应着旋转四元数为：
Figure 587314DEST_PATH_IMAGE030
(4.4) 用旋转四元数
Figure 413057DEST_PATH_IMAGE031
表示旋转矩阵R为：
Figure 605004DEST_PATH_IMAGE032
(4.5) 根据
Figure 216114DEST_PATH_IMAGE033
，计算平移矩阵
Figure 586046DEST_PATH_IMAGE034
。
CN202010748896.7A 2020-07-30 2020-07-30 一种基于knn-icp算法的自由曲面定位方法 Pending CN111882614A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010748896.7A CN111882614A (zh) 2020-07-30 2020-07-30 一种基于knn-icp算法的自由曲面定位方法
PCT/CN2020/108784 WO2022021479A1 (zh) 2020-07-30 2020-08-13 一种基于 knn-icp 算法的自由曲面定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010748896.7A CN111882614A (zh) 2020-07-30 2020-07-30 一种基于knn-icp算法的自由曲面定位方法

Publications (1)

Publication Number Publication Date
CN111882614A true CN111882614A (zh) 2020-11-03

Family

ID=73204247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010748896.7A Pending CN111882614A (zh) 2020-07-30 2020-07-30 一种基于knn-icp算法的自由曲面定位方法

Country Status (2)

Country Link
CN (1) CN111882614A (zh)
WO (1) WO2022021479A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116991117B (zh) * 2023-09-25 2024-01-05 南京航空航天大学 一种面向个性化零件加工的快速编程方法
CN118036899B (zh) * 2024-04-10 2024-06-14 山东亿昌装配式建筑科技有限公司 基于bim的建筑装修智慧管理***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010028247A (ko) * 1999-09-20 2001-04-06 유범상 금형 연마 로봇의 자동화 제어방법
CN103955939A (zh) * 2014-05-16 2014-07-30 重庆理工大学 三维扫描***中点云拼接用边界特征点配准方法
CN104484508A (zh) * 2014-11-26 2015-04-01 华中科技大学 复杂曲面零件非接触式三维匹配检测优化方法
CN104680530A (zh) * 2015-03-01 2015-06-03 江西科技学院 一种icp算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010028247A (ko) * 1999-09-20 2001-04-06 유범상 금형 연마 로봇의 자동화 제어방법
CN103955939A (zh) * 2014-05-16 2014-07-30 重庆理工大学 三维扫描***中点云拼接用边界特征点配准方法
CN104484508A (zh) * 2014-11-26 2015-04-01 华中科技大学 复杂曲面零件非接触式三维匹配检测优化方法
CN104680530A (zh) * 2015-03-01 2015-06-03 江西科技学院 一种icp算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
夏永刚: "利用三维激光扫描数据和KNNs-ICP算法进行变形分析", 《江西科学》 *

Also Published As

Publication number Publication date
WO2022021479A1 (zh) 2022-02-03

Similar Documents

Publication Publication Date Title
CN108638069B (zh) 一种机械臂末端精确运动控制方法
CN109883443B (zh) 一种线结构光传感器空间姿态标定方法
CN109163675B (zh) 一种基于激光跟踪仪检测角摆轴位置精度的方法
CN102183205A (zh) 一种大型零部件最佳装配位姿匹配的方法
CN111882614A (zh) 一种基于knn-icp算法的自由曲面定位方法
CN114055255B (zh) 一种基于实时点云的大型复杂构件表面打磨路径规划方法
CN113421291B (zh) 利用点云配准技术和三维重建技术的工件位置找正方法
CN113486470B (zh) 一种考虑非理想表面接触状态的装配***姿计算方法
CN110103071B (zh) 一种变形复杂零件的数字化寻位加工方法
CN109597357B (zh) 一种面向叶片旋铣工艺的数控编程方法及装置
CN109858124B (zh) 一种航空发动机叶片的测量与磨削量计算方法
CN112304218B (zh) 工业机器人的工具中心点位置标定方法及***
CN112907735A (zh) 一种基于点云的柔性电缆识别与三维重建方法
CN109323665B (zh) 一种线结构光驱动全息干涉的精密三维测量方法
Liu et al. High precision calibration for three-dimensional vision-guided robot system
Wang et al. Fast forward kinematics algorithm for real-time and high-precision control of the 3-RPS parallel mechanism
CN114924527A (zh) 适用于圆柱磨抛工具的机器人力控磨抛轨迹规划方法及***
Xie et al. Pose error estimation using a cylinder in scanner-based robotic belt grinding
CN115937468A (zh) 一种无数模工件机器人加工程序自动生成方法
CN113799130B (zh) 一种人机协作装配中的机器人位姿标定方法
CN109773593B (zh) 一种基于余量约束条件下的磨削方法
CN112936274B (zh) 一种机器人夹持的柔性打磨轮位姿辨识方法
CN112784364A (zh) 一种飞机翼身接头加工余量计算方法
Zhang et al. Robot automation grinding process for nuclear reactor coolant pump based on reverse engineering
Qi et al. Accurate clamping method of multipoint flexible fixture for large complex surface

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201103

RJ01 Rejection of invention patent application after publication