CN114417524A - 基于点云薄壁圆筒尺寸精度分析与ar可视化方法 - Google Patents

基于点云薄壁圆筒尺寸精度分析与ar可视化方法 Download PDF

Info

Publication number
CN114417524A
CN114417524A CN202111614672.8A CN202111614672A CN114417524A CN 114417524 A CN114417524 A CN 114417524A CN 202111614672 A CN202111614672 A CN 202111614672A CN 114417524 A CN114417524 A CN 114417524A
Authority
CN
China
Prior art keywords
thin
point cloud
wall cylinder
point
wall
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
CN202111614672.8A
Other languages
English (en)
Other versions
CN114417524B (zh
Inventor
王淑侠
张啸天
侯正航
刘岱松
何卫平
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN202111614672.8A priority Critical patent/CN114417524B/zh
Publication of CN114417524A publication Critical patent/CN114417524A/zh
Application granted granted Critical
Publication of CN114417524B publication Critical patent/CN114417524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Numerical Control (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明公开了一种基于点云薄壁圆筒尺寸精度分析与AR可视化方法，将薄壁圆筒点云微分为切片，采用各切片中心点拟合轴线，然后计算出超差部分，将超差部分与其邻域点云去除，继续微分‑切片‑拟合‑去点，迭代循环，从而精确计算出薄壁圆筒的尺寸超差部分，并且分割出标记点云，求取标记位姿，用于点云的虚实融合注册，将尺寸精度分析结果叠加在薄壁圆筒实体上，用于指导修形。本发明能实现薄壁圆筒尺寸误差的自动分析，可以在数据比剔除超差部分影响，提高尺寸误差分析的精度，可以将分析结果直接叠加显示到薄壁圆筒零件表面，解决误差信息展现不直观的问题。

Description

基于点云薄壁圆筒尺寸精度分析与AR可视化方法
技术领域
本发明属于部件检测技术领域，具体涉及薄壁圆筒尺寸精度分析与AR可视化方法。
背景技术
薄壁圆筒类零件因比强度高可很大程度上减轻结构重量，在航空航天行业应用广泛。但在加工工艺方面，薄壁圆筒类零件刚度差，在加工过程中容易产生变形，一次加工的质量不高。现有的薄壁圆筒类零件加工大多采用加工-测量-修形-测量的加工流程，测量与修形流程反复进行，测量过程对零件的加工效率影响较大。
目前国内工厂薄壁圆筒类零件的测量仍以手工为主，人工测量效率低下且难以准确找到超差部位。而国内工厂已经具备零件点云采集设备，使用点云对薄壁圆筒尺寸精度分析进行分析已经有了足够的数据支持，但并没有特别针对薄壁圆筒的误差分析方法。传统方法在将薄壁圆筒点云模型与CAD模型对齐时没有考虑超差部分引起的轴线偏移，而对于薄壁件来说，轴线偏移对尺寸精度分析影响严重。且这些方法分析结果都与实际零件分离，难以实际引导修形。
发明内容
为了克服现有技术的不足，本发明提供了一种基于点云薄壁圆筒尺寸精度分析与AR可视化方法，将薄壁圆筒点云微分为切片，采用各切片中心点拟合轴线，然后计算出超差部分，将超差部分与其邻域点云去除，继续微分-切片-拟合-去点，迭代循环，从而精确计算出薄壁圆筒的尺寸超差部分，并且分割出标记点云，求取标记位姿，用于点云的虚实融合注册，将尺寸精度分析结果叠加在薄壁圆筒实体上，用于指导修形。本发明能实现薄壁圆筒尺寸误差的自动分析，可以在数据比剔除超差部分影响，提高尺寸误差分析的精度，可以将分析结果直接叠加显示到薄壁圆筒零件表面，解决误差信息展现不直观的问题。
本发明解决其技术问题所采用的技术方案包括如下步骤：
步骤1：首先分割出薄壁圆筒零件的主体部分薄壁圆筒点云和其余部分点云，初步拟合薄壁圆筒点云轴线；
步骤2：按照初步拟合的点云轴线对薄壁圆筒点云进行微分切片；
步骤3：对每个微分切片分别进行拟合，求取中心点，然后对所有的中心点进行直线拟合得到薄壁圆筒的轴线；
步骤4：根据拟合得到的薄壁圆筒的轴线对薄壁圆筒进行尺寸精度分析：薄壁圆筒各点距离轴线在公差范围内的为合格点，否则为超差点；将所有超差点以及以每个超差点为球心壁厚为半径范围内的点云从薄壁圆筒点云中移除，余下点云为候选合格点；
步骤5：重复步骤2-步骤4，每轮迭代仅使用上一轮迭代得到的候选合格点作为步骤2中的薄壁圆筒点云，当候选合格点的数量不变或数量变化量小于设定值时迭代结束；将每一轮迭代中合格点数最多的那一轮拟合得到的轴线作为最佳轴线；
步骤6：对步骤1分割得到的薄壁圆筒点云进行遍历，计算所有点与最佳轴线的距离：如果距离落入公差带内，则记为合格点，渲染为颜色一；否则如果距离未落入公差带内，则记为超差点；对于超差点，如果距离大于公差带范围，则渲染为颜色二，如果距离小于公差带范围，则渲染为颜色三；得到薄壁圆筒尺寸精度分析可视化结果；
步骤7：将薄壁圆筒尺寸精度分析可视化结果与其余部分点云合并，得到薄壁圆筒零件点云尺寸精度分析可视化结果；
步骤8：将薄壁圆筒零件点云尺寸精度分析可视化结果与薄壁圆筒零件叠加，使虚拟信息与真实零件重合，便于工人直接在零件实体上找到零件超差部分，步骤如下：
步骤8-1：在薄壁圆筒零件的标记面上贴上人工标识码；
步骤8-2：创建AR工程应用，调整人工标识码和薄壁圆筒零件点云尺寸精度分析可视化结果的相对位姿，使人工标识码与标记面重合，将AR工程应用部署至AR设备；
步骤8-3：使用AR设备识别人工标识码，获取人工标识码在实际空间中的位姿，根据AR工程预设的人工标识码与薄壁圆筒零件点云尺寸精度分析可视化结果的相对位姿关系，实现薄壁圆筒零件点云尺寸精度分析可视化结果和薄壁圆筒零件实体的虚实融合。
优选地，所述步骤1中分割出薄壁圆筒零件的主体部分薄壁圆筒点云和其余部分点云采用的方法为基于随机采样一致性的圆柱拟合方法。
优选地，所述步骤2对每个微分切片分别进行拟合所用方法为最小二乘拟合。
优选地，所述步骤3对所有的中心点进行直线拟合采用方法为最大似然估计采样一致性。
本发明的有益效果如下：
1、本发明可以将薄壁圆筒实际尺寸与其理论模型进行数据比对，获取薄壁圆筒外形尺寸制造误差大小及分布，实现薄壁圆筒尺寸误差的自动分析，提高薄壁圆筒质量检测数据分析效率。
2、本发明可以在数据比剔除超差部分影响，提高尺寸误差分析的精度。
3、本发明可以解决尺寸精度信息展现不直观的问题，将信息直接叠加显示到薄壁圆筒零件表面，便于工人及时了解零件状态，为零部件的辅助找正与加工修配提供指导，提高零件加工效率。
附图说明
图1为本发明方法流程图。
图2为本发明实施例的固体火箭发动机壳体主视简图。
图3为本发明实施例的固体火箭发动机壳体测视简图。
其中：1、标记；2、标记面；3、凸台；4、定位销；5、薄壁圆筒；6、零件孔。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
一种基于点云薄壁圆筒尺寸精度分析与AR可视化方法，包括如下步骤：
步骤1：首先分割出薄壁圆筒零件的主体部分薄壁圆筒点云和其余部分点云，初步拟合薄壁圆筒点云轴线；
步骤2：按照初步拟合的点云轴线对薄壁圆筒点云进行微分切片；
步骤3：对每个微分切片分别进行拟合，求取中心点，然后对所有的中心点进行直线拟合得到薄壁圆筒的轴线；
步骤4：根据拟合得到的薄壁圆筒的轴线对薄壁圆筒进行尺寸精度分析：薄壁圆筒各点距离轴线在公差范围内的为合格点，否则为超差点；将所有超差点以及以每个超差点为球心壁厚为半径范围内的点云从薄壁圆筒点云中移除，余下点云为候选合格点；
步骤5：重复步骤2-步骤4，每轮迭代仅使用上一轮迭代得到的候选合格点作为步骤2中的薄壁圆筒点云，当候选合格点的数量不变或数量变化量小于设定值时迭代结束；将每一轮迭代中合格点数最多的那一轮拟合得到的轴线作为最佳轴线；
步骤6：对步骤1分割得到的薄壁圆筒点云进行遍历，计算所有点与最佳轴线的距离：如果距离落入公差带内，则记为合格点，渲染为颜色一；否则如果距离未落入公差带内，则记为超差点；对于超差点，如果距离大于公差带范围，则渲染为颜色二，如果距离小于公差带范围，则渲染为颜色三；得到薄壁圆筒尺寸精度分析可视化结果；
步骤7：将薄壁圆筒尺寸精度分析可视化结果与其余部分点云合并，得到薄壁圆筒零件点云尺寸精度分析可视化结果；
步骤8：将薄壁圆筒零件点云尺寸精度分析可视化结果与薄壁圆筒零件叠加，使虚拟信息与真实零件重合，便于工人直接在零件实体上找到零件超差部分，步骤如下：
步骤8-1：在薄壁圆筒零件的标记面上贴上人工标识码；
步骤8-2：创建AR工程应用，调整人工标识码和薄壁圆筒零件点云尺寸精度分析可视化结果的相对位姿，使人工标识码与标记面重合，将AR工程应用部署至AR设备；
步骤8-3：使用AR设备识别人工标识码，获取人工标识码在实际空间中的位姿，根据AR工程预设的人工标识码与薄壁圆筒零件点云尺寸精度分析可视化结果的相对位姿关系，实现薄壁圆筒零件点云尺寸精度分析可视化结果和薄壁圆筒零件实体的虚实融合。
具体实施例：
本实施例以固体火箭发动机壳体作为示例对本文方法进行说明，其结构示意图如附图2、附图3。
首先，采用基于随机采样一致性的圆柱拟合方法对固体火箭发动机壳体点云进行圆柱提取与分割，可以将固体火箭发动机壳体点云分割为薄壁圆筒(圆柱)点云和其它部分点云，并得到圆柱轴线方程。为了方便后续点云分析与处理，将点云旋转，使圆柱轴线与空间坐标系X轴平行。然后对薄壁圆筒点云和其它部分点云分别进行处理。
(1)薄壁圆筒点云处理：
①将薄壁圆筒点云沿X轴方向进行微分切片，切片数量应该依据薄壁圆筒长度和点云密度共同决定，保证每个切片点云的X坐标相差极小且点云均匀充足可支持拟合。对每个切片，忽略X轴坐标差异，仅采用Y、Z坐标进行最小二乘拟合，最小二乘拟合保证切片点云距离拟合圆的误差最短，这样可以保证尽可能多的点落在公差带范围内。以切片点云中心X坐标作为X坐标，拟合出的圆心坐标作为Y、Z坐标，得到该切片点云拟合出的中心点。
②将所有切片拟合出的中心点作为一个点云，采用最大似然估计采样一致性进行直线拟合。最大似然估计采样一致性不仅将局内点数量作为直线质量评判标准，而且结合采样模型最大似然度，综合评估模型是否最佳，可以在大多数数据样本都属于模型的情况下快速异常排斥异常点，减少误差造成的中心点偏移对拟合轴线的影响。
③根据拟合得到的轴线，遍历薄壁圆筒点云上所有点，计算每个点距离轴线的距离，判断是否落在公差带内，如果落入公差带内，则暂记为合格点，否则暂记为超差点。然后遍历超差点云，若超差点云的一定范围内(一般略大于壁厚)有合格点，将该合格点剔除，最后将剔除后得到的点云作为拟合点云。剔除超差点范围内的合格点是为了避免超差部分剔除后导致薄壁圆筒内外壁点云数量不均导致轴线偏移。依此方法处理得到的拟合点云中所有点合格的概率较高。将所有点云旋转，使圆柱轴线与空间坐标系X轴平行。
④使用拟合点云进行微分切片，重复①、②、③、④步骤，直到合格点云数量和超差点云数量都趋于稳定(点数不变或点数变化量小于一定值)，或者迭代超过一定次数。将迭代中合格点数最多的轴线作为最终拟合得到的轴线。
⑤对薄壁圆筒点云进行遍历，计算所有点与最佳轴线的距离，判断是否落在公差带内，如果落入公差带内，则记为合格点，渲染为绿色，否则记为超差点，若其大于公差带范围，则渲染为红色，若其小于公差带范围，则渲染为蓝色，得到薄壁圆筒尺寸精度分析可视化结果。
(2)其它部分点云处理：
①根据其它部分点云具体情况执行分割出标记点云。以固体火箭发动机壳体为例，其它部分点云主要分为两部分，一是壳体上的凸台及安装在凸台上的标记，二是壳体后端的半球体部分。这里可以采用KNN方法对X轴坐标进行聚类或随机采样一致性球体拟合方法执行球体分割，均可将其它部分点云分割为半球壳体点云和凸台标记点云。标记是为了虚实融合注册添加的零件，借助凸台上已有的零件孔安装，之后可以拆卸。对于凸台标记点云再次对X坐标执行直通滤波，分割凸台点云和标记点云，然后对标记点云执行随机采样一致性平面拟合，得到用于注册的标记面点云，该面是一个正方形。
②对标记面点云进行处理，求取标记面位姿。由于之前的处理中已经求得轴线，并且将所有点云旋转使得轴线与X轴平行，由于标记面与轴线垂直，即与X轴垂直因此对于标记而言，只需要确定标记面的中心点三维坐标，以及标记在YoZ平面的旋转角度(即标记正方形任一边与Y轴或Z轴的夹角)即可确定标记在点云坐标系中的位置。根据标记面点云的点密度，可以采取不同的方法获得标记面的中心点三维坐标以及标记在YoZ平面的旋转角度。
a.对于密度较大的的标记面点云，可以采用边缘提取算法提取出标记面点云的正方形边，然后进行随机采样一致性直线拟合分割出四条正方形边，求取任意一边所在直线与Y轴或Z轴的夹角即为标记在YoZ平面的旋转角度，四条正方形边共有四个交点，四个交点的中心点即为标记面的中心点。
b.对于密度较小的的标记面点云，提取出的正方形边效果可能很差，因此可以采用启发式算法进行计算。由于点云可以看作是对一个面上点的均匀采样，因此可以将标记面所有点云的中心点视为标记面的中心点三维坐标。对于标记在YoZ平面的旋转角度，可以采用穷举尝试法，对标记面点云执行旋转，角度范围为-45°到45°，角度间隔取决于所需要的精度。很容易理解，只有当正方形边与坐标轴平行或垂直时，标记面点云所有点中，Y坐标最大的点与Y坐标最小点的Y坐标差值和Z坐标最大的点与Z坐标最小点的Z坐标差值最小，因此在穷举旋转中，可以得到两个角度值，将两个角度值的平均值作为标记在YoZ平面的旋转角度。
③将薄壁圆筒尺寸精度分析可视化结果再次与其它部分点云合并，得到固体火箭发动机壳体点云尺寸精度分析可视化结果。
(3)虚实融合AR可视化
虚实融合AR可视化用于将固体火箭发动机壳体点云尺寸精度分析可视化结果和固体火箭发动机壳体实体零件叠加，使虚拟信息与真实零件重合，便于工人直接在零件实体上找到壳体的超差部分。本实例采用的硬件主要为Microsoft Hololens 2，软件主要有Unity游戏引擎、MRTK混合现实开发工具包、Vuforia扩增实境软件开发工具包、PCX点云导入渲染器。主要步骤如下：
①在将固体火箭发动机壳体实体零件的标记上贴上Vuforia码，创建对应的Vuforia 数据库。
②在Unity游戏引擎新建Unity工程，导入MRTK混合现实开发工具包、Vuforia 扩增实境软件开发工具，同时导入的标记Vuforia码对应的数据库。
③在Unity游戏引擎导入PCX点云导入渲染器，然后导入固体火箭发动机壳体点云尺寸精度分析可视化结果。
④根据其它部分点云处理中计算出的标记面的中心点三维坐标以及标记在YoZ平面的旋转角度，调整Vuforia码和壳体尺寸精度分析结果点云的相对位姿，使Vuforia 与标记面重合，并将和壳体尺寸精度分析结果点云设置为Vuforia码的子物体。
⑤将该Unity工程发布并部署至Microsoft Hololens 2。
⑥戴上Microsoft Hololens 2，扫描标记Vuforia码，Microsoft Hololens 2获取标记Vuforia码在实际空间中的位姿，根据Unity中预设的Vuforia码和壳体尺寸精度分析结果点云的相对位姿关系，实现固体火箭发动机壳体点云尺寸精度分析可视化结果和固体火箭发动机壳体实体零件的虚实融合。
通过上述方法，即可对薄壁圆筒类零件进行尺寸精度分析，并将其叠加在薄壁圆筒类零件实体上，实现基于点云的薄壁圆筒尺寸精度分析与虚实融合AR可视化，便于工人对薄壁圆筒类零件进行尺寸检测和修正。

Claims (4)

1.一种基于点云薄壁圆筒尺寸精度分析与AR可视化方法，其特征在于，包括如下步骤：
步骤1：首先分割出薄壁圆筒零件的主体部分薄壁圆筒点云和其余部分点云，初步拟合薄壁圆筒点云轴线；
步骤2：按照初步拟合的点云轴线对薄壁圆筒点云进行微分切片；
步骤3：对每个微分切片分别进行拟合，求取中心点，然后对所有的中心点进行直线拟合得到薄壁圆筒的轴线；
步骤4：根据拟合得到的薄壁圆筒的轴线对薄壁圆筒进行尺寸精度分析：薄壁圆筒各点距离轴线在公差范围内的为合格点，否则为超差点；将所有超差点以及以每个超差点为球心壁厚为半径范围内的点云从薄壁圆筒点云中移除，余下点云为候选合格点；
步骤5：重复步骤2-步骤4，每轮迭代仅使用上一轮迭代得到的候选合格点作为步骤2中的薄壁圆筒点云，当候选合格点的数量不变或数量变化量小于设定值时迭代结束；将每一轮迭代中合格点数最多的那一轮拟合得到的轴线作为最佳轴线；
步骤6：对步骤1分割得到的薄壁圆筒点云进行遍历，计算所有点与最佳轴线的距离：如果距离落入公差带内，则记为合格点，渲染为颜色一；否则如果距离未落入公差带内，则记为超差点；对于超差点，如果距离大于公差带范围，则渲染为颜色二，如果距离小于公差带范围，则渲染为颜色三；得到薄壁圆筒尺寸精度分析可视化结果；
步骤7：将薄壁圆筒尺寸精度分析可视化结果与其余部分点云合并，得到薄壁圆筒零件点云尺寸精度分析可视化结果；
步骤8：将薄壁圆筒零件点云尺寸精度分析可视化结果与薄壁圆筒零件叠加，使虚拟信息与真实零件重合，便于工人直接在零件实体上找到零件超差部分，步骤如下：
步骤8-1：在薄壁圆筒零件的标记面上贴上人工标识码；
步骤8-2：创建AR工程应用，调整人工标识码和薄壁圆筒零件点云尺寸精度分析可视化结果的相对位姿，使人工标识码与标记面重合，将AR工程应用部署至AR设备；
步骤8-3：使用AR设备识别人工标识码，获取人工标识码在实际空间中的位姿，根据AR工程预设的人工标识码与薄壁圆筒零件点云尺寸精度分析可视化结果的相对位姿关系，实现薄壁圆筒零件点云尺寸精度分析可视化结果和薄壁圆筒零件实体的虚实融合。
2.根据权利要求1所述的一种基于点云薄壁圆筒尺寸精度分析与AR可视化方法，其特征在于，所述步骤1中分割出薄壁圆筒零件的主体部分薄壁圆筒点云和其余部分点云采用的方法为基于随机采样一致性的圆柱拟合方法。
3.根据权利要求1所述的一种基于点云薄壁圆筒尺寸精度分析与AR可视化方法，其特征在于，所述步骤2对每个微分切片分别进行拟合所用方法为最小二乘拟合。
4.根据权利要求1所述的一种基于点云薄壁圆筒尺寸精度分析与AR可视化方法，其特征在于，所述步骤3对所有的中心点进行直线拟合采用方法为最大似然估计采样一致性。
CN202111614672.8A 2021-12-27 2021-12-27 基于点云薄壁圆筒尺寸精度分析与ar可视化方法 Active CN114417524B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111614672.8A CN114417524B (zh) 2021-12-27 2021-12-27 基于点云薄壁圆筒尺寸精度分析与ar可视化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111614672.8A CN114417524B (zh) 2021-12-27 2021-12-27 基于点云薄壁圆筒尺寸精度分析与ar可视化方法

Publications (2)

Publication Number Publication Date
CN114417524A true CN114417524A (zh) 2022-04-29
CN114417524B CN114417524B (zh) 2023-05-12

Family

ID=81269535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111614672.8A Active CN114417524B (zh) 2021-12-27 2021-12-27 基于点云薄壁圆筒尺寸精度分析与ar可视化方法

Country Status (1)

Country Link
CN (1) CN114417524B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740060A (zh) * 2023-08-11 2023-09-12 安徽大学绿色产业创新研究院 基于点云几何特征提取的装配式预制构件尺寸检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125226A1 (en) * 2013-09-17 2016-05-05 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Method and system for automatically optimizing quality of point cloud data
CN106874624A (zh) * 2017-03-15 2017-06-20 中南大学 对超薄壁易变形筒形件成型质量在线虚拟检测评价的方法
CN109685778A (zh) * 2018-12-12 2019-04-26 重庆大学 一种基于ct切片的机械零件的几种常见几何量检测方法
CN111581874A (zh) * 2020-06-28 2020-08-25 大连理工大学 一种薄壁曲面表层图案激光加工轨迹求解方法
US20210348927A1 (en) * 2020-05-08 2021-11-11 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and recording medium

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125226A1 (en) * 2013-09-17 2016-05-05 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Method and system for automatically optimizing quality of point cloud data
CN106874624A (zh) * 2017-03-15 2017-06-20 中南大学 对超薄壁易变形筒形件成型质量在线虚拟检测评价的方法
CN109685778A (zh) * 2018-12-12 2019-04-26 重庆大学 一种基于ct切片的机械零件的几种常见几何量检测方法
US20210348927A1 (en) * 2020-05-08 2021-11-11 Canon Kabushiki Kaisha Information processing apparatus, information processing method, and recording medium
CN111581874A (zh) * 2020-06-28 2020-08-25 大连理工大学 一种薄壁曲面表层图案激光加工轨迹求解方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
CHANGZHI YU等: "Cutting Plane Based Cylinder Fitting Method With Incomplete Point Cloud Data for Digital Fringe Projection", 《IEEE XPLORE》 *
苏伟伟: "自由态与夹紧态下薄壁曲面件加工轨迹映射关系", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
赵春璋: "超大薄壁结构柔性装配偏差建模及变形协调计算", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *
黄加福;林明山;: "基于多细节特征薄壁产品的点云数据处理应用研究", 长春师范大学学报 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740060A (zh) * 2023-08-11 2023-09-12 安徽大学绿色产业创新研究院 基于点云几何特征提取的装配式预制构件尺寸检测方法
CN116740060B (zh) * 2023-08-11 2023-10-20 安徽大学绿色产业创新研究院 基于点云几何特征提取的装配式预制构件尺寸检测方法

Also Published As

Publication number Publication date
CN114417524B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN106969703B (zh) 用于自动成型冷却孔测量的方法和***
CN109751965B (zh) 一种基于三维点云的精密球形偶件选配和间隙测量方法
CN112614098B (zh) 一种基于增强现实的毛坯定位与加工余量分析方法
CN105783786B (zh) 一种基于结构光视觉的零件倒角测量方法与装置
CN110455187B (zh) 一种基于三维视觉的盒体工件焊缝的检测方法
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***
Srinivasan et al. Automatic part localization in a CNC machine coordinate system by means of 3D scans
CN109685778B (zh) 一种基于ct切片的机械零件的几种常见几何量检测方法
CN104392476A (zh) 基于最小包围盒算法提取隧道三维轴线的方法
Newman et al. A system for 3D CAD-based inspection using range images
CN116740060B (zh) 基于点云几何特征提取的装配式预制构件尺寸检测方法
CN116452583B (zh) 点云缺陷检测方法、装置、***及存储介质
CN111932669A (zh) 一种基于边坡岩体特征对象的变形监测方法
CN114417524B (zh) 基于点云薄壁圆筒尺寸精度分析与ar可视化方法
CN112734662A (zh) 一种针对锥齿轮磨损的机器视觉检测方法及***
CN114170284B (zh) 基于主动标志点投射辅助的多视图点云配准方法
CN111008602B (zh) 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法
CN115235375A (zh) 盖板类工件的多圆特征参数测量方法、检测方法和装置
CN115482211A (zh) 隧道超欠挖检测方法、装置、电子设备和存储介质
Wang et al. A binocular vision method for precise hole recognition in satellite assembly systems
CN114608478A (zh) 一种高精度曲面薄片的前后缘参数量测方法
CN114792324A (zh) 轧钢机螺栓头部视觉分割与定位方法
Ravishankar et al. AIWIN—a fast and jigless inspection technique for machined parts
CN112215823A (zh) 一种基于点云的警冲标平面位置测量方法
Park et al. Robust inspection technique for detection of flatness defects of oil pans

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