基于UG的水轮机叶片的逆向反求

借助三坐标测量机测量叶片原始点数据并在三维CAD软件UGS NX中用进行三维造型的逆向反求工程方法.叶片建模的点数据来自实物叶片的测量资料,包括样板曲线和叶片表面上不规则的测量点云.逆向反求过程为数据采集、数据处理转换、数据导入、创建叶片轮廓曲线、用三维数据创建叶片轴面型线、创建叶片网格曲线、创建叶片外表面曲面、创建叶...     

基于UG的逆向CAD的应用

逆向工程技术是进行产品设计、产品快速开发和创新的先进制造技术,它可以实现很多传统设计不能完成的复杂曲面CAD三维建模任务.在研究点云数据处理、特征分类和识别、曲线和曲面重构等逆向工程的关键技术的基础上,基于UG二次开发实现对点云数据特征的提取功能.     

Embedded CMAC learning controller for scan-tracking measurement in copying manufacture: results of a case study

Surface scan-tracking measurement is one of the key technologies in copying manufacture. In conventional scan-tracking measuring processes of irregular surface, the model surface geometric shape and the friction between the probe and model surface are two main factors that can seriously affect the measuring accuracy and efficiency. In order to reduce the impact of these factors and improve measurement efficiency while maintaining measurement accuracy, this paper presents a novel embedded cerebellar modular articulation controller (CMAC) learning controller for scan-tracking measurement in copying manufacture. New approaches to model surface features (including geometric feature and friction feature) identification and quantification are given specifically. Conventional scan-tracking control law is improved by taking into account the impact of model surface feature, and it is combined with CMAC neural network so that it can automatically predict the surface features and adjust the scan-tracking velocity in advance. Thus, high measuring efficiency can be obtained by accelerating scan speed in smooth areas of model surface and decelerating prior to scanning the surface feature cusp regions. Working with a commercial open CNC system, the design steps, integration process, and results of applying the embedded CMAC learning controller were described in detail through the examples of real measurement. Actual industrial tests show a higher measurement efficiency which demonstrates the effectiveness of proposed control strategy for scan-tracking measurement.     

基于坐标配准的牙颌测量点云拼合技术研究

针对牙颌等待测物非接触式光学三维测量,提出了一种融入标定功能的夹具设计方法,实现了测量过程中待测物与标定靶的空间一致性;定义了单目视觉测量过程涉及到的坐标系统;提出了一种基于坐标配准的点云拼合技术,简化了点云拼合流程,实现了点云拼合理论零误差;应用张正友标定方法对摄像机进行了标定;通过实验验证,得到了具有一定精度的牙颌三维模型点云拼合数据,实现了较快的测量速度,为提高牙颌测量系统的整体精度提供了有力支撑。     

采用自适应背景聚类的激光雷达与相机外参标定优化方法

针对在复杂外部环境下激光雷达外参标定过程中遇到的标定板三维点云提取不准确的问题,提出一种基于背景聚类的激光雷达和相机外参标定优化方法,避免了在整个三维点云中盲目检测标定板点云,而导致标定结果存在较大误差以及需要人工手动纠正错误特征点的问题。该方法利用无标定板的背景点云与有标定板的目标点云之间部分空间域内的密度差异性,通过自适应空间阈值模型获得标定板点云与背景点云之间的差异系数K,然后聚类两点云中的部分三维点,完成标定板的三维点云提取。实验证明,该方法可以在复杂环境中准确高效地提取标定板三维点云,从而提高激光雷达和相机外参标定的准确性,在此基础上点云正确投影比例可达97.43%,与对比方法相比投影误差降低25.33%左右。     

基于深度测量的行人体态特征提取与再识别方法

行人再识别是视觉监控系统的核心问题之一,然而传统基于彩色图像的特征提取方法难以用于极暗光照条件下的行人再识别。本文提出一种基于深度测量的行人体态特征提取方法,由于深度测量独立于光照条件,因此所提方法可以在极暗光照条件下对行人目标进行有效识别。由深度数据经过分割和滤波生成人体点云,将观测点云与初始人体模型进行配准,基于配准后的点云对人体模型的体态参数和姿态参数进行联合估计,计算体态特征向量的欧式距离实现行人再识别。在公开数据集和实验室自采数据集上进行验证,计算Rank-n、累计匹配曲线、平均精度均值等性能指标,其中在Single shot评估模式下BIWI数据集的Rank-1可达到70.71%、Rank-5可达到92.32%,结果表明本文所提算法可有效提高再识别精度。     

逆向工程在导流罩产品再设计中的应用

以水下超声波测量仪上导流罩零件为研究对象,探讨逆向工程在产品开发中的应用.介绍通过三维激光扫描仪对导流罩进行点云采集;利用Imageware软件进行点云数据处理、基准建立、创建曲线并结合UGNX软件进行导流罩实体创建;根据导漉罩结构、成型工艺分析,基于UGNX软件对获得的三维模型进行再设计的全过程.结果表明,该方法可行、有效,可极大提高产品开发速度.     

先验概率与曲线概率阈值分割相结合的消噪方法

针对二维激光扫描仪获取的原始点云数据存在噪声点而影响测量精度的问题,提出了基于先验概率算法与曲线概率阈值分割的点云数据消噪方法。以异形截面环形件为实验对象,运用该消噪方法对原始数据进行处理,分别采用原始数据和消噪数据计算了环件台阶轴的高度,并将其与环件的真实值进行了对比。对比结果表明,消噪后数据的计算值更接近环件的真实值,从而验证该算法能有效提高测量精度。     

A simple point cloud data reduction method based on Akima spline interpolation for digital copying manufacture

Point cloud data acquisition is the first key step in digital copying manufacture. In order to reduce extremely dense acquired data while maintaining data accuracy, this paper presents a simple and practical on-line point cloud data reduction method for digital copying manufacture, which is based on Akima spline interpolation. The basic idea of this method is similar to sketch painting: Outline the broad contour of the curve first and then revise local details until the interpolated curve satisfies the required accuracy. In this method, Akima spline interpolation is adopted to connect acquired points for CNC machining in digital copying process. It obtains a smaller data reduction ratio and a smoother machined surface than conventional methods. Experimental results indicate that the proposed Akima reduction method is able to eliminate redundant data effectively under different required accuracy. The reduction performance of this method is superior to equal ATCD reduction method obviously under the same required accuracy. The proposed method can be used in the real-time data acquisition process of digital copying manufacture to replace traditional methods.     

自由曲面测量点云数据的建模方法研究

本文提出了一种散乱点云数据的建模新方法。通过对点云数据进行空间三维划分，实现了边界信息的高效提取。采用局部曲面拟合方式得到位于截平面上的有序数据，使得无序的散乱数据形成了有序的阵列数据，实现了NURBS曲面的精确拟合。实验证明，该方法非常适合卷曲类模型的自由曲面重构，在某零件的测量、建模和加工中已经得到了实际应用。     

基于轮廓法的金刚石线锯整周三维表面形貌测量和评价

针对毫米级尺度线径和微米级尺度磨粒的金刚石线锯整周三维表面形貌测量难以实现与定量评价问题,提出一种基于轮廓法的圆周扫描表面磨粒形貌测量与分析方法。通过显微测量系统沿周向扫描采集金刚石线锯对应的边缘轮廓图像序列,经图像处理后获得金刚石线锯整个圆周表面形貌的坐标点云,采用三次样条插值法对数据进行平滑处理,经圆柱坐标变换处理,可重构金刚石线锯三维表面形貌。在金刚石线锯常用评价参数基础上,提出基于扫描过程二维投影轮廓和三维重构形貌的综合评价参数。采用自行研制的测量系统,对两个规格的线锯（线径外径分别为0.250 mm、0.320 mm;磨粒粒径范围30~40 μm）进行测量和评价。试验结果表明：该方法无需多次拼接,就可完成金刚石线锯整周三维微观形貌测量,并能实现对线锯特征参数的全面评价,可为线锯本身制造及使用过程中的工艺优化提供更加客观的基础数据。     

单线激光雷达与GNSS/INS的空间重构

为了解决多线激光雷达在三维空间重构任务中数据吞吐量过大导致运算负担过重以及扫描俯仰范围有限的问题,本文提出了一种利用单线激光雷达与惯性测量单元GNSS/INS相互结合的多站点扫描空间重构方案及相应解算方法。首先使用单线激光雷达扫描待测空间获取三维尺度信息,然后将点云数据与对应的任意方向的航向角相结合,再利用四元数姿态解算获取各站点扫描的点云图像。为提高计算效率,使用迭代最近点算法实现站点间点云配准时,对待匹配点云数据筛选并更新。实验结果表明在保留点云数字特征前提下,单线激光雷达与GNSS/INS系统能够提高76%的运算速率。本文提出的硬件方案和解算方法不但能够实现较高的配准精度,与多线激光雷达方案相比工程成本也得到显著下降。     

一种基于标定点拟合的铁路桥梁线性裂缝长度测量方法

针对走向不规则的铁路桥梁线性裂缝骨架,采用单一光滑处理的拟合算法很难精确表达裂缝轮廓特征。提出一种多项式曲线拟合方法,以裂缝轮廓标定点为边界点进行分段,然后再进行叠加来产生一条连续的轮廓曲线,进而实现裂缝长度的测量。通过对比不同形状的线性裂缝测量实验表明:所提算法不仅能有效消除裂缝骨架提取过程中产生的锯齿问题,而且该拟合曲线能够真实表达被测表面的轮廓特征,拟合相对偏差不超过0.15,测量精度达到98.05%,为铁路桥梁裂缝长度测量提供了一种新的测量方法。     

人体散乱点云数据的区域分割算法

正确的人体点云数据分析不仅是人体3D测量的必要手段,更是未来服装数字化设计的基础,也是服装定制化智能生产的数据来源。人体散乱点云数据相比规整数据拥有更多的噪声及不规则性,这使得提取轮廓以及提取分割特征点更加困难。为了解决人体散乱点云数据分割难题,提出了基于移动最小二乘的切割算法。首先使用主成分分析法进行点云数据的调整,并使用夹角分析法提取投影到特定平面的二维轮廓。在此基础上,采用移动最小二乘法对部分二维数据点进行局部拟合并根据导数信息提取分割特征点。最后,利用VT K作为点云显示平台,对不同人体点云数据进行算法验证。实验结果表明,该分割方法实用可靠。     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

特征提取的点云自适应精简

作为一种反映物体形貌的三维信息,点云数据的原始数据量十分庞大,直接对过多的数据进行操作会影响后续重建等工作。本文提出了一种新的点云特征提取自适应精简算法。首先对原始点云进行空间划分,构建点的k邻域,设置特征参数,进行特征分析,识别不同区域的信息和数据。然后针对平面数据预先进行边界的检测和提取,对剩余部分进行精简。最后,针对非平面区域,先提取特征,再根据曲率的不同进行不同程度的精简。办公室数据扫描实验结果表明,处理大小为百万以内点的点云模型可以在几秒之内完成,精简比能够达到90%以上,与原始数据间的误差较小:平面部分在精简前后平均偏差均在0.02mm以内,波动很小,为0.005 7mm;非平面区域精简前后的平均偏差均在0.08mm左右,差值仅为0.000 3mm,精简精度得以保证。因此,利用提出的算法处理后的数据能更好地展示物体的形貌。     

反求工程中基于边界扩展的三角网格构造

针对非接触式方式测量的大规模散乱点云数据建模，提出一种三角剖分算法，该算法适用于多张自由曲面片构成的曲面物体，尤其适用于含内孔的曲面对象。算法过程包括两个阶段：第一阶段，采用一种空间栅格装点法来进行初始点云数据精简，精简比率通过栅格小正方体单元尺寸控制；第二阶段，构造种子三角形，通过连接已剖分网格区域的边界边与最优扩展点采形成三角网格，从而向外延展，也可以时一个带有内孔的复杂自由曲面直接进行三角剖分，无需人工分区。实验结果表明该算法可以快速、有效地从三维数据点云建立几何模型。     

3D measurement of gears based on a line structured light sensor

Gears are core components of transmission systems. The current trend of gear measurements is the rapid and full digitization. To rapidly obtain information on the three-dimensional (3D) shape of the gear tooth flank, a 3D point cloud measurement system based on a line structure light sensor and high precision air floating rotary table is proposed. The system can acquire more than 1.5 million 3D data points on one side of the gear tooth flank within less than 5 s. In this study, the measured 3D point cloud data is used to calculate the profile error, pitch error, then compared to those obtained from traditional contact measurements. In addition, tooth flank error was evaluated. The results show that the 3D point cloud measurement system can perform fast and accurately in 3D measurements of gears and it is a novel system for gear measurement and error calculation.     

点云数据的二次曲面几何测量方法

基于点云的几何测量方法是非接触式测量的重要方法。针对点云数据,提出了一种基于待定系数的二次曲面的几何测量方法,建立了求解不同二次曲面（球面、柱面和圆锥面）的统一框架。根据二次曲面方程与不同类型二次曲面几何量的关系,给出了球面、柱面和圆锥面的具体几何参数的求解方法。实验证明,该方法能在短时间内精确地测量所需的几何值,方法切实可行。     

采用非规则标识点过程的LiDAR点云数据目标提取

针对LiDAR点云数据目标投影几何的非规则性,提出非规则标识点过程的LiDAR点云数据目标提取方法。首先,在投影平面上定义随机点过程,利用其随机点定位该平面上的目标投影,对每一随机点生成一组节点集以建模该目标投影几何,作为目标标识;假设地物目标高程值服从独立同一高斯分布,从而得到LiDAR点云数据高程测度模型;在贝叶斯理论架构下建立目标几何提取模型,并结合可逆跳变马尔可夫链蒙特卡罗(Reversible Jump Markov Chain Monte Carlo,RJMCMC)算法模拟后验分布以及估计各参数;最后根据最大后验概率准则,求解最优目标提取模型。采用提出方法对LiDAR点云数据进行目标提取,根据实验结果可以看出,算法得到的检测精度均达到80%以上,最高精度为99.43%,得到了较好的检测结果。本文将传统的规则标识点过程拓展到非规则标识点过程,可以有效拟合任意形状目标几何。定性和定量的实验结果表明了该方法的可行性、有效性和准确性。