基于多尺度分析的截面线特征点自动提取及B样条曲线拟合

针对多尺度特征并存截面数据的曲线拟合,提出一种尺度分析与去除细节小波重建相结合实现截面线去噪和特征点自动识别方法,并在此基础上实现截面线的拟合。首先根据截面线局部形状尺度因子,将截面线分成平滑段和波动段,针对不同尺度的特征段在相应的尺度下分别对各段用去除细节小波重建去除噪声,然后对去噪后的局部特征段根据截面线曲率、曲率线找出截面线上的显著点和拐点,构造插值于这些特征点的B样条曲线,就可以实现对原曲线的拟合。实验结果表明,所构造的曲线既能剔除噪声,又能更好地保留原截面线的特征。     

逆向工程特征点提取与参数化建模方法研究

通过对逆向建模特点与参数化建模方法的研究,提出一种特征截面轮廓线提取与参数化设计的逆向建模新思路。首先,以Geomagic Studio软件完成对电动汽车车头扫描数据预处理,实现特征截面插入与特征轮廓线的提取,并在CATIA软件中进行曲率分析;其次,通过分析特征曲线曲率变化识别特征点,并测量出特征点三维数据;最后,运用Visaul Basic对CATIA进行二次开发,以特征点数据为参数,生成截面特征样条曲线,再进行曲面重构,实现参数化设计的逆向建模。结果表明:以Geomagic Studio与CATIA软件为平台,完成了截面插入和曲率分析,获取了特征轮廓线及特征点三维数据,实现了逆向特征提取与参数化设计相结合的建模方法。     

逆向工程中离散曲率估算及其可视化的实现

采用Meyer离散曲率估算方法估算了三角网格模型的顶点曲率;在此基础上,通过图像处理中的直方图均衡化算法对曲率值进行处理,并用颜色索引表建立了曲率和颜色间的映射关系,以曲率的可视化来清晰地反映网格模型的曲率变化,进而验证曲率估算的准确性,突出凹凸特征显示;为逆向工程中的数据分割、特征识别以及模型优化等提供技术保证。     

关于截面线数据特征线提取的研究

特征线的提取是逆向工程中的关键环节之一,截面线数据作为逆向工程中重要数据来源对其进行特征线提取研究有着重大意义。近年来,对于特征线提取的研究大都针对于点云和三角网格数据,对于准有序的截面线数据的研究较少。提出一种截面线数据特征线自动提取的算法,光顺截面线轮廓,去除噪点和误差较大的点;计算离散曲率,曲率突变的点即为特征点;提出特征线自动生成算法,自动识别分叉点,偏差点,将得到的特征点集拟合生成光滑特征线。     

一种新的截面轮廓特征点识别与分段曲线类型判别算法

截面特征处理技术是基于特征的反求工程CAD建模中的一个重要组成部分,而特征点识别、分段曲线类型判别是其首要环节。本文提出一种新的算法:首先对截面数据点排序;然后基于协方差矩阵的特征值分析自适应地确定支撑区域;在此基础上计算离散点的曲率进而完成特征点识别并实现数据分段;最后确定每个分段数据所对应的曲线类型。实验表明:算法精度较高,为基于特征的截面曲线重建提供了依据。     

以UG为平台的逆向工程数据处理技术

基于UG基础平台,应用逆向工程点云切片数据提取理论开发逆向工程模块.通过建立多个与点云数据相交截面,提取点云数据的特征边界点,再将特征点拟合成线,线拟合成面或体.实例显示该模块能有效地从散乱点云数据中提取特征点,实现在UG环境下逆向建模.该方法也解决了UG从部分逆向软件导入后数据不能编辑、修改的问题.     

逆向工程约束识别及归约处理

基于特征约束建模的思想就是从测量数据中提取出特征参数,并推断出特征之间的约束关系,从而实现设计意图的重现,进行再设计,实现产品的创新。本文研究了逆向工程中截面轮廓特征和规则二次曲面特征约束自动识别方法,在测量阶段对一些较为简单的约束进行初步识别,然后利用预定的域值参数识别特征元之间的关系,并对识别得到的约束进行合并归约处理,尽量得到原模型的全部特征间的约束,以建立完备的逆向工程特征约束模型。     

未知自由曲面数字化自适应采样方法

为实现逆向工程中未知自由曲面高效、高精度的数字化测量,提出一种基于探路法的自适应采样方法。在接触式测头(Touch probe,TP)的两侧各安装一个点激光测头(Point laser probe,PLP),建立坐标转换模型将各个测头的测量值统一到基准坐标系下。逐行采样过程中,在测量方向上,PLP用于探路测量,系统实时地对探路测量数据进行处理并拟合成B样条曲线,根据拟合曲线的曲率特征为TP测量规划合理的测量路径,TP以探路结果为指导完成自适应采样。在测量截面进给方向上,通过截面间夹角分析,自适应地细分测量截面。仿真和试验结果表明,该方法能根据曲面特征合理地布置采样点,有效地提高未知自由曲面数字化采样的效率和精度,为逆向工程提供良好的采样数据。     

G~1连续的截面数据高精度重构方法研究

针对逆向工程中分段点无法精确提取导致边界约束信息不准确,进而造成截面特征重构结果不理想的问题,提出一种高精度截面数据重构方法。根据截面数据的离散曲率信息初步提取分段点,确定理想分段点所在区域,并以区域端点为界将截面数据分割成具有单一特征的数据段;优先重构直线,再重构自由特征:耦合边界约束模型和自由特征自身的重构模型,建立优化模型,采用拉格朗日乘子法求解。在自由特征的重构过程中,建立特征间连接点的精确提取模型,利用黄金分割法动态搜索最优连接点。实例分析表明,由于特征间连接点的高精度识别,使得重构结果能很好地还原产品模型的初始设计意图,提高了重构三维CAD模型的精度和质量。     

Imageware中光滑拼接曲面的方法

逆向工程软件的曲面反求中,曲率较大的地方往往难以得到较好的曲面反求效果,针对该问题提出了一种基于曲率变化的分块曲面构建拼接方法。该方法根据曲率显示的点的颜色特征进行点云数据的分割,分别获得单片光滑曲面,然后将单片曲面拼接起来以实现完整的自由曲面造型。在曲面拼接过程中,调整两片曲面相邻两列控制点,使其三点共线,以达到拼接处一阶连续。最后通过一个典型的实例证明该方法构造的曲面与原始点云的最大误差为由点阵直接拟合生成的曲面误差的1／3,为由点一线一面构造的整块曲面误差的1／5。     

反求工程中切片数据处理及断面特征曲线全局优化技术

针对基于特征的反求工程中,各种曲面特征处理技术的研究已经比较深入,平面切片数据的特征处理技术研究相对不足的现状,研究并实现了处理切片数据的离散曲率分析、数据分段、特征识别和基于连续性约束的断面特征曲线全局优化技术,使获得的断面特征曲线在满足约束的同时对数据点的逼近误差达到最小。应用实例表明,通过点云切片和断面特征曲线全局优化技术进行反求工程曲面模型重建,可以显著提高曲面重建的效率和曲面的质量。     

REVERSE MODELING FOR CONIC BLENDING FEATURE

A novel method to extract conic blending feature in reverse engineering is presented. Different from the methods to recover constant and variable radius blends from unorganized points,it contains not only novel segmentation and feature recognition techniques,but also bias corrected technique to capture more reliable distribution of feature parameters along the spine curve.The segmentation depending on point classification separates the points in the conic blend region from the input point cloud.The available feature parameters of the cross-sectional curves are extracted with the processes of slicing point clouds with planes,conic curve fitting,and parameters estimation and compensation.The extracted parameters and its distribution laws are refined according to statistic theory such as regression analysis and hypothesis test.The proposed method can accurately capture the original design intentions and conveniently guide the reverse modeling process.Application examples are presented to verify the high precision and stability of the proposed method.     

神经网络在逆向工程中进行三维实体特征识别

介绍了一种基于神经网络直接从测量数据中提取三维实体特征的方法，包括以下几个部分：（1）点云边点识别和区域分割；（2）对点云边点进行拟合，形成特征边，并进行特征编码；采用ANN进行特征识别；（3）由边特征信息提取特征参数，构造三维实体特征。由神经网络方法直接提取实体特征使逆向工程集成制造系统的建立更为方便。     

非均匀有理B样条曲线多分辨率特征几何建模研究

NURBS曲线的几何建模,传统方法是通过模型的控制顶点对曲线进行操作、编辑和处理,繁琐费时,使NURBS曲线的设计变得十分困难。基于一种新的半正交非均匀B样条小波多分辨率技术将单一尺度几何空间变换到多尺度空域和频域空间,NURBS曲线的整体结构和局部细节被转化为曲线的多尺度整体特征和细节特征。通过对这种多尺度特征的编辑、操作和处理有效实现NURBS曲线的几何建模。     

基于特征的反求工程技术研究

为了进一步推动特征技术在反求工程中的应用，支持产品的创新设计，系统地研究了对基于特征的反求工程技术；分析和总结了基于特征的反求工程技术的概念和发展方向；提出了基于曲面特征和基于截面特征的2种建模策略，并分析了它们在基于特征的反求工程建模中的关系。通过叶片的重建实例表明，在基于特征的反求工程中，综合运用2种建模策略，可以高效率地重建出满足精度要求的、高质量的参数化计算机辅助设计模型。     

反求工程中过渡曲面特征提取算法研究

针对反求工程中常见的过渡曲面特征，提出了一种过渡曲面特征的提取算法。该算法包括数据分块和过渡曲面参数提取两部分，在数据分块算法中，通过数据精简，曲率估算和曲率比较等步骤，将过渡区域的数据点从原努点云数据中分离出来，在过渡曲面参数提取算法中，通过圆柱拟合和过渡区域跟踪算法，计算出一系列过渡曲面的截面线，该算法和已有的过渡曲面特征提取算法相比，无需人工交互，而且适用于等半径过渡曲面特征和变半径过渡曲面特征。     

采用截面特征点云的NURBS自由曲面构建

结合NURBS曲面的构建理论,以工程软件UG为平台,探讨了基于截面特征点云的NURBS自由曲面构建的工程实现方法.实现了由截面特征点云进行NURBS曲线拟合,再由拟合曲线进行自由曲面的构建过程,并从曲面的表面状态与误差两个方面对构建的自由曲面进行评估.实践表明:采用该方法构建的自由曲面能保证NURBS曲面拟合质量,且精度高,能有效地反映实物原型.     

改进多尺度特征融合的工业现场目标检测算法

为了提高工业现场等复杂场景下的小目标检测的准确率,降低工业现场的安全事故发生率,基于 YOLOv3 提出了一种改进多尺度特征融合方法。该方法增加了Inception _ shortcut 模块,优化网络的输出宽度,使用工业现场的监控视频作为数据集以及利用 k-means 算法对检测目标重新聚类,引入了 PANet 多尺度特征融合结构,精简了 YOLOv3 的网络检测输出层。在创建工业现场安全帽、安全绳数据集 FHPD 、FSRPD 以及 PASCAL VOC2007 数据集上的实验结果表明,改进算法的 mAP 比原始 YOLOv3 提高了许多。改进的多尺度特征网络融合增加了参数,但检测速度仍满足算法的实时性要求。     

面向转子故障特征提取的多尺度拉普拉斯特征映射方法

融合多尺度分解理论和流形学习思想,提出了一种面向转子故障特征提取的多尺度拉普拉斯特征映射算法。首先对转子故障振动信号进行多尺度小波包分解,提取各独立频带信号的最优尺度小波熵,构建特征参量矩阵并估计其固有维数,然后通过拉普拉斯特征映射将特征参量数据嵌入到低维本征空间,得到故障的最敏感特征,最后融合决策实现故障的准确识别。实验表明,相对于主成分分析算法、局部线性嵌入算法和拉普拉斯特征映射算法,多尺度拉普拉斯特征映射方法提取的转子故障信号特征更容易识别。