共查询到19条相似文献,搜索用时 129 毫秒
1.
2.
3.
基于STL模型支撑生成算法的研究 总被引:4,自引:0,他引:4
针对快速成型制造中须对零件加支撑的需求,提出一种新的支撑生成方法。它首先提取零件待支撑区域的关键特征(如悬吊点、下棱线、待支撑下表面的轮廓线等),同时指出各种支撑的基本构件实质就是单边对应的多边形支撑面,并采用了局部斜板支撑的方案实现其生成算法,在此基础上生成零件的特征支撑;然后采用对生成的特征支撑STL模型分层后分区扫描填充加强支撑线来实现对待支撑下表面内部区域的有效支撑。应用表明:该方法实现了对成型零件关键特征的准确支撑和对待支撑面域的有效支撑,生成支撑效果良好。 相似文献
4.
5.
为了解决双面数控渐进成形中板材件无支撑悬空区域存在变形的问题,提出一种背板辅助的双面数控渐进成形方法。该方法以背板对板材的支撑作用,抑制板材件非成形区的非理想变形,进而提高成形质量。研究了面向复杂板材件基于背板的双面数控渐进成形策略和对于一个给定待成形板材件标准模板库模型自动生成所需背板计算机辅助设计模型的算法。该算法根据板材件类型的不同,通过提取待成形板材件标准模板库模型的特征轮廓,采用顶点偏置方法生成出背板计算机辅助设计模型,并采用数值模拟和实际成形实验对所提背板辅助双面数控渐进成形方法进行了验证和评估。有限元分析和实验结果表明,双面数控渐进成形中背板的使用能够有效提高成形件的成形质量,具有可行性和可应用性。 相似文献
6.
7.
8.
《计算机集成制造系统》2017,(9)
针对增材制造技术中复杂分层区域的填充扫描问题,提出一种区域分割扫描算法。首先,识别内轮廓上区域分割点及所有轮廓上的分割交点,并按顺序存储、更新轮廓数据;然后,利用提出的区域轮廓搜索算法遍历新的轮廓数据,实现了对独立填充扫描区域的快速提取;考虑3D打印机的运动学特性,给出了以打印时间最短为目标的最优填充扫描方向计算方法,完成了对打印区域的快速填充。所提算法可将含有孔、岛屿等内轮廓特征的复杂打印平面分割为若干个可以连续打印成型的子区域,减少了打印喷头跨越内孔等非打印区域时的抬头次数,结合优化后的扫描方向,能有效提高打印效率。通过算例验证了所提算法的有效性和正确性。 相似文献
9.
10.
为解决数控渐进反向成形过程中板材与支撑之间形成密闭空腔,腔内空气不断被压缩而产生的对板材的反作用力影响板材件成形质量和成形精度问题,提出一种可由待成形板材件的CAD模型自动生成带有通气孔特征的支撑体三角网格模型的方法。给出了计算支撑体空腔体积与空腔内压强的算法、自动识别复杂板材件凹部数量与位置的算法,及其在合适的位置生成通气孔进而生成带有通气孔的支撑体三角网格模型的算法。应用实例表明,所提算法能够自动生成带有通气孔的支撑体。成形实验表明,板材件成形过程中密闭空间的形成会导致成形件鼓包变形甚至破裂,而带有通气孔的支撑体能够有效地解决上述问题。 相似文献
11.
针对无伞空投精确性、可靠性的技术要求,提出一种精确计算最优投放点的方法。通过搭建标准条件下的投放点-落点数据库,结合神经网络拟合算法,训练得出所有条件下的投放可行域,并以落点速度和精度为优化条件,建立目标优化函数,找到最优投放点。计算结果表明,在解算出的最优投放点实施空投,精确性、可靠性较高,在随机风场低空空投任务中能够取得理想空投效果。 相似文献
12.
室外场景具有测量数据量大、扫描数据易重叠及建筑物表面信息复杂等特点,单靠激光扫描方法能够获得场景精确的深度信息,但缺乏颜色和纹理信息,利用从运动中恢复结构(SFM)方法可获得丰富的彩色信息,但重构精度不高,若将两种设备固定进行在线实时同步测量,易受到测量环境和系统制约不易实现。针对此问题,提出了一种基于激光扫描和SFM结合的非同步点云数据融合的三维重构方法。首先,提出利用手动选择控制点进行7自由度初始配准,再利用迭代最近点(ICP)算法对初始配准结果进行精确配准,最后利用最近点搜索算法将分布在经基于面片的多视图立体视觉(PMVS)算法优化后的SFM数据中的颜色信息与激光扫描的点云坐标进行融合。实验结果和数据分析显示,本文的方法能有效地将激光扫描与SFM点云数据进行融合,实现了室外大场景的三维彩色重构。 相似文献
13.
摘要:点云拼接技术的核心是建立两个待拼接点云之间的对应关系。提出继承与优化算法进行点云精确拼接,阐述了算法原理,通过建模获取拼接过程中的旋转和平移参数,提出并分析了拼接的实现过程。采用光栅投射式三维扫描仪获取某型号汽车防雨板的6组点云数据,使用提出的算法进行点云拼接,采用多分辨率层次精度分析法对拼接结果进行误差分析,与最临近点迭代法在拼接精度、收敛速度和耗时上进行了比较。实验结果表明:继承与优化算法可实现海量无序点云的精确拼接,拼接的标准偏差小于0.10mm,两点云对拼接时间小于2秒,相比最临近点迭代法,所需迭代次数减少5次以上。 相似文献
14.
基于分层块状全局搜索的三维点云自动配准 总被引:3,自引:1,他引:3
提出了一种分层块状全局搜索到临近点局部搜索的改进迭代最近点(ICP)算法,用于进一步提高ICP算法的配准速度并消除点云缺失对点云配准的影响。该配准方法在粗略配准之后,以点云块为分层单元对模型点集进行选取,并对选取的少量模型点进行全局搜索获取其对应最近点;然后,以这些模型点对应的最近点作为搜索中心,在场景点集中进行局部搜索,获取这些模型点的大量临近点的对应最近点;最后,剔除错误对应最近点对,并求取坐标变换。与基于KD-Tree的ICP算法和基于LS+HS(Logarithmic Search Combined with Hierarchical Model Point Selection )的ICP算法相比,该配准算法对Happy bunny扫描数据的配准速度分别提高了78%和24%;对Dragon扫描数据的配准速度分别提高了73%和30%。这些结果表明该算法可以快速、精确地实现三维点云间的配准。 相似文献
15.
16.
R树能较好地满足逆向工程、CAD/CAM、机器视觉等领域的动态数据维护及空间查询需求,而CR树是其优秀的变体之一。针对CR树的上溢结点分裂算法存在的聚类结果不理想以及计算代价过高等问题,提出一种主元分析导向的增量式k均值算法,可在既有分类中心附近的第一主元方向上搜索新的初始分类中心。将该算法与Silhouette指标相结合应用于求解由上溢结点分裂问题所转化的点集聚类问题,能以较小的计算代价自适应获取近似全局最优的点集聚类结果。试验结果表明,基于增量式聚类的R树上溢结点分裂算法在R树构建效率、存储利用率及空间查询等方面的综合性能优于CR树与RR*树。 相似文献
17.
K. H. Lee W. Ning 《The International Journal of Advanced Manufacturing Technology》2003,21(10-11):850-856
Extracting exact features from noisy point data is an important problem, in practice, for the application of reverse engineering. Several feature extraction methods have been used to handle noisy point data, such as the "angular" method and the "chordal" method. They work well for most cases, but the generation of extra features cannot be avoided for some cases. A new feature extraction method that deals with noisy scanned point data is proposed in this paper. We call it the iterative angular feature extraction (IAFE) method, since it extends the concept of the angular method. The IAFE method first distinguishes the feature regions from point clouds, then the iterative algorithm is applied to refine each feature region into ultimate feature points. A "noise dilution" concept is used to reduce the noise effect. A "multiple point" algorithm, an "angle variation" algorithm and an "iterations for convergence" algorithm are developed to implement the noise dilution concept. The IAFE(I) method for planar models and the IAFE(II) method for curved models are designed. The IAFE method demonstrated its usefulness in dealing with noisy point data. 相似文献
18.
基于特征点自动识别的B样条曲线逼近技术 总被引:6,自引:1,他引:5
提出一种实用的用三次B样条曲线逼近稠密且带噪声的二维断面数据点列的算法。剔除数据点列中的重合点并对其进行均匀弧长重采样处理后,利用相邻点拟合圆弧的方法来近似计算各数据点的离散曲率值,并根据相邻点之间的离散曲率符号变化情况及相近点之间的曲率值和曲率差分关系自动识别出断面数据中绝大多数的特征点(拐点、折痕点、曲率极值点)。构造插值于特征点的B样条曲线,并在逼近误差最大处插入新的插值点。重复这一过程,直到逼近误差小于预先给定值,从而得到最终插值点列并构造相应的B样条曲线。试验结果表明,所构造的曲线节点数目及其分布合理,能够很好地反映原始断面数据点列中的细小特征部分。该算法具有速度快、逼近精度高等特点,可广泛应用于二维断面数据的曲线重建。 相似文献
19.
针对现有曲面重建算法不能很好地重建出点云模型尖锐特征的缺陷,提出了一种凸显点云尖锐特征的点-线-面递进式曲面重建算法。首先,根据近邻点的欧氏距离、法向偏差和曲面变分,采用主成分分析算法和k-近邻点迭代加权法获取点云准确法向;接着,依据特征点位于多个平面交线上的原则,利用法向聚类和平面拟合从候选特征点中筛选特征点;然后,依据特征点生长方向和主方向的相互关系重建特征线,并按照最小二乘原理采用矩阵法修复角点;最后,以特征线为约束重建尖锐特征点云曲面。实验结果表明:本文算法计算的点云准确法向与理论法向偏差接近于0,特征重建效果优于其他算法,算法耗时短且与点云数量呈线性关系。算法不仅能够准确计算尖锐特征区域的点云法向,还能准确提取出点云模型的特征点并凸显模型的尖锐特征。 相似文献