CN106021677A - 零件表面特征提取方法和装置 - Google Patents

零件表面特征提取方法和装置 Download PDF

Info

Publication number
CN106021677A
CN106021677A CN201610317415.0A CN201610317415A CN106021677A CN 106021677 A CN106021677 A CN 106021677A CN 201610317415 A CN201610317415 A CN 201610317415A CN 106021677 A CN106021677 A CN 106021677A
Authority
CN
China
Prior art keywords
feature
characteristic
identified
information
characteristic element
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
CN201610317415.0A
Other languages
English (en)
Inventor
段桂江
张鹏
刘睿
刘涛涛
赵江澳
任冶
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.)
Beihang University
Original Assignee
Beihang 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 Beihang University filed Critical Beihang University
Priority to CN201610317415.0A priority Critical patent/CN106021677A/zh
Publication of CN106021677A publication Critical patent/CN106021677A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种零件表面特征识别方法和装置，该方法包括：从CAD系统中获取零件中待识别特征的标注集；根据标注集，获取待识别特征的特征元素；对待识别特征的每一个特征元素进行解析，得到待识别特征的属性信息，并建立包括属性信息的特征信息集合；将特征信息集合与预先建立的标准特征信息库中每一类别的特征的标准特征信息集合进行相似度计算；若判断计算得到的最高的相似度大于或等于预设阈值，则将最高的相似度所对应的特征的类别作为待识别特征的类别。本发明可以实现对零件表面特征的自动识别，由于识别过程不过于依赖工艺员的个人经验，因此提高检测效率和检测过程的规范性，保证较好的产品质量。

Description

零件表面特征提取方法和装置
技术领域
本发明涉及零件数字化检测技术领域，尤其是涉及一种零件表面特征提取方法和装置。
背景技术
随着测量技术的发展，先进的数字化检测设备已经被广泛地应用于制造业。为了实现三维CAD系统与检测设备的集成，并缩短产品检测时间，计算机辅助检测规划(Computer Aided InspectionPlanning，简称CAIP)系统应运而生，该系统有两大特点：第一，直接基于三维数模编制检验而设计；第二，与测量设备高度集成，可以直接生成测量程序。
但是，目前的CAIP系统不能自动识别和提取零件的表面特征，需要进行大量的人机交互操作，过于依赖检测工艺员的个人经验，使得检测效率较低，而且检测过程规范性较差，不能保证较好的产品质量。
发明内容
针对以上缺陷，本发明提供一种零件表面特征提取方法和装置，可以自动对零件的表面特征进行提取，提高零件检测的效率和规范性。
第一方面，本发明提供的零件表面特征提取方法包括：
从CAD系统中获取零件中待识别特征的标注集；
根据所述标注集，获取所述待识别特征的特征元素；
对所述待识别特征的每一个特征元素进行解析，得到所述待识别特征的属性信息，并建立包括所述属性信息的特征信息集合；
将所述特征信息集合与预先建立的标准特征信息库中每一类别的特征的标准特征信息集合进行相似度计算；
若判断计算得到的最高的相似度大于或等于预设阈值，则将最高的相似度所对应的特征的类别作为所述待识别特征的类别；
其中，每一类别的特征的标准特征信息集合中包括该类别的特征的标准属性信息。
可选的，该方法还包括：
若判断计算得到的最高的相似度小于预设阈值，则将反馈识别失败的提示信息。
可选的，所述标准特征信息库中特征的类别包括筋条、孔、腹板、耳片、自由曲面、槽和/或缘条。
可选的，所述待识别特征的属性信息包括：特征元素的数量、每一特征元素的几何类型、每一特征元素与所述零件中面积最大的特征元素之间的面积之比、每一特征元素的法向矢量、每一特征元素的邻接特征元素的个数、每一特征元素的边数、每一特征元素中封闭域的数量和/或每一特征元素中每一封闭域的形状。
可选的，所述几何类型为平面、圆柱面、圆锥面或球面。
第二方面，本发明提供的零件表面特征提取装置包括：
第一获取模块，用于从CAD系统中获取零件中待识别特征的标注集；
第二获取模块，用于根据所述标注集，获取所述待识别特征的特征元素；
集合建立模块，用于对所述待识别特征的每一个特征元素进行解析，得到所述待识别特征的属性信息，并建立包括所述属性信息的特征信息集合；
相似度计算模块，用于将所述特征信息集合与预先建立的标准特征信息库中每一类别的特征的标准特征信息集合进行相似度计算，每一类别的特征的标准特征信息集合中包括该类别的特征的标准属性信息；
类别确定模块，用于在判断计算得到的最高的相似度大于或等于预设阈值时，将最高的相似度所对应的特征的类别作为所述待识别特征的类别。
可选的，该方法还包括：
失败反馈模块，用于在判断计算得到的最高的相似度小于预设阈值时，将反馈识别失败的提示信息。
可选的，所述标准特征信息库中特征的类别包括筋条、孔、腹板、耳片、自由曲面、槽和/或缘条。
可选的，所述待识别特征的属性信息包括：特征元素的数量、每一特征元素的几何类型、每一特征元素与所述零件中面积最大的特征元素之间的面积之比、每一特征元素的法向矢量、每一特征元素的邻接特征元素的个数、每一特征元素的边数、每一特征元素中封闭域的数量和/或每一特征元素中每一封闭域的形状。
可选的，所述几何类型为平面、圆柱面、圆锥面或球面。
本发明提供的零件表面特征提取方法和装置中，对待识别特征的特征元素进行提取，然后根据各个特征元素的属性信息建立特征信息集合，并将该集合与标准特征信息库中各个类别的特征的标准特征信息集合进行相似度计算，然后对计算结果进行判断确定待识别特征的类别，从而实现对零件表面特征的自动识别，由于识别过程不过于依赖工艺员的个人经验，因此提高检测效率和检测过程的规范性，保证较好的产品质量。
附图说明
通过参考附图会更加清楚的理解本发明的特征信息和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1示出了根据本发明一实施例中零件表面特征识别方法的流程示意图；
图2示出了一零件的结构示意图；
图3示出了待识别特征的特征信息集合的示意图；
图4示出了另一零件的结构示意图；
图5示出了根据本发明一实施例中零件表面特征识别装置的框图；
附图标记说明：
1-孔；2-缘条；3-筋条；4-腹板。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提供一种零件表面特征识别方法，该方法可以由CAIP系统的内部控制装置执行，如图1所示，该方法包括：
S101、从CAD系统中获取零件中待识别特征的标注集；
其中，CAD系统为外部的数据输入系统，当前比较常见的CAD系统有Catia、UG、ProE、SolidWorks等。
可理解的是，零件上特征的类别有多种，例如图2中示出的孔1、腹板4、缘条2和筋条3，当然还有耳片、自由曲面、槽等，但是目前的CAIP系统并不能直接得知特征的类别，只有通过本发明提供的识别方法识别出来。
S102、根据标注集，获取待识别特征的特征元素；
可理解的是，由于目前的CAD系统都自带标注，而且对标注的管理也比较规范，所有从特征的标注提取特征元素是比较简单便捷的。
其中，所谓的特征元素，是构成特征的基本单元，一般是有限大小的二维面，简单的特征例如孔可仅由一个特征元素组成，而复杂的特征例如筋条则需要多个特征元素组成。
S103、对待识别特征的每一个特征元素进行解析，得到待识别特征的属性信息，并建立包括该属性信息的特征信息集合；
其中，待识别特征的属性信息，是指包含待识别特征中各个特征元素的相关参数信息，例如每一特征元素的几何类型、每一特征元素的法向矢量、每一特征元素的边数、每一特征元素中封闭域的数量、每一特征元素中每一封闭域的形状等；当然，还可以包括特征元素与其他特征元素之间的关系信息，例如每一特征元素与零件中面积最大的特征元素之间的面积之比、每一特征元素的邻接特征元素的个数等。
其中，几何类型为平面、圆柱面、圆锥面或球面等。特征元素的边数是指构成该特征元素的一维线条的数量。封闭域，例如某一特征元素为一平面，该平面中有一个孔，则该孔为该特征元素上的封闭域。封闭域的形状，例如圆形、矩形等。特征元素的法向矢量仅针对特征元素为平面的情况。
S104、将特征信息集合与预先建立的标准特征信息库中每一类别的特征的标准特征信息集合进行相似度计算；
其中，每一类别的特征的标准特征信息集合中包括该类别的特征的标准属性信息，所谓的标准属性信息是指该类别的特征的属性信息的标准值，此处属性信息的含义同S103中属性信息的含义。
可理解的是，为了方便计算，待识别特征的特征信息集合中各信息的排列方式应当与标准特征信息库中每一类别的特征的标准特征信息集合中各信息的排列方式相同，例如均采用图3中的方式排列。
可理解的是，为了保证标准特征信息库的完善，其中要包括各种类别的特征的标砖特征信息集合。所谓的类别，例如筋条、孔、腹板、耳片、自由曲面、槽、缘条。
S105、若判断计算得到的最高的相似度大于或等于预设阈值，则将最高的相似度所对应的特征的类别作为待识别特征的类别。
可理解的是，相似度最高，说明对应的特征的类别最有可能与待识别特征的类别相同，但是还要将该值与预设阈值进行比较，只有该值大于或等于预设阈值时，才认定对应的特征与待识别特征的类别相同。
本发明提供的零件表面特征识别方法中，对待识别特征的特征元素进行提取，然后根据各个特征元素的属性信息建立特征信息集合，并将该集合与标准特征信息库中各个类别的特征的标准特征信息集合进行相似度计算，然后对计算结果进行判断确定待识别特征的类别，从而实现对零件表面特征的自动识别，由于识别过程不过于依赖工艺员的个人经验，因此提高检测效率和检测过程的规范性，保证较好的产品质量。基于识别结果，集合CAIP系统后台的知识系统便可以为零件提供相应的测量方案，这对于缩短产品研制周期和保证产品质量具有重要意义。
在具体实施时，还可以将识别结果展示给工艺人员，从而辅助工艺人员高效的完成检验规划的编制工作。
下面以图4中示出的零件中的特征-筋条对本发明提供的识别方法进行说明：
该特征的特征元素的数量为两个，即图4中所示的平面a和平面b：两个特征元素的几何类型均为平面，平面a的法向矢量为(0,0,1)，平面b的法相矢量为(1,0,0)；两个特征元素的边数均为4；两个特征元素上封闭域的数量均为0；筋条所属零件中面积最大的特征元素为平面c，面积大小为0.073m2，平面a的面积为0.00832，其特征元素面积比重为0.114，同样方法也可以得到平面b的面积比重；这两个特征元素的邻接特征元素的个数均为4。
基于以上信息建立特征的特征信息集合，在经过与标准特征信息库中各个类别的特征的标准特征信息集合进行相似度计算，并对计算结果进行判断，得知该特征为筋条。
在具体实施时，还有可能出现计算得到的最高的相似度小于预设阈值，此时可能是由于CAD模型不规范、提取信息有缺失、标准特征信息库的不完善等原因，为提示用户查找原因，对识别方法进行改进，此时可以反馈识别失败的提示信息。
基于相同的发明构思，本发明还提供一种零件表面特征提取装置，如图5所示，该装置500包括：
第一获取模块501，用于从CAD系统中获取零件中待识别特征的标注集；
第二获取模块502，用于根据所述标注集，获取所述待识别特征的特征元素；
集合建立模块503，用于对所述待识别特征的每一个特征元素进行解析，得到所述待识别特征的属性信息，并建立包括所述属性信息的特征信息集合；
相似度计算模块504，用于将所述特征信息集合与预先建立的标准特征信息库中每一类别的特征的标准特征信息集合进行相似度计算，每一类别的特征的标准特征信息集合中包括该类别的特征的标准属性信息；
类别确定模块505，用于在判断计算得到的最高的相似度大于或等于预设阈值时，将最高的相似度所对应的特征的类别作为所述待识别特征的类别。
可选的，该装置还包括：
失败反馈模块，用于在判断计算得到的最高的相似度小于预设阈值时，将反馈识别失败的提示信息。
可选的，所述标准特征信息库中特征的类别包括筋条、孔、腹板、耳片、自由曲面、槽和/或缘条。
可选的，所述待识别特征的属性信息包括：特征元素的数量、每一特征元素的几何类型、每一特征元素与所述零件中面积最大的特征元素之间的面积之比、每一特征元素的法向矢量、每一特征元素的邻接特征元素的个数、每一特征元素的边数、每一特征元素中封闭域的数量和/或每一特征元素中每一封闭域的形状。
可选的，所述几何类型为平面、圆柱面、圆锥面或球面。
虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种零件表面特征识别方法，其特征在于，包括：
从CAD系统中获取零件中待识别特征的标注集；
根据所述标注集，获取所述待识别特征的特征元素；
对所述待识别特征的每一个特征元素进行解析，得到所述待识别特征的属性信息，并建立包括所述属性信息的特征信息集合；
将所述特征信息集合与预先建立的标准特征信息库中每一类别的特征的标准特征信息集合进行相似度计算；
若判断计算得到的最高的相似度大于或等于预设阈值，则将最高的相似度所对应的特征的类别作为所述待识别特征的类别；
其中，每一类别的特征的标准特征信息集合中包括该类别的特征的标准属性信息。
2.根据权利要求1所述的方法，其特征在于，还包括：
若判断计算得到的最高的相似度小于预设阈值，则将反馈识别失败的提示信息。
3.根据权利要求1所述的方法，其特征在于，所述标准特征信息库中特征的类别包括筋条、孔、腹板、耳片、自由曲面、槽和/或缘条。
4.根据权利要求1所述的方法，其特征在于，所述待识别特征的属性信息包括：特征元素的数量、每一特征元素的几何类型、每一特征元素与所述零件中面积最大的特征元素之间的面积之比、每一特征元素的法向矢量、每一特征元素的邻接特征元素的个数、每一特征元素的边数、每一特征元素中封闭域的数量和/或每一特征元素中每一封闭域的形状。
5.根据权利要求4所述的方法，其特征在于，所述几何类型为平面、圆柱面、圆锥面或球面。
6.一种零件表面特征提取装置，其特征在于，包括：
第一获取模块，用于从CAD系统中获取零件中待识别特征的标注集；
第二获取模块，用于根据所述标注集，获取所述待识别特征的特征元素；
集合建立模块，用于对所述待识别特征的每一个特征元素进行解析，得到所述待识别特征的属性信息，并建立包括所述属性信息的特征信息集合；
相似度计算模块，用于将所述特征信息集合与预先建立的标准特征信息库中每一类别的特征的标准特征信息集合进行相似度计算，每一类别的特征的标准特征信息集合中包括该类别的特征的标准属性信息；
类别确定模块，用于在判断计算得到的最高的相似度大于或等于预设阈值时，将最高的相似度所对应的特征的类别作为所述待识别特征的类别。
7.根据权利要求6所述的装置，其特征在于，还包括：
失败反馈模块，用于在判断计算得到的最高的相似度小于预设阈值时，将反馈识别失败的提示信息。
8.根据权利要求6所述的装置，其特征在于，所述标准特征信息库中特征的类别包括筋条、孔、腹板、耳片、自由曲面、槽和/或缘条。
9.根据权利要求6所述的装置，其特征在于，所述待识别特征的属性信息包括：特征元素的数量、每一特征元素的几何类型、每一特征元素与所述零件中面积最大的特征元素之间的面积之比、每一特征元素的法向矢量、每一特征元素的邻接特征元素的个数、每一特征元素的边数、每一特征元素中封闭域的数量和/或每一特征元素中每一封闭域的形状。
10.根据权利要求9所述的装置，其特征在于，所述几何类型为平面、圆柱面、圆锥面或球面。
CN201610317415.0A 2016-05-12 2016-05-12 零件表面特征提取方法和装置 Pending CN106021677A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610317415.0A CN106021677A (zh) 2016-05-12 2016-05-12 零件表面特征提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610317415.0A CN106021677A (zh) 2016-05-12 2016-05-12 零件表面特征提取方法和装置

Publications (1)

Publication Number Publication Date
CN106021677A true CN106021677A (zh) 2016-10-12

Family

ID=57099521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610317415.0A Pending CN106021677A (zh) 2016-05-12 2016-05-12 零件表面特征提取方法和装置

Country Status (1)

Country Link
CN (1) CN106021677A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742199A (zh) * 2017-10-17 2018-02-27 东华大学 一种考虑结构件几何特征的物料清点系统
CN108907453A (zh) * 2018-08-03 2018-11-30 英诺激光科技股份有限公司 一种具有自学习功能的激光加工分析装置和方法
CN110715627A (zh) * 2019-11-14 2020-01-21 昌河飞机工业（集团）有限责任公司 一种面向直升机动部件的三坐标测量方法
CN111553445A (zh) * 2020-05-20 2020-08-18 北京三一智造科技有限公司 零部件识别方法、装置、存储介质和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030214503A1 (en) * 2002-04-19 2003-11-20 Sashikumar Venkataraman Methods using specific attributes and graph grammars in graph-based techniques for feature recognition
CN104517114A (zh) * 2014-12-30 2015-04-15 广州视源电子科技股份有限公司 一种元件特征识别方法与系统
CN105469402A (zh) * 2015-11-24 2016-04-06 大连楼兰科技股份有限公司 基于空间形状上下文特征的汽车零件识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030214503A1 (en) * 2002-04-19 2003-11-20 Sashikumar Venkataraman Methods using specific attributes and graph grammars in graph-based techniques for feature recognition
CN104517114A (zh) * 2014-12-30 2015-04-15 广州视源电子科技股份有限公司 一种元件特征识别方法与系统
CN105469402A (zh) * 2015-11-24 2016-04-06 大连楼兰科技股份有限公司 基于空间形状上下文特征的汽车零件识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
袁安富 等: "一种基于SURF特征的零件识别算法", 《计算机应用与软件》 *
谭建荣 等: "图形相似的基本原理:方法及其在结构模式识别中的应用", 《计算机学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742199A (zh) * 2017-10-17 2018-02-27 东华大学 一种考虑结构件几何特征的物料清点系统
CN108907453A (zh) * 2018-08-03 2018-11-30 英诺激光科技股份有限公司 一种具有自学习功能的激光加工分析装置和方法
CN108907453B (zh) * 2018-08-03 2020-10-30 英诺激光科技股份有限公司 一种具有自学习功能的激光加工分析装置和方法
CN110715627A (zh) * 2019-11-14 2020-01-21 昌河飞机工业（集团）有限责任公司 一种面向直升机动部件的三坐标测量方法
CN110715627B (zh) * 2019-11-14 2021-10-29 昌河飞机工业（集团）有限责任公司 一种面向直升机动部件的三坐标测量方法
CN111553445A (zh) * 2020-05-20 2020-08-18 北京三一智造科技有限公司 零部件识别方法、装置、存储介质和电子设备
CN111553445B (zh) * 2020-05-20 2024-04-19 北京三一智造科技有限公司 零部件识别方法、装置、存储介质和电子设备

Similar Documents

Publication Publication Date Title
Li et al. Automatic pavement crack detection by multi-scale image fusion
US7507961B2 (en) Method and apparatus of pattern inspection and semiconductor inspection system using the same
Yeum et al. Vision‐based automated crack detection for bridge inspection
CN106021677A (zh) 零件表面特征提取方法和装置
CN104464079B (zh) 基于模板特征点及其拓扑结构的多币种面值识别方法
TWI475187B (zh) Image processing devices and computer programs
KR20130118277A (ko) 지형적인 속성들을 사용하는 결함 분류
CN107358259B (zh) 基于GLOH描述子和GVF-Snake模型的绝缘子覆冰检测方法
CN109325538A (zh) 目标检测方法、装置和计算机可读存储介质
CN109409385A (zh) 一种指针式仪表自动识别方法
TW201351305A (zh) 使用以ｃａｄ為基礎之環境背景屬性之缺陷分類
CN103679159A (zh) 人脸识别方法
Yacob et al. Anomaly detection in Skin Model Shapes using machine learning classifiers
Li et al. Fast and effective text detection
CN115690012A (zh) 一种电能表接错线的检测方法
CN106296697A (zh) 一种基于二维滑动窗dft快速计算的图像篡改检验方法
CN105956544A (zh) 一种基于结构指数特征的遥感影像道路交叉口提取的方法
CN105989600A (zh) 基于特征点分布统计的配电网设备外观检测方法及系统
Wang et al. An improved ISODATA algorithm for hyperspectral image classification
Li et al. Semantic‐Segmentation‐Based Rail Fastener State Recognition Algorithm
CN104504692A (zh) 基于区域对比度的图像中显著对象的提取方法
CN106682581A (zh) 一种箱包识别方法以及设备
CN103489195A (zh) 金属罐罐身图案方向检测方法
Wang et al. A two-stage approach to automatic face alignment
CN103020601B (zh) 高压线视觉检测方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20161012

RJ01 Rejection of invention patent application after publication