CN106372283B - 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 - Google Patents
一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 Download PDFInfo
- Publication number
- CN106372283B CN106372283B CN201610714898.8A CN201610714898A CN106372283B CN 106372283 B CN106372283 B CN 106372283B CN 201610714898 A CN201610714898 A CN 201610714898A CN 106372283 B CN106372283 B CN 106372283B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional appearance
- cloud data
- thin wall
- appearance point
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- 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)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及航空航天结构主承力构件设计领域,提供一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,该方法包括以下步骤:1)在薄壁壳三维形貌测量过程中,通过多次测量获取薄壁壳的完整的三维形貌点云数据,采用坐标变换方法对三维形貌点云数据进行坐标变换;2)将第一步坐标变换后得到的三维形貌点云数据采用滤波方法进行滤波处理;3)薄壁壳三维形貌点云数据的精简处理。本发明的有益效果为:本发明针对数字摄影技术特点,保留薄壁壳结构几何缺陷特征,提高曲率求解效率,实现薄壁壳实测三维空间坐标点云数据的高效处理,进一步提高网格加筋柱壳结构分析预测效率,有望成为航空航天领域中三维形貌测量数据处理的关键技术之一。
Description
技术领域
本发明涉及航空航天结构主承力构件设计技术领域,尤其涉及一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法。
背景技术
运载火箭是加快推动中国成为世界航天强国,实现国家和平开发利用空间的前提和基础。为实施载人登月计划、完成深空探测任务,我国正在论证研制芯级直径8.5米、运载能力百吨级的重型运载火箭。为保证火箭的运载能力,结构减重是必须且有效的途径。由于推进剂贮箱占运载火箭体积的80%,以新一代运载火箭CZ-5(直径5米)为例,贮箱结构重量占未加注推进剂前火箭结构总重的25%,为此贮箱的结构轻量化设计对提升火箭运载能力十分重要。运载火箭的推进剂贮箱结构由前底、筒段、后底构成,其中筒段由若干壁板焊接组成,壁板的重量直接影响箱体的重量。为提高壁板的强度、减轻壁板的重量,承受轴压为主的贮箱壁板往往设计成网格加筋结构。考虑到材料稳定性、结构承载效率以及制造成本等综合因素,国内外大型和重型运载火箭的推进剂贮箱大多采用轻质铝合金或铝锂合金。以新一代运载火箭CZ-5为例,其以网格加筋形式的贮箱壁板重量,占火箭未加注推进剂前总重的10.5%,据重型运载火箭(直径8.5米)的前期论证,该比例还会有较大提高,为此网格加筋壁板的轻量化设计理论和方法是保证重型火箭运载能力不可回避的需求。重型运载火箭的大运载能力使得网格加筋贮箱壁板必须具备高轴压承载力的力学性能,加之重型运载火箭网格加筋贮箱壁板的径厚比提高,壁板对初始几何缺陷的敏感性也随之提高,这使得网格加筋贮箱的实际承载力远小于完美预测值。因此,发展准确预测网格加筋筒壳结构轴压极限承载力的方法是开展网格加筋贮箱轻量化设计的关键技术。
考虑到初始几何缺陷是影响网格加筋柱壳结构轴压承载力的重要因素,将实测的初始几何缺陷引入预测模型是发展准确预测网格加筋柱壳结构轴压承载力方法的关键技术。随着三维形貌测量方法的发展,特别是数字摄像方法,测量精度不断提高,网格加筋柱壳结构的三维形貌点云数据变得十分庞大。通常来说,直径4.5米高度2.2米的网格加筋筒壳的三维形貌点云数据可达到百万量级。百万量级点云数据不仅在存储、处理和显示过程中需要消耗大量的时间和计算机资源,而且降低网格加筋柱壳模型的修调效率,影响模型的光顺性。因此,实测三维形貌点云数据的精简是考虑实测几何缺陷网格加筋柱壳结构预测分析的关键方法。
在目前的逆向工程中,包围盒法是实际工程中常用的三维形貌点云数据精简方法。但包围盒的大小是由用户任意规定的,无法保证所构建模型与原始三维形貌点云数据之间的精度,易丢失点云特征,并不是高保真的三维形貌点云数据精简方法。相比于包围盒法,曲率采样方法在小曲率区域保留少量数据点,在大曲率区域保留足够多的数据点,从而实现精确完整地表示曲面特征,具有较高的精度,但曲率计算消耗大量的计算机资源,该算法精简效率较低。因此,亟需开展面向数字摄像获得的薄壁壳实测的三维形貌点云数据处理方法研究,在保证三维形貌特征的前提下,高效精简三维形貌点云数据,进一步提高网格加筋柱壳结构分析预测效率。
发明内容
本发明主要针对现有数字摄像获得的薄壁壳实测的百万量级的三维形貌点云数据,提出一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,通过薄壁三维形貌点云数据的坐标变换、薄壁壳三维形貌点云数据的滤波处理以及薄壁壳三维形貌点云数据的精简处理,精简含有网格加筋柱壳初始几何缺陷特征的三维形貌点云数据,达到网格加筋柱壳结构高效修调、准确预测的目的。
为了达到上述目的,本发明的技术方案为:
一种面向数字摄像获得的薄壁壳实测三维形貌点云数据处理方法,具体包括以下步骤:
第一步,薄壁壳三维形貌点云数据的坐标变换
在薄壁壳三维形貌测量过程中,通过多次测量获取薄壁壳的完整的三维形貌点云数据,采用坐标变换方法对三维形貌点云数据进行坐标变换;所述的完整三维形貌点云数据为被分成多块不同坐标系下的测量数据;所述的坐标变换方法包括三维形貌点云数据的旋转、平移以及比例变化处理。
坐标变换公式为:
PB=PATP (1)
TP=TRTSTD (2)
其中,PA为变换前的三维点云坐标表示;PB为变换后的三维点云坐标表示;TP为坐标变换矩阵;TR为坐标旋转变换矩阵;TS为坐标比例变换矩阵;TD为坐标平移变换矩阵。
第二步,薄壁壳三维形貌点云数据的滤波处理
测量数据中噪声不仅直接影响测量的质量,还增加后续处理工作的难度,因此需要将第一步坐标变换后得到的三维形貌点云数据采用滤波方法进行滤波处理用于消除噪声,所述的滤波方法包括标准高斯平均、中值滤波算法或超限邻域平均滤波算法;
所述的超限邻域平均滤波算法具体为:
由于噪声一般和邻域样本数据值相差较大,当插值超过一定门限时才被认为是噪声。因此,超限邻域平均算法的基本思想是设置门限,当三维形貌点云数据与其邻域平均值的差值超过门限时,令其等于该邻域的平均值,反之,数据值不变。超限邻域平均算法的数学表示为:
其中pi为测点i数据滤波后的值;为测点i的邻域平均值;qi为测点i的原始半径;M为门限;N为测点数目;vij为测点j对测点i邻域平均值权系数;L为测点i邻域半径;Ai为测点i的三维坐标向量。
第三步,薄壁壳三维形貌点云数据的精简处理
3.1)将第二步滤波处理后的三维形貌点云数据进行第一次精简处理,目的是在不丢失三维形貌特征的前提下,降低点云数据规模。所述的第一次精简处理方法为包围盒法、随机采用法、均匀网格法或非均匀网格法等。
3.2)将步骤3.1)处理后的散乱的三维形貌点云数据进行局部曲面拟合,求解拟合的曲面方程,获得三维形貌点云数据的曲率值,进一步求解三维形貌点云数据邻域的曲率均值。所述的局部曲面拟合方法为圆拟合或抛物面拟合等。
3.3)薄壁壳三维形貌点云数据精简过程基于点云数据曲率小于其领域曲率均值原则,精简点云数据。若三维形貌点云数据的曲率值小于邻域曲率均值,则精简去除该三维形貌点云数据,实现三维形貌点云数据的高效精简;反之,保留三维形貌点云数据。
本发明的有益效果为:本发明提供的一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,主要针对现有数字摄像获得的薄壁壳实测的百万量级的三维形貌点云数据,通过薄壁三维形貌点云数据的坐标变换、薄壁壳三维形貌点云数据的滤波处理以及薄壁壳三维形貌点云数据的精简处理,精简含有网格加筋柱壳初始几何缺陷特征的三维形貌点云数据。其中,基于非均匀网格法与曲率采样的精简方法,使得点云精简数据保留了原始数据的主要特征(即薄壁壳结构的初始几何缺陷特征)的同时,提高了精简过程中的曲率求解效率,从而实现了薄壁壳实测三维形貌点云数据的高效处理,进一步提高网格加筋柱壳结构分析预测效率,十分有望成为我国运载火箭、导弹设计等航空航天领域中三维形貌测量数据处理的关键方法之一。
附图说明
图1为本发明实施例提供的一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法的实现流程图;
图2(a)为处理前的三维形貌点云数据图;
图2(b)为处理后的三维形貌点云数据图;
图3为基于不同三维形貌点云数据的薄壁壳结构极限承载力预测结果图。
具体实施方式
为使本发明解决的方法问题、采用的方法方案和达到的方法效果更加清楚,下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
图1为本发明实施例提供的一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法的实现流程图。如图1所示,本发明实施例提供的一种面向数字摄影获得的薄壁壳实测三维空间坐标点云数据处理方法包括:
第一步,薄壁壳三维形貌点云数据的坐标变换
在薄壁壳三维形貌测量过程中,采用数字摄影方法,测量直径1.0米、高度0.6米、壁厚2.0毫米的薄壁壳结构,获得薄壁壳6个不同区域的三维形貌点云数据;采用三维形貌点云数据的旋转、平移以及比例变化处理,对三维形貌点云数据进行坐标变换,得到薄壁壳结构的整体的三维形貌点云数据。
第二步,薄壁壳三维形貌点云数据的滤波处理
采用超限邻域平均滤波算法,对第一步得到的薄壁壳结构的整体的三维形貌点云数据进行滤波处理,消除噪声;
第三步,薄壁壳三维形貌点云数据的精简方法
3.1)将第二步滤波处理后的三维形貌点云数据采用非均匀网格法进行第一次精简,此时,三维形貌点云数据由100万降至60万。
3.2)对3.1)得到的三维形貌点云数据,采用抛物面拟合局部曲面,求解拟合的曲面方程,获得三维形貌点云数据的曲率值,进一步,求解三维形貌点云数据邻域(20毫米)的曲率均值。
3.3)对比分析三维形貌点云数据的曲率值与邻域的曲率均值,若三维形貌点云数据的曲率值小于邻域曲率均值,则精简去除该三维形貌点云数据,反之,保留三维形貌点云数据,循环处理三维形貌点云数据中的每个数据,完成薄壁壳三维形貌点云数据的精简,此时,三维形貌点云数据降至1万。
图2(a)为处理前的三维形貌点云数据图,图中x、y、z为空间坐标;图2(b)为处理后的三维形貌点云数据图;为了进一步表征本发明具有高效准确的特点,图3给出了基于不同三维形貌点云数据的薄壁壳结构极限承载力预测结果。无点云数据修调的预测结果偏高,没有体现薄壁壳的初始几何缺陷;基于百万量级的三维形貌点云数据修调结果体现了结构的形貌特征,但其预测模型修调耗时长达十几小时,效率极低;基于传统的精简点云数据修调结果与百万量级的三维形貌点云数据结果相差较大,原因是其丢失了部分几何缺陷特征;基于本发明的三维形貌点云数据修调结果与百万量级的三维形貌点云数据修调结果相近,说明本发明的准确性,且本发明预测模型修调时长为30分钟,效率得到显著提升。
最后应说明的是:以上各实施例仅用以说明本发明的方法方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通方法人员应当理解:其对前述各实施例所记载的方法方案进行修改,或者对其中部分或者全部方法特征进行等同替换,并不使相应方法方案的本质脱离本发明各实施例方法方案的范围。
Claims (5)
1.一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,其特征在于以下步骤:
第一步,薄壁壳三维形貌点云数据的坐标变换
在薄壁壳三维形貌测量过程中,通过多次测量获取薄壁壳的完整的三维形貌点云数据,采用坐标变换方法对三维形貌点云数据进行坐标变换;
坐标变换公式为:
PB=PATP (1)
TP=TRTSTD (2)
其中,PA为变换前的三维点云坐标表示;PB为变换后的三维点云坐标表示;TP为坐标变换矩阵;TR为坐标旋转变换矩阵;TS为坐标比例变换矩阵;TD为坐标平移变换矩阵;
第二步,薄壁壳三维形貌点云数据的滤波处理
将第一步坐标变换后得到的三维形貌点云数据采用滤波方法进行滤波处理,消除噪声;所述的滤波方法包括标准高斯平均、中值滤波算法或超限邻域平均滤波算法,所述的超限邻域平均滤波算法为:设置门限,当三维形貌点云数据与其邻域平均值的差值超过门限时,令其等于该邻域的平均值,反之,数据值不变;所述的超限邻域平均算法的数学表示为:
其中,pi为测点i数据滤波后的值;为测点i的邻域平均值;qi为测点i的原始半径;M为门限;N为测点数目;vij为测点j对测点i邻域平均值权系数;L为测点i邻域半径;Ai为测点i的三维坐标向量;
第三步,薄壁壳三维形貌点云数据的精简处理
3.1)将第二步滤波处理后的三维形貌点云数据进行第一次精简处理,在不丢失三维形貌特征的前提下,降低点云数据规模;
3.2)将步骤3.1)处理后的三维形貌点云数据进行局部曲面拟合,求解拟合的曲面方程,获得三维形貌点云数据的曲率值,进一步求解三维形貌点云数据邻域的曲率均值;
3.3)若三维形貌点云数据的曲率值小于邻域曲率均值,则精简去除该三维形貌点云数据,实现三维形貌点云数据的高效精简;反之,保留三维形貌点云数据。
2.根据权利要求1所述的一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,其特征在于,第一步中所述的坐标变换方法包括三维形貌点云数据的旋转、平移以及比例变化处理。
3.根据权利要求1或2所述的一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,其特征在于,步骤3.1)中所述的第一次精简处理方法为包围盒法、随机采样法、均匀网格法或非均匀网格法。
4.根据权利要求1或2所述的一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,其特征在于,步骤3.2)中所述的局部曲面拟合方法为圆拟合或抛物面拟合。
5.根据权利要求3所述的一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法,其特征在于,步骤3.2)中所述的局部曲面拟合方法为圆拟合或抛物面拟合。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610714898.8A CN106372283B (zh) | 2016-08-24 | 2016-08-24 | 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 |
JP2018549816A JP6587305B2 (ja) | 2016-08-24 | 2017-03-14 | デジタル撮影によって得られる薄壁シェルの実測された3dプロファイルポイントクラウドデータ処理方法 |
PCT/CN2017/076569 WO2018036138A1 (zh) | 2016-08-24 | 2017-03-14 | 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610714898.8A CN106372283B (zh) | 2016-08-24 | 2016-08-24 | 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106372283A CN106372283A (zh) | 2017-02-01 |
CN106372283B true CN106372283B (zh) | 2018-06-08 |
Family
ID=57878168
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610714898.8A Active CN106372283B (zh) | 2016-08-24 | 2016-08-24 | 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 |
Country Status (3)
Country | Link |
---|---|
JP (1) | JP6587305B2 (zh) |
CN (1) | CN106372283B (zh) |
WO (1) | WO2018036138A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372283B (zh) * | 2016-08-24 | 2018-06-08 | 大连理工大学 | 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 |
CN109408939B (zh) * | 2018-10-18 | 2022-11-29 | 燕山大学 | 一种兼顾应力和位移约束的薄板结构加强筋分布优化的改进方法 |
CN109685848B (zh) * | 2018-12-14 | 2023-06-09 | 上海交通大学 | 一种三维点云与三维传感器的神经网络坐标变换方法 |
CN109816788A (zh) * | 2019-01-17 | 2019-05-28 | 中国公路工程咨询集团有限公司 | 一种基于三维激光点云数据的三维地质体建模方法 |
US20210056243A1 (en) * | 2019-04-17 | 2021-02-25 | Dalian University Of Technology | Method for establishing the geometrical imperfection database for the aerospace thin-walled structure |
CN110096772B (zh) * | 2019-04-17 | 2022-10-25 | 大连理工大学 | 一种面向航空航天薄壳结构的形位偏差特征库建立方法 |
CN110530306B (zh) * | 2019-08-27 | 2020-10-20 | 大连理工大学 | 一种基于实测跳动数据的典型回转体零件表征方法 |
CN110992274B (zh) * | 2019-11-12 | 2023-06-02 | 中国科学院自动化研究所 | 复杂曲面点云强噪音去除方法及系统 |
CN111311576B (zh) * | 2020-02-14 | 2023-06-02 | 易思维(杭州)科技有限公司 | 基于点云信息的缺陷检测方法 |
CN111369610B (zh) * | 2020-03-05 | 2022-09-06 | 山东交通学院 | 基于可信度信息的点云数据粗差定位和剔除方法 |
CN111754421B (zh) * | 2020-06-01 | 2023-08-18 | 西安工业大学 | 改进的导向滤波三维散乱点云快速光顺方法 |
CN112927287A (zh) * | 2021-03-24 | 2021-06-08 | 和数科技(浙江)有限公司 | 一种目标物体的表型数据分析方法、存储介质及终端 |
CN113218330B (zh) * | 2021-04-27 | 2022-04-08 | 大连理工大学 | 基于pcl库的大型薄壁构件测量及数据处理方法 |
CN113742850B (zh) * | 2021-09-09 | 2023-05-16 | 北京航空航天大学 | 基于速度损失的固液动力飞行器运载能力预估方法和系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11232489A (ja) * | 1998-02-18 | 1999-08-27 | Ricoh Co Ltd | 3次元ポリゴンメッシュのデータ削減方法及び装置 |
US8355601B2 (en) * | 2010-01-15 | 2013-01-15 | Seiko Epson Corporation | Real-time geometry aware projection and fast re-calibration |
US9767598B2 (en) * | 2012-05-31 | 2017-09-19 | Microsoft Technology Licensing, Llc | Smoothing and robust normal estimation for 3D point clouds |
US20130332110A1 (en) * | 2012-06-08 | 2013-12-12 | Massachusetts Institute Of Technology | Non-iterative mapping of capped cylindrical environments |
CN102750730B (zh) * | 2012-06-15 | 2014-10-22 | 北京理工大学 | 一种特征保持的点云数据精简方法 |
JP2014145735A (ja) * | 2013-01-30 | 2014-08-14 | Nikon Corp | 形状測定装置、構造物製造システム、評価装置、形状測定方法、構造物製造方法、及び形状測定プログラム |
CN103310481B (zh) * | 2013-05-20 | 2016-08-10 | 东南大学 | 一种基于模糊熵迭代的点云精简方法 |
CN104573144A (zh) * | 2013-10-14 | 2015-04-29 | 鸿富锦精密工业(深圳)有限公司 | 量测设备离线点云模拟系统及方法 |
CN103886555A (zh) * | 2014-03-12 | 2014-06-25 | 北京昊峰东方科技有限公司 | 一种基于海量三维激光扫描点云数据的处理方法 |
CN106372283B (zh) * | 2016-08-24 | 2018-06-08 | 大连理工大学 | 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 |
-
2016
- 2016-08-24 CN CN201610714898.8A patent/CN106372283B/zh active Active
-
2017
- 2017-03-14 WO PCT/CN2017/076569 patent/WO2018036138A1/zh active Application Filing
- 2017-03-14 JP JP2018549816A patent/JP6587305B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP6587305B2 (ja) | 2019-10-09 |
WO2018036138A1 (zh) | 2018-03-01 |
JP2019510975A (ja) | 2019-04-18 |
CN106372283A (zh) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372283B (zh) | 一种面向数字摄影获得的薄壁壳实测三维形貌点云数据处理方法 | |
Münch et al. | Contradicting geometrical concepts in pore size analysis attained with electron microscopy and mercury intrusion | |
CN104392476B (zh) | 基于最小包围盒算法提取隧道三维轴线的方法 | |
CN105654483B (zh) | 三维点云全自动配准方法 | |
CN109272524B (zh) | 一种基于阈值分割的小尺度点云噪声去噪方法 | |
CN108765554B (zh) | 基于超维的非均质岩心三维重建方法 | |
CN109658431B (zh) | 基于区域生长的岩体点云平面提取方法 | |
CN109903319B (zh) | 一种基于多分辨率的快速迭代最近点配准算法 | |
CN107392875A (zh) | 一种基于k近邻域划分的点云数据去噪方法 | |
CN107945189A (zh) | 一种基于正态分布变换单元的点云平面分割方法 | |
CN105719344B (zh) | 一种三维土地利用现状数据模型的生成方法 | |
CN111504191A (zh) | 一种基于三维激光扫描的航空零件自动快速测量方法 | |
CN106372282B (zh) | 一种体现制造几何缺陷的三维有限元模型修调方法 | |
CN113672849A (zh) | 一种基于轴向通量展开的一步法输运计算方法及系统 | |
CN102507411A (zh) | 基于金相照片和图像分析技术分析铝基多孔复合材料中微孔分布的方法 | |
CN117197677A (zh) | 一种基于激光雷达点云数据的热带雨林乔灌分离方法 | |
CN108731616B (zh) | 一种基于云模型的螺旋锥齿轮齿面测量点自适应分布方法 | |
CN110322415A (zh) | 基于点云的高精度表面三维重构方法 | |
CN111563894B (zh) | 一种连续纤维增强材料弯曲刚度测量方法及系统 | |
Xinyi et al. | Spatiotemporal variation characteristics and driving forces of natural resources utilization in Jiangsu Province | |
CN104458495B (zh) | 颗粒增强金属基复合材料增强体颗粒体积分数的测量方法 | |
CN107330869A (zh) | 重叠细胞分割后的异常像素点重构 | |
CN108827987A (zh) | 一种含气土样中气泡空间位置分布均匀性的评价方法 | |
CN106021177B (zh) | 一种基于扫描线的三维激光扫描数据精简方法 | |
CN116363161B (zh) | 一种水泥水化图像多类别分割方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |