CN108876843A - 用于部件几何结构提取的方法和系统 - Google Patents
用于部件几何结构提取的方法和系统 Download PDFInfo
- Publication number
- CN108876843A CN108876843A CN201810380402.7A CN201810380402A CN108876843A CN 108876843 A CN108876843 A CN 108876843A CN 201810380402 A CN201810380402 A CN 201810380402A CN 108876843 A CN108876843 A CN 108876843A
- Authority
- CN
- China
- Prior art keywords
- component
- gea
- image
- computer installation
- processing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000000605 extraction Methods 0.000 title abstract description 11
- 238000009434 installation Methods 0.000 claims abstract description 155
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 24
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 119
- 230000008569 process Effects 0.000 claims description 26
- 238000004519 manufacturing process Methods 0.000 claims description 24
- 230000015654 memory Effects 0.000 claims description 22
- 238000004891 communication Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 229910052738 indium Inorganic materials 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 240000005020 Acaciella glauca Species 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 235000003499 redwood Nutrition 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000110 selective laser sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/543—Depth or shape recovery from line drawings
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B33—ADDITIVE MANUFACTURING TECHNOLOGY
- B33Y—ADDITIVE MANUFACTURING, i.e. MANUFACTURING OF THREE-DIMENSIONAL [3-D] OBJECTS BY ADDITIVE DEPOSITION, ADDITIVE AGGLOMERATION OR ADDITIVE LAYERING, e.g. BY 3-D PRINTING, STEREOLITHOGRAPHY OR SELECTIVE LASER SINTERING
- B33Y50/00—Data acquisition or data processing for additive manufacturing
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30176—Document
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Materials Engineering (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
- General Factory Administration (AREA)
- Architecture (AREA)
- Software Systems (AREA)
Abstract
提供了一种用于部件几何结构提取的方法和系统。该几何结构提取和分析(“GEA”)计算机装置(210)包括与至少一个存储装置(310、410)通信的至少一个处理器(305、405)。GEA计算机装置(210)被配置为接收一个或多个部件的至少一个视图的至少一个图像，基于包含在至少一个图像中的一个或多个轮廓划分至少一个图像为多个片段，基于多个片段识别至少一个图像中的一个或多个几何形状，基于一个或多个几何形状识别一个或多个部件，并且基于一个或多个几何形状生成一个或多个部件的三维图像。
Description
技术领域
本发明的技术领域总体涉及提取部件几何结构，并且更具体地，涉及分析工程图样以提取用于增材制造的部件几何结构。
背景技术
部件(诸如飞机部件)的工程图样一般地以二维(2D)绘制。在很多情况下，这些工程图样是独立部件和/或部件的组合的尺度表示。这些工程图样一般不能直接转移为适用于三维(3D)打印的文件。也能够以多种格式，诸如纸张、PDF、和/或图像文件来存储工程图样。从工程图样转换是耗时和高成本的手动处理。此外，在诸如飞机的具有大量部件的产品中，产品的复杂度和大量的部件会指数级地增加时间和成本。相应地，需要一种更加有成本和时间效益的转换方法。
发明内容
在一个方面中，提供一种几何结构提取和分析(“GEA”：geometry extraction andanalysis)计算机装置。GEA计算机装置包括与至少一个存储装置通信的至少一个处理器。GEA计算机装置被配置为接收一个或多个部件的至少一个视图的至少一个图像，基于包含在至少一个图像中的一个或多个轮廓划分至少一个图像为多个片段，基于多个片段识别至少一个图像中的一个或多个几何形状，基于一个或多个几何形状识别一个或多个部件，并且基于一个或多个几何形状生成一个或多个部件的三维图像。
在另一方面中，提供一种用于提取部件几何结构的方法。使用几何结构提取和分析(“GEA”)计算机装置实现该方法。GEA计算机装置包括与存储器通信的处理器。该方法包括通过处理器接收一个或多个部件的至少一个视图的至少一个图像，通过处理器基于包含在至少一个图像中的一个或多个轮廓划分至少一个图像为多个片段，通过处理器基于多个片段识别至少一个图像中的一个或多个几何形状，通过处理器基于一个或多个几何形状识别一个或多个部件，并且通过处理器基于一个或多个几何形状生成一个或多个部件的三维图像。
在又一个方面中，提供至少一种非易失性计算机可读存储介质，具有体现在其上的计算机可执行指令。当通过至少一个处理器执行时，计算机可执行指令使处理器接收一个或多个部件的至少一个视图的至少一个图像，基于包含在至少一个图像中的一个或多个轮廓划分至少一个图像为多个片段，基于多个片段识别至少一个图像中的一个或多个几何形状，基于一个或多个几何形状识别一个或多个部件，并且基于一个或多个几何形状生成一个或多个部件的三维图像。
附图说明
图1至图8示出了本文中描述的方法和系统的示例性实施方式。
图1是示出了用于分析工程图样以便提取用于增材制造的部件几何结构的示例系统的示意图。
图2是根据图1的用于分析工程图样以便提取用于增材制造的部件几何结构的示例几何结构提取系统的简化框图。
图3示出了根据本公开的一个实施方式的在图2中示出的客户端系统的示例配置。
图4示出了根据本公开的一个实施方式的在图2中示出的服务器系统的示例配置。
图5是使用在图2中示出的系统分析工程图样以便提取部件几何结构的处理的流程图。
图6是使用在图2中示出的系统清理图像的处理的流程图。
图7是使用在图2中示出的系统分析工程图样以便提取三维(3D)部件几何结构的处理的流程图。
图8是可以在图2中示出的系统中使用的一个或多个示例计算设备的组件的示图。
除非另有陈述，本文中提供的附图之目的是示出本公开的实施方式的特征。这些特征被认为适用于包括一个或多个本公开的实施方式的多种的系统。因而，附图之目的不是包括实施本文中公开的实施方式所需的本领域技术人员已知的全部常规特征。
具体实施方式
本文中描述的实施方式涉及高光谱成像，并且更具体地，涉及分析工程图样以提取部件几何结构。更具体地，一种几何结构提取和分析(“GEA”)计算机装置(也已知为GEA服务器)清理并且分析工程图样以提取部件的三维(3D)表示。GEA计算机装置基于部件的三维表示生成3D打印机制造文件。
本文中描述了诸如GEA计算机装置等的计算机系统以及相关计算机系统。如本文中描述的，所有这种计算机系统都包括处理器和存储器。然而，本文中所指的计算机装置中的任何处理器也可以指一个或多个处理器，其中该一个或多个处理器可以在一个计算设备中或在多个并行运作的计算设备中。此外，本文中所指的计算机装置中的任何存储器也可以指一个或多个存储器，其中，该一个或多个存储器可以在一个计算设备中或在多个并行运作的计算设备中。
如本文中所使用的，处理器可以包括任何可编程系统，包括使用微控制器的系统、精简指令集电路(RISC)、专用集成电路(ASIC)、逻辑电路、以及任何其它能够执行本文中描述的功能的电路或者处理器。以上示例并不旨在以任何方式限制术语“处理器”的定义和/或含义。
如本文中所使用的，术语“数据库”可以指数据的主体、关系数据库管理系统(RDBMS)、或其两者。如本文中所使用的，数据库可以包括任何数据集，包括层次数据库、关系数据库、扁平文件数据库、对象关系数据库、面向对象数据库、以及任何其它结构化或者非结构化的存储在计算机系统中的记录或者数据集。以上示例不旨在以任何方式限制术语“数据库”的定义和/或含义。RDBMS的示例包括但不限于， Database、MySQL、 DB2、 SQL Server、以及PostgreSQL。然而，可以使用使能本文中描述的系统和方法的任何数据库。(Oracle是ORACLE Corporation，RedwoodShores,California的注册商标；IBM是International Business Machines Corporation,Armonk,New York的注册商标；Microsoft是Microsoft Corporation,Redmond,Washington的注册商标；并且Sybase是Sybase,Dublin,California的注册商标。)
在一个实施方式中，提供一种计算机程序，并且该程序体现在计算机可读介质上。在示例性实施方式中，该系统在单个计算机系统上执行，不需要连接到服务器计算机。在又一个实施方式中，该系统在环境中运行(Windows是Microsoft Corporation,Redmond,Washington的注册商标)。在又一个实施方式中，该系统在主机环境和服务器环境中运行(UNIX是位于Reading,Berkshire,United Kingdom的X/Open CompanyLimited的注册商标)。应用程序是灵活的，并且被设计成在各种不同环境中不损害任何主要功能地运行。在一些实施方式中，该系统包括分配在多个计算设备之间的多个组件。一个或多个组件可以是在计算机可读介质里记录的计算机可执行指令的形式。
本文所用的以单数形式列出并与词“一”或“一个”一起使用的元件和步骤应当被理解为并不排除多个元件或步骤，除非明确说明有该排除。此外，对“一个实施方式”或“示例性实施方式”的提及不应被解释为不存在也结合了所列举的特征的其他实施方式。
如本文中所使用的，术语“软件”和“固件”是可互换的，并且包括任何存储在用于通过处理器执行的存储器中的计算机程序，该存储器包括RAM存储器、ROM存储器、可擦编程只读存储器、电可擦可编程只读存储器、非易失性RAM(NVRAM)存储器。以上存储器类型仅是示例，并且因此不限制用于存储计算机程序的可用的存储器类型。
此外，如本文中所使用的，术语“实时”指以下中的至少一个：关联事件的出现时间、测量和收集预设数据的时间、处理数据的时间、以及系统响应事件和环境的时间。在本文中描述的实施方式中，这些活动和事件基本上是瞬间发生的。
该系统和处理不局限于本文中描述的特定实施方式。此外，每个系统的组件和每个处理可以独立地并且与本文中描述的其它组件和处理分离地实行。每个组件和处理也可被与其它装配封装和处理组合地使用。
图1是示出了用于分析工程图样以便提取用于增材制造的部件几何结构的实例系统100的示意图。系统100包括几何结构提取和分析(“GEA”)计算机装置102(也已知为GEA服务器)。
在示例性实施方式中，GEA计算机装置102接收一个或多个图像文件104。图像文件104包括部件(诸如飞机部件)的工程图样。图像文件104可以是任何多种格式，包括但不限于纸张、PDF、以及图像文件格式。在一些实施方式中，图像文件104包括多个相互连接的部件的图像。在部分这些实施方式中，图像文件104也包括部件的多个视图。这些视图中的一些可以包括在图像文件104中的更大图像的一部分的放大视图。例如，图像文件104可以包括一批部件以及它们如何互联的大视图。图像文件104也可以包括几个较小视图，其中每个较小视图包括较大视图下的部件的子集或一部分，并且其中较小视图以与较大视图不同的比例示出。在该示例性实施方式中，每个图像文件104包括多个工程图样上的记号与符号。在该示例性实施方式中，每个图像文件104包括部件的二维表示。
GEA计算机装置102包括用于从图像文件104中提取二维图像的二维(2D)提取器106。GEA计算机装置102还包括用于从二维图像中移除记号的记号掩模108。GEA计算机装置102进一步包括用于在二维图像中检测、提取、以及核对部件的轮廓的轮廓提取器110。此外，GEA计算机装置102包括用于基于该提取的轮廓生成部件的三维图像的三维部件图像生成器112。此外，GEA计算机装置102包括用于基于部件的三维图像生成加工制造文件116的加工制造文件生成器114。
图2是用于分析工程图样以便提取部件几何结构的实例几何结构提取系统200的简化框图。在该示例性实施方式中，系统200可以用于提取并且生成包含于工程图样中的部件的三维图像。如下面更详细地描述的，与GEA计算机装置102(在图1中示出)相似的几何结构提取和分析(“GEA”)计算机装置210被配置为接收一个或多个部件的至少一个视图的至少一个图像。GEA计算机装置210也被配置为基于包含在至少一个图像中的一个或多个轮廓将至少一个图像划分为多个片段。GEA计算机装置210进一步被配置为基于多个片段识别至少一个图像中的一个或多个几何形状。此外，GEA计算机装置210被配置为基于一个或多个几何形状识别一个或多个部件。此外，GEA计算机装置被配置为基于一个或多个几何形状生成一个或多个部件的三维图像。
在示例性实施方式中，用户计算机装置205是包括网络浏览器或者软件应用，以允许用户计算机装置205使用互联网或者网络访问GEA计算机装置210的计算机。更具体地，用户计算机装置205通过多个接口通信地耦接至GEA计算机装置210，该接口包括但不限于以下中的至少一个：互联网、诸如局域网(LAN)、广域网(WAN)或者综合服务数字网(ISDN)的网络、拨号连接、数字用户线路(DSL)、移动电话连接、以及线缆调制解调器。用户计算机装置205可以是能够访问互联网、或者另一网络的任何装置，包括而不限于台式机、便携式计算机、个人数字助理(PDA)、移动电话、智能电话、平板电脑、平板电话、或者其它基于网络的可连接设备。在示例性实施方式中，用户使用用户计算机装置205以选择要被分析并且改变处理参数的图像文件。
GEA计算机装置210包括一个或多个计算机装置，被配置为如本文中描述的运行。在示例性实施方式中，GEA计算机装置210包括一个或多个服务器系统，被配置为与用户计算机装置205和加工系统225通信。在一些实施方式中，GEA计算机装置210远离用户计算机装置205、数据库服务器215、以及加工系统225中的至少一个并且通过互联网与远程计算机装置(用户计算机装置205、数据库服务器215、或加工系统225中的任一个)通信。更具体地，GEA计算机装置210通过多个接口通信地耦接至互联网，该接口包括而不限于以下中的至少一个：诸如局域网(LAN)、广域网(WAN)或者综合服务数字网(ISDN)的网络、拨号连接、数字用户线路(DSL)、移动电话连接、以及线缆调制解调器。GEA计算机装置210可以是能够访问互联网、或者另一网络的任何装置，包括而不限于台式机、便携式计算机、个人数字助理(PDA)、移动电话、智能电话、平板电脑、平板电话、或者其它基于网络的可连接设备。
数据库服务器215通信地耦接至存储数据的数据库220。在一个实施方式中，数据库220包括处理参数、独立标记表示的储存库、图像文件104(在图1中示出)、提取的二维图像、三维部件图像、加工系统参数、以及加工制造文件116(在图1中示出)。在示例性实施方式中，从GEA计算机装置210远程地存储数据库220。在一些实施方式中，数据库220是去中心的。在示例性实施方式中，个人可以通过登录到GEA计算机装置210上经由用户计算机设备205访问数据库220，如本文中描述的。
加工系统225包括增材制造机和/或其他能够加工三维物体的设备。加工系统225的示例可以包括但不限于，直接金属激光熔化系统、选择性激光烧结系统、粘合剂喷射系统、电子束系统、材料挤压成形系统、材料喷射系统、薄板积层系统、以及光聚合固化系统。在示例性实施方式中，加工系统225与GEA计算机装置210通信。更具体地，加工系统225通过多个接口通信地耦接至GEA计算机装置210，该接口包括但不限于以下中的至少一个：互联网、诸如局域网(LAN)、广域网(WAN)或者综合服务数字网(ISDN)的网络、拨号连接、数字用户线路(DSL)、移动电话连接、以及线缆调制解调器。
图3示出了根据本公开的一个实施方式的在图2中示出的客户端系统的实例配置。用户计算机装置302由用户301操作。用户计算机装置302可包括但不限于，用户计算机装置205以及加工系统225(两者都在图2中示出)。用户计算机装置302包括用于执行指令的处理器305。在一些实施方式中，可执行指令被存储在存储区域310中。处理器305可以(例如，在多核配置中)包括一个或多个处理单元。存储区域310是允许存储和检索诸如可执行指令和/或事务数据的信息的任何装置。存储区域310可以包括一个或多个计算机可读介质。
用户计算机装置302还包括至少一个媒体输出组件315，用于向用户301呈现信息。媒体输出组件315是能够向用户301传达信息的任何组件。在一些实施方式中，媒体输出组件315包括诸如视频适配器和/或音频适配器的输出适配器(未示出)。输出适配器可操作地耦接至处理器305并且可以可操作地耦接至诸如显示装置(例如，阴极射线管(CRT)、液晶显示器(LCD)、发光二极管(LED)显示器、或“电子墨水”显示器)或者声音输出设备(例如，扬声器或头戴耳机)的输出装置。在一些实施方式中，媒体输出组件315被配置为向用户301呈现图形用户界面(例如，网络浏览器和/或客户端应用程序)。图形用户界面可以包括，例如，一个或多个工程图样的分析。在一些实施方式中，用户计算机装置302包括用于接收来自用户301的输入的输入装置320。用户301可以使用输入装置320以不受限地选择和/或输入一个或多个处理参数或加工系统参数。输入装置320例如可以包括键盘、指示装置、鼠标、触笔、触敏控制板(例如，触摸板或触屏)、陀螺仪、加速计、位置检测器、生物特征输入装置、和/或声音输入设备。诸如触屏的单个组件可以起媒体输出组件315的输出装置和输入装置320这两者的作用。
用户计算机装置302也可以包括通信接口325，通信地耦接至诸如GEA计算机装置210(在图2中示出)的远程设备。通信接口325例如可以包括有线或无线网络适配器和/或用于与移动通信网络使用的无线数据收发器。
存储区域310存储的例如是用于经由媒体输出组件315向用户301提供用户界面、并且可选地接收并处理来自输入装置320的输入的计算机可读指令。用户界面可以包括网络浏览器和/或客户端应用程序(连同其它可能性)。网络浏览器允许诸如用户301的用户从GEA计算机装置210显示媒体及通常嵌入在网页或网址上的其他信息，并与其互动。客户应用程序允许用户301与例如GEA计算机装置210互动。例如，可以通过云服务来存储指令，并且指令的执行的输出可被发送到媒体输出组件315。
图4示出了根据本公开的一个实施方式的在图2中示出的服务器系统的实例配置。服务器计算机装置401可包括但不限于，数据库服务器215和GEA计算机装置210(两者都在图2中示出)。服务器计算机装置401还包括用于执行指令的处理器405。指令可以存储在存储区域(内存)410中。处理器405可以(例如，在多核配置中)包括一个或多个处理单元。
处理器405可操作地耦接至通信接口415，使服务器计算机装置401能够与诸如另一服务器计算机装置401、用户计算机装置205、加工系统225、或GEA计算机装置210(都在图2中示出)的远程设备通信。例如，通信接口415可以经由互联网接收来自用户计算机设备205的请求。
处理器405也可以可操作地耦接至存储器装置434。存储器装置434是任何适用于存储和/或检索数据的计算机操作的硬件，该数据是诸如而不限于与数据库220(在图2中示出)相关联的数据。在一些实施方式中，存储器装置434结合在服务器计算机装置401中。例如，服务器计算机装置401可以包括作为存储器装置434的一个或多个硬盘驱动器。在其他实施例中，存储器装置434在服务器计算机装置401外部并且可以被多个服务器计算机设备401访问。例如，存储器装置434可以包括存储区域网(SAN)、网络附加存储(NAS)系统、和/或诸如廉价磁盘冗余陈列(RAID)装置中的硬盘和/或固态磁盘等的多重存储单元。
在一些实施方式中，处理器405经由存储接口420可操作地耦接至存储器装置434。存储接口420是能够提供处理器405的对存储器装置434的访问的任何组件。存储接口420可以包括，例如，先进技术附件(ATA)适配器、串行ATA(SATA)适配器、小型计算机系统接口(SCSI)适配器、RAID控制器、SAN适配器、网络适配器、和/或提供处理器405的对存储器装置434的访问的任何组件。
处理器405执行用于执行本公开的方面的计算机可执行指令。在一些实施方式中，处理器405通过执行计算机可执行指令或通过被另外地编程而转换为专用微处理器。例如，处理器405被用诸如图5中示出的指令编程。
图5是用于使用系统200(在图2中示出)分析工程图样以提取部件几何结构的处理500的流程图。在示例性实施方式中，通过GEA计算机装置210(在图2中示出)执行处理500。
在示例性实施方式中，GEA计算机装置210接收一个或多个部件的至少一个视图的至少一个图像(505)。在示例性实施方式中，GEA计算机装置210接收一个或多个图像文件104(在图1中示出)中的至少一个图像(505)。在一些实施方式中，一个或多个图像文件104被存储在存储器中，诸如在数据库220中(在图1中示出)。在一些实施方式中，由用户诸如通过用户计算机装置205选定至少一个图像。在其他实施例中，GEA计算机装置210被配置为对于每个图像或图像的组合，通过重复本文中描述的步骤遍历多个图像文件104中的多个图像。在示例性实施方式中，至少一个图像包括多个部件的装配的主要视图。在一些实施方式中，至少一个图像还包括该多个部件中的一个或多个部件的一个或多个次要视图、该一个或多个部件的不同角度或不同比例的这种视图。
在示例性实施方式中，GEA计算机装置210基于包含在至少一个图像中的一个或多个轮廓将至少一个图像划分为多个片段(510)。在示例性实施方式中，GEA计算机装置210使用轮廓提取器110(在图1中示出)以识别包含在至少一个图像中的部件的轮廓。GEA计算机装置210基于该多个片段识别至少一个图像中的一个或多个几何形状(515)。GEA计算机装置210基于一个或多个几何形状识别至少一个图像中的一个或多个部件(520)。例如，GEA计算机装置210划分图像为多个曲线和轮廓(510)。GEA计算机装置210然后从至少一个图像中的多个曲线和轮廓中识别一个或多个几何形状(515)。然后，GEA计算机装置210基于该几何形状识别至少一个图像中的部件(520)。
在示例性实施方式中，GEA计算机装置210基于一个或多个几何形状生成一个或多个部件的三维(3D)图像(525)。在示例性实施方式中，GEA计算机装置210生成至少一个图像中的每个部件的三维图像(525)。在一些实施方式中，GEA计算机装置210生成每个部件的独立三维图像(525)。在又一些实施方式中，GEA计算机装置210生成相互连接的部件的至少一个三维图像(525)。
在一些实施方式中，GEA计算机装置210计数每个轮廓中的像素并且使用该计数以确定图像中的每个部件的相对大小。此外，GEA计算机装置210确定至少一个图像中的两个不同视图中的同一部件的相对大小，其中主要视图和次要视图具有不同的比例。在又一些实施方式中，GEA计算机装置210确定该多个部件中的一个或多个部件的多个部件尺寸中的至少一个部件尺寸。GEA计算机装置210基于确定的该一个或多个部件的至少一个部件尺寸和相对大小，计算与一个或多个部件中的每一个相关联的多个部件尺寸。例如，至少一个图像的主要视图不包含任何大小或比例记号。GEA计算机装置210基于次要视图确定部件的一个或多个尺寸，诸如长度、宽度、和/或深度。GEA计算机装置210识别主要视图中的相同部件并且确定该两个视图之间的部件的相对大小。GEA计算机装置210然后基于该部件的该相对大小以及已知尺寸计算主要视图中的其他部件的尺寸。在又一些实施方式中，GEA计算机装置210从另一图像中识别已知部件，其中该部件的尺寸是已知的。GEA计算机装置210使用已知部件的这些已知的尺寸来计算其他部件的未知尺寸。
在一些实施方式中，GEA计算机装置210接收用于加工一个或多个部件中的至少一个部件的加工系统225(在图2中示出)的多个加工尺寸。这些尺寸可以包括但不限于，长度、宽度、深度、以及加工基床的容积。GEA计算机装置210对至少一个部件比较多个部件尺寸与多个加工尺寸。基于该比较，GEA计算机装置210确定加工系统225是否能够基于该比较加工该至少一个部件。例如，GEA计算机装置210确定部件是否将能装入加工系统225的基床。如果该判定是加工系统225能够加工该至少一个部件，GEA计算机装置210生成用于加工系统225的三维(3D)制造文件116(在图1中示出)以加工该至少一个部件。在一些实施方式中，GEA计算机装置210发送三维制造文件116至加工系统225。
在又一些实施方式中，GEA计算机装置210基于一个或多个几何形状检测至少一个图像中的多个部件。GEA计算机装置210将该多个部件中的两个或更多个部件结合为单个部件，该单个部件要通过加工系统225、基于结合的部件的多个部件尺寸和多个加工尺寸来加工。在这些实施方式中，GEA计算机装置210分析加工系统225的加工区域的大小并且确定如何将多个部件结合为可由加工系统225加工的单个部件。例如，GEA计算机装置210可以结合管和用于连接该管至另一部件的连接器。在另一示例中，GEA计算机装置210可以结合两个以上的管为单个管以减少所需部件的数量。
在示例性实施方式中，GEA计算机装置210从至少一个图像中移除多个符号记号。工程图样通常包含记号和/或符号，诸如参考标签和引导箭头。在示例性实施方式中，GEA计算机装置210在提取轮廓之前从图像中移除这些记号。这些记号的移除改善GEA计算机装置210和轮廓提取器110的能力，以识别部件的实际轮廓并且在图像中仅保留该部件表示。在一些实施方式中，GEA计算机装置210诸如在数据库220中存储记号式标志图像的资料库或储存库。在这些实施方式中，GEA计算机装置210和记号掩模108(在图1中示出)使用该存储的图像以识别要移除的图像中的符号记号。在又一些实施方式中，GEA计算机装置210确定一个或多个先前未知的符号记号并且在数据库220中存储这些记号。在其他实施例中，符号记号的资料库是由用户提供的。
图6是使用系统200(在图2中示出)清理图像的处理600的流程图。在示例性实施方式中，通过GEA计算机装置210(在图2中示出)执行处理600。
在示例性实施方式中，GEA计算机装置诸如在数据库220(在图1中示出)中存储作为图像的独立工程图样的储存库(602)。该工程图样可以来自纸张图样，诸如来自维护及工程手册。GEA计算机装置210从图像的储存库中选择单个图像文件104(在图1中示出)(604)。在示例性实施方式中，GEA计算机装置210在图像文件104上执行两个处理。
在第一处理中，GEA计算机装置210基于轮廓的连续性分割图像文件104并且标记所有轮廓(606)。GEA计算机装置210列出所有识别的轮廓作为单独的图像(608)。
在第二处理中，GEA计算机装置210诸如在数据库中存储独立标记表示的储存库作为图像(610)。GEA计算机装置210使用图像文件104进行图像中的标记表示的迭代模式识别(612)。GEA计算机装置210以白色前景覆盖所有图像中的标记表示(614)。GEA计算机装置210在图像上执行图像处理以识别几何形状并且也以白色前景覆盖它们(616)。在示例性实施方式中，GEA计算机装置210使用霍夫变换以识别并且覆盖几何形状。本领域技术人员应理解，其它图像处理技术也可以被用来实现这种效果。
GEA计算机装置210结合作为单独图像的所有识别的轮廓的列表(来自608)与覆盖的记号及几何形状(来自616)，以基于与部件大小相比小的轮廓覆盖不需要的信息(618)。在示例性实施方式中，GEA计算机装置210覆盖标记表示以及对于生成(620)无记号的被清理图像来说过于小的轮廓。在一些实施方式中，用户可以调整设定以控制相对大小差异阈值，该相对大小差异阈值用于GEA计算机装置210来确定哪个轮廓是过小的。
例如，GEA计算机装置210从储存库中选择文件(604)。GEA计算机装置210分割图像文件104并且标记图像文件104中的轮廓(606)。GEA计算机装置210然后存储这些轮廓为单独的图像(来自608)。GEA计算机装置210对图像中的标记表示执行模式识别(612)并以白色前景覆盖这些表示以隐藏它们(614)。GEA计算机装置210也隐藏图像中的其它几何形状(616)。使用不同轮廓的图像，GEA计算机装置210掩盖不需要的轮廓和标记(618)。其被保持为白色(或与背景相同颜色)以隐藏它们。剩余轮廓组成被清理图像620。在示例性实施方式中，GEA计算机装置210存储剩余轮廓的图像。
图7是使用系统200(在图2中示出)分析工程图样以抽取三维(3D)部件几何结构的处理700的流程图。在示例性实施方式中，通过GEA计算机装置210(在图2中示出)执行处理600。
在示例性实施方式中，GEA计算机装置210诸如从处理600的步骤620(两者都在图6中示出)接收部件的被清理图像(702)。GEA计算机装置210对被清理图像应用边缘检测算法(704)。GEA计算机装置210从被清理图像中提取图像坐标(706)。GEA计算机装置210还提取被清理图像中的每个部件的像素大小(708)。
GEA计算机装置210分析边缘检测图像以在该图像中识别轮廓以确定边界框(710)。边界框是整个部件或多个部件将放入的最小或最少的边界的或围绕的方框。GEA计算机装置210使用该提取的图像坐标以确定图像中的部件的几何轮廓(712)。
GEA计算机装置210使用被清理图像702所基于的原始图像716，来提取在图像中的该图像的像素大小(714)。GEA计算机装置210还使用光学字符识别(OCR)提取与该图像的比例相关的文本(720)。GEA计算机装置210结合所提取的部件的像素大小、所提取的图像的像素大小、以及所提取的与比例相关的文本来确定部件的现实尺寸(722)。使用部件的现实大小，GEA计算机装置210将几何轮廓及边界框转换为现实大小(726)。
GEA计算机装置210从原始文件716中提取组件尺寸和形状判定(718)。GEA计算机装置210基于图像中的部件的形状和尺寸确定第三坐标(长度、宽度、和/或高度)(724)。第三坐标表示不通过二维图像表示的部件的坐标。GEA计算机装置210以该第三坐标整合该现实大小坐标(728)。在一些实施方式中，该整合的坐标被用于生成三维图像、图像文件104中的该一个或多个部件的坐标列表、和/或加工制造文件116(在图1中示出)。
图8是可以在图2中示出的系统200中使用的一个或多个实例计算设备的组件的示图800。在一些实施方式中，计算设备810与GEA计算机装置210(在图2中示出)相似。数据库820可以与计算设备810内的执行特定任务的几个单独的组件偶联。在这个实施方式中，数据库820包括提取的二维图像822、三维部件图像824、加工系统参数826、以及制造文件828(可以与图1中示出的制造文件116相似)。在一些实施方式中，数据库820与数据库220(在图2中示出)相似。
计算设备810包括数据库820、以及数据存储装置830。计算设备810还包括用于接收(505)至少一个图像的通信组件840(在图5中示出)。计算设备810还包括用于划分(510)至少一个图像为多个片段(在图5中示出)的划分组件850。计算设备810进一步包括用于识别(515)一个或多个几何形状并且识别(520)一个或多个部件(两者都在图5中示出)的识别组件860。此外，计算设备包括用于生成(525)三维图像(在图5中示出)的生成组件870。处理组件880协助与该系统相关联的计算机可执行指令的执行。
可以使用监督或无监督机器学习训练处理器或处理元件，并且机器学习程序可以采用神经网络，其可以是卷积神经网络、深度学习神经网络、或在两个以上的领域或关注区域中学习的组合学习模块或程序。机器学习可以包括已有数据的标示和识别模式，以利于对后续数据进行预测。可以基于实例输入创建模型以对新输入进行有效且可靠的预测。
此外或可替换地，可以通过将样本数据集或某个数据输入进程序，诸如图像数据、先前识别的记号、先前的部件图像、以及其他数据，来训练机器学习程序。机器学习程序可以利用可以主要集中在模式识别上的深度学习算法，并且可以在处理多个实例之后被训练。机器学习程序可以单独地或组合地包括贝叶斯程序学习(BPL)、图像或物体识别、光学字符识别、像素识别、和/或自然语言处理。机器学习程序也可以包括自然语言处理、语义分析、自动推理、和/或机器学习。
在监督式机器学习中，处理元件可以配有实例输入以及它们的关联的输出，并且可以设法发现将输入映射到输出的一般规则，使得当提供其后的新输入时，处理元件可以基于被发现的规则精确的预测正确的输出。在无监督式机器学习中，会需要处理元件以在未标记的实例输入中找到它自身的结构。在一个实施方式中，机器学习技术可以用于提取关于部件、一个或多个记号、图像数据、和/或其他数据的数据。
基于这些分析，处理元件可以学习如何识别之后可以应用于分析工程图样、图像数据、和/或其他数据的特征和模式。例如，处理元件可以基于最少的信息或在即使存在由用户的错误分类的情况下学习识别位置或物体。处理元件也可以基于所接收的图像数据中的差异学习如何识别不同类型的物体。
本文中讨论的计算机实现方法可以包括更多的、更少的、或替换的动作，包括在本文中其它地方讨论的动作。可以经由一个或多个本地或远程处理器、收发器、服务器、和/或传感器(诸如安装在车辆或移动设备上、或与智能基础设施或远程服务器相关联的处理器、收发器、服务器、和/或传感器)，和/或经由存储在一个或多个非易失性计算机可读介质上的计算机可执行指令实现该方法。此外，本文中讨论的计算机系统可以包括更多的、更少的、或替换的功能，包括在本文中其它地方讨论的功能。本文中讨论的计算机系统可以包括存储在一个或多个非易失性计算机可读介质上的计算机可执行指令，或经由该指令实现。
如本文中使用的，术语“非易失性计算机可读介质”旨在表示任何以任何方法或技术实现的，用于信息(诸如，计算机可读指令、数据结构、程序模块和子模块、或任何装置中的其他数据)的短期和长期存储的有形的基于计算机的装置。因而，本文中所描述的方法可被编码成可执行指令，其具体化在包括但并不限于储存(storage)装置和/或存储(memory)装置的有形的非易失性计算机可读介质中。这些指令在被处理器执行时，使处理器执行本文中所描述的至少一部分的方法。此外，如本文中使用的，术语“非易失性计算机可读介质”包括所有的有形的计算机可读介质，包括而不限于非易失性计算机存储装置、包括而不限于易失和永久介质、以及可移动和不可移动介质，诸如固件、物理及虚拟存储器、光盘、DVD、以及任何其它诸如网络或互联网的数字源、以及还有待于开发的数字方法，其唯一例外是暂时性的、正在传递的信号。
如上所述，本文中描述的实现方式涉及用于提取部件几何结构的系统和方法，并且更具体地，涉及分析工程图样以提取用于增材制造的部件几何结构。更具体地，几何结构提取和分析(“GEA”)计算机装置清理并且分析工程图样以提取部件的三维(3D)表示。GEA计算机装置基于部件的三维表示生成3D打印机制造文件。
上述用于部件几何结构提取的方法和系统是有成本效益、安全、并且高度可靠的。该方法和系统包括从图像中清理记号，从图像中提取一个或多个部件的图像，基于被清理的图像生成部件的三维表示，基于图像中的信息确定部件的大小，基于三维表示生成用于加工的制造文件，并且改善执行以上步骤的速度和准确度。此外，以上方法描述了替换方法，以手动的生成制造文件。作为替代，本文中描述的系统和方法描述了一种更加有成本效益并且更快的从工程图样进行到加工的方法。相应地，该方法和系统以有成本效益并可靠的方式有利于改善转换工程图样的用途和效率。
可以使用计算机程序或工程技术，包括计算机软件、固件、硬件、或其任何组合物或子集，实现本文中描述的方法和系统。如同上面公开的，现有系统的至少一个技术问题是存在对用有成本效益并且可靠的方式转换工程图样的系统的需要。本文中描述的系统和方法解决了这个技术问题。通过执行至少一个以下步骤实现本文中描述的系统和处理的技术效果：(a)通过处理器接收一个或多个部件的至少一个视图的至少一个图像，其中，至少一个图像包括多个像素；(b)通过处理器基于包含在该至少一个图像中的一个或多个轮廓将至少一个图像划分为多个片段；(c)通过处理器基于该多个片段识别该至少一个图像中的一个或多个几何形状；(d)通过处理器基于该一个或多个几何形状识别一个或多个部件；(e)从该至少一个图像中移除多个符号记号；(f)基于与该一个或多个几何形状相关联的多个像素确定一个或多个部件的相对大小；(g)确定该一个或多个部件中的一个部件的多个部件尺寸中的至少一个部件尺寸；(h)基于所确定的该一个或多个部件的至少一个部件尺寸和相对大小计算与该一个或多个部件中的每一个部件相关联的多个部件尺寸；并且(i)通过处理器基于该一个或多个几何形状生成该一个或多个部件的三维图像。
在一些实施方式中，通过执行以下步骤中的至少一个实现本文中描述的系统和处理的技术效果：(a)接收用于加工一个或多个部件中的至少一个部件的加工系统的多个加工尺寸；(b)比较该多个部件尺寸与用于该至少一个部件的多个加工尺寸；(d)基于该比较确定加工系统是否能够加工该至少一个部件；(e)如果该判定是加工系统能够加工该至少一个部件，生成用于加工系统的三维制造文件以加工该至少一个部件；(f)基于一个或多个几何形状检测多个部件；(g)结合多个部件中的两个或更多个为通过加工系统基于所结合的部件的多个部件尺寸和多个加工尺寸来加工的单个部件。
所产生的技术效果是不需要昂贵且耗时的重绘而对工程图样中的部件生成三维图像和制造文件。
进一步地，本公开内容包括根据下列条款的实施方式：
条款1.一种几何结构提取和分析(“GEA”)计算机装置，包括与至少一个存储装置通信的至少一个处理器，GEA计算机装置被配置为：
接收一个或多个部件的至少一个视野的至少一个图像；
基于包含在至少一个图像中的一个或多个轮廓将至少一个图像划分为多个片段；
基于多个片段在至少一个图像中识别一个或多个几何形状；
基于一个或多个几何形状识别一个或多个部件；以及
基于一个或多个几何形状生成一个或多个部件的三维图像。
条款2.一种根据条款1的GEA计算机装置，其中，至少一个图像包括多个像素，并且其中，GEA计算机装置进一步被配置为基于与一个或多个几何形状相关联的多个像素确定一个或多个部件的相对大小。
条款3.根据条款2的GEA计算机装置，其中，GEA计算机装置进一步被配置为：
确定一个或多个部件中的一个的多个部件尺寸中的至少一个部件尺寸；以及
基于确定的一个或多个部件的至少一个部件尺寸和相对大小，计算与一个或多个部件中的每一个相关联的多个部件尺寸。
条款4.根据条款3的GEA计算机装置，其中，GEA计算机装置进一步被配置为：
接收加工系统的用于加工一个或多个部件中的至少一个部件的多个加工尺寸；
比较多个部件尺寸与用于至少一个部件的多个加工尺寸；以及
基于比较确定加工系统是否能够加工至少一个部件。
条款5.根据条款4的GEA计算机装置，其中，GEA计算机装置进一步被配置为如果判定是加工系统能够加工至少一个部件，生成加工系统的三维制造文件以加工至少一个部件。
条款6.根据条款4或5中的任一项的GEA计算机装置，其中，GEA计算机装置进一步被配置为：
基于一个或多个几何形状检测多个部件；以及
将多个部件中的两个或更多个结合为单个部件，该单个部件要由加工系统基于结合的部件的多个部件尺寸和多个加工尺寸加工。
条款7.根据条款1至6中任一项的GEA计算机装置，其中，GEA计算机装置进一步被配置为从至少一个图像中移除多个符号记号。
条款8.根据条款1至7中任一项的GEA计算机装置，其中，至少一个图像包括多个部件，其中至少一个图像包括多个部件中的第一部件的多个视图，并且其中，GEA计算机装置进一步被配置为：
基于第一部件的多个视图确定第一部件的至少一个部件尺寸；以及
基于确定的至少一个部件尺寸计算多个部件中的第二部件的多个部件尺寸。
条款9.根据条款8的GEA计算机装置，其中，多个视图包括包含第一部件的第一视图，其中多个视图包括包含第一部件和第二部件的第二视图，并且其中，GEA计算机装置进一步被配置为从第一视图确定第一部件的至少一个部件尺寸。
条款10.根据条款9的GEA计算机装置，其中，第一视图是第一部件的放大视图。
条款11.一种用于提取部件几何结构的方法，该方法使用几何结构提取和分析(“GEA”)计算机装置实现，GEA计算机装置包括与存储器通信的处理器，该方法包括：
通过处理器，接收一个或多个部件的至少一个视图的至少一个图像；
通过处理器，基于包含在至少一个图像中的一个或多个轮廓将至少一个图像划分为多个片段；
通过处理器，基于多个片段识别至少一个图像中的一个或多个几何形状；
通过处理器，基于一个或多个几何形状识别一个或多个部件；以及
通过处理器，基于一个或多个几何形状生成一个或多个部件的三维图像。
条款12.根据条款11的方法，其中，至少一个图像包括多个像素，并且其中，方法进一步包括：
基于与一个或多个几何形状相关联的多个像素确定一个或多个部件的相对大小；
确定一个或多个部件中的一个部件的多个部件尺寸中的至少一个部件尺寸；以及
基于确定的一个或多个部件的至少一个部件尺寸和相对大小，计算与一个或多个部件中的每一个相关联的多个部件尺寸。
条款13.根据条款12的方法，进一步包括：
接收加工系统的用于加工一个或多个部件中的至少一个部件的多个加工尺寸；
比较多个部件尺寸与用于至少一个部件的多个加工尺寸；以及
基于比较确定加工系统是否能够加工至少一个部件。
条款14.根据条款13的方法，进一步包括如果该判定是加工系统能够加工至少一个部件，生成用于加工系统的三维制造文件以加工至少一个部件。
条款15.根据条款13或14中任一项的方法，进一步包括：
基于一个或多个几何形状检测多个部件；以及
将多个部件中的两个或更多个部件结合为单个部件，单个部件要由加工系统基于结合的部件的多个部件尺寸和多个加工尺寸加工。
条款16.根据条款11至15中任一项的方法，还包括从至少一个图像中移除多个符号记号。
条款17.至少一个非易失性计算机可读存储介质，具有包括在其上的计算机可执行指令，其中，当通过至少一个处理器执行时，计算机可执行指令使处理器：
接收一个或多个部件的至少一个视图的至少一个图像；
基于包含于至少一个图像的一个或多个轮廓将该至少一个图像划分为多个片段；
基于多个片段在至少一个图像中识别一个或多个几何形状；
基于一个或多个几何形状识别一个或多个部件；以及
基于一个或多个几何形状生成一个或多个部件的三维图像。
条款18.根据条款17的计算机可读存储介质，其中，至少一个图像包括多个像素，并且其中，计算机可执行指令进一步使处理器：
基于与一个或多个几何形状相关联的多个像素确定一个或多个部件的相对大小；
确定一个或多个部件中的一个部件的多个部件尺寸中的至少一个部件尺寸；以及
基于确定的一个或多个部件的至少一个部件尺寸和相对大小，计算与一个或多个部件中的每一个相关联的多个部件尺寸。
条款19.根据条款18的计算机可读存储介质，其中，至少一个图像包括多个像素，并且其中，计算机可执行指令进一步使处理器：
接收加工系统的用于加工一个或多个部件中的至少一个部件的多个加工尺寸；
比较多个部件尺寸与用于至少一个部件的多个加工尺寸；
基于该比较确定加工系统是否能够加工该至少一个部件；以及
如果该判定是加工系统能够加工该至少一个部件，生成用于加工系统的三维制造文件以加工至少一个部件。
条款20.根据条款19的计算机可读存储介质，其中，至少一个图像包括多个像素，并且其中，计算机可执行指令进一步使处理器：
基于一个或多个几何形状检测多个部件；以及
将该多个部件中的两个或更多个部件结合为单个部件，该单个部件要由加工系统基于结合的部件的多个部件尺寸和多个加工尺寸来加工。
本说明书使用示例公开了包括最优模式的各种实施方式，并且还使任何所属技术领域的专业人员能够实施各种实施方式，包括加工和使用任何设备或者系统并且执行任何结合的方法。通过权利要求限定本公开的可以取得专利的范围，并且可以包括其它被本领域技术人员想到的示例。如果它们具有与权利要求的字面语言没有区别的结构元素，或如果它们包括与权利要求的字面语言无实质差异的结构元素等价物，则这种其他示例旨在包括在权利要求的范围内。
Claims (15)
1.一种几何结构提取和分析GEA计算机装置(210)，包括与至少一个存储装置(310、410)通信的至少一个处理器(305、405)，所述GEA计算机装置(210)被配置为：
接收一个或多个部件的至少一个视图的至少一个图像；
基于包含在所述至少一个图像中的一个或多个轮廓将所述至少一个图像划分为多个片段；
基于所述多个片段识别所述至少一个图像中的一个或多个几何形状；
基于所述一个或多个几何形状识别所述一个或多个部件；以及
基于所述一个或多个几何形状生成所述一个或多个部件的三维图像。
2.根据权利要求1所述的GEA计算机装置(210)，其中，所述至少一个图像包括多个像素，并且其中，所述GEA计算机装置(210)进一步被配置为基于与所述一个或多个几何形状相关联的所述多个像素确定所述一个或多个部件的相对大小。
3.根据权利要求2所述的GEA计算机装置(210)，其中，所述GEA计算机装置(210)进一步被配置为：
确定所述一个或多个部件中的一个部件的多个部件尺寸中的至少一个部件尺寸；以及
基于确定的所述一个或多个部件的所述至少一个部件尺寸和所述相对大小计算与所述一个或多个部件中的每一个相关联的多个部件尺寸。
4.根据权利要求3所述的GEA计算机装置(210)，其中，所述GEA计算机装置(210)进一步被配置为：
接收加工系统(225)的用于加工所述一个或多个部件中的至少一个部件的多个加工尺寸；
比较所述多个部件尺寸与用于所述至少一个部件的所述多个加工尺寸；以及
基于所述比较，确定所述加工系统(225)是否能够加工所述至少一个部件。
5.根据权利要求4所述的GEA计算机装置(210)，其中，所述GEA计算机装置(210)进一步被配置为：如果确定结果是所述加工系统(225)能够加工所述至少一个部件，则生成用于所述加工系统(225)的三维制造文件(116)以加工所述至少一个部件。
6.根据权利要求4或5所述的GEA计算机装置(210)，其中，所述GEA计算机装置(210)进一步被配置为：
基于所述一个或多个几何形状检测多个部件；以及
将所述多个部件中的两个或更多个部件结合为单个部件，所述单个部件要由所述加工系统(225)基于结合的部件的多个部件尺寸和多个加工尺寸来加工。
7.根据权利要求1至5中任一项所述的GEA计算机装置(210)，其中，所述GEA计算机装置(210)进一步被配置为从所述至少一个图像移除多个符号记号。
8.根据权利要求1至5中任一项所述的GEA计算机装置(210)，其中，所述至少一个图像包括多个部件，其中所述至少一个图像包括所述多个部件中的第一部件的多个视图，并且其中，所述GEA计算机装置(210)进一步被配置为：
基于所述第一部件的所述多个视图确定所述第一部件的至少一个部件尺寸；以及
基于确定的至少一个部件尺寸计算所述多个部件中的第二部件的多个部件尺寸。
9.根据权利要求8所述的GEA计算机装置(210)，其中，所述多个视图包括包含所述第一部件的第一视图，其中所述多个视图包括包含所述第一部件和所述第二部件的第二视图，并且其中，所述GEA计算机装置(210)进一步被配置为从所述第一视图确定所述第一部件的所述至少一个部件尺寸。
10.根据权利要求9所述的GEA计算机装置(210)，其中，所述第一视图是所述第一部件的放大视图。
11.一种用于提取部件几何结构的方法，所述方法使用几何结构提取和分析GEA计算机装置(210)实现，所述GEA计算机装置(210)包括与存储器通信的处理器，所述方法包括：
通过所述处理器，接收(505)一个或多个部件的至少一个视图的至少一个图像；
通过所述处理器，基于包含在所述至少一个图像中的一个或多个轮廓将所述至少一个图像划分(510)为多个片段；
通过所述处理器，基于所述多个片段识别(515)所述至少一个图像中的一个或多个几何形状；
通过所述处理器，基于所述一个或多个几何形状识别(520)所述一个或多个部件；以及
通过所述处理器，基于所述一个或多个几何形状生成(525)所述一个或多个部件的三维图像。
12.根据权利要求11所述的方法，其中，所述至少一个图像包括多个像素，并且其中，所述方法进一步包括：
基于与所述一个或多个几何形状相关联的所述多个像素确定所述一个或多个部件的相对大小；
确定所述一个或多个部件中的一个部件的多个部件尺寸中的至少一个部件尺寸；以及
基于确定的所述一个或多个部件的至少一个部件尺寸和相对大小，计算与所述一个或多个部件中的每一个相关联的多个部件尺寸。
13.根据权利要求12所述的方法，进一步包括：
接收加工系统(225)的用于加工所述一个或多个部件中的至少一个部件的多个加工尺寸；
比较所述多个部件尺寸与用于所述至少一个部件的所述多个加工尺寸；以及
基于所述比较，确定所述加工系统(225)是否能够加工所述至少一个部件，可选地，所述方法还包括：如果确定结果是所述加工系统(225)能够加工所述至少一个部件，则生成用于所述加工系统(225)的三维制造文件以加工所述至少一个部件。
14.根据权利要求13所述的方法，进一步包括：
基于所述一个或多个几何形状检测多个部件；以及
将所述多个部件中的两个或更多个部件结合为单个部件，所述单个部件要由所述加工系统(225)基于结合的部件的多个部件尺寸和多个加工尺寸来加工。
15.根据权利要求11至14中任一项所述的方法，还包括从所述至少一个图像中移除多个符号记号。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US15/593,565 US20180330018A1 (en) | 2017-05-12 | 2017-05-12 | Methods and systems for part geometry extraction |
| US15/593,565 | 2017-05-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108876843A true CN108876843A (zh) | 2018-11-23 |
| CN108876843B CN108876843B (zh) | 2024-05-07 |
Family
ID=61768135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810380402.7A Active CN108876843B (zh) | 2017-05-12 | 2018-04-25 | 用于部件几何结构提取的方法和系统 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20180330018A1 (zh) |
| EP (1) | EP3401875A3 (zh) |
| CN (1) | CN108876843B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109934763A (zh) * | 2019-01-16 | 2019-06-25 | 中德（珠海）人工智能研究院有限公司 | 一种几何结构提取分析装置及其工作方式 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190385364A1 (en) * | 2017-12-12 | 2019-12-19 | John Joseph | Method and system for associating relevant information with a point of interest on a virtual representation of a physical object created using digital input data |
| US11257132B1 (en) * | 2018-05-04 | 2022-02-22 | Allstate Insurance Company | Processing systems and methods having a machine learning engine for providing a surface dimension output |
| US20220121785A1 (en) * | 2019-02-07 | 2022-04-21 | Matrak Shield Pty. Ltd. | System and Method for Automated Material Take-Off |
| US10884396B2 (en) * | 2019-02-27 | 2021-01-05 | General Electric Company | Sensor based smart segmentation |
| EP4145403A1 (en) * | 2021-09-03 | 2023-03-08 | Tata Consultancy Services Limited | Systems and methods for extracting, digitizing, and using engineering drawing data |
| CN114186359B (zh) * | 2021-11-22 | 2022-09-27 | 广东宏远新科自动化技术开发有限公司 | 一种机械产品可制造性智能分析方法及系统 |
| CN115238368B (zh) * | 2022-09-21 | 2022-12-16 | 中南大学 | 基于计算机视觉的桥墩图纸识别自动化建模方法和介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1288552A (zh) * | 1998-01-22 | 2001-03-21 | 尤尼凯特软件管理股份有限公司 | 用于识别一个或多个物体的方法和系统 |
| US6455835B1 (en) * | 2001-04-04 | 2002-09-24 | International Business Machines Corporation | System, method, and program product for acquiring accurate object silhouettes for shape recovery |
| JP2006059165A (ja) * | 2004-08-20 | 2006-03-02 | Riyuukoku Univ | ３次元モデリング装置、幾何学パターン、３次元モデリングデータの生成方法、３次元モデリングプログラム、記録媒体 |
| US20120293498A1 (en) * | 2011-05-19 | 2012-11-22 | Ron Hubertus Schormans | Method and Apparatus for Determining Optimal Image Viewing Direction |
| US20130294707A1 (en) * | 2010-07-08 | 2013-11-07 | Yeda Research And Development Ltd | Geometric modelization of images and applications |
| CN103703490A (zh) * | 2011-06-29 | 2014-04-02 | Nec软件系统科技有限公司 | 用于产生三维特征数据的设备、用于产生三维特征数据的方法、以及其上记录有用于产生三维特征数据的程序的记录介质 |
| CN104123747A (zh) * | 2014-07-17 | 2014-10-29 | 北京毛豆科技有限公司 | 多方式触控三维建模方法和系统 |
| CN105913485A (zh) * | 2016-04-06 | 2016-08-31 | 北京小小牛创意科技有限公司 | 一种三维虚拟场景的生成方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3104302B1 (en) * | 2015-06-09 | 2018-05-23 | ABB Schweiz AG | A method of digitalising engineering documents |
| KR101732970B1 (ko) * | 2015-12-09 | 2017-05-08 | (주)솔리드이엔지 | 3d 캐드 데이터 처리 방법 및 장치 |
-
2017
- 2017-05-12 US US15/593,565 patent/US20180330018A1/en not_active Abandoned
-
2018
- 2018-03-23 EP EP18163769.5A patent/EP3401875A3/en not_active Ceased
- 2018-04-25 CN CN201810380402.7A patent/CN108876843B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1288552A (zh) * | 1998-01-22 | 2001-03-21 | 尤尼凯特软件管理股份有限公司 | 用于识别一个或多个物体的方法和系统 |
| US6455835B1 (en) * | 2001-04-04 | 2002-09-24 | International Business Machines Corporation | System, method, and program product for acquiring accurate object silhouettes for shape recovery |
| JP2006059165A (ja) * | 2004-08-20 | 2006-03-02 | Riyuukoku Univ | ３次元モデリング装置、幾何学パターン、３次元モデリングデータの生成方法、３次元モデリングプログラム、記録媒体 |
| US20130294707A1 (en) * | 2010-07-08 | 2013-11-07 | Yeda Research And Development Ltd | Geometric modelization of images and applications |
| US20120293498A1 (en) * | 2011-05-19 | 2012-11-22 | Ron Hubertus Schormans | Method and Apparatus for Determining Optimal Image Viewing Direction |
| CN103703490A (zh) * | 2011-06-29 | 2014-04-02 | Nec软件系统科技有限公司 | 用于产生三维特征数据的设备、用于产生三维特征数据的方法、以及其上记录有用于产生三维特征数据的程序的记录介质 |
| CN104123747A (zh) * | 2014-07-17 | 2014-10-29 | 北京毛豆科技有限公司 | 多方式触控三维建模方法和系统 |
| CN105913485A (zh) * | 2016-04-06 | 2016-08-31 | 北京小小牛创意科技有限公司 | 一种三维虚拟场景的生成方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| R. PONCHE: "A new global approach to design for additive manufacturing", pages 93 - 103 * |
| S.ABLAMEYKO: "Reconstruction of 3D Object Models from Vectorised Engineering Drawings", pages 3 - 11 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109934763A (zh) * | 2019-01-16 | 2019-06-25 | 中德（珠海）人工智能研究院有限公司 | 一种几何结构提取分析装置及其工作方式 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108876843B (zh) | 2024-05-07 |
| US20180330018A1 (en) | 2018-11-15 |
| EP3401875A3 (en) | 2019-01-02 |
| EP3401875A2 (en) | 2018-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108876843A (zh) | 用于部件几何结构提取的方法和系统 | |
| Li et al. | Manhattan-world urban reconstruction from point clouds | |
| Babahajiani et al. | Urban 3D segmentation and modelling from street view images and LiDAR point clouds | |
| US9633483B1 (en) | System for filtering, segmenting and recognizing objects in unconstrained environments | |
| US9530218B2 (en) | Method for classification and segmentation and forming 3D models from images | |
| CN114641753A (zh) | 使用机器学习从楼层平面图图纸进行合成数据生成和建筑信息模型(bim)要素提取 | |
| Shi et al. | Semantic geometric modelling of unstructured indoor point cloud | |
| CN103810500B (zh) | 一种基于有监督学习概率主题模型的地点图像识别方法 | |
| Chen et al. | Photogrammetric point cloud segmentation and object information extraction for creating virtual environments and simulations | |
| CN104077447A (zh) | 基于纸质平面数据的城市三维空间矢量建模方法 | |
| Oskouie et al. | Automated recognition of building façades for creation of As-Is Mock-Up 3D models | |
| CN116468392A (zh) | 一种电网工程项目进度监控方法、装置、设备及存储介质 | |
| Koch et al. | Real estate image analysis: A literature review | |
| Mewada et al. | Automatic room information retrieval and classification from floor plan using linear regression model | |
| CN118135220B (zh) | 一种基于体素和点集融合的点云分割方法、装置及设备 | |
| CN103678593B (zh) | 一种基于空间场景草图描述的交互式空间场景检索方法 | |
| Chu et al. | Housecraft: Building houses from rental ads and street views | |
| CN101887522A (zh) | 基于多点同时快速行进的遥感影像道路提取方法 | |
| Ma et al. | HoW-3D: Holistic 3D wireframe perception from a single image | |
| CN110781851A (zh) | 一种基于图片的装修户型图识别方法 | |
| Joy et al. | Automation of material takeoff using computer vision | |
| Gruen et al. | An Operable System for LoD3 Model Generation Using Multi-Source Data and User-Friendly Interactive Editing | |
| CN113487741A (zh) | 稠密三维地图更新方法及装置 | |
| Zhang et al. | Automatic floor plan analysis for adaptive indoor Wi-Fi positioning system | |
| Zhuo et al. | Cross field-based segmentation and learning-based vectorization for rectangular windows |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |