CN110945568A - 用于评估3d模型的系统和方法 - Google Patents
用于评估3d模型的系统和方法 Download PDFInfo
- Publication number
- CN110945568A CN110945568A CN201880045270.0A CN201880045270A CN110945568A CN 110945568 A CN110945568 A CN 110945568A CN 201880045270 A CN201880045270 A CN 201880045270A CN 110945568 A CN110945568 A CN 110945568A
- Authority
- CN
- China
- Prior art keywords
- perimeter
- triangle
- triangles
- match
- data
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
- G05B19/4099—Surface or curve machining, making 3D objects, e.g. desktop manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- 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
- G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49023—3-D printing, layer of powder, add drops of binder in layer, new powder
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Automation & Control Theory (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Generation (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Image Processing (AREA)
Abstract
一种方法,在三个正交方向的每个方向上,从切片程序获得3D对象的三角网格数据的尺寸层。获得三个正交方向的每一个的每一层的周长长度值,并将其与参考对象的存储的周长长度值进行比较以确定匹配程度。通过CNC/3D打印软件进行处理可以简化测量数据。还分析了3D对象中的较小对象。对于更鲁棒的方法,通过合计周围三角形的周长来分配值以分析三角网格数据中的每个三角形。根据分配的总周长值与参考对象进行匹配。可以在一个、两个或三个正交维度上缩放3D对象以匹配参考对象。
Description
相关申请的交叉引用
本申请要求于2018年5月8日提交的题为“SYSTEM AND METHODS FOR 3D MODELEVALUATION(用于3D模型评估的系统和方法)”的美国专利临时申请62/502,865的优先权,出于任何目的通过引用将其全部内容合并于此。
技术领域
本文公开的技术领域涉及三维数据处理装置、三维数据处理方法和三维数据处理程序。更具体地,本发明涉及装置、方法或程序,该装置、方法或程序,它们具有从输入的形状模型(CAD模型或网格模型)中搜索与预定形状相似的对象并且能够以大小和/或比例改变搜索范围的能力。
背景技术
总体上,本公开涉及计算机辅助设计、制图、制造、和可视化系统(单独地和共同地,“CAD系统”)。CAD系统通常使用二维(2D)和三维(3D)几何模型数据库。
近年来,表示3D对象的对象数据,不仅传统的CAD数据,而且关于商品的3D对象数据,也被广泛使用。此外,已经普及将对象数字化为3D对象数据以建立数字档案的做法。这些类型的数据量一直在稳定增长,因此,对有效数据管理和用户请求的数据的有效检索的需求不断增长。为了满足这些需求,已经提出了各种技术。关于检索相似对象的技术,已经提出了许多检索方法,这些检索方法在数字值表示的特征值中计算多媒体对象的特征,并使用由特征值组成的多维矢量。
此外,如今已经使用CAD设计了各种产品。已经提出了一种系统,该系统将3D表格数据和产品的组成零件注册到数据库中,并检索相似的产品和零件。例如,在US2002/0004710A1中,其公开的整体并入本文,其提出了一种系统,该系统检索与由多边形组成的3D表格模型部分重合的对象。在该系统中,以相邻节点为父节点,以多边形为基准的节点构成表格分析树,并评估该表格分析树中的节点的一致性,从而确定3D表格的相似度。通过这种方法,例如,可以使用由CAD制成的机械零件作为检索关键字进行搜索,然后可以得到包含零件的对象,该零件作为子元件通过对零件进行额外处理而获得。鉴于现有技术中公开的系统,认为本发明现在提供了一种新颖的系统和方法,用于比较两个或更多个三维(3D)对象模型。
发明内容
一方面,本公开提供了一种新颖的系统和方法,用于比较两个或更多个三维(3D)对象模型。在一个实施例中,本发明提供了一种方法,包括:(i)接收描述3D对象的三角网格数据;(ii)在三个正交方向(three orthogonal orientations)的每一个中,从切片程序获得3D对象的尺寸层(dimensional layer);(iii)获得三个正交方向的每一个的每一层的周长长度值;(iv)将获得的周长长度值与参考对象的存储的周长长度值进行比较;以及(v)基于获得的和存储的周长值的匹配量来确定3D对象与参考对象之间是否存在匹配。
在一个方面,本公开提供一种方法,包括:接收描述三维(3D)对象的三角网格数据。对于接收到的作为参考三角形的3D对象的三角网格数据中的每个3D三角形,该方法包括:(i)识别与参考三角形共享边的三个相邻的三角形;(ii)计算三个相邻的三角形的周长长度的总周长值;(iii)为参考三角形分配总周长值。该方法包括将分配给3D对象的总周长值与分配给参考对象的总周长值进行比较;根据获得的和存储的总周长值的匹配量,确定3D对象和参考对象之间是否存在匹配。
在下面示出的实施例中更充分地说明这些和其它特征。应当理解,通常,一个实施例的特征也可以与另一实施例的特征结合使用,并且这些实施例并不意图限制本发明的范围。
附图说明
在下面的详细描述中结合附图描述本发明的各种示例性实施例,随着描述的进行,这些示例性实施例将变得更加明显,其中:
图1是根据一个或多个实施例的将三维(3D)对象与参考对象匹配的装置的框图;
图2是根据一个或多个实施例的将3D对象与参考对象匹配的方法的流程图;
图3A-3C是根据一个或多个实施例的具有钥匙孔的示例性3D对象的等距正交视图;
图4是根据一个或多个实施例的被三个相邻的三角形包围的参考三角形的图;
图5是根据一个或多个实施例的被三个相邻的三角形和共享顶点的其它三角形包围的参考三角形的图;
图6示出了根据一个或多个实施例的使用切片周长测量的快速匹配的示例性方法的流程图;
图7示出了根据一个或多个实施例的将3D三角形网格的每个参考三角形与相邻的三角形的周长总数相关联的严格匹配的示例方法的流程图;
图8示出了根据一个或多个实施例的包括配置为体现本文阐述的一个或多个规定的处理器可执行指令的示例性计算机可读介质或计算机可读设备的框图;和
图9示出了根据一个或多个实施例的作为常规检查的一部分的空中无人机3D扫描通信塔的场景。
具体实施方式
本发明一般涉及一种新颖的用于比较两个或多个三维(3D)对象模型的系统和方法。本发明涉及三维数据处理装置、三维数据处理方法和三维数据处理程序。更具体地,本发明涉及一种装置、方法或程序,该装置、方法或程序,它们具有从输入的形状模型(CAD模型或网格模型)中搜索与预定形状相似的零件并且能够在大小和/或拓扑结构方面改变搜索范围的能力。
在一个或多个方面,一种方法,在三个正交方向的每一个中,从切片程序获得3D对象的三角网格数据的尺寸层。获得三个正交方向的每一个的每一层的周长长度值,并将其与参考对象的存储的周长长度值进行比较以确定匹配度。通过CNC/3D打印软件进行处理可以简化测量数据。还分析了3D对象中的较小对象。对于更鲁棒的方法,通过合计周围三角形的周长来分析三角网格数据中的每个三角形,以分配值。根据分配的总周长值与参考对象进行匹配。可以在一个、两个或三个正交维度上缩放3D对象以匹配参考对象。
在一个或多个实施例中,根据计算所需的平均处理时间来利用各种方法。在另一个实施例中,该方法和处理步骤不是共同依赖的,并且可以在几乎每种可想象的组合中使用,以评估两个或多个三维(3D)对象模型之间的相似性和差异。该分析方法可以以任何给定的顺序独立地、与其它一项或多项其它分析一起进行,并且分析方法可以包括其它进程,以根据具体情况进行进一步的数据收集。
本发明涉及一种类似的形状比较和检索装置100,其包括:(i)参考形状模型输入单元102,用于提供参考形状模型;(ii)测试形状模型输入单元104,用于提供测试形状模型;(iii)比较和检索单元106,用于搜索类似于测试形状模型的形状模型;以及(iv)显示单元108,用于显示被确定为与参考形状模型相似的测试形状模型中的任何一个。
比较和检索单元理想地包括:(i)文件转换模块(可选的)110;(ii)网格生成模块(可选的)112,用于对形状模型进行网格化以获得形状网格模型;(iii)对象切片模块114,用于将形状模型切片以获得形状模型的切片参数;(iv)参数计算模块116,用于计算局部形状模型的参数;(iv)对象提取模块118,用于将形状模型划分为一个或多个局部形状模型;(v)比较计算模块120,用于比较形状模型的参数特征与参考形状模型的参数特征的相似度。
新颖的设计可以采用多种配置,具体取决于系统的预期用途。所有配置至少可以包含以下组件:(a)文件转换模块(可选的);(b)网格生成模块(可选的);(c)对象切片模块;(d)参数计算模块;(e)对象提取模块;(e)比较计算模块;以及(f)比较输出显示。
将形状模型数据转换为三角网格数据,并提取和分类三角网格数据组。形状模型数据分为具有某些特征的“组件”。这些是三角网格数据转换处理和局部特征形状提取处理。计算表示分类的局部特征形状的三角网格数据组的特征量,然后计算所计算的三角网格数据组的特征量与参考形状的特征量之差。基于特征参数量的差值,显示相似形状的候选列表。
图2示出了方法200,其包括准备好进行处理的初步步骤:
(1)使用诸如SolidWorks(Dassault Systemes SolidWorks Corp.,Waltham,Mass.)或AutoCAD(Autodesk,Inc.,San Rafael,Calif.)之类的商用计算机辅助设计软件来生成数字3D模型;
(2)在步骤202中,将模型上传至数据库。可以上传到服务器以进行可视化的各种类型的文件可以包括但不限于.asm文件、STL文件、IGES文件、STEP文件、Catia文件、SolidWorks文件、ProE文件、3D Studio文件和/或Rhino文件。
(3)在步骤204中,将文件转换为相同格式。格式的一个示例是.stl格式。在一示例性实施例中,尽管可以使用其它格式,但是所有文件都转换为STL格式。可以使用加拿大安大略省Okino Computer Graphics的NuGraf和PolyTrans Pro Translation System等商业软件进行转换。系统可以采用任何现有的3D模型,例如来自电脑扫描(CT scan)、CAD文件等扫描件,并将扫描件转换为STL文件。
(4)在步骤206中,上传.stl文件到具有相同的所有量纲单位(例如,所有度量标准或全英文)的处理队列中。
(5)在步骤208中,检查是否需要修复。如果需要修复,则将上传的文件发送到修复模块(步骤210),例如众所周知的切片程序。
STL(STereoLithography)是3D系统创建的立体光刻CAD软件固有的文件格式。STL具有一些新含义,例如“标准三角语言”和“标准细分语言”。许多其它软件包也支持这种文件格式;它被广泛用于快速成型、3D打印和计算机辅助制造。
在第一阶段的示例性实施例中,用于处理上传的文件的方法200包括读取.stl文件并将顶点存储在SQL数据中的第一步骤(步骤212)。顶点是三角形的每个点在三维空间中的位置。因此,将数据存储为三角形的三个点的三维参考点。从这三个点计算边的长度。参考数据和测量与基于处理顺序的三角形的分配的标识符相关联。扫描的对象可以具有500,000或更多的三角形。.stl文件提供曲面三角形和实心金字塔。对象的表面定义由文件转换模块获得,该文件转换模块:(a)导入.stl文件;(b)以三个正交轴{x,y,z}定向对象;(c)向后90°和向左90°定向/旋转2x,以获得三个正交的方向以呈现给切片器。这三个方向提供了每种组合,而与对象的原始的方向无关。.stl提供软件始终将平面“1”作为面向滑块的面。其它两个方向实现切片的正交集。
在步骤214的第二阶段中,该方法包括通过向左旋转90度和向后旋转90度将来自SQL版本的.stl文件在三个正交轴{x,y,z}中重新创建。在第三阶段,此包括用MATTERSLICE切片三个方向中的每一个,以获得三组G代码。切片程序(例如slic3r、MatterSlice、craftware、matter control等)可以产生一结果,然后通过生成G代码将其作为周长数分开。G代码是用于计算机数控(CNC)或三维打印机的一种机器语言,可用来制造对象。使用G代码,该方法包括测量所有切片的周长。例如,假设G代码提供了400个切片,将产生400个周长进行比较。寻找以任何顺序匹配这400个周长的匹配。由于方向不同,切片1不必与切片1匹配。根据层数获得分数。例如,在没有匹配切片的情况下,匹配可以为0,在本示例中,匹配可以为400,以达到完美匹配。
在一个或多个实施例中,将3D表格数据带入最大化最长坐标的情形。可能使用一种方法来设置这样的坐标系:最大化x、y和z坐标,计算每种情况下的相似度,并输出相似度最高的情况作为检索结果。
在一个或多个实施例中,一个或多个数据获取设备可以用于生成关于对象的原始3D数据并将原始3D数据输入到服务器。合适的数据获取设备的一些示例包括用于获取3D表面数据的激光扫描仪和用于获取3D体积数据的MM扫描仪、CAT扫描仪或激光共聚焦显微镜。但是,应当理解,数据获取设备可以包括生成来自对象的数字化3D数据的任何设备。获得的3D数据可以是3D表面数据,例如通过光学扫描对象表面生成的3D表面数据,也可以是3D体积数据,其中包括有关对象内部的信息,例如从MM扫描、CAT扫描或激光共聚焦显微镜获得的体积数据。
在3D表面数据的示例中,当使用激光扫描仪扫描对象时,会生成数以万或十万计的点坐标,每个点坐标表示对象上的位置。这些点的集合称为“点云”。它没有结构,只是一个包含点坐标数据(如x、y、z值)的文件。如本领域中众所周知的,也可以使用计算机程序交互地或自动地从数学函数生成点云信息。无论哪种情况,要使用该点云,都必须对其进行结构化或建模。
对3D数据建模的一种有利方法是对点云进行三角剖分,以生成以数字化点为顶点的三角形网格。3-D三角形网格是众所周知的表面建模图元,广泛用于表示计算机图形中的真实世界和合成表面。每个三角形都“知道”它的邻居,其为可以快速处理由三角剖分表示的几何结构的三角形。需要强调的是,同一组顶点或数据点可能具有多个三角剖分。因此,重点在于顶点本身,而不是三角形所代表的“表面”。三角形网格包含有关几何结构和连通性的信息的表示,也称为拓扑。几何结构定义了顶点在(Euclidean)坐标系中的位置。它们表示为三元组(x,y,z)。连通性定义了连接成三角形或网格面的点集。三角形由三个索引值给出,该索引值标识了包围三角形的三个顶点。
在一或多个实施例中,一个或多个数据压缩模块可用于压缩某些数据以增强存储和传输。
在早期的原型中,使用了开源的Slic3r产品。为了更好地处理较低分辨率的情况,在更新版本中使用了MatterSlice开源产品。切片器参数设置如下:
在步骤216中,设置切片器参数:(1)层的单位度量(0.1);(2)移除周长之间的所有固体,并且不要填充任何固体或填充物,从而仅提供所有内容尺寸为1个单位的壳;以及(3)提供正在输入以填充壳的材料尺寸。自动计算层周长,其中包括外层,并且可能还包括内层,用于模型中的孔或对象。将每一层的数据与数据库中的数据层进行比较。根据与我们数据库中模型的匹配百分比,包括与给定模型内的周长匹配,对匹配进行排名。
在阶段3中处理各层:对对象在三个不同方向上执行三个评估。考虑在图3A-3C中分别描述的方向102a-102c的模型100。请注意,从这些方向之一旋转180°会产生相同的结果。因此,没有必要将模型300转向所有可能的方向。方向300a-300c允许使用与模型300的初始方向相差90°的所有可能的分层来分析模型300。
在一示例中,计算层为高度为0.1mm。计算每层的外周长。给每一层分配一个与其周长相对应的值。层可以为1、0.5、0.1单位。请注意,该程序“假设”所有均为度量单位,因此无论实际测量STL文件的单位如何,都假定其度量单位为0.1mm。还要注意,当执行搜索时,最接近的匹配将按顺序显示。在此处的步骤1中,将在其它对象中识别对象,并在步骤2(提取)之前计算其周长以进行匹配。
在步骤216的阶段4中,经处理的G代码剥离不必要的信息,从而仅通过保留每层的长度来加快处理。在步骤218的阶段5中,生成缩略图像,以使用户能够轻松快速地查看已扫描和处理的模型、对象或零件。在一个实施例中,基于呈现的第一图像(例如正面摄像机视图)使用POV-ay软件。“POV-Ray”或“Persistence of Vision Raytracer”由澳大利亚,维多利亚州,Williamstown的Vision Raytracer Pty.Ltd提供。
阶段6包括两步,步骤220、222,可以执行其中一个或两个。可以基于处理需求考虑进行选择。在阶段6的步骤1中,为四个三角形设置的钥匙孔处理SQL顶点。图4描述由三角形B201、三角形C202和三角形D203的共享的各自的边所围绕的第一三角形A200。计算所有4个三角形的所有三个参数=三角形的三个点的三维参考点+从三个点计算边的长度+读取顺序(按顺序分配数字的三角形、500,000+三角形;这里只是将信息汇总在一起;已经在上面计算;现在将4个放在一起并分配一个数字。
重申一下,在步骤1中,边涉及4-三角形钥匙孔。查看三个数据(参考点+所有4个三角形的计算后的边)。也就是说,观察参考三角形A加上接触参考三角形A的三个边的三个三角形B、C和D。将对象的每个三角形分别计算为4-三角形设置钥匙孔的三角形#1。因此,如果有1000个三角形,则有4-三角形设置钥匙孔的1000个三角形#1。在一个或多个实施例中考虑了四个数据:(a)观察三角形A、B、C、D的边;以及(b)根据采用的惯例确定周围三角形B、C、D的分配顺序和数据序列。在一个实施例中,第一列数据仅包含周长。第二、第三和第四列可以包含三角形A各自共享的边的长度。
在测量与参考三角形共享边的三角形的长度时,将使用模型的默认/初始方向并从参考三角形向南(向下)进行测量。因此,参考三角形“下方”的三角形,即共享参考三角形的底线的参考三角形下方的三角形,是测量的第一点。测量总周长并得出该三角形的数字。以下三角形是沿顺时针方向测量的。在上面的示例中,三角形“5”位于参考三角形(“1”)下方。测量“5”的周长,然后测量“4”的周长,然后测量“3”的周长。得出“5”的周长为85mm,“4”的周长为300mm,以及“3”的周长为65mm。
注意,检索到的数据会得出参考三角形的数值,该数值基于相邻三角形的周长。以这种方式将模型中的每个三角形作为参考三角形进行处理。这导致数据重叠。被处理的整个模型就像是平坦的。三角形之间的地形关系与该过程无关。尽管这是违反直觉的,但与使用更简单直接且显而易见的方法的技术相比,步骤3在速度和准确性(包括可靠性)方面均能实现出色的计算。
返回步骤222中阶段6的步骤2中,图5描述了评估通过三角形B-D接触三角形A的八(8)个顶点。此外,三角形E–K与三角形A共享至少一个顶点,并且也被考虑。将对象的每个三角形分别计算为8+三角形设置钥匙孔的三角形#1。因此,如果有1000个三角形,则有1000个8+三角形设置的钥匙孔的三角形#1。考虑到更多的三角形,步骤2可能比步骤1占用更多的处理器资源。请注意,这些数据点的注册方式与步骤1中的相同。但是,在步骤2中,会进行额外的计算。对于起始三角形A的数据:(1)得到三角形A的周长;(2)得到三角形A的三个边的边长;(3)观察三角形A的边,确定哪些共享边的三角形是B–D;(4)得到三角形B–D的周长;(5)三角形B–D;(6)确定除了三角形B–D之外,哪些三角形E–K正在接触三角形A的三个点或顶点;(7)得到接触三角形E–K的周长;和(8)得到接触三角形E-K的长度.三角形A的周长+3个边的测量值=4个总数据点,然后哪个三角形接触三角形A。
在步骤224的阶段7的图2中,执行对象提取。如果参考模型在数据库中的其它模型内,则将在这步中提取参考模型并进行分析。对于参考模型内存在的数据库中的其它模型也是如此。对象是从模型导出的,即子模型是独立于父模型进行隔离和分析的。该对象可以是孔、空隙或其它部分。
在说明性示例中,阶段7对象提取可以将短螺栓检测为参考对象,发现该短螺栓是较长但其它相同的螺栓的一部分。相反,较长的螺栓可以作为参考对象。较短的但其它相同的螺栓将被识别为包括较长螺栓的相应百分比。因此,它将与螺栓的该部分完美匹配。
在类似的示例中,可以使用特定的螺栓作为参考对象数据库来执行对象提取,而扫描的模型数据库是喷射发动机。.stl文件可以是程序集文件。特别是,“jt”文件是一种开放格式,允许在文件中插入大量便笺。可以从喷射发动机内提取相同的螺栓,并显示为匹配。可以识别并突出显示发动机中每个匹配的位置。可以检测到的此类子组件或零件的数量没有实际限制,例如在发动机中找到600个螺栓并将它们与400个螺钉区别开。此类信息的使用可以包括为特定对象构建物料清单、检测假冒的专利零件、诊断组件的故障模式、等等。
可以单独地或以各种组合来执行上述每个阶段和步骤。例如,可以执行阶段1,然后直接执行阶段6。又例如,如果要分析的网格/对象不止一个,则可以在模型数据库中通过每个阶段分别分析每个网格/对象。
本发明是用于在处理三维数据时提供极大可用性的基本技术,并且涵盖了广泛的应用范围。期望搜索步骤能够在大小或拓扑方面来改变查询形状模型与特征零件之间的相似性的识别模式。
在本发明的一个或多个实施例中,可以在大小或拓扑方面灵活地检索和显示类似于任意查询形状数据的形状零件。要问的基本问题之一是两个形状何时真正相同。这没有唯一的答案,它取决于您最感兴趣的形状的各个方面。在基本级别上,如果两个形状相同,但位于不同的位置,则在大多数情况下,我们将其视为是“一样的”。拓扑比几何结构具有更广泛的相同性概念。在此,如果可以将一种形状拉动、拉伸和扭曲成另一种形状,则认为这两种形状“相同”。
可以通过降低相似性的阈值来检索拓扑上相似的形状。降低相似性阈值,例如扩展目标形状的区域,允许扩大要检索的形状的范围。本发明使用网格信息来执行相似性搜索。因此,本发明允许发现相似但拓扑结构不同的形状。
在一个或多个实施例中,可以执行另一阶段或步骤以缩放结果。如果模型中的构面数量或模型中标识的对象与参考模型相同,则可以相应地缩放比较的模型(或在搜索的情况下在数据库中找到的模型)。缩放之后,可以执行层分析(步骤1)以标识模型已缩放或拉伸的程度。如果模型在一个方向上拉伸,例如延长后,在步骤5中识别出匹配模型后,步骤1中的处理将产生发生缩放的程度(例如,50%的更长)。如果模型在多个方向上拉伸,例如由于步骤5中的缩放过程使比较后的模型与参考模型具有相同的大小,模型将按比例扩大500%,因此基于层的结果将导致100%匹配(假设模型之间不存在其它差异)。在这种情况下,提出了比较后的模型或数据库中找到的模型必须按比例缩放的比例:总大小减少或扩大87%。
在示例性方法中:(1)执行过程3;(2)从stl文件中获取三角形的数量,看是否相同或在10%以内;(3)从文件中取出第一1、2、3、4个左右的三角形,并将其与来自第二文件的第一个进行比较,并查看边长的比率;(4)可以以此比率做三次,以使三个边都能看到;(5)处理对大量数据点的匹配;(6)返回先前的处理步骤以开始处理,同时应用比率以查看每个三角形是否匹配。
在一个或多个实施例中,可以执行密度计算作为用于匹配对象的另一信息源。此外,人工智能可以被合并以将用例扩展到预测性分析甚至是规范性分析。一个或多个实施例可以采用各种基于人工智能(AI)的方案来执行其各个方面。可以通过自动分类器系统或过程来促进一个或多个方面。分类器是一种将输入属性向量x=(x1,x2,x3,x4,xn)映射到输入属于某个类的置信度的函数。换句话说,f(x)=置信度(类)。这样的分类可以采用概率性的或基于统计的分析(例如,考虑到分析效用和成本)来预测或推断用户期望被自动执行的动作。
支持向量机(SVM)是可以使用的分类器的示例。SVM通过在可能的输入的空间中找到超曲面来进行操作,超曲面试图将触发条件从非触发事件中分离出来。凭直觉,这使分类对于可能与训练数据相似但不一定相同的测试数据是正确的。可以采用提供不同独立性模式的其它有向和无向的模型分类方法(例如,Bayes、Bayesian网络、决策树、神经网络、模糊逻辑模型和概率分类模型)。本文所使用的分类可以包括用于开发优先级模型的统计回归。
一个或多个实施例可以采用被显式训练(例如,经由通用训练数据)的分类器以及被隐式训练(例如,通过观察用户行为、接收外部信息)的分类器。例如,可以在分类器构造器和特征选择模块内经由学习或训练阶段来配置SVM。因此,分类器可用于自动学习和执行许多功能,包括但不限于根据预定标准确定。
一种应用是使用CT扫描仪的“Doctor ATM”或“ADM(自动医生机器)”,它可以观察整个身体、识别器官等单个成分,并将这些成分与先前对已知健康和患病的器官的扫描进行比较,寻找疾病和癌症的早期指示。还可以与由同一个人组成的先前模型进行比较,以检测趋势。定期扫描将使我们的算法能够在出现已知模式的情况下发出警报,该模式可以指示疾病(例如变性骨骼疾病)的早期发作、癌症或心脏扩大。
本文描述的处理的一种用途是匹配用于字体(font)的参考对象数据库,以查看是否可以从对象内匹配字母。找到字母后,就可以从对象中识别单词或雕刻模型的型号。另一个用途是确认产品已使用正确的紧固件或部件组装,或正确标识在新的或修复的组件中应使用哪些部件。可以分析产品的一系列不同版本,以识别所用零件随时间的变化。可以扫描未知的物理零件,并将其与CAD/CAM模型的原始.stl版本匹配,以便进行其它单元替换。匹配的原型或原型的部分可以识别紧密匹配的先前设计的、测试的和制造的零件,从而避免创建不必要的第二条供应链。
学校可以检查为学术练习创建3D模型的学生是否作弊。本公开提供了识别模型的部分、扩展的模型或重新缩放的模型等的匹配。学校可以共享已知的先前存在的模型的数据库,以使得复制更加困难。
图6示出根据一个或多个实施例的使用切片周长测量的快速匹配的示例方法600的流程图。方法600开始接收描述三维(3D)对象的三角网格数据(步骤602)。方法600包括,在三个正交方向的每一个中,从切片程序获得3D对象的尺寸层(步骤604)。方法600包括获得三个正交方向中的每一个的每一层的周长长度值(步骤606)。方法600包括将获得的周长长度值与参考对象的存储的周长长度值进行比较(步骤608)。方法600包括基于获得的和存储的周长长度值的匹配量来确定3D对象与参考对象之间是否存在匹配(步骤610)。然后结束方法600。
图7示出根据一个或多个实施例的将3D三角形网格的每个参考三角形与相邻三角形的周长总数相关联的严格匹配的示例方法700的流程图。方法700开始接收描述三维(3D)对象的三角网格数据(步骤702)。在步骤704处,对于接收的3D对象的三角网格数据的评估为参考三角形的每个3D三角形:方法700包括识别与参考三角形共享边的三个相邻的三角形(步骤706)。方法700包括计算三个相邻的三角形的周长长度的总周长值(步骤708)。方法700包括向参考三角形分配总周长值(步骤710)。方法700包括将分配给3D对象的总周长值与分配给参考对象的总周长值进行比较(步骤712)。方法700包括基于获得的和存储的总周长值的匹配量来确定3D对象与参考对象之间是否存在匹配(步骤714)。然后结束方法700。
可以预期,本发明的各方面将在包括产品设计、生产和使用的三个开发阶段中找到如下的应用。
这些阶段包括:
a.设计阶段
i.CAD
ii.3D模型
b.实施
i.生产
ii.使用激光扫描扫描3D零件
c.使用
i.自然损耗
ii.性能
iii.使用激光扫描扫描3D零件
在设计阶段增强/改进期间,使用示例包括:(i)CAD(SolidWorks、SolidEdge、AutoCAD);(ii)ANSI和其它标准符合性;(iii)寻找相似的模型和相似的差异;(iv)模型或版本之间的差异;(v)搜索物理属性,并在某些情况下–限定的公差;(vi)添加:质量控制,以查看零件(扫描结果或3D工程图)不仅是相同的零件/标号,还包括任何更改:(a)+公差附着,例如+/-;以及(b)例如,加上金本体为x,但公差为Y。
实施阶段增强功能覆盖了70%的潜在市场。示例包括:(i)质量控制,例如(a)将3D模型(CAD)与扫描结果进行比较;(b)将金本体物体的扫描与要测试的物体的扫描结果进行比较。示例包括:(ii)自动识别由工程师撰写的PDF和其它文档上的“2D”信息,以自动调整3D模型分析的设置。
本发明的各方面试图通过提高速度和效率来改善质量控制,特别是相比于通常已知的视觉人工检查,这种视觉人工检查是缓慢且昂贵的,并且只能进行许多次检查。
坐标测量机(CMM)是用于测量对象的物理几何结构特征的设备。这些机器可以由操作员手动控制,也可以由计算机控制。通过附接到本机第三移动轴上的探针定义测量。CMM还是在制造和装配过程中用于根据设计意图测试零件或组件的设备。通过精确记录对象的X、Y和Z坐标,可以生成点,然后可以通过回归算法对其进行分析以构建特征。通过使用由操作员手动放置或通过直接计算机控制(DCC)自动放置的探针来收集这些点。可以对DCCCMM进行编程以重复测量相同的零件;因此,这可以看作是工业机器人的一种特殊形式。
在当今的制造业世界中,拥有强大的检查流程以改善质量控制至关重要。借助准确的3D扫描和检查分析,公司可以减少迭代/调整循环,并迅速采取适当的纠正措施,而不会减慢其实现目标的时间。在一个或多个实施例中,3D扫描仪测量物理零件的几何结构并将其带入数字世界。数据输出通常是以STL(立体光刻)文件格式表示的点云。该数据用于与原始CAD图进行比较,或与公差范围内的金本体零件的先前扫描结果进行比较。
可以使用多种技术来获取尺寸数据。为了检查可能精致且具有陡峭几何结构的零件,通常使用非接触技术,即,没有物理探针接触零件。非接触技术通常都检测从被探测样品中散发出的某种形式的能量。合适的能量形式包括光、热和声音。当能量为光的形式时,光可以包括可见光、红外(IR)光、近红外(NIR)光和紫外(UV)光中的一种或多种。适用于光检测的能量检测器包括光电检测器(例如光电二极管)、位置敏感设备、阵列检测器、和CCD(电荷耦合设备)。适用于热检测的能量检测器包括红外成像仪。适用于声音检测的能量检测器包括超声换能器。
尺寸测量设备可以使用机器视觉、3D光学扫描、摄影测量法和/或结构化光成像。取决于配置,尺寸测量设备可以生成零件的2D(二维)和/或3D几何测量。机器视觉是一种使用电子成像和算法从零件图像中提取几何信息的技术。3D光学扫描是一种通常使用来自激光的光反射来计算零件表面几何结构的技术。摄影测量法是一种通过分析电子图像(通常是来自不同角度的多个图像)来确定零件几何结构的技术。结构光成像是一种将光的图案投射到零件上并根据检测到的零件表面反射的图案的变形来计算表面轮廓的技术。
如果尺寸测量设备包括并使用能量发射器,则该能量发射器将能量传递到零件上。通常,对于非接触测量,能量是辐射形式,例如光、热和/或声音。无论能量的形式如何,能量发射器通常不会传递足够的能量来损坏或干扰零件。适用于光发射的能量发射器包括灯、宽视野照明器、结构照明器、激光器、激光扫描仪、闪光灯和调制照明器。此外,尺寸测量设备可以配置为使用环境光作为光能发射器的补充或替代。因此,能量检测器可以配置为检测由零件反射和/或透射的环境光。适用于散热的能量发射器包括加热器。适合声音发射的能量发射器包括超声换能器。
在一个或多个实施例中,可以使用3D扫描(例如,激光扫描)加上辅助软件(例如,Polyworks)来测量对象的物理几何特征。本发明的方面包括获得3D激光扫描,然后与CAD标准和/或金本体的激光扫描进行比较。
在一个或多个实施例中,3D扫描装备可以在大型结构上使用,例如用于检查蜂窝塔和军用天线。3D扫描数据可用于所需的两次年度检查,以确认塔和附接的天线的对准,从而提供最佳的视野/接收。例如,可以由自动无人机执行扫描,该自动无人机使用激光雷达、激光、计算机断层扫描(CT)和摄影测量法等进行扫描,以获得3D模型。一旦获得3D扫描数据,本发明就可以根据高度、中心线、角度等相关参数将扫描对象的相关方面与预先确定的金本体(例如指定的CAD图或先前扫描的对象)进行比较。用户可以将公差设置为默认值,也可以通过数字或百分比等设置用户设置。
在一个或多个实施例中,提供了一种用无人驾驶飞行器(UAV)对窝峰基站进行建模的方法,其中,该方法包括使UAV绕窝峰基站处的窝峰塔飞行给定的飞行路径;获得关于飞行平面的窝峰基站的多个扫描;以及基于一个或多个位置标识符和/或一个或多个感兴趣的对象获得并处理多个扫描以定义所述窝峰基站的三维(3D)模型。
在一个或多个实施例中,无人飞行器(UAV)包括:一个或多个布置在主体上的转子;与主体相关的一个或多个扫描设备;无线接口;耦接至无线接口的处理器和一个或多个扫描设备;以及存储指令的存储器,当执行指令时,使处理器:处理命令以使UAV绕在蜂窝基站处的窝峰塔飞行给定飞行的路径;并将多个扫描提供给处理系统,该处理系统基于与多个照片中的一个或多个位置标识符和一个或多个感兴趣的对象的关联来定义窝峰基站的三维(3D)模型。
在一个或多个实施例中,在通过通信地耦合至控制器的无人驾驶飞行器(UAV)以使用3D扫描来执行窝峰基站评估而无需在该窝峰基站爬塔的情况下在窝峰基站执行的方法,包括使UAV使用控制器基本垂直地飞到窝峰基站部件;通过使用UAV扫描窝峰基站的部件来收集与窝峰基站部件相关的数据;发送和/或存储收集的数据;处理收集的数据以获得用于窝峰基站评估的信息。
在一个或多个实施例中,本公开涉及具有无人驾驶飞行器的窝峰基站和窝峰塔的三维(3D)建模。本公开包括用于3D建模和表示窝峰基站和窝峰塔的基于UAV的系统和方法。所述系统和方法包括:经由UAV在窝峰基站处获得各种三维扫描;围绕窝峰基站飞行以获得不同位置的不同角度的各种扫描(即,足以产生可接受的3D模型的扫描);以及处理各种图片以提升窝峰基站和窝峰塔的3D模型。另外,一旦构建了3D模型,该3D模型就能够进行各种测量,包括高度、角度、厚度、标高、甚至射频(RF)等。
在一个或多个实施例中,本公开提供了用于确定窝峰基站部件的各个天线的向下倾斜角的窝峰基站评估。向下倾斜角是天线的机械(外部)向下倾斜角。在窝峰基站评估中,将向下倾斜角与预期值进行比较。
在一个或多个实施例中,本公开提供了用于验证天线方位角的方法,例如验证天线方位角在限定的角度内的定向。方位角(AZ)是指相对于真实的(地理的)北部,正好位于被观察对象正下方的地平线上的点的罗盘方位角。
3D扫描传感器使系统能够捕获对象的3维几何结构和位置。该3D扫描传感器可以使用以下技术中的任何一种或以下技术的组合来捕获3D位置和几何拓扑。这些3D扫描技术可能包括但不限于可见的和不可见的结构光、摄影测量法、激光动态范围成像仪、光检测和测距(激光雷达)、激光三角测量、立体和光度数据、光的偏振等,甚至可能利用上述几种技术的组合来创建带纹理的或无纹理的3D扫描。这些3D扫描仪可能使用可见光或不可见光(例如红外光)以照亮并捕获物体或人。另外,传感器组件可以使用照相机和照明系统,该照相机和照明系统发射并且对一定范围的紫外线敏感。这可以允许捕获和检测皮肤老年斑。传感器组件还可包含允许照亮对象的发光设备。
另一实施例涉及计算机可读介质,该计算机可读介质包括配置为实现本文所呈现的技术的一个或多个实施例的处理器可执行指令。图8示出了以这些方式设计的计算机可读介质或计算机可读设备的实施例。其中实施方式800包括计算机可读介质808,例如CD-R、DVD-R、闪存驱动器、硬盘驱动器的盘片等,其上编码有计算机可读数据806。该计算机可读数据806(例如,如806中所示的包括多个零和一的二进制数据)又包括一组计算机指令804,该组计算机指令804配置为根据本文阐述的一个或多个原理进行操作。在一个这样的实施例800中,处理器可执行计算机指令804可以配置为执行方法802,例如图6-7的方法600、700。在另一个实施例中,处理器可执行指令804可以配置为实现诸如图1的装置100之类的系统。本领域普通技术人员可以设计许多这样的配置为根据本文提出的技术进行操作的计算机可读介质。
在一个或多个实施例中,图9示出了室外场景900,其中诸如空中无人机902的3D扫描装备可以在大型结构上使用,例如用于检查蜂窝塔904、广播塔906。3D扫描数据可用于所需的两次年度检查,以确认塔904、906和附接的天线908的对齐,从而提供最佳的视野范围/接收。空中无人机902可以具有一个或多个使用激光雷达、激光、计算机断层扫描(CT)或摄影测量法等的扫描设备910,以获得3D模型。空中无人机902可以将新的3D扫描数据在地理空间上分别定向到先前的3D扫描912、914。在一个或多个实施例中,空中无人机902诸如经由全球定位系统(GPS)卫星阵列916获得进一步的方向信息。
此处描述的设备和/或处理的至少部分可以通过合理的实验量集成到数据处理系统中。本领域技术人员将认识到,典型的数据处理系统通常包括系统单元外壳、视频显示设备、存储器、处理器、操作系统、驱动程序、图形用户界面和应用程序、交互设备(例如触摸板或屏幕)、和/或包括反馈回路和控制电机的控制系统等中的一个或多个。
可以利用任何合适的商业手段来实现典型的数据处理系统。
因此,当前描述的系统可以包括多个各种硬件和/或软件部件,例如下面描述的那些。应当理解,为了便于描述,根据各种功能描述和命名了各种描述的硬件和软件部件,各种功能可以由系统内的一个或多个软件或硬件部件来执行。然而,将理解的是,该系统可以结合配置为执行任意数量的功能的任意数量的程序,包括但绝不限于以下所述的程序。此外,应当理解,尽管为了便于描述,描述了多个程序和多个数据库,但是各种功能和/或数据库实际上可以是单个程序或在一个或多个位置中运行的多个程序的部分。
在描述数据库的地方,本领域的普通技术人员将理解,(i)可以容易地采用所描述的数据库的替代数据库结构,并且(ii)可以容易地采用除数据库之外的其它存储器结构。本文介绍的任何示例数据库的任何说明或描述都是用于存储的信息表示的说明性布置。除了例如在附图中示出的表格或其它地方所建议的布置之外,可以采用任何数量的其它布置。类似地,数据库的任何示出的条目仅代表示例性信息。本领域普通技术人员将理解,条目的数量和内容可以与这里描述的不同。此外,尽管将数据库描述为表格,但是其它格式(包括关系数据库、基于对象的模型和/或分布式数据库)是众所周知的,并且可以用于存储和操纵本文所述的数据类型。同样,数据库的对象方法或行为可用于实施各种过程,例如本文所述。另外,可以以已知的方式将数据库存储在数据库中访问数据的任何设备的本地或远程存储中。
尽管可以按顺序描述处理步骤、算法等,但是可以将这样的处理配置为以不同的顺序工作。换句话说,可以明确描述的步骤的任何序列或顺序不一定表示要求以该顺序执行步骤。相反,本文描述的过程的步骤可以以任何实际顺序执行。此外,尽管被描述或暗示为不是同时发生的,但是某些步骤可以同时执行(例如,因为一个步骤在另一步骤之后被描述)。此外,通过在附图中描绘其来说明过程并不意味着所说明的过程不排除其它变型和修改,并不意味着所说明的过程或其任何步骤对于本发明是必要的,并且并不意味着暗示图示的过程是优选的。尽管可以将过程描述为包括多个步骤,但这并不意味着所有或任何步骤都是必不可少的或必需的。在所描述的发明的范围内的各种其它实施例包括省略某些或所有所描述步骤的其它过程。除非另有明确说明,否则没有必要或不需要任何步骤。
在用于实现本发明的计算环境内的示例性系统中,包括以计算系统形式存在的通用计算设备,该设备可从英特尔、IBM、AMD、摩托罗拉、Cyrix等商购获得。计算系统的部件可以包括但不限于处理单元、系统存储器以及将包括系统存储器的各种系统部件耦合到处理单元的系统总线。系统总线可以是几种类型的总线结构中的任何一种,包括使用各种总线体系结构中的任何一种的存储器总线或存储器控制器、外围总线和局部总线。计算系统通常包括各种计算机可读介质。计算机可读介质可以是计算系统可以访问的任何可用介质,并且包括易失性和非易失性介质以及可移动和不可移动介质。作为示例而非限制,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据之类的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。
计算机存储器包括但不限于RAM、ROM、EEPROM、闪存或其它存储技术、CD-ROM、数字多功能磁盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁性存储设备、或可用于存储所需信息并可由计算系统访问的任何其它介质。系统存储器包括易失性和/或非易失性存储器形式的计算机存储介质,例如只读存储器(ROM)和随机存取存储器(RAM)。基本输入/输出系统(BIOS)通常存储在ROM中,基本输入/输出系统(BIOS)包含有助于在计算系统内各个元素之间(例如在启动过程中)传递信息的基本例程。RAM通常包含处理单元可立即访问和/或当前对其进行操作的数据和/或程序模块。通过示例而非限制的方式,示出了操作系统、应用程序、其它程序模块和程序数据。
计算系统还可包括其它可移动的/不可移动的、易失性/非易失性计算机存储介质。仅作为示例,读取或写入不可移动的非易失性磁性介质的硬盘驱动器、读取或写入可移动的非易失性磁盘的磁盘驱动器、以及从读取或写入的可移动的非易失性光盘(诸如CDROM或其它光学介质)的光盘驱动器,可以用来存储本实施例的发明。可以在示例性操作环境中使用的其它可移动的/不可移动的、易失性/非易失性计算机存储介质包括但不限于磁带盒、闪存卡、数字多功能磁盘、数字录像带、固态RAM、固态ROM等。硬盘驱动器通常通过诸如接口之类的不可移动的存储器接口连接至系统总线,并且磁盘驱动器和光盘驱动器通常通过诸如接口之类的可移动的存储器接口连接至系统总线。
上面讨论的驱动器及其相关的计算机存储介质为计算系统提供了计算机可读指令、数据结构、程序模块和其它数据的存储。例如,硬盘驱动器被示为存储操作系统、应用程序、其它程序模块和程序数据。请注意,这些组件可以与操作系统、应用程序、其它程序模块和程序数据相同或不同。操作系统、应用程序、其它程序模块和程序数据使用不同的编号表示,至少,它们是不同的副本。
用户可以通过输入设备(例如平板电脑或电子数字转换器、麦克风、键盘和定点设备,通常称为鼠标、轨迹球或触摸板)将命令和信息输入计算系统。这些和其它输入设备通常通过耦合到系统总线的用户输入接口连接到处理单元,但也可以通过其它接口和总线结构(例如并行端口、游戏端口或通用串行总线(USB))连接。监视器或其它类型的显示设备也通过接口(例如视频接口)连接到系统总线。监控器也可以与触摸屏面板等集成。注意,监控器和/或触摸屏面板可以物理地耦合到其中结合有计算系统的外壳,例如在平板型个人计算机中。另外,诸如计算系统之类的计算机还可以包括其它外围输出设备,诸如扬声器和打印机,其可以通过输出外围接口等连接。
计算系统可以使用到一台或多台远程计算机(例如远程计算系统)的逻辑连接在联网环境中操作。远程计算系统可以是个人计算机、服务器、路由器、网络PC、对等设备或其它公共网络节点,并且通常包括上述关于计算系统的许多或所有元素,尽管仅描述了存储设备。所描述的逻辑连接包括通过网络接口连接的局域网(LAN)和通过调制解调器连接的广域网(WAN),但也可以包括其它网络。这样的联网环境在办公室、企业范围的计算机网络、内联网和网络中是司空见惯的。
例如,在本实施例中,计算机系统可以包括从其迁移数据的源机器,而远程计算系统可以包括目标机器。但是请注意,源机器和目标机器不必通过网络或任何其它方式连接,而是可以通过能够由源平台写入并由一个或多个目标平台读取的任何介质来迁移数据。
根据诸如IBM OS/2、Linux、UNIX、Microsoft Windows、Apple Mac OSX和其它商业上可用的操作系统之类的操作系统软件进行操作的中央处理器为本发明提供的服务提供功能性。一个或多个操作系统可以驻留在中央位置或分布位置(即,镜像的或独立的)。软件程序或模块指示操作系统执行任务,例如但不限于促进客户端请求、系统维护、安全性、数据存储、数据备份、数据挖掘、文档/报告生成和算法。所提供的功能性可以直接体现在硬件中、在由处理器执行的软件模块中或两者的任意组合中。此外,可以通过硬件、软件模块或两者的任意组合,由一个或多个服务器或客户端系统部分或全部执行软件操作。软件模块(程序或可执行)可以驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM、DVD、光盘或任何其它形式的本领域已知的存储介质。示例性存储介质耦合到处理器,使得处理器可以从该存储介质读取信息,并且可以向该存储介质写入信息。或者,存储介质可以与处理器集成在一起。处理器和存储介质也可以驻留在ASIC中。总线可以是根据本领域中众所周知的各种协议操作的光学或常规总线。
本文引用的所有出版物、专利和专利申请,无论是上文还是下文,均以其整体引用的方式并入本文,就如同每个单独的出版物、专利或专利申请被明确地和单独地指出通过引用并入一样。应当理解,被认为通过引用并入本文的任何专利、出版物或其它公开材料的全部或部分,只有在合并的材料不与本公开中规定的现有定义、声明或其它公开材料相冲突的情况下,才纳入本公开。这样,在必要的程度上,本公开明确提出的公开内容取代了通过引用并入本文的任何矛盾的材料。据说通过引用并入本文但与本文阐述的现有定义、声明或其它公开材料相冲突的任何材料或其部分,仅在不使所并入的材料与现有公开的材料之间发生冲突的程度被并入。
必须注意的是,如在本说明书和所附权利要求书中所使用的,单数形式“一个”、“一种”和“所述”包括复数指示物,除非内容另有明确规定。因此,例如,提及的“着色剂”包括两种或更多种这样的试剂。
除非另有定义,否则本文中使用的所有技术和科学术语具有与本发明所属领域的普通技术人员通常所理解的相同含义。尽管在本发明的实践中可以使用许多与本文描述的那些相似或等同的方法和材料,但是本文描述了优选的材料和方法。
如本领域普通技术人员将理解的,本发明的方法和组合物基本上减少或消除了与现有技术的方法和组合物相关的缺点和缺陷。
应当注意,当在本公开中采用时,术语“包括”、“包含”以及从根术语“包含”的其它派生词是开放式术语,其指定存在任何所述特征、元素、整数、步骤或部件,并不旨在排除一个或多个其它特征、元素、整数、步骤、部件或组的存在或添加。
根据需要,在此公开了本发明的详细实施例。然而,应当理解,所公开的实施例仅仅是本发明的示例,其可以以各种形式实施。因此,本文公开的具体结构和功能细节不应被解释为限制性的,而仅仅是作为权利要求的基础以及作为教导本领域技术人员以实际上任何适当的详细结构来不同地应用本发明的代表基础。
虽然显然本文公开的本发明的说明性实施方案实现了上述目的,但是应当理解,本领域的普通技术人员可以设计出多种修改形式和其它实施方案。因此,将理解,所附权利要求书旨在覆盖落入本发明的精神和范围内的所有这样的修改和实施例。
Claims (15)
1.一种方法,包括:
接收描述三维(3D)对象的三角网格数据;
在三个正交方向的每一个中,从切片程序获得3D对象的尺寸层;
获得三个正交方向的每一个的每一层的周长长度值;
比较获得的周长长度值和参考对象的存储的周长长度值;以及
基于获取的和存储的周长长度值的匹配量,确定3D对象和参考对象之间是否存在匹配。
2.根据权利要求1所述的方法,其中,所述3D对象包含较小的3D对象,所述方法还包括:
对于三个正交方向的每个方向的每一层:
配置3D打印应用程序以打印3D对象的壳表面;
将层提交给配置的3D打印应用程序;
接收用于提交的层的由3D打印应用程序限定的一个或多个表面;
检测为3D对象的较大的周长表面内的作为较小的周长表面的较小的3D对象;以及
获得较小的周长表面的内部周长长度值;
比较获得的内部周长长度值和存储的较小的参考对象的周长长度值;以及
基于获得的和存储的内部周长长度值的匹配量,确定内部3D对象与较小的参考对象之间是否存在匹配。
3.根据权利要求2所述的方法,其中,内部3D对象包括一个以上的符号,而所述较小的参考对象包括一组字体,所述方法还包括:基于将各个符号与所述一组字体的匹配,来检测所述3D对象的识别信息。
4.根据权利要求1所述的方法,还包括:响应于获得的和存储的周长长度值之间的不足匹配的确定:
对于评估为参考三角形的3D对象的接收的三角网格数据中的每个3D三角形:
识别与参考三角形共享边的三个相邻的三角形;
计算三个相邻的三角形的周长长度的总周长值;以及
给参考三角形分配总周长值;
比较分配给3D对象的总周长值和分配给参考对象的总周长值;以及
基于获得的和存储的总周长值的匹配量,确定3D对象和参考对象之间是否存在匹配。
5.根据权利要求1所述的方法,还包括:响应于获得的和存储的周长长度值之间的不足匹配的确定:
对于评估为参考三角形的3D对象的接收的三角网格数据中的每个3D三角形:
识别与参考三角形共享边的三个相邻的三角形以及与参考三角形共享顶点的任何其它三角形:
计算三个相邻的三角形以及共享顶点的任何其它三角形的周长长度的总周长值;以及
给参考三角形分配总周长值;
比较分配给3D对象的总周长值和分配给参考对象的总周长值;以及
基于获得的和存储的总周长值的匹配量,确定3D对象和参考对象之间是否存在匹配。
6.根据权利要求1所述的方法,还包含在一个、两个或三个正交方向的选定数量上将所述3D对象缩放到所述参考对象以获得三维匹配。
7.根据权利要求6所述的方法,还包括:
确定3D对象中第一数量的3D三角形;
确定参考对象中第二数量的3D三角形;
以响应于第一数量和第二数量之间的高于阈值的百分比差缩放3D对象。
8.根据权利要求1所述的方法,其中:
三维网格数据包括立体光刻计算机辅助设计软件格式;以及
切片程序中的每一层包括计算机数控(CNC)代码。
9.根据权利要求1所述的方法,还包括:
在第一时间,扫描通信塔以获得第一三角网格数据;
在第二时间,扫描通信塔以获得第二三角网格数据;以及
基于获得的和存储的总周长值的匹配量,确定基于第二三角网格数据的3D对象与基于三角网格数据的参考对象之间是否存在匹配。
10.根据权利要求9所述的方法,还包括确定所述第一三角网格数据和第二三角网格数据两者的3D对象之间的偏差量,作为天线检查的一部分。
11.一种方法包括:
接收描述三维(3D)对象的三角网格数据;
对于评估为参考三角形的3D对象的接收的三角网格数据中的每个3D三角形:
识别与参考三角形共享边的三个相邻的三角形;
计算三个相邻的三角形的周长长度的总周长值;以及
给参考三角形分配总周长值;
比较分配给3D对象的总周长值和分配给参考对象的总周长值;以及
基于获得的和存储的总周长值的匹配量,确定3D对象和参考对象之间是否存在匹配。
12.根据权利要求11所述的方法,还包括:
对于评估为参考三角形的3D对象的接收的三角网格数据中的每个3D三角形:
识别与参考三角形共享边的三个相邻的三角形以及与参考三角形共享顶点的任何其它三角形:
计算三个相邻的三角形以及共享顶点的任何其它三角形的周长长度的总周长值;以及
给参考三角形分配总周长值;
比较分配给3D对象的总周长值和分配给参考对象的总周长值;以及
基于获得的和存储的总周长值的匹配量,确定3D对象和参考对象之间是否存在匹配。
13.根据权利要求11所述的方法,还包含在一个、两个或三个正交方向的选定数量上将所述3D对象缩放到所述参考对象以获得三维匹配。
14.根据权利要求13所述的方法,还包括:
确定3D对象中第一数量的3D三角形;
确定参考对象中第二数量的3D三角形;
以响应于第一数量和第二数量之间的高于阈值的百分比差缩放3D对象。
15.根据权利要求11所述的方法,其中:
三维网格数据包括立体光刻计算机辅助设计软件格式;以及
切片程序中的每一层包括计算机数控(CNC)代码。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762502865P | 2017-05-08 | 2017-05-08 | |
US62/502,865 | 2017-05-08 | ||
PCT/US2018/031554 WO2018208751A1 (en) | 2017-05-08 | 2018-05-08 | System and methods for 3d model evaluation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110945568A true CN110945568A (zh) | 2020-03-31 |
Family
ID=64104944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880045270.0A Pending CN110945568A (zh) | 2017-05-08 | 2018-05-08 | 用于评估3d模型的系统和方法 |
Country Status (11)
Country | Link |
---|---|
US (1) | US11422531B2 (zh) |
EP (2) | EP4141708A1 (zh) |
JP (1) | JP6886096B2 (zh) |
KR (1) | KR102315454B1 (zh) |
CN (1) | CN110945568A (zh) |
AU (1) | AU2018266634B2 (zh) |
BR (1) | BR112019023432A2 (zh) |
CA (1) | CA3062802C (zh) |
DE (1) | DE18797965T1 (zh) |
MX (1) | MX2019013390A (zh) |
WO (1) | WO2018208751A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108195377B (zh) * | 2017-12-22 | 2020-09-04 | 广东嘉腾机器人自动化有限公司 | 一种基于三角形周长匹配的反光板匹配算法 |
US11237559B2 (en) * | 2019-03-21 | 2022-02-01 | The Nielsen Company (Us), Llc | Methods and apparatus for radio station monitoring using unmanned aerial vehicles |
JP7376268B2 (ja) * | 2019-07-22 | 2023-11-08 | ファナック株式会社 | 三次元データ生成装置及びロボット制御システム |
KR102440389B1 (ko) * | 2020-03-03 | 2022-09-05 | 이에이트 주식회사 | 유체 해석 시뮬레이션에서 stl 파일의 전처리 방법 및 유체 해석 시뮬레이션 방법 |
JP7143368B2 (ja) * | 2020-05-26 | 2022-09-28 | 株式会社ミスミ | 見積システム、見積方法、及び見積プログラム |
US20220196839A1 (en) * | 2020-12-17 | 2022-06-23 | Gm Cruise Holdings Llc | Procedurally generated three-dimensional environment for use in autonomous vehicle simulations |
WO2024044581A2 (en) * | 2022-08-22 | 2024-02-29 | Physna Inc. | System and methods for 3d model evaluation using triangle mesh hashing |
KR102567573B1 (ko) | 2023-05-17 | 2023-08-16 | 가이아쓰리디 주식회사 | 3차원 데이터 변환 정확도 측정 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1849608A (zh) * | 2003-07-16 | 2006-10-18 | 独立行政法人理化学研究所 | 由边界表示数据生成体数据的方法及其程序 |
JP2007267979A (ja) * | 2006-03-31 | 2007-10-18 | Yoko Arimasa | 生物の臓器形態解析方法と生物の臓器形態解析システム |
CN103959330A (zh) * | 2011-07-13 | 2014-07-30 | 谷歌公司 | 用于匹配可视对象组件的系统和方法 |
CN104331555A (zh) * | 2014-10-31 | 2015-02-04 | 河海大学常州校区 | 一种针对带有边界的非封闭stl模型的切片处理方法 |
US20160159012A1 (en) * | 2014-12-05 | 2016-06-09 | Kt Corporation | 3d printing resource allocation |
US20170004621A1 (en) * | 2013-12-15 | 2017-01-05 | 7893159 Canada Inc. | Method and System for comparing 3D Models |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3498643B2 (ja) * | 1999-09-10 | 2004-02-16 | 日本電気株式会社 | 3次元映像識別装置およびコンピュータ読み取り可能な記録媒体 |
JP2001266149A (ja) * | 2000-03-23 | 2001-09-28 | Alpine Electronics Inc | 画像一致判定装置 |
JP3513562B2 (ja) | 2000-04-20 | 2004-03-31 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 形状解析システム、3次元形状モデルの差分検出システム、類似形状検索システム、形状解析方法及び記憶媒体 |
WO2003088085A1 (en) | 2002-04-04 | 2003-10-23 | Arizona Board Of Regents | Three-dimensional digital library system |
US8211815B2 (en) | 2003-06-13 | 2012-07-03 | Kimberly-Clark Worldwide, Inc. | Absorbent structure having three-dimensional topography on upper and lower surfaces |
US7454319B2 (en) | 2003-11-19 | 2008-11-18 | Jun Wan | System, method, and computer program product for determining wall thickness in graphic model |
JP4475632B2 (ja) * | 2004-03-19 | 2010-06-09 | 中国電力株式会社 | 無人飛行体を用いた送電線点検システム |
US7111783B2 (en) | 2004-06-25 | 2006-09-26 | Board Of Trustees Operating Michigan State University | Automated dimensional inspection |
JP4785598B2 (ja) | 2006-04-07 | 2011-10-05 | 株式会社日立製作所 | 類似形状検索装置 |
JP2008033522A (ja) * | 2006-07-27 | 2008-02-14 | Namco Bandai Games Inc | プログラム、情報記憶媒体、及び画像生成システム |
JP2009129337A (ja) | 2007-11-27 | 2009-06-11 | Hitachi Ltd | 三次元類似形状検索装置 |
JP2012501806A (ja) * | 2008-09-12 | 2012-01-26 | ボストン サイエンティフィック サイムド,インコーポレイテッド | ステントの層単位製造 |
US8368689B2 (en) | 2008-09-25 | 2013-02-05 | Siemens Product Lifecycle Management Software Inc. | System, method, and computer program product for radial functions and distributions of three dimensional object models |
EP2216750A1 (en) * | 2009-02-06 | 2010-08-11 | Thomson Licensing | Method and apparatus for encoding 3D mesh models, and method and apparatus for decoding encoded 3D mesh models |
CN101876536B (zh) | 2009-04-29 | 2012-09-19 | 鸿富锦精密工业(深圳)有限公司 | 三维色阶比对动态分析方法 |
US9697646B2 (en) * | 2009-08-07 | 2017-07-04 | Cherif Algratly | Converting a 3D model into multiple matrices |
US8349239B2 (en) * | 2009-09-23 | 2013-01-08 | Stratasys, Inc. | Seam concealment for three-dimensional models |
CA2801486C (en) | 2010-02-01 | 2018-12-11 | Eagle View Technologies, Inc. | Geometric correction of rough wireframe models derived from photographs |
BR112012025192A2 (pt) * | 2010-05-31 | 2016-06-21 | Nanjing University Of Technology | método para comparar modelos tridimensionais, dispositivo para comparar modelos tridimensionais, sistema para comparar modelos tridimensionais e meio lido por computador |
DE102011014114B3 (de) * | 2011-03-15 | 2012-05-10 | Ovd Kinegram Ag | Mehrschichtkörper und Verfahren zur Herstellung eines Mehrschichtkörpers |
JP2014006787A (ja) * | 2012-06-26 | 2014-01-16 | Honda Motor Co Ltd | 特徴点決定装置、特徴点決定方法、及びプログラム |
US9754412B2 (en) * | 2013-03-11 | 2017-09-05 | Autodesk, Inc. | Techniques for slicing a 3D model for manufacturing |
GB2514320B (en) | 2013-03-15 | 2020-01-29 | 3D Industries Ltd | A method and system for 3D model database retrieval |
WO2014146052A2 (en) | 2013-03-15 | 2014-09-18 | Fathom, Inc. | Systems and methods for providing price quotes for 3d objects |
US9815268B2 (en) | 2013-03-22 | 2017-11-14 | Markforged, Inc. | Multiaxis fiber reinforcement for 3D printing |
EP3725497A1 (en) * | 2013-03-22 | 2020-10-21 | Mark, Gregory Thomas | Three-dimensional printer |
US10046522B2 (en) | 2015-02-26 | 2018-08-14 | Stratasys, Inc. | Surface angle model evaluation process for additive manufacturing |
US10532511B2 (en) * | 2015-05-27 | 2020-01-14 | Makerbot Industries, Llc | Infill techniques in three-dimensional printing |
US9579072B1 (en) * | 2015-09-30 | 2017-02-28 | General Electric Company | Systems and methods for imaging with multi-head camera |
US9987682B2 (en) * | 2016-08-03 | 2018-06-05 | 3Deo, Inc. | Devices and methods for three-dimensional printing |
US10452056B2 (en) * | 2017-07-25 | 2019-10-22 | Microsoft Technology Licensing, Llc | Three-dimensional object fabrication using multiple extruders |
US10518480B2 (en) * | 2018-04-02 | 2019-12-31 | Nanotronics Imaging, Inc. | Systems, methods, and media for artificial intelligence feedback control in additive manufacturing |
-
2018
- 2018-05-08 US US16/611,790 patent/US11422531B2/en active Active
- 2018-05-08 EP EP22184358.4A patent/EP4141708A1/en active Pending
- 2018-05-08 DE DE18797965.3T patent/DE18797965T1/de active Pending
- 2018-05-08 EP EP18797965.3A patent/EP3635687B1/en active Active
- 2018-05-08 AU AU2018266634A patent/AU2018266634B2/en active Active
- 2018-05-08 KR KR1020197036345A patent/KR102315454B1/ko active IP Right Grant
- 2018-05-08 CA CA3062802A patent/CA3062802C/en active Active
- 2018-05-08 WO PCT/US2018/031554 patent/WO2018208751A1/en unknown
- 2018-05-08 BR BR112019023432-2A patent/BR112019023432A2/pt unknown
- 2018-05-08 MX MX2019013390A patent/MX2019013390A/es unknown
- 2018-05-08 JP JP2019562580A patent/JP6886096B2/ja active Active
- 2018-05-08 CN CN201880045270.0A patent/CN110945568A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1849608A (zh) * | 2003-07-16 | 2006-10-18 | 独立行政法人理化学研究所 | 由边界表示数据生成体数据的方法及其程序 |
JP2007267979A (ja) * | 2006-03-31 | 2007-10-18 | Yoko Arimasa | 生物の臓器形態解析方法と生物の臓器形態解析システム |
CN103959330A (zh) * | 2011-07-13 | 2014-07-30 | 谷歌公司 | 用于匹配可视对象组件的系统和方法 |
US20170004621A1 (en) * | 2013-12-15 | 2017-01-05 | 7893159 Canada Inc. | Method and System for comparing 3D Models |
CN104331555A (zh) * | 2014-10-31 | 2015-02-04 | 河海大学常州校区 | 一种针对带有边界的非封闭stl模型的切片处理方法 |
US20160159012A1 (en) * | 2014-12-05 | 2016-06-09 | Kt Corporation | 3d printing resource allocation |
Non-Patent Citations (1)
Title |
---|
李山奎,张平: "基于Delaunay三角网的图像匹配算法" * |
Also Published As
Publication number | Publication date |
---|---|
EP3635687A4 (en) | 2021-01-20 |
AU2018266634B2 (en) | 2023-01-05 |
WO2018208751A1 (en) | 2018-11-15 |
US20200371494A1 (en) | 2020-11-26 |
JP2020520514A (ja) | 2020-07-09 |
CA3062802A1 (en) | 2018-11-15 |
NZ758906A (en) | 2023-08-25 |
US11422531B2 (en) | 2022-08-23 |
EP3635687B1 (en) | 2022-07-13 |
DE18797965T1 (de) | 2020-06-04 |
JP6886096B2 (ja) | 2021-06-16 |
EP4141708A1 (en) | 2023-03-01 |
BR112019023432A2 (pt) | 2020-06-16 |
CA3062802C (en) | 2023-10-10 |
EP3635687A1 (en) | 2020-04-15 |
MX2019013390A (es) | 2020-07-29 |
KR102315454B1 (ko) | 2021-10-20 |
KR20200005632A (ko) | 2020-01-15 |
AU2018266634A1 (en) | 2019-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3062802C (en) | System and methods for 3d model evaluation | |
EP3574473B1 (en) | Apparatus, method, and system for alignment of 3d datasets | |
Sampath et al. | Segmentation and reconstruction of polyhedral building roofs from aerial lidar point clouds | |
US20230146134A1 (en) | Object recognition via object data database and augmentation of 3d image data | |
Bustos et al. | Feature-based similarity search in 3D object databases | |
Lian et al. | Visual similarity based 3D shape retrieval using bag-of-features | |
Karantzalos et al. | Large-scale building reconstruction through information fusion and 3-d priors | |
WO2006058292A2 (en) | Methods for retrieving shapes and drawings | |
Poux et al. | Unsupervised segmentation of indoor 3D point cloud: Application to object-based classification | |
Wu et al. | Automatic 3D reconstruction of electrical substation scene from LiDAR point cloud | |
Shan et al. | Building extraction from LiDAR point clouds based on clustering techniques | |
Xiao et al. | Building segmentation and modeling from airborne LiDAR data | |
Shen et al. | Object-based classification of airborne light detection and ranging point clouds in human settlements | |
Sahebdivani et al. | Deep learning based classification of color point cloud for 3D reconstruction of interior elements of buildings | |
US20220405434A1 (en) | System and methods for 3d model evaluation using triangle mesh hashing | |
Sun | Automatic 3D building detection and modeling from airborne LiDAR Point clouds | |
NZ758906B2 (en) | System and methods for 3d model evaluation | |
WO2024044581A2 (en) | System and methods for 3d model evaluation using triangle mesh hashing | |
Wang et al. | Shape complexity from image similarity | |
Misic et al. | 3D mesh segmentation for CAD applications | |
CN117541807A (zh) | 一种基于主动学习的地形特征线提取方法 | |
Yu | Piecewise surface reconstruction from range data | |
O'Shaughnessy | Depth Sensing Planar Structures: Detection of Office Furniture Configurations |
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 |