CN112116590B - 一种复杂曲面零件超差区域加工边界识别方法 - Google Patents
一种复杂曲面零件超差区域加工边界识别方法 Download PDFInfo
- Publication number
- CN112116590B CN112116590B CN202011071890.7A CN202011071890A CN112116590B CN 112116590 B CN112116590 B CN 112116590B CN 202011071890 A CN202011071890 A CN 202011071890A CN 112116590 B CN112116590 B CN 112116590B
- Authority
- CN
- China
- Prior art keywords
- point
- curved surface
- processing
- complex curved
- phi
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000003754 machining Methods 0.000 title claims description 21
- 238000012545 processing Methods 0.000 claims abstract description 73
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 6
- 230000000295 complement effect Effects 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000010845 search algorithm Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Numerical Control (AREA)
Abstract
本发明公开了一种复杂曲面零件超差区域加工边界识别方法,利用光学扫描仪获取复杂曲面零件点云测量数据,并将该数据进行三角网格化处理,网格划分的高精度极大提高。同时采用网格求交的方法识别加工边界,并使用空间最近点搜索算法排序获得封闭与非封闭的两类初始加工边界,从而提高了加工边界的识别精度;同时利用尺寸公差和形位公差进行复杂曲面零件进行配准,并以待补加工面积最小为配准优化的目标函数,从而在设计公差内最大程度地减少了超差区域的面积,提高了补加工的加工效率。
Description
技术领域
本发明涉及一种复杂曲面零件数控精加工技术,尤其涉及一种复杂曲面零件超差区域加工边界识别方法。
背景技术
复杂曲面零件在数控精加工过程中由于加工设备、工具以及工艺变形等带来的加工误差,造成零件部分区域超差。若需满足设计公差要求,就需要对该超差区域进行加工区域识别,从而后续进行区域补加工。
目前,加工区域识别技术的研究主要集中于测量数据几何属性的提取与分类,包括两条技术途径:(1)曲率法;(2)法矢法。它们主要通过提取测量数据主方向上主曲率的极值点或法矢方向变化来识别边界。但复杂曲面零件上各点的曲率及法矢本身存在复杂的变化,尤其在精加工情况下,微小的加工误差极易造成于测量数据几何属性的急剧变化,影响加工边界识别的准确性。
现有技术一:
马瑞雪,张定华,马光辉等的《自由曲面铣削加工超差区域自适应提取算法》,发表于重庆理工大学学报(自然科学),2015,29(007):29-34。
针对航空发动机叶片测量数据的特点:
步骤一、建立复杂曲面型值点p(x,y,z)与矩形参数平面点s(u,v)之间的映射关系;
步骤二、计算复杂曲面测量点至型值点p(x,y,z)的距离h,即加工误差,同时映射于参数平面点s(u,v);
步骤三、比较上公差vp与h,若h>vp,则认为该型值点p(x,y,z)处为超差点;
步骤四、采用降维处理将参数平面划分为多个小矩形网格,超差区域型值点p(x,y,z)对应参数平面点s(u,v)所在的小矩形网格即为矩形参数平面内超差区域;
步骤五、将矩形参数平面内超差区域反映射至复杂曲面超差区域。
现有技术一的缺点:
1)复杂曲面零件设计时除了存在尺寸公差外,还有形位公差。但现有技术一仅仅考虑了尺寸公差,而将形位公差忽略,造成未超差点被误识别为超差点,使得加工区域被错误扩大,可能造成该误识别区域在补加工后出现低于下公差等报废问题;
2)采用小矩形网格的累加作为超差区域,使得加工边界识别不准确,极易造成加工边界邻近区域的识别精度不足,在补加工后存在加工边界邻近小区域超差或过切。
发明内容
本发明的目的是提供一种复杂曲面零件超差区域加工边界识别方法。
本发明的目的是通过以下技术方案实现的:
本发明的复杂曲面零件超差区域加工边界识别方法,包括步骤:
步骤一、利用光学扫描仪获取复杂曲面零件点云测量数据,并将该数据进行三角网格化处理,获得N*个三角面片所构成的网格{W|Wt,t=0,…∈N*},各网格中心点集合为{ω|ωt,t=0,…∈N*};
步骤二、采用最近点搜索算法获得各网格中心点ωt与复杂曲面零件理论模型S间的最近配准点pt;
步骤三、在配准后对复杂曲面零件理论模型进行上公差vp偏置得到偏置模型Sp,并对其三角网格化获得M*个三角面片所构成的网格{Φ|Φi,i=0,…∈M*},各网格中心点集合遍历求交Wt(t=0,…∈N*)与Φi(i=0,…∈M*),交点集合即为加工边界上的点集/>
步骤四、进行初始排序,随后以/>为种子点,遍历计算/>至的最近距离,并把相应的最近距离点作为下一个种子点,对剩余点集重复该计算过程直至最近距离≥指定阈值,则多个种子点集构建加工边界曲线,并从剩余点集中随机选择新边界的种子点,重复该遍历过程。
由上述本发明提供的技术方案可以看出,本发明实施例提供的复杂曲面零件超差区域加工边界识别方法,利用测量点云数据的三角面片网格化,网格划分的高精度极大提高。同时采用网格求交的方法识别加工边界,并使用空间最近点搜索算法排序获得封闭与非封闭的两类初始加工边界,从而提高了加工边界的识别精度;同时利用尺寸公差和形位公差进行复杂曲面零件进行配准,并以待补加工面积最小为配准优化的目标函数,从而在设计公差内最大程度地减少了超差区域的面积,提高了补加工的加工效率。
附图说明
图1为本发明实施例提供的复杂曲面零件超差区域加工边界识别方法的技术流程示意图;
图2为本发明实施例中复杂曲面配准中几何量示意图;
图3为本发明实施例中加工边界计算汇总几何量示意图;
图4为本发明实施例中加工边界点初始排序示意图;
图5为本发明实施例中加工边界线构建示意图。
具体实施方式
下面将对本发明实施例作进一步地详细描述。本发明实施例中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
本发明的复杂曲面零件超差区域加工边界识别方法,其较佳的具体实施方式是:
包括步骤:
步骤一、利用光学扫描仪获取复杂曲面零件点云测量数据,并将该数据进行三角网格化处理,获得N*个三角面片所构成的网格{W|Wt,t=0,…∈N*},各网格中心点集合为{ω|ωt,t=0,…∈N*};
步骤二、采用最近点搜索算法获得各网格中心点ωt与复杂曲面零件理论模型S间的最近配准点pt;
步骤三、在配准后对复杂曲面零件理论模型进行上公差vp偏置得到偏置模型Sp,并对其三角网格化获得M*个三角面片所构成的网格{Φ|Φi,i=0,…∈M*},各网格中心点集合遍历求交Wt(t=0,…∈N*)与Φi(i=0,…∈M*),交点集合即为加工边界上的点集/>
步骤四、进行初始排序,随后以/>为种子点,遍历计算/>至的最近距离,并把相应的最近距离点作为下一个种子点,对剩余点集重复该计算过程直至最近距离≥指定阈值,则多个种子点集构建加工边界曲线,并从剩余点集中随机选择新边界的种子点,重复该遍历过程。
所述步骤二中,后续加工时间近似正比于加工区域的面积,则建立关于配准点对(ωt,pt)的配准目标函数为加工区域的面积最小,即:
曲面配准的6个自由度为(Δx,Δy,Δz,Δα,Δβ,Δγ),分别为复杂曲面零件理论模型沿X/Y/Z轴的平移与旋转,At为ωt所对应三角面片的面积,记ωt至蒙皮曲面模型的距离为ht;
已知复杂曲面零件的上下公差为(vd,vp),则系数λt定义如下式所示:
当λt取某极大值(+∞)时,则该点存在非允许负差情况,则认为该零件报废;当λt=0时,则该点位于非加工区域内;当λt=1时,则该点位于加工区域内。
所述步骤三中,遍历求交即遍历计算三角面片Wt(t=0,…∈N*)与Φi(i=0,…∈M*)之间最小距离Hti,并定义沿复杂曲面外法矢方向为正向距离,反之为负向距离:
若|Hti|=0,则认为Wt与Φi存在相交,相应的为加工边界上点;若|Hti|>0,则认为Wt与Φi不相交,但相应的/>为超差区域上点;
若|Hti|<0,则认为Wt与Φi不相交,但相应的为非超差区域上点;
通过该步骤,获得位于加工边界上的点集
所述步骤四中,存在两种类型的初始加工边界:
1)封闭边界,即多个种子点集构建加工边界曲线为封闭曲线;
2)开环交线,即多个种子点集构建加工边界曲线为非封闭曲线。
本发明的复杂曲面零件超差区域加工边界识别方法,能够解决以下技术问题:
1)加工边界识别时应该充分利用复杂曲面零件的设计公差,但现有方法皆未考虑配准问题,造成加工区域识别不准确、加工面积增加,甚至出现误报废等问题;
2)加工边界识别时采用局部几何属性的变化作为关键度量指标,但由于复杂曲面自身几何属性存在复杂的变化,尤其在精加工情况下,微小的加工误差极易造成测量数据几何属性的急剧变化,影响加工边界识别的准确性的问题。
3)加工边界采用小矩形网格的累加作为超差区域,使得所识别加工边界的邻近区域识别精度不足的问题。
具体实施例:
如图1所示,包括步骤:
步骤一、利用光学扫描仪获取复杂曲面零件点云测量数据,并将该数据进行三角网格化处理,获得N*个三角面片所构成的网格{W|Wt,t=0,…∈N*},各网格中心点集合为{ω|ωt,t=0,…∈N*}。
步骤二、采用最近点搜索算法获得各网格中心点ωt与复杂曲面零件理论模型S间的最近配准点pt。考虑到后续加工时间近似正比于加工区域的面积,则建立关于配准点对(ωt,pt)的配准目标函数为加工区域的面积最小,即
其中,如图2所示,曲面配准的6个自由度为(Δx,Δy,Δz,Δα,Δβ,Δγ),分别为复杂曲面零件理论模型沿X/Y/Z轴的平移与旋转。At为ωt所对应三角面片的面积,记ωt至蒙皮曲面模型的距离为ht。已知复杂曲面零件的上下公差为(vd,vp),则系数λt定义如下式所示,当λt取某极大值(+∞)时,则该点存在非允许负差情况,则认为该零件报废;当λt=0时,则该点位于非加工区域内;当λt=1时,则该点位于加工区域内。
步骤三、在配准后复杂曲面零件理论模型进行上公差vp偏置模型Sp,并对其三角网格化获得M*个三角面片所构成的网格{Φ|Φi,i=0,…∈M*},各网格中心点集合 遍历计算三角面片Wt(t=0,…∈N*)与Φi(i=0,…∈M*)之间最小距离Hti,并定义沿复杂曲面外法矢方向为正向距离,反之为负向距离。若|Hti|=0,则认为Wt与Φi存在相交,相应的/>为加工边界上点;若|Hti|>0,则认为Wt与Φi不相交,但相应的/>为超差区域上点;若|Hti|<0,则认为Wt与Φi不相交,但相应的/>为非超差区域上点,如图3所示。通过该步骤,获得位于加工边界上的点集/>
步骤四、的初始排序如图4所示,随后以/>为种子点,遍历计算至/>的最近距离,并把相应的最近距离点作为下一个种子点,对剩余点集重复该计算过程直至最近距离≥指定阈值,则多个种子点集构建加工边界曲线,并从剩余点集中随机选择新边界的种子点,重复该遍历过程。
一般存在两种类型的初始加工边界:1)封闭边界,即多个种子点集构建加工边界曲线为封闭曲线;2)开环交线,即多个种子点集构建加工边界曲线为非封闭曲线,如图5所示
本发明的复杂曲面零件超差区域加工边界识别方法,基于补加工面积最小的加工边界识别目标函数;采用上公差模型与测量数据的三角面片网格化求交直接建立加工边界。能够取得以下有益效果:
1)利用测量点云数据的三角面片网格化,网格划分的高精度极大提高。同时采用网格求交的方法识别加工边界,并使用空间最近点搜索算法排序获得封闭与非封闭的两类初始加工边界,从而提高了加工边界的识别精度。
2)然后同时利用尺寸公差和形位公差进行复杂曲面零件进行配准,并以待补加工面积最小为配准优化的目标函数,从而在设计公差内最大程度地减少了超差区域的面积,提高了补加工的加工效率。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (3)
1.一种复杂曲面零件超差区域加工边界识别方法,其特征在于,包括步骤:
步骤一、利用光学扫描仪获取复杂曲面零件点云测量数据,并将该数据进行三角网格化处理,获得N*个三角面片所构成的网格{W|Wt,t=0,…∈N*},各网格中心点集合为{ω|ωt,t=0,…∈N*};
步骤二、采用最近点搜索算法获得各网格中心点ωt与复杂曲面零件理论模型S间的最近配准点pt;
步骤三、在配准后对复杂曲面零件理论模型进行上公差vp偏置得到偏置模型Sp,并对其三角网格化获得M*个三角面片所构成的网格{Φ|Φi,i=0,…∈M*},各网格中心点集合遍历求交Wt(t=0,…∈N*)与Φi(i=0,…∈M*),交点集合即为加工边界上的点集/>
步骤四、进行初始排序,随后以/>为种子点,遍历计算/>至的最近距离,并把相应的最近距离点作为下一个种子点,对剩余点集重复该计算过程直至最近距离≥指定阈值,则多个种子点集构建加工边界曲线,并从剩余点集中随机选择新边界的种子点,重复该遍历过程;
所述步骤二中,后续加工时间近似正比于加工区域的面积,则建立关于配准点对(ωt,pt)的配准目标函数为加工区域的面积最小,即:
曲面配准的6个自由度为(Δx,Δy,Δz,Δα,Δβ,Δγ),(Δx,Δy,Δz)分别为复杂曲面零件理论模型沿X/Y/Z轴的平移,(Δα,Δβ,Δγ)分别为复杂曲面零件理论模型沿X/Y/Z轴的旋转,At为ωt所对应三角面片的面积,记ωt至蒙皮曲面模型的距离为ht;
已知复杂曲面零件的上下公差为(vd,vp),则系数λt定义如下式所示:
当λt取某极大值(+∞)时,则该点存在非允许负差情况,则认为该零件报废;当λt=0时,则该点位于非加工区域内;当λt=1时,则该点位于加工区域内。
2.根据权利要求1所述的复杂曲面零件超差区域加工边界识别方法,其特征在于,所述步骤三中,遍历求交即遍历计算三角面片Wt(t=0,…∈N*)与Φi(i=0,…∈M*)之间最小距离Hti,并定义沿复杂曲面外法矢方向为正向距离,反之为负向距离:
若|Hti|=0,则认为Wt与Φi存在相交,相应的为加工边界上点;若|Hti|>0,则认为Wt与Φi不相交,但相应的/>为超差区域上点;
若|Hti|<0,则认为Wt与Φi不相交,但相应的为非超差区域上点;
通过该步骤,获得位于加工边界上的点集
3.根据权利要求1或2所述的复杂曲面零件超差区域加工边界识别方法,其特征在于,所述步骤四中,存在两种类型的初始加工边界:
1)封闭边界,即多个种子点集构建加工边界曲线为封闭曲线;
2)开环交线,即多个种子点集构建加工边界曲线为非封闭曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011071890.7A CN112116590B (zh) | 2020-10-09 | 2020-10-09 | 一种复杂曲面零件超差区域加工边界识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011071890.7A CN112116590B (zh) | 2020-10-09 | 2020-10-09 | 一种复杂曲面零件超差区域加工边界识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112116590A CN112116590A (zh) | 2020-12-22 |
CN112116590B true CN112116590B (zh) | 2024-04-02 |
Family
ID=73797505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011071890.7A Active CN112116590B (zh) | 2020-10-09 | 2020-10-09 | 一种复杂曲面零件超差区域加工边界识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116590B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351064B (zh) * | 2023-11-20 | 2024-03-01 | 广州中望龙腾软件股份有限公司 | 填充累计面积计算方法、装置、存储介质及计算机设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1349082A (zh) * | 2001-12-04 | 2002-05-15 | 上海交通大学 | 模具快速图形测量法 |
JP2003271684A (ja) * | 2002-03-13 | 2003-09-26 | Ricoh Co Ltd | 三角形メッシュ縫合方法、プログラムおよび記録媒体 |
CN106152935A (zh) * | 2015-03-25 | 2016-11-23 | 苏州北硕检测技术有限公司 | 适用于无特征空间曲面毛坯件的激光测量系统及其加工定位方法 |
CN110322464A (zh) * | 2019-06-30 | 2019-10-11 | 华中科技大学 | 一种基于三维点云的小曲率薄壁零件边界提取方法 |
CN111581874A (zh) * | 2020-06-28 | 2020-08-25 | 大连理工大学 | 一种薄壁曲面表层图案激光加工轨迹求解方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5954310B2 (ja) * | 2013-12-26 | 2016-07-20 | カシオ計算機株式会社 | 画像処理装置、画像処理方法及びプログラム |
-
2020
- 2020-10-09 CN CN202011071890.7A patent/CN112116590B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1349082A (zh) * | 2001-12-04 | 2002-05-15 | 上海交通大学 | 模具快速图形测量法 |
JP2003271684A (ja) * | 2002-03-13 | 2003-09-26 | Ricoh Co Ltd | 三角形メッシュ縫合方法、プログラムおよび記録媒体 |
CN106152935A (zh) * | 2015-03-25 | 2016-11-23 | 苏州北硕检测技术有限公司 | 适用于无特征空间曲面毛坯件的激光测量系统及其加工定位方法 |
CN110322464A (zh) * | 2019-06-30 | 2019-10-11 | 华中科技大学 | 一种基于三维点云的小曲率薄壁零件边界提取方法 |
CN111581874A (zh) * | 2020-06-28 | 2020-08-25 | 大连理工大学 | 一种薄壁曲面表层图案激光加工轨迹求解方法 |
Non-Patent Citations (2)
Title |
---|
Detection and Reconstruction of an Implicit Boundary Surface by Adaptively Expanding A Small Surface Patch in a 3D Image;Lisheng Wang等;《 IEEE Transactions on Visualization and Computer Graphics》;第20卷(第11期);第1490 - 1506页 * |
数字化检测技术在复合材料制造过程中的应用;钟日良等;《航空制造技术》;第61卷(第16期);第74-78页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112116590A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108376408B (zh) | 一种基于曲率特征的三维点云数据快速加权配准方法 | |
CN116150676B (zh) | 基于人工智能的设备故障诊断与识别方法及装置 | |
CN110599506B (zh) | 一种复杂异形曲面机器人三维测量的点云分割方法 | |
CN105551015A (zh) | 一种散乱点云图像配准方法 | |
Liu et al. | Precise candidate selection for large character set recognition by confidence evaluation | |
CN113538486B (zh) | 一种提高汽车钣金工件的识别与定位精度的方法 | |
CN108022307B (zh) | 基于增材再制造点云模型的自适应平面分层方法 | |
CN113112496B (zh) | 一种基于自适应阈值的亚像素轴类零件尺寸测量方法 | |
CN112116590B (zh) | 一种复杂曲面零件超差区域加工边界识别方法 | |
CN109000656B (zh) | 基于空间聚类的水下地形匹配导航适配区选择方法 | |
CN115797418A (zh) | 一种基于改进icp的复杂机械零件测量点云配准方法及系统 | |
CN115861397A (zh) | 一种基于改进fpfh-icp的点云配准方法 | |
CN111445511B (zh) | 一种图像中圆的检测方法 | |
CN110428438B (zh) | 一种单木建模方法、装置和存储介质 | |
CN106446472A (zh) | 数控加工几何仿真中基于stl模型的交线环求取算法 | |
CN113554079B (zh) | 一种基于二次检测法的电力负荷异常数据检测方法及系统 | |
CN115147471A (zh) | 一种基于曲率密度特征的激光点云自动配准方法 | |
CN115797414A (zh) | 一种考虑测头半径的复杂曲面测量点云数据配准方法 | |
CN111652801B (zh) | 一种点云精准拼接方法 | |
CN110390155B (zh) | 离心叶轮加工特征识别方法 | |
CN114429537A (zh) | 石窟点云中提取佛龛的方法 | |
CN113313137A (zh) | 涂胶障碍物识别及去除方法 | |
Yan et al. | Multi-beam Data Automatic Filtering Technology | |
CN114419055B (zh) | 一种基于高斯像的可展面分割-拟合方法 | |
CN112729306B (zh) | 适用于auv的海底地形图可导航区自主提取方法 |
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 |