CN112231850A - 一种基于re的齿轮失效部位特征重构方法 - Google Patents
一种基于re的齿轮失效部位特征重构方法 Download PDFInfo
- Publication number
- CN112231850A CN112231850A CN202010773588.XA CN202010773588A CN112231850A CN 112231850 A CN112231850 A CN 112231850A CN 202010773588 A CN202010773588 A CN 202010773588A CN 112231850 A CN112231850 A CN 112231850A
- Authority
- CN
- China
- Prior art keywords
- gear
- points
- failed
- point cloud
- failure part
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 10
- 230000007547 defect Effects 0.000 claims abstract description 10
- 238000005520 cutting process Methods 0.000 claims abstract description 8
- 238000004806 packaging method and process Methods 0.000 claims abstract description 8
- 238000004040 coloring Methods 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 4
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 3
- 244000137852 Petrea volubilis Species 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004372 laser cladding Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052761 rare earth metal Inorganic materials 0.000 description 1
- 150000002910 rare earth metals Chemical class 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本分明涉及一种基于RE的齿轮失效部位特征重构方法,属于逆向工程技术领域和齿轮再制造领域。步骤如下:1:对失效齿轮进行线切割处理,去除其残余应力层以及对失效齿轮着色处理2:通过扫描失效齿轮表面特征获取点云数据;3:对失效齿轮表面点云数据进行去除异常点、降噪、封装、简化并填充孔洞;4:基于逆向工程原理对失效齿轮进行重建;5:依据缺损部位的邻齿对重构模型的精度进行分析。本发明解决了现阶段齿轮再制造中失效部位模型重构的精度问题,为齿轮失效部位的特征重构提供了一种有效方法,以解决齿轮失效部位重构模型精度低的问题,为提高齿轮再制造修复质量打下基础。
Description
技术领域
本发明涉及一种基于RE(Reverse Engineering:逆向工程)的齿轮失效部位特征重构方法,属于逆向工程技术领域和齿轮再制造领域。
背景技术
目前通过激光熔覆再制造技术对失效齿轮进行再制造修复成为失效齿轮修复的主要方式,齿轮激光再制造的工艺选择及修复路径规划需要依据缺损部位的重构模型来确定,由于齿轮表面形状复杂,失效部位模型重构精度难以保证。而且,现有技术中,存在齿轮失效部位特征重构效率低,精度难以满足后续再制造的问题。
发明内容
为此本发明基于RE的齿轮失效部位特征重构方法,对于提高齿轮失效部位的模型重构精度有着非常重要的意义。针对现有技术中的上述问题,本发明旨在提供一种基于RE的齿轮失效部位特征重构方法,以解决针对齿轮失效部位特征重构效率低,精度难以满足后续再制造的问题。
一种基于RE的齿轮失效部位特征重构方法,其步骤如下:
S1、对失效齿轮进行线切割处理,去除其残余应力层以及对失效齿轮着色处理;
S2、通过扫描失效齿轮表面特征获取点云数据;
S3、对失效齿轮表面点云数据进行去除异常点、降噪、封装、简化并填充孔洞;
S4、基于逆向工程原理对失效齿轮进行重建;
S5、依据缺损部位的邻齿对重构模型的精度进行分析。
优选的,对失效齿轮进行线切割处理,去除其残余应力层后,然后用砂纸进行打磨,去除表面的锈蚀及毛刺,最后为有利于点云扫描,在失效齿轮表面喷涂白色显影剂及粘贴标记点。
优选的,使用GOM光学扫描仪对失效齿轮进行扫描,每次扫描时要保证扫描面上最少存在3个标记点,且每次新扫描时所扫描到的标记点需存在已经扫描过的标记点,从而获取整个失效齿轮的表面特征。
优选的,去除异常点为手动选择离齿轮主体较远面积较大的点云并去除,对于距离齿轮较近的异常点为防止有效的点云数据被删除,选择软件中的体外孤点选项进行删除。
优选的,降噪为使用统计分析的方法来去除噪声点,对待修复齿轮点云数据中的采样点与其相邻点的距离进行统计分析,设定阈值来剔除距离超过阈值的噪声点,包括如下步骤:
步骤1、建立点云间的拓扑关系,对待修复齿轮点云中的任一点Pi的邻域点,记为Pij={Pi1,Pi2...Pik};
步骤2、计算采样点Pi到其邻域点的距离并取平均值,计算公式求出点云数据中所有的点到其邻域点的平均距离;步骤3、计算整个待修复齿轮点云的全局平均距离D,以及其标准差,计算公式如下:步骤4、设定标准偏差的阈值倍数为a,则阈值距离为D±aΔ,比较待修复齿轮点云采样点Pi的平均值与阈值的大小,若大于距离阈值则认为该采样点为噪声点需对其进行剔除,否则保留计算结果。
优选的,对点云数据进行封装处理,对封装操作后模型使用Geomagic studio软件进行简化处理,基于曲率的方式对齿轮孔洞进行填充。
优选的,Geomagic Design X中的领域组分割功能,通过对整个失效齿轮模型进行领域分割、曲面拟合拼接后获取失效齿轮的重构模型,运用实体求差法,实现失效部位的3D特征重构。
优选的,Geomagic Qualify逆向工程检测软件对齿轮的失效部位重构模型进行整体误差分析及标准偏差分析,确保重构模型精度能够满足齿轮再制造需要。
与现有技术相比,本发明具有的有益效果是:本发明设计了一种基于RE的齿轮失效部位特征重构方法,以解决齿轮失效部位重构模型精度低的问题,为提高齿轮再制造修复质量打下基础。
附图说明
图1为本发明的缺损部位模型重构流程图。
图2为本发明的失效齿轮前处理图。
图3为本发明的失效齿轮初始点云图。
图4为本发明的点云降噪偏差图。
图5为本发明的封装并简化图。
图6为本发明的填充前孔洞图。
图7为本发明的填充后齿轮模型图。
图8为本发明的失效齿轮领域分割图。
图9为本发明的曲面拟合及偏差图。
图10为本发明的齿轮失效部位重构模型图。
图11为本发明的重构模型3D偏差图。
图12为本发明的整体误差分布图。
图13为本发明的标准偏差柱状图。
具体实施方式
下面结合附图及实施例,对本发明进行进一步详细说明,但应当理解实施例用以解释本发明,并不用于限制本发明。
齿轮失效部位的特征重构是失效齿轮再制造修复的基础,为解决齿轮失效部位特征重构存在的精度低问题,特提出了一种基于RE的齿轮失效部位特征重构方法,实际以某机床齿轮失效部位特征重构为背景,验证该方法的模型重构精度。图1为本发明的缺损部位模型重构流程图。如图1所示,首先清洗待修复齿轮;然后进行点云数据采集和数据处理;其中数据处理包括点云去噪、数据多视对齐、数据平滑、数据精简和数据插补。如数据不合格,则进行点云数据采集;如数据合格,则进行曲线拟合、曲面拟合和模型重构。本发明方法步骤如下:S1、对失效齿轮进行线切割处理,去除其残余应力层以及对失效齿轮着色处理;S2、通过扫描失效齿轮表面特征获取点云数据;S3、对失效齿轮表面点云数据进行去除异常点、降噪、封装、简化并填充孔洞;S4、基于逆向工程原理对失效齿轮进行重建;S5、依据缺损部位的邻齿对重构模型的精度进行分析。
对失效齿轮进行线切割处理,去除其残余应力层以及对失效齿轮着色处理。失效齿轮前处理如图2所示,对失效齿轮进行线切割处理,去除其残余应力层后,然后用砂纸进行打磨,去除表面的锈蚀及毛刺,最后为有利于点云扫描,在失效齿轮表面喷涂白色显影剂及粘贴标记点。
使用GOM光学扫描仪对失效齿轮进行扫描,每次扫描时要保证扫描面上最少存在3个标记点,且每次新扫描时所扫描到的标记点需存在已经扫描过的标记点,从而获取整个失效齿轮的表面特征。如图3所示,使用GOM光学扫描仪对经过前处理的失效齿轮进行表面特征的采集,每次扫描时要保证扫描面上最少存在3个标记点,且每次新扫描时所扫描到的标记点需存在已经扫描过的标记点,有利于后期的点云数据拼接得到完整的待修复齿轮表面信息。
去除异常点为手动选择离齿轮主体较远面积较大的点云并去除,对于距离齿轮较近的异常点为防止有效的点云数据被删除,选择软件中的体外孤点选项进行删除。也就是说,对离齿轮主体一定距离L的超过一定面积M的点云进行手动选择并去除,其中一定距离L和一定面积M可根据技术要求进行确定;对于小于一定距离L的距离齿轮较近的异常点为防止有效的点云数据被删除,选择软件中的体外孤点选项进行删除。降噪为使用统计分析的方法来去除噪声点,对待修复齿轮点云数据中的采样点与其相邻点的距离进行统计分析,设定阈值来剔除距离超过阈值的噪声点,包括如下步骤:步骤1、建立点云间的拓扑关系,对待修复齿轮点云中的任一点Pi的邻域点,记为Pij={Pi1,Pi2...Pik};步骤2、计算采样点Pi到其邻域点的距离并取平均值,计算公式求出点云数据中所有的点到其邻域点的平均距离;步骤3、计算整个待修复齿轮点云的全局平均距离D,以及其标准差,计算公式如下: 步骤4、设定标准偏差的阈值倍数为a,则阈值距离为D±aΔ,比较待修复齿轮点云采样点Pi的平均值与阈值的大小,若大于距离阈值则认为该采样点为噪声点需对其进行剔除,否则保留计算结果。如图4所示,对扫描得到的点云数据进行处理,去除其异常数据点后,进行点云数据的降噪处理,运用统计分析的方法计算全部取样点到其K邻域的平均距离,计算整个待修复齿轮点云的全局平均距离,计算出标准差后设定阈值倍数a,平均距离超过a倍阈值的点认为是噪声点需要对其进行去除。
对点云数据进行封装处理,对封装操作后模型使用Geomagic studio软件进行简化处理,基于曲率的方式对齿轮孔洞进行填充。如图5所示,封装的实质是将扫描得到的点云数据在空间中用三角面片的形式来表现出被扫描物体的三维模型。由于三角形面片的数量过于庞大会降低模型修补的效率,因此在模型修补前需要对封装操作后得到的模型进行简化。
如图6所示,齿轮表面黄色区域为扫描过程中由于齿轮的结构特征、贴标记点、光线的原因造成的点云数据缺失,表现为孔洞。
如图7所示,基于曲率的方式填充齿轮复杂曲面,填充后待修复齿轮模型。
Geomagic Design X中的领域组分割功能,通过对整个失效齿轮模型进行领域分割、曲面拟合拼接后获取失效齿轮的重构模型,运用实体求差法,实现失效部位的3D特征重构。如图8和图9所示,对失效齿轮进行领域组的分割,在领域分割后对分割好的领域进行面片的拟合,将曲面拟合值所选单元领域上,将所有拟合的曲面进行拼接得到失效齿轮的整体模型,运用实体求差法,得到失效齿轮缺损部位的重构模型。
Geomagic Qualify逆向工程检测软件对齿轮的失效部位重构模型进行整体误差分析及标准偏差分析,确保重构模型精度能够满足齿轮再制造需要。如图10和图11所示,使用Geomagic Qualify软件对齿轮失效部位重构模型进行精度分析,通过模型的整体误差分析及关键点的误差分析综合确定失效部位的模型重构精度。表1为本发明的齿轮缺损部位模型重构整体误差分布表;表2为本发明的齿轮缺损部位模型重构标准偏差表。如下所示:
表1整体误差分布表
表2标准偏差表
以上实施例只为说明本发明的技术构思和特点,目的在于让本领域的技术人员了解本发明的内容并加以实施,并不能以此来限制本发明的保护范围,凡是根据本发明实质所作出的等效变化或修饰均属于本发明的保护范围。
Claims (9)
1.一种基于RE的齿轮失效部位特征重构方法,其特征在于,包括如下步骤:
S1、对失效齿轮进行线切割处理,去除其残余应力层以及对失效齿轮着色处理;
S2、通过扫描失效齿轮表面特征获取点云数据;
S3、对失效齿轮表面点云数据进行去除异常点、降噪、封装、简化并填充孔洞;
S4、基于逆向工程原理对失效齿轮进行重建;
S5、依据缺损部位的邻齿对重构模型的精度进行分析。
2.根据权利要求1所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S1中,对失效齿轮进行线切割处理,去除其残余应力层后,然后用砂纸进行打磨,去除表面的锈蚀及毛刺,最后为有利于点云扫描,在失效齿轮表面喷涂白色显影剂及粘贴标记点。
3.根据权利要求1或2所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S2中,使用GOM光学扫描仪对失效齿轮进行扫描,每次扫描时要保证扫描面上最少存在3个标记点,且每次新扫描时所扫描到的标记点需存在已经扫描过的标记点,从而获取整个失效齿轮的表面特征。
4.根据权利要求1或2所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S3中,去除异常点为手动选择离齿轮主体较远面积较大的点云并去除,对于距离齿轮较近的异常点为防止有效的点云数据被删除,选择软件中的体外孤点选项进行删除。
5.根据权利要求1或2所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S3中,降噪为使用统计分析的方法来去除噪声点,点云数据中所有的点到其邻域点的平均距离后,计算整个待修复齿轮点云的全局平均距离,计算出标准差后设定阈值倍数a,平均距离超过a倍阈值的点认为是噪声点需要对其进行去除。
6.根据权利要求1或2所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S3中,对点云数据进行封装处理,对封装操作后模型使用Geomagic studio软件进行简化处理,基于曲率的方式对齿轮孔洞进行填充。
7.根据权利要求1或2所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S4中,Geomagic Design X中的领域组分割功能,通过对整个失效齿轮模型进行领域分割、曲面拟合拼接后获取失效齿轮的重构模型,运用实体求差法,实现失效部位的3D特征重构。
8.根据权利要求1或2所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S5中,Geomagic Qualify逆向工程检测软件对齿轮的失效部位重构模型进行整体误差分析及标准偏差分析,确保重构模型精度能够满足齿轮再制造需要。
9.根据权利要求1或2所述的基于RE的齿轮失效部位特征重构方法,其特征在于,步骤S3中,降噪为使用统计分析的方法来去除噪声点,对待修复齿轮点云数据中的采样点与其相邻点的距离进行统计分析,设定阈值来剔除距离超过阈值的噪声点,包括如下步骤:
步骤1、建立点云间的拓扑关系,对待修复齿轮点云中的任一点Pi的邻域点,记为Pij={Pi1,Pi2...Pik};
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010773588.XA CN112231850A (zh) | 2020-08-04 | 2020-08-04 | 一种基于re的齿轮失效部位特征重构方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010773588.XA CN112231850A (zh) | 2020-08-04 | 2020-08-04 | 一种基于re的齿轮失效部位特征重构方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112231850A true CN112231850A (zh) | 2021-01-15 |
Family
ID=74115407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010773588.XA Pending CN112231850A (zh) | 2020-08-04 | 2020-08-04 | 一种基于re的齿轮失效部位特征重构方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231850A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071274A (zh) * | 2023-03-23 | 2023-05-05 | 成都工业学院 | 一种基于点云区域生长的跨面孔洞修补方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282040A (zh) * | 2014-09-29 | 2015-01-14 | 北京航空航天大学 | 一种用于三维实体模型重建的有限元前处理方法 |
CN104484507A (zh) * | 2014-11-26 | 2015-04-01 | 重庆大学 | 一种基于逆向工程的零部件再制造方法 |
CN104573191A (zh) * | 2014-12-18 | 2015-04-29 | 西安工业大学 | 一种战时损伤武器装备零件快速再制造造型方法 |
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
CN107818590A (zh) * | 2017-09-11 | 2018-03-20 | 童和平 | 基于三维光学扫描的自由曲面产品逆向工程建模成型方法 |
CN109118574A (zh) * | 2018-07-04 | 2019-01-01 | 北京航空航天大学 | 一种基于三维特征提取的快速逆向建模方法 |
-
2020
- 2020-08-04 CN CN202010773588.XA patent/CN112231850A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104282040A (zh) * | 2014-09-29 | 2015-01-14 | 北京航空航天大学 | 一种用于三维实体模型重建的有限元前处理方法 |
CN104484507A (zh) * | 2014-11-26 | 2015-04-01 | 重庆大学 | 一种基于逆向工程的零部件再制造方法 |
CN104573191A (zh) * | 2014-12-18 | 2015-04-29 | 西安工业大学 | 一种战时损伤武器装备零件快速再制造造型方法 |
CN107818590A (zh) * | 2017-09-11 | 2018-03-20 | 童和平 | 基于三维光学扫描的自由曲面产品逆向工程建模成型方法 |
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
CN109118574A (zh) * | 2018-07-04 | 2019-01-01 | 北京航空航天大学 | 一种基于三维特征提取的快速逆向建模方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071274A (zh) * | 2023-03-23 | 2023-05-05 | 成都工业学院 | 一种基于点云区域生长的跨面孔洞修补方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325837A (zh) | 一种基于地面三维激光点云的边坡dem生成方法 | |
CN104850691B (zh) | 一种基于多因素融合修正的结构件裂纹扩展预测方法 | |
CN105931291B (zh) | 一种数字化完整牙颌建模方法 | |
CN112784403A (zh) | 基于点云数据建立节理岩体离散元模型的数值模拟方法 | |
Ghorbani et al. | Construction of damage-free digital twin of damaged aero-engine blades for repair volume generation in remanufacturing | |
CN104484507A (zh) | 一种基于逆向工程的零部件再制造方法 | |
CN107301673B (zh) | 一种利用标准模型库构造牙齿的局部坐标系的算法 | |
CN112231850A (zh) | 一种基于re的齿轮失效部位特征重构方法 | |
CN116373304A (zh) | 一种面向复合材料损伤构件的原位修复路径规划方法 | |
CN111986308A (zh) | 基于点云法线与曲率变化双约束曲面误差显著点识别方法 | |
CN111199549B (zh) | 基于叶片型面测量点云的叶型提取方法 | |
CN115019010A (zh) | 一种基于三维激光扫描+bim技术的隧道结构病害展示方法 | |
CN110363855B (zh) | 堆石坝透明化建模方法 | |
CN115482211A (zh) | 隧道超欠挖检测方法、装置、电子设备和存储介质 | |
EP2075527B1 (fr) | Procédé de mesure par digitalisation des sections de passage d'un secteur de distributeur pour turbomachine | |
CN117475110B (zh) | 叶片的语义三维重建方法、装置、电子设备及存储介质 | |
CN117423000B (zh) | 一种基于mars的道路纵断面线形智能重构的方法 | |
Wang et al. | Layered depth-normal images: A sparse implicit representation of solid models | |
WO2006079787A1 (en) | Method and apparatus for analysis of corrosion scans | |
CN115100609A (zh) | 特高压施工扰动范围提取方法和系统 | |
CN110097642B (zh) | 一种基于半边结构的模型网格补全的方法 | |
CN114969912A (zh) | 一种洞室开挖工程分析方法及系统 | |
CN112184564A (zh) | 一种基于半边排序法的三维孔洞补偿方法 | |
CN115908182B (zh) | 基于数字化模型的模具磨损修复方法 | |
CN112598781A (zh) | 一种电缆工井三维激光点云数据的建模方法 |
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 |