CN112815849B - 一种基于激光跟踪的核电管道建模方法 - Google Patents
一种基于激光跟踪的核电管道建模方法 Download PDFInfo
- Publication number
- CN112815849B CN112815849B CN202110189282.4A CN202110189282A CN112815849B CN 112815849 B CN112815849 B CN 112815849B CN 202110189282 A CN202110189282 A CN 202110189282A CN 112815849 B CN112815849 B CN 112815849B
- Authority
- CN
- China
- Prior art keywords
- point
- cylinder
- coordinate
- central axis
- nuclear power
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种基于激光跟踪的核电管道建模方法,属于核电工程测量技术领域。该基于激光跟踪的核电管道建模方法包括如下步骤:S1:采用激光跟踪仪采集三维坐标;S2:分别对多个特征点的三维坐标进行中心化处理形成中心化三维坐标;S3:构造优化模型,获取最佳参数;S4:获取各个特征点的圆度偏差,统计出所有圆度偏差大于预设偏差的异常特征点,将所有异常特征点剔除并返回步骤S3,如果所有特征点的圆度偏差均不大于预设偏差,则向下执行;S5:根据最佳参数分别获取圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标。本发明的方法不用计算初始值,减少了计算量,方便实用。
Description
技术领域
本发明涉及核电工程测量技术领域,具体涉及一种基于激光跟踪的核电管道建模方法。
背景技术
核电主设备安装精度要求很高,为了确保测量精度,需要采用激光跟踪仪采集数据并进行建模,如核岛主管道、波动管等。目前已有的一些方法计算复杂,准确度不高,难以满足核电主设备安装精度要求。
中国专利CN108074283A、公开日2018-05-25公开了一种地下管线三维自动化建模方法,包括外业调绘、井室模型分类、数据标准化处理、拓扑检查、数据关联、自动化建模、场景操作几个步骤,能够快速高效地实现管线的精细化建模,改进了传统的地下管线三维建模方法,提高了建模的精度,同时节约了人力,降低了管线自动化建模的时间。上述专利中的计算方法复杂,准确度不高。
发明内容
本发明的目的在于,针对上述现有技术的不足,提出一种基于激光跟踪的核电管道建模方法。
本发明提出一种基于激光跟踪的核电管道建模方法,包括如下步骤:
S1:采用激光跟踪仪采集圆柱体管道表面的多个特征点的三维坐标;
S2:分别对多个特征点的三维坐标进行中心化处理形成中心化三维坐标;
S3:构造优化模型,将多个特征点对应的中心化三维坐标输入优化模型内进行优化以获取最佳参数;
S4:根据最佳参数分别获取各个特征点的圆度偏差,统计出所有圆度偏差大于预设偏差的异常特征点,将所有异常特征点剔除并返回步骤S3,如果所有特征点的圆度偏差均不大于预设偏差,则向下执行;
S5:根据最佳参数分别获取圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标,根据圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标构造圆柱体模型。
进一步地,步骤S1中采用激光跟踪仪配合靶球采集圆柱体管道表面的多个特征点的三维数据,采集的特征点在圆柱体管道表面分布均匀且覆盖整个圆柱体管道。
进一步地,步骤S1中采集的特征点的三维坐标为,其中为特征点在X方向的坐标,为特征点在Y方向的坐标,为特征点在Z方向的坐标,步骤S2中三维坐标中心化具体包括:特征点X方向的中值坐标,特征点Y方向的中值坐标,特征点Z方向的中值坐标,特征点中心化处理后X方向的中心化坐标,特征点中心化处理后Y方向的中心化坐标,特征点中心化处理后Z方向的中心化坐标,特征点的三维坐标进行中心化处理形成中心化三维坐标为。
进一步地,步骤S3中构造优化模型具体包括:步骤S31:构造表示圆柱面的第一函数模块,其中,,,圆柱面其轴线方向向量为,中轴线上一点坐标为,圆柱面上特征点的坐标为,圆柱半径为;步骤S32:令为单位向量,即,根据第一函数模块构造基于空间坐标系圆柱面上的点到圆柱中轴线的距离与圆柱面半径之差的第二函数模块,其中;步骤S33:步骤S2中特征点的三维坐标进行中心化处理形成中心化三维坐标为,参考球面坐标系令,根据第二函数模块构造基于球面坐标系圆柱面上的点到圆柱中轴线的距离与圆柱面半径之差的第三函数模块,为了减少参数数量令,其中;步骤S34:采用最小二乘法得到函数,对函数进行最优化,即求解,其中,令,,对函数求一阶偏微分:,,,,,获取雅可比矩阵:。
进一步地,对雅可比矩阵采用LM算法进行优化,包括如下步骤:步骤S341,选取参数,初始点,容许误差,令,表示迭代开始;步骤S342,令,计算迭代值,若,停止迭代,输出作为近似极小点,其中表示第k次迭代得到的参数值,表示将代入雅可矩阵中获得的值,表示k次迭代得到的雅可比矩阵,为将代入中得到的值,表示残差向量;步骤S343,求解方程组,解出;步骤S344,计算,若,,,若,不更新,,令,转步骤S342,其中表示阻尼因子,表示第k次迭代得到的阻尼因子,表示迭代次数加1;每次迭代后会得到一组新的值,逐次迭代后,会逐渐变小,梯度范数值逐渐变小,经过k次迭代后,当达到设定的限差要求后迭代终止,此时得到的作为最佳参数。
进一步地,步骤S4中将最佳参数输入第三函数模块中分别获取各个特征点的圆度偏差,统计出圆度偏差大于预设偏差的异常特征点为个,在剔除个异常点后返回步骤S3,再次进行优化得到最佳参数,令步骤S4获取的最佳参数为。
本发明的一种基于激光跟踪的核电管道建模方法有以下有益效果:
1、本发明中的方法获取最佳参数,根据最佳参数分别获取各个特征点的圆度偏差,如果圆度偏差大于预设偏差则说明该特征点为异常特征点,统计出所有异常特征点的个数,将所有异常特征点剔除,将剩余特征点的中心化三维坐标重新输入优化模型内,再次获取最佳参数,最后根据最佳参数分别获取圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标,根据圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标构造圆柱体模型,可以快速准确对圆柱形管道进行建模,本发明的方法不用计算初始值,减少了计算量,方便实用,保证建模精度;
2、本申请中输入优化模型内的数据为中心化处理的数据,中心化可以有效地改变数据结构,大幅度减少迭代过程中出现奇异的可能性,提高优化的精度。
附图说明
并入到说明书中并且构成说明书的一部分的附图示出了本发明的实施例,并且与描述一起用于解释本发明的原理。在这些附图中,类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的一些实施例,而不是全部实施例。对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。
图1为本发明实施例的一种基于激光跟踪的核电管道建模方法的流程示意图;
图2为本发明实施例的一种基于激光跟踪的核电管道建模方法中构造圆柱体模型的七个参数在圆柱体模型上的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
请参阅图1-2。本发明实施例的一种基于激光跟踪的核电管道建模方法,包括如下步骤:
S1:采用激光跟踪仪采集圆柱体管道表面的多个特征点的三维坐标;
S2:分别对多个特征点的三维坐标进行中心化处理形成中心化三维坐标;
S3:构造优化模型,将多个特征点对应的中心化三维坐标输入优化模型内进行优化以获取最佳参数;
S4:根据最佳参数分别获取各个特征点的圆度偏差,统计出所有圆度偏差大于预设偏差的异常特征点,将所有异常特征点剔除并返回步骤S3,如果所有特征点的圆度偏差均不大于预设偏差,则向下执行;
S5:根据最佳参数分别获取圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标,根据圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标构造圆柱体模型。
此处,本发明中的方法获取最佳参数,根据最佳参数分别获取各个特征点的圆度偏差,如果圆度偏差大于预设偏差则说明该特征点为异常特征点,统计出所有异常特征点的个数,将所有异常特征点剔除,将剩余特征点的中心化三维坐标重新输入优化模型内,再次获取最佳参数,最后根据最佳参数分别获取圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标,根据圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标构造圆柱体形模型,可以快速准确对圆柱形管道进行建模,本发明的方法不用计算初始值,减少了计算量,方便实用,保证建模精度。
步骤S1中可以采用激光跟踪仪配合靶球采集圆柱体管道表面的多个特征点的三维数据,采集的特征点在圆柱体管道表面分布均匀且覆盖整个圆柱体管道。靶球是激光跟踪仪的附件,是一种精密光学元件,用于反射激光,当靶球移动到测量点,激光跟踪仪就可以测出测量点的三维坐标。如果在一个站内无法完成所有特征数据的采集,可以转站测量。
步骤S1中采集的特征点的三维坐标可以为,其中为特征点在X方向的坐标,为特征点在Y方向的坐标,为特征点在Z方向的坐标,步骤S2中三维坐标中心化具体包括:特征点X方向的中值坐标,特征点Y方向的中值坐标,特征点Z方向的中值坐标,特征点中心化处理后X方向的中心化坐标,特征点中心化处理后Y方向的中心化坐标,特征点中心化处理后Z方向的中心化坐标,特征点的三维坐标进行中心化处理形成中心化三维坐标为。本申请中输入优化模型内的数据为中心化处理的数据,中心化可以有效地改变数据结构,大幅度减少迭代过程中出现奇异的可能性,提高优化的精度。
确定一个圆柱需要圆柱的中轴线及圆柱的半径,而确定圆柱的中轴线需要中轴线的方向向量和中轴线上的一个点坐标等六个参数,所以拟合一个圆柱体模型需要七个参数。
步骤S3中构造优化模型具体可以包括:步骤S31:构造表示圆柱面的第一函数模块,其中,,,圆柱面其轴线方向向量为,中轴线上一点坐标为,圆柱面上特征点的坐标为,圆柱半径为;步骤S32:为了便于计算,令为单位向量,即,根据第一函数模块构造基于空间坐标系圆柱面上的点到圆柱中轴线的距离与圆柱面半径之差的第二函数模块,其中,从而将求取最佳参数就转化为以下问题:,表示满足于;步骤S33:步骤S2中特征点的三维坐标进行中心化处理形成中心化三维坐标为,上述问题为无条件极值问题,求取最佳参数较为繁琐,为简化求解,需要将有条件极值问题转化为无条件极值问题,参考球面坐标系令,另外圆柱中轴线上的一点可以任意指定,其三维坐标的某一坐标可以取任意值,为方便说明,指定为任意值,所以拟合圆柱体模型原来需要计算七个参数,经过优化后,只需要计算五个参数,分别为,且将问题转化为以下无条件极值问题,根据第二函数模块构造基于球面坐标系圆柱面上的点到圆柱中轴线的距离与圆柱面半径之差的第三函数模块,为了减少参数数量令,其中;步骤S34:采用最小二乘法得到函数,对函数进行最优化,即求解,其中,令,,对函数求一阶偏微分:,,,,,获取雅可比矩阵:。
对雅可比矩阵采用LM算法进行优化,可以包括如下步骤:步骤S341,选取参数,初始点,容许误差,容许误差表示大于0、远小于1,令,表示迭代开始,一般设置k最大迭代次数为1000次;步骤S342,令,计算迭代值,若,停止迭代,输出作为近似极小点,每次迭代得到的S值不一样,其中表示第k次迭代得到的参数值,表示将代入雅可矩阵中获得的值,J为雅可比矩阵Jacobian英文缩写,在数学最优化中一般约定俗成用J表示雅可比矩阵,表示k次迭代得到的雅可比矩阵,为将代入中得到的值,表示残差向量;步骤S343,求解方程组,解出;步骤S344,计算,若,,,若,不更新,,令,转步骤S342,其中表示阻尼因子,表示第k次迭代得到的阻尼因子,表示迭代次数加1;每次迭代后会得到一组新的值,逐次迭代后,会逐渐变小,梯度范数值逐渐变小,经过k次迭代后,当达到设定的限差要求后迭代终止,此时得到的作为最佳参数。
在步骤S341中的参数可以为0.001,初始点为,根据步骤S341~步骤S344逐次迭代,当梯度范数值小于容许误差时迭代停止。初始点为,是通过多次数据试验得到的,假设圆柱中轴线单位向量为,满足,假设均相等,则,利用反算出的弧度,约为±0.785和±0.955。如果特征点的三维坐标数据分布均匀,在中心化处理后,圆柱中轴线会离点(0,0,0)比较近,所以的初始值均取0,半径值一般只需取大于0即可,经多次验证,将半径初始值取1。作为优化参数的初始值,每次迭代后会得到一组新的值,将代入中,的值逐渐变小,梯度范数值也会逐渐变小,经过k次迭代后,当梯度范数值接近0时(通常会选择),这时的值非常接近极小值,这时迭代得到的作为最佳参数。本发明所优化的函数为非凸函数,如果随机取5个数值进行迭代,往往不会得到最优解,一般常规方法是先采用某种方法得到参数的近似解,然后进行迭代计算得到最优解,本方法直接设置了初始值,故不用再计算初始值。
步骤S4中可以将最佳参数输入第三函数模块中分别获取各个特征点的圆度偏差,统计出圆度偏差大于预设偏差的异常特征点为个,在剔除个异常点后返回步骤S3,再次进行优化得到最佳参数,令步骤S4获取的最佳参数为。
步骤S5中具体包括:将圆柱中轴线上一点的坐标进行平移,则圆柱中轴线上一点的坐标为,圆柱中轴线向量为,圆柱半径为。坐标中心化处理可以有效改变数据结构,大幅度减少迭代过程中出现奇异的可能性,如果本申请中采集的特征点的三维坐标数据不进行中心化处理也可使用本申请的方法,但在实践过程中发现迭代过程中奇异较多,往往不能得到最优解,在三维坐标中心化处理后得到中心化三维坐标,圆柱半径不变,圆柱中轴线向量不变,但圆柱中轴线位置已发生了变化,所以在得到优化结果后,需要将轴线点进行平移,以得到中心化处理前圆柱中轴线上一点的坐标,由于剔除m个异常点后剩余n-m个正常的特征点,所以特征点X方向的中值坐标,特征点Y方向的中值坐标,特征点Z方向的中值坐标,特征点中心化处理后X方向的中心化坐标,特征点中心化处理后Y方向的中心化坐标,特征点中心化处理后Z方向的中心化坐标,所以可以得出圆柱中轴线上一点的坐标为,在获取圆柱中轴线向量和圆柱半径后,得到了这七个参数后,就可以构造圆柱体模型。本发明提出了一种基于激光跟踪的核电管道建模方法,在激光跟踪仪采集管道特征三维坐标后,导入数据到电脑,可采用C、C++、Matlab、Python等语言基于本文的方法编制相应的计算程序,根据三维坐标计算出管道建模参数,然后就可以进行管道建模。
上面描述的内容可以单独地或者以各种方式组合起来实施,而这些变型方式都在本发明的保护范围之内。
需要说明的是,在本申请的描述中,需要说明的是,指示的方位或位置关系的术语“上端”、“下端”、“底端”为基于附图所示的方位或位置关系,或者是该申请产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包含一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种基于激光跟踪的核电管道建模方法,其特征在于,包括如下步骤:
S1:采用激光跟踪仪采集圆柱体管道表面的多个特征点的三维坐标;
S2:分别对多个特征点的三维坐标进行中心化处理形成中心化三维坐标;
S3:构造优化模型,将多个特征点对应的中心化三维坐标输入优化模型内进行优化以获取最佳参数;
S4:根据最佳参数分别获取各个特征点的圆度偏差,统计出所有圆度偏差大于预设偏差的异常特征点,将所有异常特征点剔除并返回步骤S3,如果所有特征点的圆度偏差均不大于预设偏差,则向下执行;
S5:根据最佳参数分别获取圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标,根据圆柱半径、圆柱中轴线向量、圆柱中轴线上一点的坐标构造圆柱体模型;
步骤S3中构造优化模型具体包括:步骤S31:构造表示圆柱面的第一函数模块,其中,,,圆柱面其轴线方向向量为,中轴线上一点坐标为,圆柱面上特征点的坐标为,圆柱半径为;步骤S32:令为单位向量,即,根据第一函数模块构造基于空间坐标系圆柱面上的点到圆柱中轴线的距离与圆柱面半径之差的第二函数模块,其中;步骤S33:步骤S2中特征点的三维坐标进行中心化处理形成中心化三维坐标为,参考球面坐标系令,根据第二函数模块和中心化三维坐标构造基于球面坐标系圆柱面上的点到圆柱中轴线的距离与圆柱面半径之差的第三函数模块,为了减少参数数量令,其中;步骤S34:采用最小二乘法得到函数,对函数进行最优化,即求解,其中,令,,对函数求一阶偏微分:,,,,,获取雅可比矩阵:。
2.如权利要求1所述的一种基于激光跟踪的核电管道建模方法,其特征在于:步骤S1中采用激光跟踪仪配合靶球采集圆柱体管道表面的多个特征点的三维数据,采集的特征点在圆柱体管道表面分布均匀且覆盖整个圆柱体管道。
5. 如权利要求4所述的一种基于激光跟踪的核电管道建模方法,其特征在于,对雅可比矩阵采用LM算法进行优化,包括如下步骤:步骤S341,选取参数,初始点,容许误差,令,表示迭代开始;步骤S342,令,计算迭代值,若,停止迭代,输出作为近似极小点,其中表示第k次迭代得到的参数值,表示将代入雅可矩阵中获得的值,表示k次迭代得到的雅可比矩阵,为将代入中得到的值,表示残差向量;步骤S343,求解方程组,解出;步骤S344,计算,若,,,若,不更新,,令,转步骤S342,其中表示阻尼因子,表示第k次迭代得到的阻尼因子,表示迭代次数加1;每次迭代后会得到一组新的值,逐次迭代后,会逐渐变小,梯度范数值逐渐变小,经过k次迭代后,当达到设定的限差要求后迭代终止,此时得到的作为最佳参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189282.4A CN112815849B (zh) | 2021-02-19 | 2021-02-19 | 一种基于激光跟踪的核电管道建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189282.4A CN112815849B (zh) | 2021-02-19 | 2021-02-19 | 一种基于激光跟踪的核电管道建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112815849A CN112815849A (zh) | 2021-05-18 |
CN112815849B true CN112815849B (zh) | 2022-07-12 |
Family
ID=75865668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110189282.4A Active CN112815849B (zh) | 2021-02-19 | 2021-02-19 | 一种基于激光跟踪的核电管道建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112815849B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114669899A (zh) * | 2022-02-25 | 2022-06-28 | 中国核工业第五建设有限公司 | 一种压水堆核电核岛波动管安装工艺及波动管装置 |
CN114777647B (zh) * | 2022-04-19 | 2023-12-12 | 包头钢铁(集团)有限责任公司 | 一种测量烧结混合机支撑辊的方法 |
CN114993229A (zh) * | 2022-06-02 | 2022-09-02 | 西南石油大学 | 一种基于多传感器数据融合的椭圆度在线检测方法 |
CN116956501A (zh) * | 2023-09-20 | 2023-10-27 | 中国核电工程有限公司 | 一种三维管道模型头尾偏差的逻辑检查方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914874A (zh) * | 2014-04-08 | 2014-07-09 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
CN106248001A (zh) * | 2016-09-10 | 2016-12-21 | 天津大学 | 基于三维激光扫描仪的大型工艺管线对接平直度测量方法 |
CN107766604A (zh) * | 2016-08-18 | 2018-03-06 | 通用电气公司 | 部件变形建模系统 |
CN108122277A (zh) * | 2016-11-28 | 2018-06-05 | 华为技术有限公司 | 一种建模方法及装置 |
CN109093376A (zh) * | 2018-08-17 | 2018-12-28 | 清华大学 | 一种基于激光跟踪仪的多轴孔自动化对准方法 |
CN111027010A (zh) * | 2019-11-14 | 2020-04-17 | 武汉天恒信息技术有限公司 | 一种钢构件圆柱体拟合算法 |
CN111429563A (zh) * | 2020-03-10 | 2020-07-17 | 山东大学 | 基于深度学习的管道三维重建方法、系统、介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7680604B2 (en) * | 2005-03-11 | 2010-03-16 | Roche Molecular Systems, Inc. | PCR elbow determination by rotational transform after zero slope alignment |
-
2021
- 2021-02-19 CN CN202110189282.4A patent/CN112815849B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914874A (zh) * | 2014-04-08 | 2014-07-09 | 中山大学 | 一种无特征提取的紧致sfm三维重建方法 |
CN107766604A (zh) * | 2016-08-18 | 2018-03-06 | 通用电气公司 | 部件变形建模系统 |
CN106248001A (zh) * | 2016-09-10 | 2016-12-21 | 天津大学 | 基于三维激光扫描仪的大型工艺管线对接平直度测量方法 |
CN108122277A (zh) * | 2016-11-28 | 2018-06-05 | 华为技术有限公司 | 一种建模方法及装置 |
CN109093376A (zh) * | 2018-08-17 | 2018-12-28 | 清华大学 | 一种基于激光跟踪仪的多轴孔自动化对准方法 |
CN111027010A (zh) * | 2019-11-14 | 2020-04-17 | 武汉天恒信息技术有限公司 | 一种钢构件圆柱体拟合算法 |
CN111429563A (zh) * | 2020-03-10 | 2020-07-17 | 山东大学 | 基于深度学习的管道三维重建方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112815849A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112815849B (zh) | 一种基于激光跟踪的核电管道建模方法 | |
CN108564605B (zh) | 一种三维测量点云优化配准方法 | |
CN111145227B (zh) | 一种地下隧道空间多视点云的可迭代整体配准方法 | |
Wen et al. | Adaptive Monte Carlo and GUM methods for the evaluation of measurement uncertainty of cylindricity error | |
CN104778688A (zh) | 点云数据的配准方法及装置 | |
Coronato et al. | Transferring FEA results to optics codes with Zernikes: a review of techniques | |
CN111369607B (zh) | 一种基于图片解析的预制构件拼装匹配方法 | |
CN111489432B (zh) | 一种基于点云数据的弯管重建及余量计算方法 | |
CN110543618A (zh) | 基于概率密度函数估计的圆度不确定度评定方法 | |
CN114923453B (zh) | 一种线性轮廓仪外参的标定方法、装置及电子设备 | |
Pathak et al. | Form error evaluation of noncontact scan data using constriction factor particle swarm optimization | |
CN115578408A (zh) | 点云配准的叶片轮廓光学检测方法、系统、设备及终端 | |
CN112446844B (zh) | 一种基于点云特征提取与配准融合方法 | |
Caja et al. | Optical measuring equipments. Part I: Calibration model and uncertainty estimation | |
Arezki et al. | A novel hybrid trust region minimax fitting algorithm for accurate dimensional metrology of aspherical shapes | |
CN117557719A (zh) | 一种点云中圆柱体的拟合方法及计算机可读存储介质 | |
Tao et al. | Anomaly detection for fabricated artifact by using unstructured 3D point cloud data | |
Rajagopal et al. | Assessment of circularity error using a selective data partition approach | |
CN115082547A (zh) | 一种基于点云数据的轮廓度测量方法、存储介质 | |
CN111369610B (zh) | 基于可信度信息的点云数据粗差定位和剔除方法 | |
CN110222382B (zh) | 一种飞机坐标系优化拟合方法 | |
CN112598781A (zh) | 一种电缆工井三维激光点云数据的建模方法 | |
CN112949197B (zh) | 一种基于深度学习的平凸透镜曲率半径在线测量方法 | |
Jbira et al. | Reproducibility experimentation among computer-aided inspection software from a single point cloud | |
CN117152230B (zh) | 一种圆柱度的估计方法及计算机可读存储介质 |
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 |