CN113396441A - 用于在测量数据中确定表面的计算机实现方法 - Google Patents
用于在测量数据中确定表面的计算机实现方法 Download PDFInfo
- Publication number
- CN113396441A CN113396441A CN202080012574.4A CN202080012574A CN113396441A CN 113396441 A CN113396441 A CN 113396441A CN 202080012574 A CN202080012574 A CN 202080012574A CN 113396441 A CN113396441 A CN 113396441A
- Authority
- CN
- China
- Prior art keywords
- predetermined
- measurement data
- partition
- dimensional region
- determining
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 78
- 238000005192 partition Methods 0.000 claims abstract description 70
- 238000004441 surface measurement Methods 0.000 claims description 38
- 239000000463 material Substances 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 45
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004088 simulation Methods 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000000691 measurement method Methods 0.000 description 5
- 238000010845 search algorithm Methods 0.000 description 5
- 230000007704 transition Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005211 surface analysis Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012014 optical coherence tomography Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- 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
-
- 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
- G06T7/50—Depth or shape recovery
-
- 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
-
- 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
- G06T2207/10072—Tomographic images
-
- 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)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种用于在来自包括对象的体积的测量的测量数据中确定表面的计算机实现方法,其中通过该测量数据生成该对象的数字表示,其中对象表示包括该对象的大量图像信息,其中该方法(100)包括以下步骤:提供(102)用于该体积的包含该对象的至少一个预定三维区域的评估规则;确定(104)该测量数据;限定(106)该测量数据的对应于所述至少一个预定三维区域的分区;在该分区中确定(108)该对象表示的至少一个表面。本发明允许快速准确地进行对象表示的表面的确定。因此,提供一种计算机实现方法,其改善来自测量数据的表面数据的提供。
Description
本发明涉及用于在来自包括对象的体积的测量的测量数据中确定表面的计算机实现方法,其中,通过该测量数据生成该对象的数字表示,其中,该对象表示具有该对象的大量图像信息。
为了制造零件的质量保证,借助工业计算机X线体层摄影来确定零件的内外特性,以确定零件与标称几何形状的偏差以及零件内和零件上的缺陷。为此,在对象的几何形状测量中或为了使用尺寸测量技术而选择测量点,以限定测量数据的应在此执行几何形状分析的待检区域。此外,针对至少一个预定三维区域的评估规则可以从关于在至少一个预定三维区域中的对象材料界面的类型的信息中推导出来,从而可以在测量数据中确定在零件内和零件上的界面。
为了进行尺寸测量,需要关于一定数量的表面点的信息。所述信息例如能以坐标形式存在。接着,将可以是球、圆或平面等的规则几何形状元素或者自由形状适配于所述表面点。于是在此情况下,测量结果是规则几何形状元素的几何参数。以圆为例,该几何参数例如可以是圆的半径。
在此,该表面的位置也可以例如借助水平集被隐式表示。
在借助计算机X线体层摄影的尺寸测量技术的情况下,大多必须预先确定对象材料与空气之间的界面或者如果有的话对象内的材料之间的界面。在预先确定之后可以通过适当选择表面上的拟合点来直接执行尺寸测量。
如果要高精度地进行整个表面数据的确定,则这需要相对较长时间。在尺寸测量技术中通常都是这种情况。
此外,预先确定零件的整个相关表面并非微不足道。传统的表面搜寻算法通常需要起始轮廓,例如Iso50,其在多材质对象的情况下只能很困难地同时掌握所有不同类型的界面。即使对象是单一材料的,严重的伪影也可能使确定合适的起始轮廓变得困难或阻碍这样做。
为此,DE102005032687A1描述了一种方法,其中借助评估规则从测量数据中生成表面点的减少数据组,该数据组将与测量对象的理论几何形状相比较。在此,在评估规则应用之前提供表面数据。
但是,正确分割成例如当不同的材料过渡集中到最小空间时不同材料在此相遇的多个区域并非微不足道。小的细节如在体积数据中只被不良映射的细孔通常无法被正确掌握。
因此,任务是提供一种改善来自测量数据的表面数据的计算机实现方法。
本发明的主要特征在独立权利要求1和15中被说明。设计方案是权利要求2至14的主题。
在第一方面,本发明涉及一种用于在来自包括对象的体积的测量的测量数据中确定表面的计算机实现方法,其中,通过该测量数据生成该对象的数字表示,其中,该对象表示具有该对象的大量图像信息,其中,该方法包括以下步骤:提供用于该体积的包含对象的至少一个预定三维区域的评估规则,确定测量数据,限定该测量数据的对应于所述至少一个预定三维区域的分区,以及在该分区中确定该对象表示的至少一个表面。
为此,本发明提供一种计算机实现方法,其借助评估规则使用关于对象所在的体积的至少一个三维区域的信息以在对象表示中确定表面。在此,该计算机实现方法借助关于三维区域的信息限定测量数据的分区,在该分区中,最有可能找到待确定或所需要的表面。然后,该计算机实现方法在该分区中确定对象表示的表面。该测量数据的分区不一定非得是连续的,相反,分区可以有多个相互分开的子分区,它们分别对应配属于对象表示的各不同区域。
待确定的表面在此可以包括与空气之间的界面以及对象的材料之间的界面。评估规则还可以包含关于界面的材料的信息,因此例如可以执行针对某些材料和/或材料组合所专属的相应分析来确定表面。
此外,用于所述至少一个预定三维区域的评估规则可以包含关于在所述至少一个预定三维区域内的多边或角的信息,即,评估规则可以包含关于对象上是否存在角或多边或小结构的信息。通过这种方式,所述分析可以针对角、多边或小结构的搜寻。
例如为了识别多边或角,可以将与参数相关的算子应用于栅格显示的测量点。在此,算子被设计用于确定栅格显示中的至少一个材料界面的位置。在此,通过算子来至少考虑与该栅格显示中的测量点相邻的测量点的子集的图像信息。
通过待执行的分析,对象表示中的表面确定被参数化,其中,关于参数化的相应信息例如可以被存储在评估规则本身中或能够从评估规则的其它信息中推导出。或者,关于参数化的信息可以由用户在评估期间来人工设定。
信息来源例如可以是待测对象的CAD模型,其可选地附带有“产品和制造信息”(PMI)或类似信息,或是编程的测量计划,其中,该测量计划也可被用于测量数据的自动评估。
此外,评估规则例如可以限定如何以及在哪些几何形状元素或表面区域处进行配准,即进行工件坐标系的确定,在那里拟合几何形状元素以执行包括关于尺寸、形状和位置的公差的规范在内的尺寸测量,在哪些区域中进行理论-实际比较或壁厚分析,在哪些区域中进行关于缺陷、夹杂、孔隙率、泡沫结构或纤维复合材料的分析,在哪些区域中进行数值模拟例如像结构力学模拟或传输现象模拟,或者哪些区域或截面图像(包含表面表示在内)应作为图像文件被导出以进行目测检视。后者例如可以是对功能性或结构特别重要的区域或几何形状元素的视图。
因此,可借助评估规则来限定在哪些区域中需要精确的表面确定。在其余区域中,要么不执行表面确定,要么以较低精度进行快速表面确定,例如借助具有固定的Iso50阈值的所谓的移动立方体算法(Marching-Cubes-Algorithmus)。
因此,表面确定的执行在局部被关联至测量数据的要单独执行的分析。在此情况下,待执行的分析可限定在分析位置处需以何种精度来进行表面确定。此外,根据待进行的分析可以在不同区域中使用不同的表面确定算法。
在此,对象表示的表面的确定也可以借助具有规定的全局阈值(例如Iso50)的移动立方体算法来进行。替代地或附加地,可以采用局部自适应方法,其例如根据Otsu方法搜寻测量数据灰度值曲线中的局部最大梯度或转折点和/或确定局部阈值。另一个替代或附加的表面确定方法可以是例如根据Canny算法的例如基于卷积的分割。此外,替代地或附加地,人工智能可被用来确定对象表示中的表面。但未借此排除其它方法。此外,所述算法有时也可以迭代工作,因而逐步逼近表面最终位置。
此外,也可以通过确定表面上的至少一个单独点来进行该表面的确定。即,代替完整表面,仅确定该表面的至少一个点以限定该表面的位置。在此情况下也可能的是一个分区仅包含一个单独待确定的表面点。
利用本发明,例如能以高精度来确定在其中描绘出窄元素或小元素的区域中的表面。此外,表面确定的精度可以目的明确地匹配于对象的待确定的元素,例如角或多边。此外,可以规定图像处理或经训练的人工智能,其在图像信息中自动将预定几何形状或区域识别为相关并且依据该选择来触发局部表面确定。通过这种方式,可以快速且还是以局部所需的精度来进行表面数据的确定。
根据一个示例,该方法还可以包括以下步骤:以比在分区内更低的精度确定在分区外的表面。
因此,在表面确定后始终存在对象表示的一个完整表面。这让具有视觉装置的用户容易实现取向,由计算机实现方法确定的对象表示的表面按照该取向的姿态布置在被测对象上。以较低精度的表面确定在此意味着采用如下算法,其通常以较低精度确定该表面,但通常也需要明显更短的计算时间。
此外,图像信息可以包含对象的体积数据。此外,该体积数据可以是计算机X线体层拍摄的体积数据。
替代地或附加地,评估规则可以限定用于所述至少一个预定三维区域的至少一种表面确定方法,其中该表面确定方法在所述至少一个预定三维区域中确定在测量数据中的局部极值。
通过确定测量数据中的局部极值,例如可以识别在对象表示中的很窄的元素。这些窄元素不一定是表面,而是可能是例如窄圆槽或双边,它们在图像信息中通常表现为较小的局部灰度值变化。而典型的单独表面通常自己表现为从高灰度值到低灰度值的可清晰界定的过渡。
在限定测量数据的对应于所述至少一个预定三维区域的分区之前,该方法可以包括以下步骤:将测量数据的坐标系粗略对准于符合评估规则的坐标系。
因此可以执行测量数据的坐标系的节省时间的初步粗略对准。
为此,例如能以更低的分辨率和/或使用快速但不精确的表面确定算法来执行依据同一数据组的初步快速对准。例如,可以通过该体积中较少数量的体素、投影数据中的较少数量的像素和/或所考虑的较少投影数量来实现降低的分辨率。加快的表面确定也可以通过仅针对低点密度确定表面来获得。用已知方法来评估这些数据,例如做法是使所计算的或许初步的表面适配于标称几何形状例如CAD对象。
此外,例如还可以通过对象在测量体积内的规定限定平面来确保坐标系粗略对准,使得该对象总是以规定的已知姿态位于测量体积中。
在另一个示例中,为了坐标系的粗略对准,工件坐标系可以通过其它的例如光学传感器或触觉传感器来检测。
此外,例如还可以依据体积数据中的可良好识别的取向点进行粗略对准。因此可以省掉在先的表面确定。在一个示例中,这些取向点可以是独特的几何形状例如角、边或球。同样,例如具有高的或表征的表面曲率或表征的例如重复的几何形状的区域可以起到取向点的作用。因此,该对象的特征被用作能被可靠识别的取向点。
在粗略对准的另一示例中,可以提供体积相关性,其可以通过基于灰度值的重心和主轴线确定完成对准。
此外,粗略对准还可以通过分析投影数据来进行,例如在已知晓零件几何形状的情况下,其中在该体积内的零件姿态被确定。在此,例如将真实的投影表示与预期的投影表示相比较并且使用规定的且在投影表示中易识别的取向点。
此外,粗略对准可以由用户通过人工对准来执行。
此外,在在分区中确定了该对象表示的至少一个表面之后,该方法可以包括以下步骤:在基于所述至少一个表面的评估容差范围内将被粗略对准的坐标系对准于符合评估规则的坐标系,其中,在基于所述至少一个表面的评估容差范围内将被粗略对准的坐标系对准于符合评估规则的坐标系的步骤被执行至少一次。
已被粗略对准的坐标系因此可被精细对准以实现准确的表面确定。通过本发明,可以以节省时间的方式进行精细对准。通过重复所述精细对准,能进行坐标系的尽可能准确的确定。
替代地或附加地,评估规则可以在测量数据确定之后从初步数字对象表示中的用户标记推导出。
因此,该评估规则可由用户在评估测量数据期间通过计算机实现方法来人工限定。在该示例中,用户可以在初步对象表示中标记出对象表面的区域。初步对象表示能以降低的分辨率或使用快速算法来确定,其中,该快速算法与从确定该分区中的对象表示的至少一个表面的步骤中确定表面相比更快速或计算成本更低。
该方法还可以包括以下步骤中的至少一个:仅在测量数据的分区中从对象表示中重建体积数据,和/或在已至少部分从测量数据重建对象表示之后仅将对象表示的重建分区的体积数据加载到数据存储器中,其中图像信息包含对象的投影数据。
因此,仅重建对象表示的如下体素或区域,在该体素或区域内应执行表面确定或分析。因此可以节省重建计算用时间。如果应该在先前时刻已进行重建,则只能加载要在其中进行表面确定或分析的数据区域。通过这种方式,尤其最大限度地减少了数据加载所需时间和所需工作内存。
所述评估规则可以具有体积的包含所述预定三维区域的扩展的预定三维区域,该方法在测量数据确定之后包括以下步骤:限定该测量数据的对应于至少一个所述扩展的预定三维区域的待存储分区,并且将该待存储分区的测量数据保存在数据存储器中。
利用所述扩展的预定三维区域,除了预定三维区域之外,还确定该预定三维区域的周围环境。因此,仅存储或保存该预定三维区域及其周围环境的体积数据。即,并未存储全部测量数据,而是仅存储分析感兴趣的那些测量数据。通过这种方式,可以节省时间和存储空间。尽管如此,仍然可以再现执行或重复所述分析,因为预定三维区域周围环境的存储意味着所有局部数据都可用于确定相关表面区域。
此外,与至少一个预定三维区域对应的测量数据分区的限定还可以包括以下子步骤:限定测量数据的与至少一个在评估规则中预定的扩展三维区域对应的扩展分区,其中所述至少一个扩展的预定三维区域包括所述至少一个预定三维区域并且大于所述至少一个预定三维区域,并且确定在该扩展分区内的对象表示的所有表面。
通过确定在扩展分区中的对象表示的表面,在预定三维区域之内和周围的无间隙表面或者在有彼此分开存在的多个子分区情况下在预定三维区域之内和周围的无间隙表面被确定。因此,避免了在测量数据分区的边缘处的、由于周围体积数据信息不足而造成的表面确定误差,并且提高了分析的精确性。
在此,确定分区中的对象表示的至少一个表面可以包括以下步骤:确定针对所述至少一个表面的至少一个点的误差范围。
在此,该误差范围例如包含关于在表面确定时预期有何种误差的信息。该信息有助于能估算基于表面所确定的分析结果如尺寸测量可以有多可信。在此,例如可确定一个特征值,借此预期一个表面的当前所观察点的质量。在此,该质量可作为用于确定测量不可靠性或测量精度的基础。误差范围的复杂确定例如可以依据对体积数据或其它元信息的周围灰度值的分析进行并因此仅针对布置在预定三维区域中的表面进行。因此,误差确定被加速。
在另一示例中,在限定对应于至少一个预定三维区域的测量数据分区的步骤之前,该方法可以包括以下步骤:确定测量数据中的至少一个初步表面;由以下步骤取代确定在分区中的对象表示的至少一个表面的步骤:当所述至少一个初步表面布置在所述至少一个预定三维区域内时并且当初步表面的数量对应于在该分区内给予评估规则所预期的表面数量时,选择所述至少一个初步表面作为该对象表示的指定表面。对于在一个分区中的初步表面的数量小于基于评估规则在该分区中所预期的表面数量的情况,除了确定该分区中的对象表示的至少一个表面的步骤之外,还执行确定测量数据中的至少一个初步表面的步骤。该分区此时可基于一个或更多个单独点来限定。
因此,如果可用,预先计算的初步表面可直接用作那些本来由在分区中的分析来确定的表面。如果所述初步表面布置在预定三维区域中,则不需要重新确定所述表面。因此这将进一步加快该方法。如果在所需区域内不应存在先前确定的表面,则照常确定所述表面或所需的点。此外,可以通过评估规则针对每个分区来单独确定是否要使用现有的表面或还是应确定一个新的表面。
在另一方面,本发明涉及一种具有指令的计算机程序产品,该指令可在计算机上运行并且在计算机上运行时促使计算机执行根据前面描述的方法。
计算机程序产品的优点和效果以及改进方案源于上述方法的优点和效果以及改进方案。因此就此参照前面的描述。
本发明的其它特征、细节和优点来自权利要求的措辞以及以下结合附图对实施例的描述,其中:
图1示出了对象所具有的体积连同该体积的预定三维区域的示意图;
图2示出了确定对象的测量数据的示意图;
图3示出了对应于预定三维区域的测量数据的示意图;
图4a至图4c示出了计算机实现方法的流程图和流程图变型。
在图1中示出了其中布置有对象12的体积10。对象12具有至少一个表面,其中,该对象12包括多个表面。此外,它包括至少部分包括对象12的预定三维区域11。该预定三维区域11在此也可以位于对象12内。此外,该预定三维区域11可以部分包括对象12,部分包括在对象外的体积10内的空气,从而对象12的外表面布置在该预定三维区域11中。
在此实施例中,预定三维区域11例如是对象12的角16、对象12的也可包括对象12上的材料过渡的小的子元素18或者在对象12的表面中的开口20、孔或凹陷。但是,对象12的未示出的其它元素例如像多边也可以布置在预定三维区域11中。此外,角16的示例可以是二维表示中的角的表示(即当一个对象的两个边相遇时)或者是来自一个三维对象的超过两条边相遇的角。在测量立方体的边时,在灰度值如CT截面图像中得到角,该角的表示通过测量过程被倒圆。因此,所示的角16不一定必然具有锐边,而是可以在对象表示中被显示为倒圆。
评估规则14包括关于体积10的其中布置有对象12的预定三维区域11的信息。评估规则14在此可以例如包括体积10的预定三维区域11在对象坐标系中的位置。还可以包含用于通过评估规则14评估预定三维区域11的计划分析或算法。例如,这些分析可以是关于缺陷、夹杂、孔隙率或泡沫结构的分析。替代地或附加地,该分析可以是纤维复合材料分析。
此外,评估规则14还可以包括关于以何种方式执行配准的信息,其中该配准描述对象坐标系相对于其中存在测量数据的测量坐标系的关系。在此,评估规则14也可以限定在对象12的何种几何形状元素或表面区域处执行配准。
评估规则14同样可包含对象12的几何形状元素所拟合至以执行关于尺寸、形状、位置、波形、粗糙度和/或其它尺寸测量参数的维度测量的位置。在此,可以针对该结果指明一个容差或容差范围。此外,也可通过评估规则14在预定三维区域11中设定数值模拟例如像结构力学模拟或传输现象模拟。
评估规则14还可以限定包括表面表示在内的哪些区域或截面图像应为了目测检视而作为图像文件被导出。它们例如可以是对象12的特别关键的区域或几何形状元素的视图。
在一个示例中,可以通过对象12的CAD模型提供预定三维区域。在另一示例中,可以作为坐标组仅提供对象12的分区来限定预定三维区域。
图2示意性示出了可如何确定测量数据的图示。在此,以计算机X线体层摄影设备为例示出所述确定。但对此并未排除用于确定生成对象表示的测量数据的其它方法。这例如是磁共振成像术、超声波和光学相干断层扫描法。
在此,图2示出了X射线源22,其穿过位于转盘26上的对象12将X射线发射到探测器24上。伴随着转盘,该对象可以例如旋转360°,以便从每个角位获得投影图像。借助探测器24来确定在计算机X线体层拍摄中以对象投影图像形式存在的测量数据28。对象12的投影图像可被换算成对象12的体积数据。
根据图3,评估规则14在测量数据28中限定了对应于预定三维区域11的分区。因此,例如测量数据28的分区30对应于对象12的在图1中包含开口20的预定三维区域11。分区32对应于具有子元素18的预定三维区域11,而分区34对应于对象12的包含角16的预定三维区域11。
测量数据28的分区30、32、34是能以数字形式存在的对象表示的部分。对象表示在此包括对象的大量图像信息。即使分区30、32、34单独存在,一般也在同一个坐标系中提供关于各个分区30、32、34的位置的信息。因此,彼此之间的几何关系是已知的。
在每个分区30、32、34中确定该对象表示的至少一个表面。评估规则14此时可以确定在各个分区30、32、34中执行哪些分析以找到相应的表面。在此,在相应的分区30、32、34中的各个分析可以针对在该分区中预期的特定几何形状例如像多边、开口、角或子元素来调整。
图4a示出了用于在来自包括对象的体积的测量的测量数据中确定表面的方法100的流程图。该测量数据生成对象的数字表示,其中对象表示包含对象的大量图像信息。该图像信息可以包含对象的体积数据。
在步骤102中,该方法100包括提供用于体积的其中布置有对象的至少一个预定三维区域的评估规则。
如上所述,所提供的评估规则例如包含关于应在对象表示的哪个区域内进行分析和在相应区域中进行何种分析的信息。因此,可以在特定问题下有针对性地搜寻对象所在的体积区域。因此,例如可以利用特殊的搜寻算法找到在对象内或对象上的材料过渡或很窄的对象部分并加以标记。
此外,该评估规则可以为此针对所述至少一个预定三维区域限定至少一种表面确定方法。该表面确定方法在此可以在至少一个预定三维区域内确定该测量数据中的局部极值。例如如果测量数据作为灰度值存在,则可以识别出在测量数据中在灰度值曲线中形成局部最小值或局部最大值的细窄对象。因此,例如可以识别出在对象表面上的窄圆形槽,因为它们一般仅以在表面中的灰度值曲线的局部最大值的形式被示出。在此情况下,无法再以高精度直接测量彼此相对的表面侧,但可以容易确定圆形槽本身的姿态或位置。同样的情况类似地适用于具有薄壁厚的结构,如薄片。
此外,用于所述至少一个预定三维区域的评估规则可包含关于在所述至少一个预定三维区域内的多边或角的信息。因此,有针对性地选择的搜寻算法可以在预定三维区域内执行对多边或角的分析。搜寻算法可以通过评估规则来设定。或者,搜寻算法可以通过使用评估规则的评估方法来限定。
此外,可以通过评估规则来限定待测几何形状具有何种数量级或几何形状结构具有何种最小尺寸。原则上有以下可能,可以关于过滤作用将表面确定不同地参数化。强过滤作用减轻了体积数据中的噪声对表面确定结果的负面影响,但使正确测量小结构变得困难。与此相应,表面确定可以依据评估规则被如此局部地限定,即,可以实现不同的过滤作用,但还是确保可以局部正确测量具有所需最小尺寸的结构。
替代地或附加地,可以从描述在至少一个预定三维区域中的对象的材料界面的类型的信息中推导出用于所述至少一个预定三维区域的评估规则。以计算机X线体层摄影为例,在对象中可以布置具有类似的X射线辐射衰减的材料。即,该材料作为测量数据产生相似的测量值。因此,关于材料的信息可以触发特殊分析的使用,其即使在测量值之间有微小偏差的情况下也能识别出在预定三维区域中的材料界面。在这种情况下,关于待识别的材料界面的原有知识可允许表面确定能以更高精度确定正确的材料界面。此外,由此得到以下可能,可以在表面确定之后检查是否已识别出所需类型的材料界面(如塑料至空气或塑料至金属的材料界面)。通过这种方式,可以估算该结果的说服力。在此,作为原有知识例如还采用表面法线的方向。因此尤其在薄壁结构的情况下可以确保例如确定表面的正确侧面。
在步骤104中确定测量数据。这可以通过任何方法进行。一个示例是使用计算机X线体层摄影或磁共振成像术来获取体积数据。另一个示例可能是例如使用条形光投影或3D相机来依靠测量技术来检测对象的外表面。在另一个示例中可以通过测量数据的确定将已有数据加载到存储器中。
在另一替代例或附加例中,可以在从初步数字对象表示中的用户标记中确定测量数据之后基于初步数字对象表示推导出评估规则。然后,用户可以在初步数字对象表示中标记应在此进行分析的区域。用户还可以指定要在他标记的各个区域中进行的分析。
为此可想到各种可能性。因此,用户可以在2D表示(例如截面图像)中或3D表示中标记应在此执行分析的区域。例如,为此可以直接在2D表示中设定坐标。或者预先执行快速表面确定,由此简化用户标记。在3D表示情况下,例如通过这种方式来实现通过鼠标点击而在对象表面上标记点或区域。类似地,当在2D表示中点击鼠标时也可以自动识别和选择最近的表面点或表面区域。然后,根据所标记的点或区域来执行期望的分析。在尺寸测量的情况下,这例如可能意味着首先将初步规则几何形状元素适配于所标记的区域,该初步规则几何形状元素又可限定一个扩展的评估区域。因而,可以在随后的步骤中或许重复地执行期望几何形状的精确测量或精细适配。
在另一可能的方案中,例如可以从对象的CAD模型中进行期望几何形状或区域的选择。然后自动建立与测量数据的对应配属。
替代地或附加地,用户可以在来自其它传感器和/或高质量参考测量或多个测量求平均值的测量数据中选择期望的几何形状或区域,这也可被称为“黄金部分”。然后,也可以自动对应配属于测量数据。
此外,评估规则还可以限定该体积的包括所述预定三维区域的扩展的预定三维区域。在此,与预定三维区域相接的周围区域和该预定三维区域组合成该扩展的预定三维区域。
在进一步的步骤118中,可以在确定了测量数据之后限定要存储在数据存储器中的测量数据分区。待存储的测量数据分区在此至少对应于扩展的预定三维区域。
在进一步的步骤120中,待存储分区的测量数据被保存或存储在数据存储器中。通过此方式,可在稍后时刻执行或重复该分区的分析以检查在先执行的分析。通过存储扩展的预定三维区域中预定三维区域的环境数据,存储空间得以节约,因为只存储分析所需的区域。可选地,在此步骤中还可以存储关于坐标系中的测量对象姿态的信息以获得测量数据评估的可再现性。
因为在其中确定测量数据的坐标系不包含对象预定对准,故在步骤112中,对应于测量坐标系的测量数据的坐标系可以对准于对象坐标系,在对象坐标系中限定评估规则的预定三维区域。因此,将测量数据的坐标系粗略对准于符合评估规则的坐标系。这相当于测量数据的配准。
借助扩展的测量数据分区,可以在分析过程中在预定三维区域的边缘处避免由于环境数据缺失而可能出现的错误评估或测量错误。通过这种方式实现预定三维区域的更精确分析。
在另一步骤128中,可以在测量数据中确定至少一个初步表面。在此,表面确定可被应用于整个测量数据。也就是说,来自步骤128的测量不限于对象上的预定三维区域,而是可以涉及整个对象。
然后,在附加步骤130中检查所述至少一个初步表面是否布置在所述至少一个预定三维区域内。在此,可以针对每个初步表面检查它是否布置在评估规则的任一个预定三维区域中。如果应该是这种情况,即如果初步表面之一布置在其中一个三维区域中,则初步表面被对应分配给相应的三维区域。也就是说,在步骤132中选择一个初步表面作为对象表示的指定用于预定三维区域的表面。如果该区域中所预期的所有表面都被初步表面涵盖,则可以避免对将初步表面指定为特定表面的三维区域进行进一步分析。
为了确定初步表面,可以使用很快速的表面确定算法,该算法并非专门匹配于特殊的预定三维区域的特性。通常,在预确三维区域中的特定分析需要更长时间来确定表面。因此,如果不必进行特定分析,则可通过这种方式而利用步骤128和步骤130来节省时间,这是因为已经通过快速的表面确定方法找到预定三维区域的所有表面。
在步骤106中,可以限定测量数据的分区,其中该测量数据的分区对应于至少一个预定三维区域。因此,在对应分配给对象的特定区域之后,测量数据被划分为对应于预定三维区域的分区。这些分区此时对应于该对象的部分表面或部分体积。
参考图4b,步骤106在此可以包括子步骤122和124。在步骤122中可以限定测量数据的扩展分区,该扩展分区大于在评估规则中所限定的预定三维区域并且包含该预定三维区域。该扩展分区不一定必须对应于扩展的预定三维区域。该扩展分区可以大于或小于扩展的预定三维区域。该扩展分区可以具有围绕多个子分区的无间隙对象表面,每个子分区包含一个预定三维区域。在此,在步骤124中可以在扩展分区中确定该对象表示的所有表面。
进一步参考图4a,在步骤108中,在分区中确定对象表示的至少一个表面。在此,可以执行由评估规则限定的分析以确定在预定三维区域中的表面。如果在步骤130中已将初步表面限定为该预定三维区域中的待确定表面,则针对该预定三维区域可省略步骤108以支持步骤132。
参考图4c,步骤108可以包括子步骤126,利用该子步骤确定针对至少一个表面的至少一个点的误差范围。针对至少一个表面的点的误差范围的确定是复杂的并需要大量信息技术资源。利用步骤126,仅针对布置在预定三维区域中的表面确定误差范围。仅确定针对对表面分析或确定感兴趣的区域的误差。此外,通过步骤126保护了信息技术资源并节省了时间。
进一步参考图4a,在步骤114中,在在分区内确定了对象表示的至少一个表面且利用步骤112确定了粗略对准的坐标系之后,在基于所述至少一个表面的评估容差范围内将粗略对准的坐标系对准于符合评估规则的坐标系。评估容差范围在此表示在该分析没有在预定三维区域中提供有误结果的情况下对象坐标系与测量坐标系相差何种程度。因此,步骤114对应于测量数据的坐标系与符合评估规则的对象坐标系的精细对准。
在此,步骤114可被重复至少一次,以提高粗略对准的坐标系对准于符合评估规则的坐标系的精度。在此可继续重复步骤114,直止基于至少一个表面找到位于评估容差范围内的测量坐标系。步骤114的重复可以是步骤106和步骤108的重复的组合,以便在每次执行步骤114之后识别出在坐标系的先前对准中无法在测量数据中被对应分配的新分区并在其中确定其它表面。
在步骤110中,以与在分区内相比更低的精度来确定在分区外的其它表面。通过这种方式,可在对象表示、即测量数据中确定该对象的整个表面。在此,以低精度来确定在预定三维区域外的表面,该表面仅用于用户目测定向以便能将预定三维区域内的表面正确对应分配给对象上的相应区域。
对于对象表示基于投影数据存在的情况,在步骤115中可从仅源于测量数据分区的对象表示中重建体积数据。通过这种方式,仅作为体积数据重建对象表示的对分析感兴趣的预定三维区域。这节省了计算时间。
如果已从测量数据重建了完整的对象表示并将其存在数据存储器中,则替代地或附加地可仅加载该对象表示的存储在数据存储器中的重建分区的体积数据。这又节省了计算时间并减少了对工作内存的需求。
此外,可以依据待执行的测量和分析来推导出是否以及要如何进行表面确定。因此,该信息不仅被直接存储在评估计划中,也可以在不参考评估计划的情况下自动推导出。
此外,在确定表面时并不搜寻下一个表面点,而是在分析点处搜寻距下一表面的距离。在此,可通过确定该距离而借助距离场来限定特定表面,该距离场对于每个点指定距下一表面的距离。
在另一替代实施例或附加实施例中,首先可以借助少量的或许在对象表示中人工设定的接触点来适配该对象的第一几何形状元素。以此为出发点,在整个元素范围均匀分散地设定大量的接触点,它们也直接触及对象表示的灰度值以便更精确测量该元素。这也可以反复进行。这允许通过人工操作来快速准确地适配几何形状元素,而无需存在评估计划。
一些接触点可被人工限定。由此可以自动选择用户可能想要的几何形状元素类型。随后,该几何形状元素可被初步适配。随后,如上所述地又利用更多数量的自动设定的接触点进行更精确测量。由此,用户不必再预先限定应该适配哪种类型的几何形状元素。
为了确保在自动重新接触这些点时在整个几何形状元素范围内也仅使用实际属于该对象的点,在各个点处分析图像信息。图像信息的异常行为确保该点将被舍弃。为此,例如可以使用人工设定的基准。当在圆弧段的对置侧上的测量数据因不同的几何形状而具有灰度值波动时,这可使圆弧段表面的确定变得容易。
此外,可以减少接触点数量。因此,可以通过考虑例如从点扩散函数中获得的测量数据的相关长度将计算时间缩至最短。由此将避免接触未提供任何附加信息内容的不必要的大量点。
此外,可以运用测量数据中的哪些点因数据质量差而不应被接触的原有知识。这进一步节省了计算时间并允许更精确的测量结果。
原有知识例如可以从对例如呈信噪比数据或点扩散函数形式的体积数据的分析中获得。此外,原有知识可以从借助大量就或许相同的测量所推导出的统计数据中例如在在线或线上应用情况下获得。在另一示例中,原有知识可以从模拟预期误差影响的测量过程模拟中或者从基于表面的在在先的表面区域中例如在粗略对准中依据低分辨率的数据组所计算出的且因此可用的特征值中获得。
此外,用于有缺陷的体积数据的表面确定的局部自适应算法往往能提供更精确的结果。对于无伪影的高质量体积数据可能有意义的是使用全局阈值,这是因为这种表面确定能更快速进行,并且在这些情况下有时还能提供更精确的结果。在一个示例中,仅在例如在此基于先前模拟而与其有错误或借助适当的模式识别发现错误的区域中执行局部自适应表面确定,并且在其余区域中采用恒定阈值或全局阈值。
此外,例如在尺寸测量技术中不会总是需要将规则几何形状元素适配于所选的表面点。因此在一个示例中,可以确定两个选定点之间的距离以确定该对象的几何形状元素的厚度。
上述方法还能以在计算机程序产品上的一系列指令来实现。所述指令可以由计算机执行。当指令在计算机上被执行时,该指令使计算机执行如上所述的方法。
本发明不限于其中一个上述实施例,而是能以各种各样的方式进行修改。
来自权利要求书、说明书和附图的所有特征和优点包括结构细节、空间布置和方法步骤在内可以不仅单独地、也以多种组合的方式对本发明是重要的。
附图标记列表
10体积
11预定三维区域
12对象
14评估规则
16角
18子元素
20开口
22X射线源
24探测器
26转盘
28测量数据
30分区
32分区
34分区
Claims (15)
1.一种用于在来自包括对象的体积的测量的测量数据中确定表面的计算机实现方法,其中,通过所述测量数据生成所述对象的数字表示,其中,对象表示包括所述对象的大量图像信息,其中,所述方法(100)包括以下步骤:
·提供(102)用于所述体积的包含所述对象的至少一个预定三维区域的评估规则,
·确定(104)所述测量数据,
·限定(106)所述测量数据的对应于所述至少一个预定三维区域的分区,以及
·在所述分区中确定(108)所述对象表示的至少一个表面。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括以下步骤:
·以比在所述分区内更低的精度来确定(110)在所述分区外的表面。
3.根据权利要求1或2所述的方法,其特征在于,所述图像信息包含所述对象的体积数据。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述评估规则限定用于所述至少一个预定三维区域的至少一个表面确定方法,其中,所述表面确定方法在所述至少一个预定三维区域中确定所述测量数据中的局部极值。
5.根据权利要求1至4中任一项所述的方法,其特征在于,用于所述至少一个预定三维区域的所述评估规则包括关于所述至少一个预定三维区域中的多边或角的信息。
6.根据权利要求1至5中任一项所述的方法,其特征在于,用于所述至少一个预定三维区域的所述评估规则是从关于所述对象在所述至少一个预定三维区域中的材料界面的类型的信息推导出的。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法在限定(106)所述测量数据的对应于所述至少一个预定三维区域的分区之前包括以下步骤:
·将所述测量数据的坐标系粗略对准(112)匹配于所述评估规则的坐标系。
8.根据权利要求7所述的方法,其特征在于,所述方法在在所述分区中确定(108)所述对象表示的至少一个表面之后包括以下步骤:
·在基于所述至少一个表面的评估容差范围内将经粗略对准的坐标系对准(114)匹配于所述评估规则的坐标系,
·其中,在基于所述至少一个表面的评估容差范围内将经粗略对准的坐标系对准(114)匹配于所述评估规则的坐标系的步骤执行至少一次。
9.根据权利要求1至8中任一项所述的方法,其特征在于,所述评估规则是在确定所述测量数据之后从初步数字对象表示中的用户标记推导出的。
10.根据权利要求1、2或4至9中任一项所述的方法,其特征在于,所述方法包括至少一个以下步骤:
·仅在所述测量数据的所述分区中由所述对象表示重建(114)体积数据,和/或
·在至少部分由所述测量数据重建对象表示之后,仅将所述对象表示的重建分区的体积数据加载(116)到数据存储器中,其中,所述图像信息包含所述对象的投影数据。
11.根据权利要求1至10中任一项所述的方法,其特征在于,所述评估规则包括所述体积的扩展的预定三维区域,该扩展的预定三维区域包含所述预定三维区域,其中,所述方法在确定(104)所述测量数据之后包括以下步骤:
·限定(118)所述测量数据的对应于至少一个所述扩展的预定三维区域的待存储分区,
·将所述待存储分区的所述测量数据存储(120)到数据存储器中。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述方法在限定(106)所述测量数据的对应于所述至少一个预定三维区域的分区之前包括以下步骤:
·限定(122)所述测量数据的对应于所述评估规则中至少一个预定的扩展的三维区域的扩展分区,其中,所述至少一个预定的扩展的三维区域包含所述至少一个预定三维区域并大于所述至少一个预定三维区域,以及
·在所述扩展分区中确定(124)所述对象表示的所有表面。
13.根据权利要求1至12中任一项所述的方法,其特征在于,在所述分区中确定(108)所述对象表示的至少一个表面包括以下步骤:
·确定(126)针对所述至少一个表面的至少一个点的误差范围。
14.根据权利要求1至13中任一项所述的方法,其特征在于,所述方法在限定(106)所述测量数据的对应于所述至少一个预定三维区域的分区的步骤之前包括以下步骤:
·在所述测量数据中确定(128)至少一个初步表面,
·由以下步骤代替(130)在所述分区中确定(108)所述对象表示的至少一个表面的步骤:当所述至少一个初步表面位于所述至少一个预定三维区域内时并且当所述初步表面的数量对应于在所述分区中基于所述评估规则所预期的表面的数量时,选择(132)所述至少一个初步表面作为所述对象表示的指定表面。
15.一种计算机程序产品,该计算机程序产品具有能在计算机上运行的指令,所述指令在计算机上运行以促使所述计算机执行根据前述权利要求中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102019103429.9 | 2019-02-12 | ||
DE102019103429.9A DE102019103429A1 (de) | 2019-02-12 | 2019-02-12 | Computerimplementiertes Verfahren zur Bestimmung von Oberflächen in Messdaten |
PCT/EP2020/050690 WO2020164827A1 (de) | 2019-02-12 | 2020-01-13 | Computerimplementiertes verfahren zur bestimmung von oberflächen in messdaten |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113396441A true CN113396441A (zh) | 2021-09-14 |
Family
ID=69159794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080012574.4A Pending CN113396441A (zh) | 2019-02-12 | 2020-01-13 | 用于在测量数据中确定表面的计算机实现方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220148211A1 (zh) |
EP (1) | EP3924934A1 (zh) |
JP (1) | JP2022520754A (zh) |
CN (1) | CN113396441A (zh) |
DE (1) | DE102019103429A1 (zh) |
WO (1) | WO2020164827A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024003120A1 (de) * | 2022-06-30 | 2024-01-04 | Werth Messtechnik Gmbh | Verfahren zum betreiben eines koordinatenmessgeräts und vorrichtung zur ausführung |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007003441A1 (de) * | 2005-07-06 | 2007-01-11 | Carl Zeiss Industrielle Messtechnik Gmbh | Verfahren und anordnung zum auswerten eines koordinaten-datensatzes eines messobjekts |
CN101023322A (zh) * | 2004-05-26 | 2007-08-22 | 沃思测量技术股份有限公司 | 用于测量对象的坐标测量仪和方法 |
US20100118027A1 (en) * | 2007-04-03 | 2010-05-13 | Carl Zeiss Industrielle Messtechnik Gmbh | Method and measuring arrangement for producing three-dimensional images of measuring objects by means of invasive radiation |
US20110096896A1 (en) * | 2008-04-07 | 2011-04-28 | Steffen Kunzmann | Method for the tomographic measurement of mechanical workpieces |
JP2012154889A (ja) * | 2011-01-28 | 2012-08-16 | Seiko Epson Corp | 位置合わせ装置、欠陥検出装置、および位置合わせ方法 |
DE102012102709A1 (de) * | 2012-03-29 | 2013-11-21 | Werth Messtechnik Gmbh | Computertomografie-Verfahren zur Bestimmung von Merkmalen an einem Messobjekt |
DE102013018364A1 (de) * | 2013-11-02 | 2015-05-07 | Audi Ag | Verfahren zur Detektion und/oder Messung von Oberflächenfehlern eines Bauteils |
CN105102923A (zh) * | 2013-01-25 | 2015-11-25 | 沃思测量技术股份有限公司 | 用于借助计算机层析x射线摄影术确定结构的几何形状的方法和设备 |
CN105247595A (zh) * | 2013-05-27 | 2016-01-13 | 卡尔蔡司工业测量技术有限公司 | 用于产生测量对象的至少一个虚拟图像的方法和设备 |
DE102015111621A1 (de) * | 2015-03-24 | 2016-09-29 | Werth Messtechnik Gmbh | Vorrichtung und Verfahren zur computertomografischen Messung eines Werkstücks |
CN106164707A (zh) * | 2014-01-16 | 2016-11-23 | 德国史密斯海曼有限责任公司 | 特别用于对象的无损检测的方法和x‑射线检测系统 |
CN106716487A (zh) * | 2014-09-17 | 2017-05-24 | 音量制图法公司 | 确定从体数据提取的表面数据的局部质量的方法和系统 |
CN107111871A (zh) * | 2014-10-30 | 2017-08-29 | 音量制图法公司 | 从体图像记录确定局部质量测量 |
CN109100369A (zh) * | 2018-08-20 | 2018-12-28 | 首都师范大学 | 一种圆柱形组合工件的缺陷检测定位表征方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008031942A1 (de) * | 2008-07-07 | 2010-01-14 | Steinbichler Optotechnik Gmbh | Verfahren und Vorrichtung zur 3D-Digitalisierung eines Objekts |
DE102009056467A1 (de) * | 2009-12-01 | 2011-06-09 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren zur Bestimmung von Oberflächen in Voxeldaten |
DE102012203117B4 (de) * | 2012-02-29 | 2016-03-03 | Siemens Aktiengesellschaft | Verfahren und System zur Ermittlung eines Begrenzungsflächennetzes |
DE102013218806A1 (de) * | 2013-09-19 | 2015-03-19 | Siemens Aktiengesellschaft | Verfahren zur Auswertung einer Untersuchung |
GB2558605B8 (en) * | 2017-01-09 | 2022-02-23 | Caresoft Global Holdings Ltd | Methodology to extract 3D CAD from CT Scan Output |
-
2019
- 2019-02-12 DE DE102019103429.9A patent/DE102019103429A1/de active Pending
-
2020
- 2020-01-13 WO PCT/EP2020/050690 patent/WO2020164827A1/de unknown
- 2020-01-13 JP JP2021545839A patent/JP2022520754A/ja active Pending
- 2020-01-13 US US17/430,679 patent/US20220148211A1/en active Pending
- 2020-01-13 EP EP20700591.9A patent/EP3924934A1/de active Pending
- 2020-01-13 CN CN202080012574.4A patent/CN113396441A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101023322A (zh) * | 2004-05-26 | 2007-08-22 | 沃思测量技术股份有限公司 | 用于测量对象的坐标测量仪和方法 |
WO2007003441A1 (de) * | 2005-07-06 | 2007-01-11 | Carl Zeiss Industrielle Messtechnik Gmbh | Verfahren und anordnung zum auswerten eines koordinaten-datensatzes eines messobjekts |
DE102005032687A1 (de) * | 2005-07-06 | 2007-01-11 | Carl Zeiss Industrielle Messtechnik Gmbh | Verfahren und Anordnung zum Auswerten eines Koordinaten-Datensatzes eines Messobjekts |
US20100118027A1 (en) * | 2007-04-03 | 2010-05-13 | Carl Zeiss Industrielle Messtechnik Gmbh | Method and measuring arrangement for producing three-dimensional images of measuring objects by means of invasive radiation |
US20110096896A1 (en) * | 2008-04-07 | 2011-04-28 | Steffen Kunzmann | Method for the tomographic measurement of mechanical workpieces |
JP2012154889A (ja) * | 2011-01-28 | 2012-08-16 | Seiko Epson Corp | 位置合わせ装置、欠陥検出装置、および位置合わせ方法 |
DE102012102709A1 (de) * | 2012-03-29 | 2013-11-21 | Werth Messtechnik Gmbh | Computertomografie-Verfahren zur Bestimmung von Merkmalen an einem Messobjekt |
CN105102923A (zh) * | 2013-01-25 | 2015-11-25 | 沃思测量技术股份有限公司 | 用于借助计算机层析x射线摄影术确定结构的几何形状的方法和设备 |
CN105247595A (zh) * | 2013-05-27 | 2016-01-13 | 卡尔蔡司工业测量技术有限公司 | 用于产生测量对象的至少一个虚拟图像的方法和设备 |
DE102013018364A1 (de) * | 2013-11-02 | 2015-05-07 | Audi Ag | Verfahren zur Detektion und/oder Messung von Oberflächenfehlern eines Bauteils |
CN106164707A (zh) * | 2014-01-16 | 2016-11-23 | 德国史密斯海曼有限责任公司 | 特别用于对象的无损检测的方法和x‑射线检测系统 |
CN106716487A (zh) * | 2014-09-17 | 2017-05-24 | 音量制图法公司 | 确定从体数据提取的表面数据的局部质量的方法和系统 |
CN107111871A (zh) * | 2014-10-30 | 2017-08-29 | 音量制图法公司 | 从体图像记录确定局部质量测量 |
DE102015111621A1 (de) * | 2015-03-24 | 2016-09-29 | Werth Messtechnik Gmbh | Vorrichtung und Verfahren zur computertomografischen Messung eines Werkstücks |
CN109100369A (zh) * | 2018-08-20 | 2018-12-28 | 首都师范大学 | 一种圆柱形组合工件的缺陷检测定位表征方法 |
Non-Patent Citations (3)
Title |
---|
JIANGYING MENG等: "3D Investigation of Fatigue Crack Morphology and Crack Growth of Iron-Based Materials via Synchrotron X-Ray CT", 《MATERIALS SCIENCE FORUM》, vol. 833, 5 November 2015 (2015-11-05), pages 154 - 7 * |
MARTA TORRALBA等: "Comparison of surface extraction techniques performance in computed tomography for 3D complex micro-geometry dimensional measurements", 《THE INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY》, vol. 97, no. 1, 2 April 2018 (2018-04-02), pages 441 - 453, XP036528245, DOI: 10.1007/s00170-018-1950-9 * |
安顺林: "基于图像处理的铸件缺陷自动识别系统研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》, vol. 2018, no. 1, 15 January 2018 (2018-01-15), pages 022 - 438 * |
Also Published As
Publication number | Publication date |
---|---|
JP2022520754A (ja) | 2022-04-01 |
EP3924934A1 (de) | 2021-12-22 |
US20220148211A1 (en) | 2022-05-12 |
DE102019103429A1 (de) | 2020-08-13 |
WO2020164827A1 (de) | 2020-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jovančević et al. | 3D point cloud analysis for detection and characterization of defects on airplane exterior surface | |
JP5703396B2 (ja) | 減数された測定点による公差評価 | |
EP2737426B1 (en) | Coordinate measuring system data reduction | |
US8526705B2 (en) | Driven scanning alignment for complex shapes | |
Minetola et al. | A customer oriented methodology for reverse engineering software selection in the computer aided inspection scenario | |
Belhaoua et al. | Error evaluation in a stereovision-based 3D reconstruction system | |
Senin et al. | Characterisation of individual areal features | |
Moroni et al. | Coordinate measuring machine measurement planning | |
CN107850425B (zh) | 用于测量制品的方法 | |
US6950548B1 (en) | Creating geometric model descriptions for use in machine vision inspection systems | |
CN112669460B (zh) | 一种工件缺陷检测方法、系统及计算机可读存储介质 | |
CN113396441A (zh) | 用于在测量数据中确定表面的计算机实现方法 | |
US11138720B2 (en) | Method for recognizing the geometry of a portion of an object | |
Lou et al. | Simulation for XCT and CMM measurements of additively manufactured surfaces | |
JP2022071850A (ja) | 測定データの評価に必要な少なくとも1つの幾何学的パラメータを決定するためのコンピュータ実装方法 | |
Sitnik et al. | Segmentation of unsorted cloud of points data from full field optical measurement for metrological validation | |
US20220331969A1 (en) | Calibration Method and Apparatus for Industrial Robot, Three-Dimensional Environment Modeling Method and Device for Industrial Robot, Computer Storage Medium, and Industrial Robot Operating Platform | |
Di Angelo et al. | Recognition of intrinsic quality properties for automatic geometric inspection | |
Prieto et al. | A non contact CAD based inspection system | |
JP2022502741A (ja) | 測定空間域の測定からの測定データを圧縮するためのコンピュータ実装方法 | |
Lukacs et al. | Non-contact whole-part inspection | |
US20240062382A1 (en) | Measuring a feature near the edge of an object | |
US20210173973A1 (en) | Method and Apparatus for Automated Test Plan Generation to Measure a Measurement Object | |
Li et al. | A view planning method incorporating self-termination for automated surface measurement | |
Berry et al. | Data Analytics for Noise Reduction in Optical Metrology of Reflective Planar Surfaces. Machines 2022, 10, 25 |
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 |