CN114119628A - 一种基于特征模板的点云精确分割方法 - Google Patents
一种基于特征模板的点云精确分割方法 Download PDFInfo
- Publication number
- CN114119628A CN114119628A CN202111237881.5A CN202111237881A CN114119628A CN 114119628 A CN114119628 A CN 114119628A CN 202111237881 A CN202111237881 A CN 202111237881A CN 114119628 A CN114119628 A CN 114119628A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- grid
- point
- points
- template
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
Abstract
本发明公开了一种基于特征模板的点云精确分割方法,本发明公开了一种基于特征模板的实测点云数据分割方法,包括以下步骤:S1:首先对理论数模中的待测量和识别的曲面特征进行提取,构建成特征模板并存入模板数据库中;S2:利用空间栅格法建立实测点云拓扑关系并基于特征模板完成点云粗分割;S3:通过主成分分析法估计点云法向量,采用基于面的自适应区域生长算法对粗分割点云块进一步细分割,得到最终精确分割结果。本发明该方法为实际测量后的规模点云数据提供了一种精确的分割方法,减少了繁琐的人工操作,提高了分割效率和自动化程度,能够得到较好的分割结果。
Description
技术领域
本发明涉及一种点云数据分割方法,特别涉及一种基于特征模板的点云精确分割方法,属于数字化测量技术领域。
背景技术
飞机设计性能的不断提升,对飞机制造提出了更高的装配要求,出现了基于实测模型的预装配分析技术,该技术以实际测量点云数据重构的CAD模型代替理论模型进行虚拟装配分析。然而CAD模型重构的前提是需要将实测点云划分为只含有单一几何特征的拓扑结构区域的点云块。点云数据分割是值指根据曲线、曲面特征类型将点云数据分割成包含各自特征的区域点云数据,是点云逆向重构前非常关键的环节,但目前通过数字化测量设备得到的实测点云数据往往具有数据量大、空间分布不均匀、来源类型繁杂、含有杂点、特征繁多等特点,对点云按照设计意图的智能自动分割算法设计难度很大,同时飞机装配零部件数量多、结构复杂,这就要求逆向人员具有完备的逆向知识和大量的重构经验,在对实物零件测量点云的设计意图和造型规律充分理解的基础上,交互式对点云进行分割,获得属于不同特征类型的点云分割块。
为了解决目前数字化测量点云数据分割人机交互操作繁琐,工作量大,分割准确率低,自动化程度低,效率低下等问题,对此本文提出了一种基于特征模板的点云数据精确分割方法,通过理论数模的原始数据驱动引导规模点云数据完成粗分割、细分割的流程,最终得到精确的分割结果。
发明内容
本发明的目的在于提供一种基于特征模板的点云精确分割方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于特征模板的点云精确分割方法,所述基于特征模板的点云精确分割方法步骤如下:
S1:首先对理论数模中的待测量和识别的曲面特征进行提取,构建成特征模板并存入模板数据库中;
S2:利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点,并通过判断质心点到特征模板的距离完成基于特征模板的点云数据粗分割;
S3:通过主成分分析法估计点云法向量,采用基于面的自适应区域生长算法对粗分割点云块进一步细分割,得到最终精确分割结果。
作为本发明的一种优选技术方案,所述步骤S1中对理论数模中的待测量和识别的曲面特征进行提取,构建成特征模板并存入模板数据库中包括以下步骤:
a1:先按照设定的离散间距参数采用截交线法将理论曲面特征依次离散为一组截交线,得到的截交线有序集合为L(S)={Li,i=1,2,…,nL};
a2:对截交线Li通过等弧长法离散。通过CATIA软件开放的二次开发接口函数CATCrvParam获取理论截交线的参数方程,得到的参数表达式为L(x,y,z)=(x(t),y(t),z(t)),t∈(a,b)
则曲线弧长的计算方程为:
给定初始弧长S0,完成单条截交线Li的数字化离散,得到有序离散点集合:
P(L)={Pi(xi,yi,zi),i=1,…,nP}
整个理论曲面特征离散点集合为所有截交线有序特征离散点的并集:
P(S)={P(L1)∪P(L2)…∪P(Lk),k=nL}
a3:用三角化算法将曲面特征有序离散点作为三角形顶点连接成三角网格,需要提取三角网格模型的面片法向量,为了给后续点云分割提供精确的初始参数以及生长依据。
作为本发明的一种优选技术方案,利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点,判断点到特征模板的距离完成基于特征模板的点云数据粗分割包括以下步骤:
b1:空间栅格法是利用空间立体栅格来近似表示点云的空间结构和几何形状,基本原理为:设xmax、ymax、zmax、xmin、ymin、zmin为点云中x、y、z的最大、最小坐标,给定栅格扩展阈值ε,以点(xmax+ε,ymax+ε,zmax+ε)和点(xmin-ε,ymin-ε,zmin-ε)为对角点且表面平行于空间坐标系的空间六面体构建点云的空间包围盒;
b2:将空间包围盒作为栅格划分的总空间,以预设宽度λ作为单位长度并对包围盒进行均等划分,沿x、y、z方向的栅格数量分别为:
符号[]表示向上取整,三维立体栅格划分完成后,每个栅格是一个微小正方体;用栅格坐标(u,v,h)表示所有栅格,u、v、h分别代表在x、y、z方向的栅格序号,则有u∈[0,l-1],v∈[0,m-1],h∈[0,n-1],然后将点云数据点按坐标值放入对应栅格内,有点的栅格称为实格,无点的栅格称为空格;栅格之间的邻域关系间接代表了点云的拓扑关系;
b3:按照特征模板中三角面片顶点集合计算并构建曲面特征空间包围盒{Bi(S),i=1,…,n},n为特征模板的数量;
b4:检索空间栅格Gk(u,v,h),若Gk是实格,其质心点坐标为则以质心点代表栅格实格内所有点,遍历所有曲面特征空间包围盒,若把栅格坐标Gk(u,v,h)存入对应的分割块,直到空间栅格全部遍历完毕,实现点云数据实格质心点粗分割。
作为本发明的一种优选技术方案,所述步骤S3中通过主成分分析法估计点云法向量,采用基于面的自适应区域生长算法对粗分割点云块进一步细分割,得到最终精确分割结果,包括以下步骤:
c1:对于点云{Vi,i=1,2,...n}中的某一点xi∈{Vi},通过空间栅格法建立的拓扑关系搜索点云中距离点xi最近的k个点,即点xi的k邻域,记作kNb(xi),
c2:对kNb(xi)最小二乘拟合局部切平面P,P的法向量记作n,点xi到坐标系原点的欧式距离记作di,则局部切平面P可以表示为:
采用主成分分析方法(PCA)求解切平面法向。对式(12)的求解问题就可以转化为对式(13)中的半正定协方差矩阵的特征值求解问题;
c3:读取存储在数据库的特征模板对应的离散点集信息,选择作为细分割理想种子点Pseed,其中nL为离散的截交线条数,np为截交线上离散点的数量,[]表示向下取整Pseed为有序离散点集的中间点,保障了其所属点云区域的准确性,确保种子点从曲面特征中心由内向外开始生长;
c4:根据特征模板数据库索引关系检索理想种子点Pseed作为共享顶点的所有三角面片的编号,所有三角面片法向量的矢量和单位化后作为Pseed的法向量nseed,赋予精确的初始生长分割参数,能够有效利用理论曲面特征信息引导点云精确分割;
c5:通过栅格实格质心点粗分割过程实现与其所属三角面片及法向量建立索引关系,便于后续实格质心点归属关系查询;
c6:从选定的理想种子点Pseed开始,若相邻两点的法向量夹角小于各自归属的三角网格面片间的法向量夹角,则作为新的种子点继续生长;伴随着生长点不断向外搜索扩张,允许生长的过渡夹角阈值参数也随着曲面三角面片的几何性质和类型不断自适应调整,无需通过已生长点逼近不同类型曲面识别特征属性;当生长点的法向量与所属的三角面片法向量夹角大于投影夹角阈值则认为区域生长到达了边界处。
与现有技术相比,本发明的有益效果是:本发明一种基于特征模板的点云精确分割方法,该方法为数量巨大、含有多种特征的实测点云数据提供了一种基于特征模板驱动的自动化程度高、精确的点云分割方法,减少了工艺人员繁琐的手动操作,提高了整个系统的准确性和测量效率。
附图说明
图1为本发明的理论特征模板的构建过程示意图;
图2为本发明的实测点云数据精确分割流程图。
图3为本发明的实测点云数据细分割原理示意图
具体实施方式
对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
请参阅图1-3,本发明提供了一种基于特征模板的点云精确分割方法,S1:首先对理论数模中的待测量和识别的曲面特征进行提取,构建成特征模板并存入模板数据库中;
S2:利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点,并通过判断质心点到特征模板的距离完成基于特征模板的点云数据粗分割;
S3:通过主成分分析法估计点云法向量,采用基于面的自适应区域生长算法对粗分割点云块进一步细分割,得到最终精确分割结果。
参照图1:步骤S1中首先对理论曲面特征进行提取命名并放入特征提取集中,对特征提取集中的所有理论有曲面特征逐一离散为一组等间距的截交线,将截交线等弧长离散为一组离散点集,并作为顶点三角网格化并计算每个三角面片的法向量。最终由曲面离散点坐标集合、三角网格序号集合、三角面片法向量集合共同组成特征模板并存储至特征模板数据库中。
Fea_Temp={Pi(xi,yi,zi),i=1,2,…,NP;Mi,i=1,2,…,NM;nF(fi),i=1,2,…,NF}
参照图2:步骤S2中为提高点云数据处理效率,需要先将包含有多种特征的原始点云粗分割,剔除不属于特征模板的点云数据,具体算法步骤如下:
(1)通过空间栅格法建立全部点云拓扑关系;以栅格内是否有数据点区分实格和空格,并以质心点代替实格内的所有点。
(2)按照特征模板中三角面片顶点集合计算并构建曲面特征空间包围盒{Bi(S),i=1,…,n},n为特征模板的数量;
(3)建立空的点云数据粗分割块{Ci,i=1,…,n},其中Ci用于存放栅格坐标;
(5)重复步骤(4),直到空间栅格全部遍历完毕,实现点云数据实格质心点粗分割。
参照图3:步骤S3中为实现粗分割块点云的进一步细分割,采用了改进的基于面的自适应区域生长点云细分割方法,曲面特征细分割具体步骤如下:
定义种子点容器Seed、最终细分割点云块集合C细。
(1)原始点云经过粗分割得到的粗点云块C粗和选取细分割理想种子点Pseed,在C粗中找到距离Pseed最近点作为初始种子点p1并加入种子点容器Seed中;
(2)从Seed中的种子点p1开始,通过空间栅格法建立的点云拓扑关系查找点p1的k近邻点pk,并遍历所有k近邻点pk;
(6)遍历完种子点的所有k邻域点pk后,从Seed中删除p1;
(7)重复执行步骤(2)-(6),直到Seed内无种子点,点云细分割完毕。
在本发明的描述中,需要理解的是,本发明实例中的实测点云数据为基于激光跟踪仪和T-Scan数字化测量设备获取的,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的点云数据必须具有特定的格式、以特定的来源分析和操作,因此不能理解为对本发明的限制。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于特征模板的点云精确分割方法,其特征在于,所述基于特征模板的点云精确分割方法步骤如下:
S1:首先对理论数模中的待测量和识别的曲面特征进行提取,构建成特征模板并存入模板数据库中;
S2:利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点,并通过判断质心点到特征模板的距离完成基于特征模板的点云数据粗分割;
S3:通过主成分分析法估计点云法向量,采用基于面的自适应区域生长算法对粗分割点云块进一步细分割,得到最终精确分割结果。
2.根据权利要求1所述的一种基于特征模板的点云精确分割方法,其特征在于:所述步骤S1中对理论数模中的待测量和识别的曲面特征进行提取,构建成特征模板并存入模板数据库中包括以下步骤:
a1:先按照设定的离散间距参数采用截交线法将理论曲面特征依次离散为一组截交线,得到的截交线有序集合为L(S)={Li,i=1,2,…,nL};
a2:对截交线Li通过等弧长法离散。通过CATIA软件开放的二次开发接口函数CATCrvParam获取理论截交线的参数方程,得到的参数表达式为L(x,y,z)=(x(t),y(t),z(t)),t∈(a,b)
则曲线弧长的计算方程为:
给定初始弧长S0,完成单条截交线Li的数字化离散,得到有序离散点集合:
P(L)={Pi(xi,yi,zi),i=1,…,nP}
整个理论曲面特征离散点集合为所有截交线有序特征离散点的并集:
P(S)={P(L1)∪P(L2)…∪P(Lk),k=nL}
a3:用三角化算法将曲面特征有序离散点作为三角形顶点连接成三角网格,需要提取三角网格模型的面片法向量,为了给后续点云分割提供精确的初始参数以及生长依据。
3.根据权利要求1所述的一种基于特征模板的点云精确分割方法,其特征在于:利用空间栅格法建立实测点云拓扑关系并用质心点代替栅格实格内所有点,判断点到特征模板的距离完成基于特征模板的点云数据粗分割包括以下步骤:
b1:空间栅格法是利用空间立体栅格来近似表示点云的空间结构和几何形状,基本原理为:设xmax、ymax、zmax、xmin、ymin、zmin为点云中x、y、z的最大、最小坐标,给定栅格扩展阈值ε,以点(xmax+ε,ymax+ε,zmax+ε)和点(xmin-ε,ymin-ε,zmin-ε)为对角点且表面平行于空间坐标系的空间六面体构建点云的空间包围盒;
b2:将空间包围盒作为栅格划分的总空间,以预设宽度λ作为单位长度并对包围盒进行均等划分,沿x、y、z方向的栅格数量分别为:
符号[]表示向上取整,三维立体栅格划分完成后,每个栅格是一个微小正方体;用栅格坐标(u,v,h)表示所有栅格,u、v、h分别代表在x、y、z方向的栅格序号,则有u∈[0,l-1],v∈[0,m-1],h∈[0,n-1],然后将点云数据点按坐标值放入对应栅格内,有点的栅格称为实格,无点的栅格称为空格;栅格之间的邻域关系间接代表了点云的拓扑关系;
b3:按照特征模板中三角面片顶点集合计算并构建曲面特征空间包围盒{Bi(S),i=1,…,n},n为特征模板的数量;
4.根据权利要求1所述的一种基于特征模板的点云精确分割方法,其特征在于:所述步骤S3中通过主成分分析法估计点云法向量,采用基于面的自适应区域生长算法对粗分割点云块进一步细分割,得到最终精确分割结果,包括以下步骤:
c1:对于点云{Vi,i=1,2,...n}中的某一点xi∈{Vi},通过空间栅格法建立的拓扑关系搜索点云中距离点xi最近的k个点,即点xi的k邻域,记作kNb(xi),
c2:对kNb(xi)最小二乘拟合局部切平面P,P的法向量记作n,点xi到坐标系原点的欧式距离记作di,则局部切平面P可以表示为:
采用主成分分析方法(PCA)求解切平面法向。对式(12)的求解问题就可以转化为对式(13)中的半正定协方差矩阵的特征值求解问题;
c3:读取存储在数据库的特征模板对应的离散点集信息,选择作为细分割理想种子点Pseed,其中nL为离散的截交线条数,np为截交线上离散点的数量,[]表示向下取整Pseed为有序离散点集的中间点,保障了其所属点云区域的准确性,确保种子点从曲面特征中心由内向外开始生长;
c4:根据特征模板数据库索引关系检索理想种子点Pseed作为共享顶点的所有三角面片的编号,所有三角面片法向量的矢量和单位化后作为Pseed的法向量nseed,赋予精确的初始生长分割参数,能够有效利用理论曲面特征信息引导点云精确分割;
c5:通过栅格实格质心点粗分割过程实现与其所属三角面片及法向量建立索引关系,便于后续实格质心点归属关系查询;
c6:从选定的理想种子点Pseed开始,若相邻两点的法向量夹角小于各自归属的三角网格面片间的法向量夹角,则作为新的种子点继续生长;伴随着生长点不断向外搜索扩张,允许生长的过渡夹角阈值参数也随着曲面三角面片的几何性质和类型不断自适应调整,无需通过已生长点逼近不同类型曲面识别特征属性;当生长点的法向量与所属的三角面片法向量夹角大于投影夹角阈值则认为区域生长到达了边界处。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111237881.5A CN114119628B (zh) | 2021-10-25 | 2021-10-25 | 一种基于特征模板的点云精确分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111237881.5A CN114119628B (zh) | 2021-10-25 | 2021-10-25 | 一种基于特征模板的点云精确分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114119628A true CN114119628A (zh) | 2022-03-01 |
CN114119628B CN114119628B (zh) | 2022-10-11 |
Family
ID=80376429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111237881.5A Active CN114119628B (zh) | 2021-10-25 | 2021-10-25 | 一种基于特征模板的点云精确分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119628B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908182A (zh) * | 2022-11-25 | 2023-04-04 | 哈尔滨鑫润工业有限公司 | 基于数字化模型的模具磨损修复方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109740227A (zh) * | 2018-12-26 | 2019-05-10 | 江南大学 | 基于特征识别的微型复杂零件建模方法 |
CN110807781A (zh) * | 2019-10-24 | 2020-02-18 | 华南理工大学 | 一种保留细节与边界特征的点云精简方法 |
WO2021097618A1 (zh) * | 2019-11-18 | 2021-05-27 | 深圳市大疆创新科技有限公司 | 点云分割方法、系统及计算机存储介质 |
WO2021134339A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于点云的分割处理方法、装置、计算机设备和存储介质 |
CN113177974A (zh) * | 2021-05-19 | 2021-07-27 | 上海商汤临港智能科技有限公司 | 一种点云配准方法、装置、电子设备及存储介质 |
-
2021
- 2021-10-25 CN CN202111237881.5A patent/CN114119628B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109740227A (zh) * | 2018-12-26 | 2019-05-10 | 江南大学 | 基于特征识别的微型复杂零件建模方法 |
CN110807781A (zh) * | 2019-10-24 | 2020-02-18 | 华南理工大学 | 一种保留细节与边界特征的点云精简方法 |
WO2021097618A1 (zh) * | 2019-11-18 | 2021-05-27 | 深圳市大疆创新科技有限公司 | 点云分割方法、系统及计算机存储介质 |
WO2021134339A1 (zh) * | 2019-12-30 | 2021-07-08 | 深圳元戎启行科技有限公司 | 基于点云的分割处理方法、装置、计算机设备和存储介质 |
CN113177974A (zh) * | 2021-05-19 | 2021-07-27 | 上海商汤临港智能科技有限公司 | 一种点云配准方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
JOA˜O PAULO SILVA DO MONTE LIMA ET AL: "An Efficient Global Point Cloud Descriptor for Object Recognition and Pose Estimation", 《2016 29TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES》 * |
邢正全等: "基于栅格划分和法向量估计的点云数据压缩", 《测绘通报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908182A (zh) * | 2022-11-25 | 2023-04-04 | 哈尔滨鑫润工业有限公司 | 基于数字化模型的模具磨损修复方法 |
CN115908182B (zh) * | 2022-11-25 | 2023-12-29 | 哈尔滨鑫润工业有限公司 | 基于数字化模型的模具磨损修复方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114119628B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516388B (zh) | 基于调和映射的曲面离散点云模型环切刀轨生成方法 | |
CN108595858B (zh) | 基于bim的轻量化深度处理工作方法 | |
CN103985155B (zh) | 基于映射法的散乱点云Delaunay三角剖分曲面重构方法 | |
CN109377561A (zh) | 一种基于共形几何的数模表面网格生成方法 | |
CN112784403B (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 | |
CN110599506B (zh) | 一种复杂异形曲面机器人三维测量的点云分割方法 | |
CN110555285A (zh) | 一种复杂飞行器表面结构网格全自动生成方法 | |
CN109740227A (zh) | 基于特征识别的微型复杂零件建模方法 | |
CN111710022B (zh) | 一种避免轮廓相交的快速成型切片处理方法 | |
CN105160700B (zh) | 一种用于三维模型重建的截面曲线重构方法 | |
CN115994410B (zh) | 基于八叉树细化四面体网格的飞行器仿真驱动设计方法 | |
CN114119628B (zh) | 一种基于特征模板的点云精确分割方法 | |
CN115661374A (zh) | 一种基于空间划分和模型体素化的快速检索方法 | |
CN115047825A (zh) | 一种数控加工铣削实时显示的方法 | |
Li et al. | Reasoning mechanism: An effective data reduction algorithm for on-line point cloud selective sampling of sculptured surfaces | |
CN115937460A (zh) | 基于最优传输的保特征表面重建方法 | |
Wang et al. | Quick segmentation for complex curved surface with local geometric feature based on IGES and Open CASCADE | |
Livesu et al. | Loopy cuts: Surface-field aware block decomposition for Hex-meshing | |
CN110889903B (zh) | 一种基于切层策略的三维模型快速体素化方法 | |
Lu et al. | A surface division method of parts mesh model for on-machine inspection | |
Kholodilov et al. | Analysis of the Technology of Transfering a Three-Dimensional Model from Cad Format to the Control Code For 3D Printing | |
CN117172399B (zh) | 一种基于启发式算法的自动铺丝轨迹规划方法 | |
CN117576340A (zh) | 一种基于环切割与体细分的等几何高阶网格生成方法 | |
CN117473655B (zh) | 基于边坍缩网格优化的飞行器仿真驱动设计方法和装置 | |
CN114419055B (zh) | 一种基于高斯像的可展面分割-拟合方法 |
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 |