CN117252028A - 一种高能束切缝三维点云数据处理和流形建模方法 - Google Patents
一种高能束切缝三维点云数据处理和流形建模方法 Download PDFInfo
- Publication number
- CN117252028A CN117252028A CN202311329652.5A CN202311329652A CN117252028A CN 117252028 A CN117252028 A CN 117252028A CN 202311329652 A CN202311329652 A CN 202311329652A CN 117252028 A CN117252028 A CN 117252028A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cutting
- cloud data
- dimensional
- energy beam
- 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 49
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 238000005520 cutting process Methods 0.000 claims abstract description 438
- 238000012216 screening Methods 0.000 claims abstract description 49
- 239000000463 material Substances 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 24
- 238000010586 diagram Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 10
- 238000009826 distribution Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Laser Beam Processing (AREA)
Abstract
本发明提供一种高能束切缝三维点云数据处理和流形建模方法,涉及三维建模领域,包括:将两个相同的样块进行拼接,得到实验块,并采用高能束对准实验块的拼接面进行切割;其中,在切割后,每个样块在拼接面处具有切割痕迹;筛选出实验块的多层切割层分别对应的点云数据中的切割前沿点云数据;采用椭圆形和/或类椭圆形,对实验块的每一层切割层的切割前沿点云数据进行拟合,得到切割轮廓,切割轮廓至少包括轮廓坐标和特征信息;其中,每层切割层对应的切割轮廓为切割痕迹在该切割层的流形的横截面轮廓;将多层切割层各自对应的切割轮廓导入三维建模软件,使用放样命令构建所述高能束流形的三维模型。
Description
技术领域
本发明涉及三维建模领域,特别是涉及一种高能束切缝三维点云数据处理和流形建模方法。
背景技术
磨料水射流是通过高压泵将水加压,继而通过喷嘴将高压转化为高速,再混入颗粒磨料形成液固气复杂三相流。作为当前世界唯一一种冷态高能束加工技术,磨料水射流技术是近年来迅速发展起来的新型绿色无热影响的高能束加工技术,并在越来越多的领域得到广泛的应用。
不同于传统的切割刀具,水射流是一把“软刀子”,这把“软刀子”在加工材料过程中存在射流后拖、射流能量沿径向及轴向分布不均等问题,它的刀具形状(也就是射流流形)会随着参数和工况不同而随时变化。
然而目前对于水射流束的三维建模常用简单的圆柱体代替,或者从其二维特征数据建立三维模型,不能真实反映实际的流形,精确度和真实度较低。
发明内容
有鉴于此,本发明旨在提出一种高能束切缝三维点云数据处理和流形建模方法,以解决目前水射流等高能束柔性刀具的三维建模精确度和真实度较低的问题。
为达到上述目的,本发明的技术方案是这样实现的:
一种高能束切缝三维点云数据处理和流形建模方法,包括:
将两个相同的样块进行拼接,得到实验块,并采用高能束对准所述实验块的拼接面进行切割;其中,在切割后,每个所述样块在所述拼接面处具有切割痕迹;
筛选出所述实验块的多层切割层分别对应的点云数据中的切割前沿点云数据,其中,多层所述切割层为对所述样块对应的三维形貌点云数据在切割痕迹的深度方向上进行分层后得到的,所述切割前沿点云数据为贴近实际的高能束流形的切割痕迹形貌数据;
采用椭圆形和/或类椭圆形,对所述实验块的每一层切割层的切割前沿点云数据进行拟合,得到切割轮廓,所述切割轮廓至少包括轮廓坐标和特征信息;其中,每层所述切割层对应的切割轮廓为所述切割痕迹在该切割层的流形的横截面轮廓;
将多层所述切割层各自对应的切割轮廓导入三维建模软件,使用放样命令构建所述高能束流形的三维模型。
进一步地,所述筛选出所述实验块的多层切割层分别对应的点云数据中的切割前沿点云数据,包括:
获取所述实验块中每个所述样块的初始点云数据,所述初始点云数据至少包括每个所述样块的多个表面上的点云数据,多个所述表面至少包括上表面、下表面和所述拼接面;
对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型;其中,下一次筛选是在上一次筛选的基础上进行的,每次所述筛选用于去除与所述切割痕迹无关的点云数据;
在所述切割痕迹的深度方向上,按照预设距离间隔对所述目标点云三维模型进行分层,得到多层切割层;
分别基于每层所述切割层的点云数据,筛选出对应的切割前沿点云数据。
进一步地,所述实验块的初始点云数据是采用激光扫描方式获取的,所述对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型,包括:
基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型;
去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型;
针对所述筛选后的三维点云模型的每个拟合表面,与距离该表面第一预设距离以内的点云数据再次去除,以将所述激光扫描所获取的误差点云数据去除;
将再次进行三维拟合后的模型作为所述目标三维点云模型;
其中,所述第一预设距离是根据所述激光扫描的分辨率确定的。
进一步地,所述实验块的初始点云数据是采用激光扫描方式获取的,所述对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型,包括:
基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型;
去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型;
针对所述筛选后的三维点云模型的每个拟合表面,构建包围所述表面且具有预设厚度的包围盒,并对所述包围盒内的点云数据进行去除;
将去除所述包围盒内的点云数据后的模型作为所述目标三维点云模型;
其中,所述预设厚度是根据所述激光扫描的分辨率确定的。
进一步地,所述切割包括第一阶段和第二阶段,所述分别基于每层所述切割层的点云数据,筛选出对应的切割前沿点云数据,包括:
分别对每层所述切割层的点云数据进行拟合,得到两条互无交点的拟合直线;其中,同一层切割层的两条所述拟合直线之间具有垂直距离,所述垂直距离为所述切割痕迹在该层切割层的宽度;
将与对应的拟合直线之间的距离大于第二预设距离的点云数据,确定为该层切割层的切割前沿点云数据;以及
将与对应的拟合直线之间的距离小于或等于所述第二预设距离的点云数据,确定为切割侧壁点云数据,所述切割侧壁点云数据为所述第一阶段形成的,其中,所述第二阶段包括当前时刻,所述第一阶段包括所述第二阶段之前的任一时刻。
进一步地,所述预设距离间隔小于或等于所述实验块在所述切割痕迹的深度方向上的长度的五分之一。
进一步地,每层所述切割层的点云数据是采用激光扫描方式获取的,所述第二预设距离是根据所述激光扫描的分辨率确定的。
进一步地,所述采用高能束对准所述实验块的拼接面进行切割,包括:
分别在多种预设切割工况下,采用所述高能束对准所述实验块的拼接面进行切割;所述预设切割工况的参数包括:切割速度、切割压力、磨料输出速率、切割材料、材料厚度、喷嘴/磨料管大小、靶距、磨料种类、磨料目数中的至少一者;
所述方法还包括:
分别基于所述实验块在每一种所述预设切割工况下对应的点云数据,构建与该种预设切割工况对应的高能束流形的三维模型。
进一步地,在所述分别基于所述实验块在每一种所述预设切割工况下对应的点云数据,构建与该种切割工况对应的高能束流形的三维模型之后,所述方法还包括:
获取当前时刻下的实际切割工况;
将所述实际切割工况与多种所述预设切割工况进行匹配;
调取匹配的预设切割工况所对应的高能束流形的三维模型。
相对于现有技术,本发明所述的高能束切缝三维点云数据处理和流形建模方法具有以下优势:
本发明通过对每个切割后的样块的多层切割层的点云数据进行筛选,得到切割前沿点云数据,每层切割层对应的切割前沿点云数据为贴近实际的高能束流形在该层切割层的切割痕迹的形貌数据,又采用椭圆形和/或类椭圆形分别对多层切割层各自对应的切割前沿点云数据拟合得到切割轮廓,充分考虑了高能束流形在切割时的真实能量分布,使得拟合得到的每层切割层对应的切割轮廓极贴近真实的高能束流形在该切割层的切割轮廓。进而通过放样命令基于多层切割层各自对应的切割轮廓构建高能束流形的三维模型,使得得到的三维模型贴近真实的高能束流形,精确性和真实性较高。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了相关技术中采用水射流高能束切割透明工件材料的流形侧面示意图;
图2示出了相关技术中的高能束虚拟三维模型;
图3示出了本发明提供的一种高能束切缝三维点云数据处理和流形建模方法的步骤流程图;
图4示出了本发明提供的实验块点云数据处理的步骤流程图;
图5示出了本发明提供的得到目标三维点云模型的第一种步骤流程图;
图6示出了本发明提供的得到目标三维点云模型的第二种步骤流程图;
图7示出了本发明提供的确定切割前沿点云数据的步骤流程图;
图8示出了本发明提供的调取匹配实际切割工况的三维模型的步骤流程图;
图9示出了本发明提供的高能束切割实验块的示意图;
图10a示出了本发明提供的初始三维点云模型示意图;
图10b示出了本发明提供的点云数据筛选示意图;
图10c示出了本发明提供的目标三维点云模型示意图;
图10d示出了本发明提供的切割层分层示意图;
图11示出了本发明提供的切割层点云数据拟合示意图;
图12a示出了本发明提供的切割轮廓拟合示意图;
图12b示出了本发明提供的多层切割层所对应的切割轮廓示意图;
图13示出了本发明提供的构建高能束流形的三维模型示意图;
图14示出了本发明提供的在多种预设切割工况下构建的高能束的流形的三维模型;
图15示出了本发明提供的仿真测试示意图;
图16示出了本发明提供的高能束切缝三维点云数据处理和流形建模方法的流程示意图。
具体实施方式
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作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。
要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
磨料水射流是通过高压泵将水加压,继而通过喷嘴将高压转化为高速,再混入颗粒磨料形成液固气复杂三相流。作为当前世界唯一一种冷态高能束加工技术,磨料水射流技术是近年来迅速发展起来的新型绿色无热影响的高能束加工技术,并在越来越多的领域得到广泛的应用。随着数字孪生技术的发展,智能制造领域越来越关注虚拟仿真技术。可以通过在虚拟环境中建立对应机床实体的虚拟三维模型来进行制造过程模拟,不仅可以提前进行验证,还可以节约大量成本。但其中最核心和关键的问题在于,虚拟三维模型是否能够准确模拟。
对于传统刚性刀具(比如铣刀)而言,由于其刀具形状基本固定不变的,因此很容易建立其对应的虚拟三维模型。但与传统的切割刀具不同的是,水射流高能束是一把“软刀子”,参照图1,图1示出了相关技术中采用水射流高能束切割透明工件材料的流形侧面示意图,如图1所示,这把“软刀子”在加工材料过程中可能存在射流后拖、射流能量沿径向及轴向分布不均等问题,它的刀具形状(也就是射流流形)会随着参数和工况不同而随时变化,要建立其相对精确的虚拟三维模型是比较困难的。
并且,由于水射流束蕴含巨大能量,会破坏各种接触式采集设备,也难以在切割过程中实时测量,因此只能采用保留切缝形貌的方法进一步提取水射流流形特征。
然而,参照图2,图2示出了相关技术中的高能束虚拟三维模型,如图2所示,目前常用的仿真软件或建模软件中,常将高能束的虚拟三维模型简化为一个圆柱体,并不能真实反映高能束实际的流形。并且,相关技术中,多使用千分表或者三坐标测量仪等工具采集材料的切割痕迹内部的二维形貌信息,根据采集到的二维形貌信息进行拟合,得到多个圆形曲线,再将这些曲线特征组合成三维特征。然而,这样的形貌信息采集方式只能够采集到关键点,不能采集到材料的全貌,容易遗漏信息,拟合过程没有考虑水射流的真实能量分布,精确性和真实性较低。
因此,提高高能束切缝三维点云数据处理和流形建模的精确性和真实性已迫在眉睫。
参照图3,图3示出了本发明提供的一种高能束切缝三维点云数据处理和流形建模方法的步骤流程图,如图3所示,包括如下步骤:
步骤S101:将两个相同的样块进行拼接,得到实验块,并采用高能束对准所述实验块的拼接面进行切割;其中,在切割后,每个所述样块在所述拼接面处具有切割痕迹。
示例性地,参照图9,图9示出了本发明提供的高能束切割实验块的示意图,如图9所示,两个样块均为长方体,包括6个表面,如上表面、下表面、拼接面、以及其它面,其中,上表面为靠近水射流喷嘴且垂直于水射流延伸方向的表面,下表面为远离喷嘴且与上表面相对的表面,拼接面为两个样块贴合的表面。高能束在切割实验块时,按照上表面指向下表面的方向射入拼接面,在拼接面留下切割痕迹。切割后,将拼接的两个样块分离开来,得到两个切割后的样块。
需要说明的是,这里的两个相同的样块是指两个完全相同的样块,包括但不限于材料、尺寸、制备方式等。两个样块的拼接方式可以采用任一种能够将两个样块贴合固定的方式,例如螺栓固定。两个样块贴合的表面即为拼接面。
需要说明的是,采用高能束对准实验块的拼接面进行切割时,高能束的运动方向基于实际应用设置,例如由左至右、由右至左,在此不做限制。
本发明实施例通过采用高能束对由两个相同的样块进行拼接后得到的实验块的拼接面进行切割,使得拼接面保留完整的切割痕迹,进而能够采集到完整的切割痕迹点云数据,提高点云数据的准确性。
步骤S102:筛选出所述实验块的多层切割层分别对应的点云数据中的切割前沿点云数据,其中,多层所述切割层为对所述样块对应的三维形貌点云数据在切割痕迹的深度方向上进行分层后得到的,所述切割前沿点云数据为贴近实际的高能束流形的切割痕迹形貌数据。
点云数据是指目标表面上海量的特征点的集合,至少包括特征点的三维坐标。
针对切割后的实验块,将拼接的两个样块分离后,采集每个切割后的样块的全部点云数据,其中,拼接面的点云数据中包括切割痕迹的点云数据。对于样块的点云数据的采集可以采用激光扫描方式、深度相机采集方式、工业计算机断层成像技术等。
根据采集到的两个样块的点云数据,构建实验块的三维点云模型,在该模型的切割痕迹的深度方向上,按照预设距离间隔对模型进行分层,选取出多层切割层,在每层切割层各自的切割痕迹的点云数据中,筛选出每层切割层分别对应的切割前沿点云数据,切割前沿点云数据则为贴近实际的高能束流形的切割痕迹形貌数据。其中,对实验块的三维点云模型进行分层时,可以根据实际应用需求设置相邻两层切割层之间的预设距离间隔,预设距离间隔越小,得到的切割层越多,最终构建的高能束的三维模型越精确。然而切割层越多也代表数据量越大,对模型构建及仿真测试的数据处理能力的需求也越高。
其中,在筛选实验块每一层切割层对应的切割点云数据时,以实验块的拼接面为基准,分别对拼接面两侧的点云数据进行拟合,得到的两条互不相交的拟合直线分别位于拼接面的两侧,判断每层切割层的点云数据与对应侧的拟合直线之间的垂直距离,将垂直距离大于第二预设距离的点云数据确定为切割前沿点云数据,切割前沿点云数据为贴近实际的高能束流形的切割痕迹形貌的数据;将垂直距离小于或等于第二预设距离的点云数据确定为切割侧壁点云数据。
本发明实施例通过筛选出每个样块的多层切割层各自对应的切割前沿点云数据,使得选取出的点云数据更加贴近实际的水射流流形的切割痕迹形貌数据。
步骤S103:采用椭圆形和/或类椭圆形,对所述实验块的每一层切割层的切割前沿点云数据进行拟合,得到切割轮廓,所述切割轮廓至少包括轮廓坐标和特征信息;其中,每层所述切割层对应的切割轮廓为所述切割痕迹在该切割层的流形的横截面轮廓。
从能量分布角度认为高能束流形的横截面是类椭圆形,故而本发明实施例采用椭圆形和/或类椭圆形进行拟合,得到拟合曲线为高能束切割实验块时,在该切割层的实际切割轮廓,示例性地,参照图12a至图12b,图12a示出了本发明提供的切割轮廓拟合示意图。
需要说明的是,这里的轮廓坐标是指拟合得到的曲线的长轴和短轴的方向,特征信息是指长轴和短轴的属性特征。
本发明实施例通过使用椭圆形和/或类椭圆形对切割前沿点云数据进行拟合得到切割轮廓,相较于相关技术中使用圆形进行拟合,充分考虑了高能束的真实能量分布,使得切割轮廓更加贴近实际的高能束切割的轮廓,提高切割轮廓的精确性和真实性。
步骤S104:将多层所述切割层各自对应的切割轮廓导入三维建模软件,使用放样命令构建所述高能束流形的三维模型。
将步骤S103中得到的多层切割层各自对应的切割轮廓导入三维建模软件,以构建高能束的流形的三维模型。这里的三维建模软件为任一种可以进行三维建模的软件。
放样命令是指一种通过在轮廓之间进行过渡生成三维模型的三维建模软件常用功能。
示例性地,参照图12b至图13,图12b示出了本发明提供的多层切割层所对应的切割轮廓示意图,图13示出了本发明提供的构建高能束流形的三维模型示意图,如图12b至图13所示,将多层切割层对应的切割轮廓按照切割痕迹长度方向上的顺序导入三维建模软件,使用放样命令对相邻两层切割层对应的切割轮廓进行过渡并生成三维模型。
示例性地,参照图15,图15示出了本发明提供的仿真测试示意图,如图15所示,使用构建得到的高能束的流形的三维模型进行仿真测试能够取得更加真实精确的仿真结果。
本发明实施例通过放样命令拟合多层切割层各自对应的切割轮廓,得到高能束的流形的三维模型,通过数据处理填补了不同切割层上的切割轮廓之间的过渡,进一步提高了高能束三维模型的精确性和真实性。通过本发明实施例提供的高能束切缝三维点云数据处理和流形建模方法所构建的高能束的流形的三维模型贴近高能束的实际流形,可以被用于虚拟制造和数字孪生等技术中,从而使得虚拟切割仿真可以代替部分实体切割,摆脱实体切割各类限制和束缚,例如成本高、难以观测等。
本发明实施例所提供的高能束切缝三维点云数据处理和流形建模方法适用于多种切割工况,不仅适用于磨料水射流,还可以推广至具有类似“软刀子”特征的激光束和等离子束上,以构建激光束和等离子束等刀具各自对应的虚拟的三维模型。
在一些可选的实施例中,参照图4,图4示出了本发明提供的实验块点云数据处理的步骤流程图,如图4所示,上述步骤S102包括如下步骤S201至步骤S204:
步骤S201:获取所述实验块中每个所述样块的初始点云数据,所述初始点云数据至少包括每个所述样块的多个表面上的点云数据,多个所述表面至少包括上表面、下表面和所述拼接面(如图9所示)。
采用高能束切割实验块后,将拼接的两个样块分离开来,针对每个切割后的样块,获取其初始点云数据,并根据两个样块的初始点云数据,构建切割后的实验块的初始三维点云模型。
步骤S202:对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型;其中,下一次筛选是在上一次筛选的基础上进行的,每次所述筛选用于去除与所述切割痕迹无关的点云数据。
基于步骤S201构建的实验块的初始三维点云模型,进行至少一次筛选,以得到实验块的目标三维点云模型,目标三维点云模型至少包括实验块的多个表面,例如实验块的上表面、下表面以及拼接面等。
其中,在进行一次筛选的情况下,将一次筛选得到的三维点云模型作为实验块的目标三维点云模型。在进行多次筛选的情况下,示例性地,在第一次筛选得到的三维点云模型的基础上进一步对与切割痕迹无关的点云数据进行精简,也就是第二次筛选,以保留只与切割痕迹有关的点云数据,并将多次精简后的三维点云模型作为目标三维点云模型。
其中,在筛选时,可以手动划分出删除区域和保留区域,保留区域包括切割痕迹,将删除区域内的点云数据删除,以此筛选出切割前沿点云数据。还可以对切割痕迹进行标记,通过软件识别切割痕迹的标记,自动去除切割痕迹以外的点云数据。
步骤S203:在所述切割痕迹的深度方向上,按照预设距离间隔对所述目标点云三维模型进行分层,得到多层切割层。
基于步骤S202得到的实验块的目标三维点云模型,在切割痕迹的深度方向F1上,按照预设距离间隔,对目标三维点云模型进行分层,得到如图10d所示的切割层。
需要说明的是,这里的切割痕迹的深度方向F1是指高能束由喷嘴射向实验块底部的方向。示例性地,参照图10a,图10a示出了本发明提供的初始三维点云模型示意图,如图10a所示,切割痕迹的深度方向F1为A指向A’方向。
在对目标三维点云模型进行分层时,可以在目标切割深度位置形成虚拟平面,然后将该虚拟平面与距离该平面第三预设距离的点云数据进行拟合,得到切割层平面。还可以针对虚拟平面形成包围该虚拟平面且具有预设厚度的包围盒。其中,第三预设距离略大于或等于激光扫描的分辨率,例如,激光扫描的分辨率采用0.05,则第三预设距离可以为±0.05mm,也可以为±0.06mm、±0.07mm等。
步骤S204:分别基于每层所述切割层的点云数据,筛选出对应的切割前沿点云数据。
在筛选每层切割层所对应的切割前沿点云数据时,可以基于高能束的最后切割位置,在每层切割层的点云数据中筛选出最后切割位置处的点云数据作为切割前沿点云数据。还可以基于每层切割层的点云数据的分布情况,筛选出非直线分布的点云数据作为切割前沿点云数据。还可以对每层切割层的点云数据进行拟合,基于拟合出的拟合直线,筛选出距离该拟合直线第二预设距离的点云数据作为切割前沿点云数据。
本发明实施例通过基于实验块的初始点云数据,进行至少一次筛选,以筛选出与切割痕迹有关的点云数据,得到实验块的目标三维点云模型,如此使得实验块的目标三维点云模型最大程度地仅保留与切割痕迹有关的点云数据,一方面减少了在进行切割层的分层时需要处理的数据量,另一方面使得切割前沿点云数据的筛选更加准确。又通过对预设距离间隔的设置,调整高能束流形三维模型的精细化程度,提高了模型构建的灵活性。
在一些可选的实施例中,预设距离间隔小于或等于所述实验块在所述切割痕迹的深度方向上的长度的五分之一。
示例性地,实验块在切割痕迹的深度方向F1上的长度为40mm,则预设距离间隔小于或等于8mm,例如8mm、5mm、3mm等,根据实际建模精度需求灵活设置。
在一些可选的实施例中,实验块的初始点云数据是采用激光扫描方式获取的。其中,激光扫描仪器的参数包括分辨率,分辨率在一定程度上表征扫描结果的误差。
激光扫描是一种利用激光测距原理,通过记录被测物体表面大量的密集的点的三维坐标、反射率和纹理等信息,快速复建出被测目标的三维模型及线、面、体等各种数据的方法。
在具体实施中,上述步骤S202中获得实验块的目标三维点云模型的实现方式例如如下两种:
在第一种实现方式中,参照图5,图5示出了本发明提供的得到样块的目标三维点云模型的第一种步骤流程图,如图5所示,包括如下步骤:
步骤S301:基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型。
针对切割后的实验块,通过激光扫描方式获取实验块中两个样块的初始点云数据,基于两个样块的初始点云数据,重建实验块的初始三维点云模型,初始三维点云模型包括实验块的拟合上表面、拟合下表面、以及拟合拼接面。
步骤S302:去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型。
对初始三维点云模型进行粗分割,以切割痕迹为基准,将拟合下表面按照拟合下表面指向拟合上表面的方向进行缩进,以及,将拟合拼接面的左右两侧向内缩进,缩进的距离根据实际应用灵活设置,以此将初始三维模型中与切割痕迹无关的点云数据删除,得到如图10a所示的筛选后的三维点云模型。
步骤S303:针对所述筛选后的三维点云模型的每个拟合表面,与距离该表面第一预设距离以内的点云数据再次去除,以将所述激光扫描所获取的误差点云数据去除;其中,所述第一预设距离是根据所述激光扫描的分辨率确定的。
步骤S304:将再次进行三维拟合后的模型作为所述目标三维点云模型。
示例性地,如图9所示,本发明所使用的样块的长方体,样块实体包括6个表面,则样块的拟合三维模型也包括6个表面。
对筛选后的三维点云模型进行精分割,示例性地,参照图10b,图10b示出了本发明提供的点云数据筛选示意图,如图10b所示,针对拟合三维模型的每个表面,将其与距离该表面第一预设距离以内的点云数据再次进行去除,该第一预设距离的数值略大于或等于激光扫描的分辨率相同,例如,激光扫描的分辨率采用0.05,则第一预设距离可以为±0.05mm,以此将激光扫描误差范围内所有可能是拟合表面的点云数据去除,得到如图10c所示的目标三维点云模型。
本发明实施例针对完整的切割痕迹的三维点云数据,提供了规范且适用的点云分割方法,能够准确筛选去除与切割痕迹无关的点云数据,保留下用于后续处理的切割痕迹的点云数据。通过对实验块的初始三维点云模型多次筛选,以使得到目标三维点云模型保留只与切割痕迹有关的点云数据,减少后续步骤的数据处理量,又通过基于激光扫描分辨率进行拟合以去除误差点云数据,进一步提升了数据的精确性。
在第二种实现方式中,参照图6,图6示出了本发明提供的得到样块的目标三维点云模型的第二种步骤流程图,如图6所示,包括如下步骤:
步骤S401:基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型。
步骤S401的实施方式与上述步骤S301相同,在此不再赘述。
步骤S402:去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型。
步骤S402的实施方式与上述步骤S302相同,在此不再赘述。
步骤S403:针对所述筛选后的三维点云模型的每个拟合表面,构建包围所述表面且具有预设厚度的包围盒,并对所述包围盒内的点云数据进行去除;其中,所述预设厚度是根据所述激光扫描的分辨率确定的。
步骤S404:将去除所述包围盒内的点云数据后的模型作为所述目标三维点云模型。
对筛选后的三维点云模型进行精分割,针对筛选后的三维点云模型的每个表面,构建包围该表面且具有预设厚度的包围盒,该预设厚度是根据激光扫描的分辨率决定的,例如,激光扫描的分辨率采用0.05,则预设厚度为0.1mm,相当于分别在该表面的两侧距离该表面0.05mm的位置构建虚拟平面,根据两侧的虚拟平面构建包围盒,以此将激光扫描误差范围内可能是该表面的点云数据去除。得到如图10c所示的目标三维模型。
本发明实施例通过基于激光扫描分辨率进行拟合以去除误差点云数据,进一步提升了数据的精确性。
在一些可选的实施例中,高能束切割实验块的过程包括第一阶段和第二阶段,第二阶段包括当前时刻,第一阶段包括第二阶段之前的任一时刻。
示例性地,高能束由左至右移动对实验块进行切割,当前时刻T1高能束运动至位置D1,则第二阶段为当前时刻T1,第一阶段包括高能束从起点到位置D1的任一时刻。
在一些可选的实施例中,参照图7,图7示出了本发明提供的确定切割前沿点云数据的步骤流程图,如图7所示,上述步骤S204包括如下步骤:
步骤S501:分别对每层所述切割层的点云数据进行拟合,得到两条互无交点的拟合直线;其中,同一层切割层的两条所述拟合直线之间具有垂直距离,所述垂直距离为所述切割痕迹在该层切割层的宽度。
参照图11,图11示出了本发明提供的切割层点云数据拟合示意图,如图11所示,以实验块的拼接面与切割层平面的交线为基准,分别对拼接面两侧的点云数据进行拟合,得到的两条互不相交的拟合直线分别位于拼接面的两侧。
示例性地,实验块拼接面左侧的切割层1的点云数据拟合后得到拟合直线A,实验块拼接面右侧的切割层1的点云数据拟合后得到拟合直线B。
步骤S502:将与对应的拟合直线之间的距离大于第二预设距离的点云数据,确定为该层切割层的切割前沿点云数据。
将每层切割层的点云数据中与其对应侧的拟合直线之间的距离大于第二预设距离的点云数据,确定为该层切割层的切割前沿点云数据,其中,切割前沿点云数据是切割过程中第二阶段形成的,也就是当前时刻形成的,由于高能束的切割痕迹是多个时刻的高能束不断累加造成的结果,切割前沿点云没有被其它时刻的水射流能量干涉,故而最贴近实际水射流流形的切割形貌。示例性地,针对切割层1中位于实验块拼接面左侧的点云数据,确定其与左侧的拟合直线A之间的距离,将距离大于第二预设距离的点云数据,确定为切割层1中拼接面左侧的切割前沿点云数据;针对位于拼接面右侧的点云数据,确定其与右侧的拟合直线B之间的距离,将距离大于第二预设距离的点云数据,确定为切割层1中拼接面右侧的切割前沿点云数据。拼接面左侧的切割前沿点云数据与右侧的切割前沿点云数据整体构成实验块切割层1的切割前沿点云数据,其分布满足类椭圆形/椭圆形的前端形状。
步骤S503:将与对应的拟合直线之间的距离小于或等于所述第二预设距离的点云数据,确定为切割侧壁点云数据,所述切割侧壁点云数据为所述第一阶段形成的。
将每层切割层的点云数据中与其对应侧的拟合直线之间的距离小于或等于第二预设距离的点云数据,确定为该层切割层的切割侧壁点云数据,其中,切割侧壁点云是第一阶段形成的,是当前时刻之前的时段内积累形成的。示例性地,针对切割层1中位于实验块拼接面左侧的点云数据,确定其与左侧的拟合直线A之间的距离,将距离小于或等于第二预设距离的点云数据,确定为切割层1中拼接面左侧的切割侧壁点云数据;针对位于拼接面右侧的点云数据,确定其与右侧的拟合直线B之间的距离,将距离小于或等于第二预设距离的点云数据,确定为切割层1中拼接面右侧的切割侧壁点云数据。
本发明实施例针对每层切割层的点云数据,提供了规范且适用的点云分割方法,筛选去除切割侧壁点云数据,保留下用于后续处理的切割前沿点云数据。通过拟合直线确定切割前沿点云数据和切割侧壁点云数据,将当前时刻切割所形成的切割前沿点云数据筛选出来,使得后续构建的高能束的三维模型精确度更高。
在一些可选的实施例中,每层切割层的点云数据是采用激光扫描方式获取的,第二预设距离是根据激光扫描的分辨率确定的。
示例性地,第二预设距离的数值与激光扫描的分辨率数值相同,例如激光扫描的分辨率可以采用0.05,则第二预设距离可以为0.05mm。当然,实际中也可以采用其他的分辨率,第二预设距离也可以为与其他的分辨率数值相同的值。
本发明实施例通过基于激光扫描分辨率确定第二预设距离以去除误差点云数据,进一步提升了数据的精确性。
在一些可选的实施例中,上述步骤S101步骤包括如下子步骤A1:
子步骤A1:分别在多种预设切割工况下,采用所述高能束对准所述实验块的拼接面进行切割;所述预设切割工况的参数包括:切割速度、切割压力、磨料输出速率、切割材料、材料厚度、喷嘴/磨料管大小、靶距、磨料种类、磨料目数中的至少一者。
预设切割工况是指预先设定好参数数值的切割工况,可以包括上述参数中的一者或多者,例如预设切割工况1的参数包括切割速度,预设切割工况2包括切割速度和切割压力。
进一步地,每种预设切割工况的参数包括多个档位,参数的数值由低档位至高档位依次减小,例如切割速度工况包括一档切割速度、二档切割速度、三档切割速度、四档切割速度和五档切割速度,切割速度由一档至五档依次减小。则预设切割工况还可以细化为包括一个目标档位的参数或多个目标档位的参数,例如,预设切割工况3的参数包括一档切割速度,预设切割工况2包括一档切割速度和一档切割压力。
在一些可选的实施例中,本公开所提供的高能束切缝三维点云数据处理和流形建模方法还包括如下步骤A2:
步骤A2:分别基于所述实验块在每一种所述预设切割工况下对应的点云数据,构建与该种预设切割工况对应的高能束流形的三维模型。
提供多个由两个相同的样块拼接得到的实验块,每个实验块对应采用一种预设切割工况对拼接面进行切割,获取每个切割后样块的初始点云数据,以基于该初始点云数据构建对应的高能束的流形的三维模型。其中,基于该初始点云数据构建对应的高能束的流形的三维模型的方法与上述任一实施例所述的高能束切缝三维点云数据处理和流形建模方法相同,在此不再赘述。
参照图14,图14示出了本发明提供的在多种预设切割工况下构建的高能束的流形的三维模型,如图14所示,根据每一种预设切割工况下对应的实验块的点云数据,构建出该种预设切割工况对应的高能束流形的三维模型。构建出的各个预设切割工况对应的三维模型存储于数据库中,以供取用。
本公开实施例通过构建多种预设切割工况各自对应的高能束流形的三维模型,克服了传统的建模方式泛用性差的缺陷,预先构建的模型随时取用,提高了仿真测试效率。
在一种可选的实施例中,参照图8,图8示出了本发明提供的调取匹配实际切割工况的三维模型的步骤流程图,如图8所示,在上述步骤A2之后,还包括如下步骤:
步骤S601:获取当前时刻下的实际切割工况。
步骤S602:将所述实际切割工况与多种所述预设切割工况进行匹配。
步骤S603:调取匹配的预设切割工况所对应的高能束流形的三维模型。
实际切割工况是指实际进行切割实验或切割作业时的实时切割工况。
基于预先构建的多种预设切割工况各自对应的高能束流形的三维模型,在进行切割实验或切割作业时,由于水射流束在切割过程中不同工况下流形形状各异,具有时变性,需要实时获取当前时刻下的实际切割工况的目标参数的数值,将实际切割工况的目标参数的数值与多种预设切割工况进行匹配,在预设切割工况所包含参数与目标参数一致、且该参数的档位与目标参数的数值一致,则判断该预设切割工况与实际切割工况匹配。然后调取出匹配的预设切割工况所对应的高能束的流形的三维模型以供使用。
如此,一方面提高模型使用的泛用性和灵活性,另一方面提高实验或测试结果的准确性。
下面以一个示例对本发明所提供的高能束切缝三维点云数据处理和流形建模方法进行详细说明:
参照图16,图16示出了本发明提供的高能束切缝三维点云数据处理和流形建模方法的流程示意图,如图16所示,采用高能束对由两个相同的样块进行拼接后得到的实验块的拼接面进行切割,拼接面包括切割痕迹。针对每个切割后的样块,通过激光扫描方式获取该样块的初始点云数据,基于初始点云数据,重建得到实验块的初始三维点云模型,初始三维点云模型包括拟合上表面、拟合下表面以及拟合拼接面。
对初始三维点云模型进行粗分割,以切割痕迹为基准,将拟合下表面按照拟合下表面指向拟合上表面的方向进行缩进,以及,将拟合拼接面的左右两侧向内缩进,缩进的距离根据实际应用灵活设置,以此将初始三维点云模型中与切割痕迹无关的点云数据删除,得到筛选后的三维点云模型。
对筛选后的三维点云模型进行精分割,精分割可以采用将筛选后的三维点云模型的每个表面,与距离该表面±0.05mm的点云数据再次进行拟合的方式;还可以采用针对每个表面,构建包围该表面且厚度为0.1mm的包围盒的方式。
针对实验块的目标三维点云模型,在切割痕迹的深度方向F1上,按照5mm的距离间隔,对目标三维点云模型进行分层。在对目标三维点云模型进行分层时,可以在目标切割深度位置形成虚拟平面,然后将该虚拟平面与距离该平面第三预设距离的点云数据进行拟合,得到切割层平面。还可以针对虚拟平面形成包围该虚拟平面且具有预设厚度的包围盒。
如图11所示,针对每一层切割成,对位于实验块拼接面左侧的点云数据进行拟合,得到拟合直线A,对位于实验块拼接面右侧的点云数据进行拟合,得到拟合直线B。将拼接面左侧的点云数据中与拟合直线A之间的距离大于0.05mm的点云数据,确定为该层切割层左侧的切割前沿点云数据。将拼接面左侧的点云数据中与拟合直线A之间的距离小于或等于0.05mm的点云数据,确定为该层切割层的左侧的切割侧壁点云数据。将拼接面右侧的点云数据中与拟合直线B之间的距离大于0.05mm的点云数据,确定为该层切割层右侧的切割前沿点云数据。将拼接面右侧的点云数据中与拟合直线B之间的距离小于或等于0.05mm的点云数据,确定为该层切割层右侧的切割侧壁点云数据。
采用椭圆形和/或类椭圆形对实验块的每层切割层的切割前沿点云数据进行拟合,得到每层切割层对应的切割轮廓。将各层切割层对应的切割轮廓导入三维建模软件使用放样命令构建高能束的流形的三维模型。
基于同一发明构思,本发明实施例还提供一种高能束切缝三维点云数据处理和流形建模装置,包括:
切割模块,用于将两个相同的样块进行拼接,得到实验块,并采用高能束对准所述实验块的拼接面进行切割;其中,在切割后,每个所述样块在所述拼接面处具有切割痕迹;
第一筛选模块,用于筛选出所述实验块的多层切割层分别对应的点云数据中的切割前沿点云数据,其中,多层所述切割层为对所述样块对应的三维形貌点云数据在切割痕迹的深度方向上进行分层后得到的,所述切割前沿点云数据为贴近实际的高能束流形的切割痕迹形貌数据;
轮廓拟合模块,用于采用椭圆形和/或类椭圆形,对所述实验块的每一层切割层的切割前沿点云数据进行拟合,得到切割轮廓,所述切割轮廓至少包括轮廓坐标和特征信息;其中,每层所述切割层对应的切割轮廓为所述切割痕迹在该切割层的流形的横截面轮廓;
导入模块,用于将多层所述切割层各自对应的切割轮廓导入三维建模软件,使用放样命令构建所述高能束流形的三维模型。
在一些可选的实施例中,所述第一筛选模块,包括:
第一获取模块,用于获取所述实验块中每个所述样块的初始点云数据,所述初始点云数据至少包括每个所述样块的多个表面上的点云数据,多个所述表面至少包括上表面、下表面和所述拼接面;
第二筛选模块,用于对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型;其中,下一次筛选是在上一次筛选的基础上进行的,每次所述筛选用于去除与所述切割痕迹无关的点云数据;
分层模块,用于在所述切割痕迹的深度方向上,按照预设距离间隔对所述目标点云三维模型进行分层,得到多层切割层;
第三筛选模块,用于分别基于每层所述切割层的点云数据,筛选出对应的切割前沿点云数据。
在一些可选的实施例中,所述第二筛选模块,包括:
第一三维重建模块,用于基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型;
第一去除模块,用于去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型;
第二去除模块,用于针对所述筛选后的三维点云模型的每个拟合表面,与距离该表面第一预设距离以内的点云数据再次去除,以将所述激光扫描所获取的误差点云数据去除;
第一确定模块,用于将再次进行三维拟合后的模型作为所述目标三维点云模型;
其中,所述第一预设距离是根据所述激光扫描的分辨率确定的。
在一些可选的实施例中,所述第二筛选模块,包括:
第二三维重建模块,用于基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型;
第三去除模块,用于去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型;
包围盒构建模块,用于针对所述筛选后的三维点云模型的每个拟合表面,构建包围所述表面且具有预设厚度的包围盒,并对所述包围盒内的点云数据进行去除;
第二确定模块,用于将去除所述包围盒内的点云数据后的模型作为所述目标三维点云模型;
其中,所述预设厚度是根据所述激光扫描的分辨率确定的。
在一些可选的实施例中,所述第三筛选模块,包括:
直线拟合模块,用于分别对每层所述切割层的点云数据进行拟合,得到两条互无交点的拟合直线;其中,同一层切割层的两条所述拟合直线之间具有垂直距离,所述垂直距离为所述切割痕迹在该层切割层的宽度;
第三确定模块,用于将与对应的拟合直线之间的距离大于第二预设距离的点云数据,确定为该层切割层的切割前沿点云数据;以及
第四确定模块,用于将与对应的拟合直线之间的距离小于或等于所述第二预设距离的点云数据,确定为切割侧壁点云数据,所述切割侧壁点云数据为所述第一阶段形成的,其中,所述第二阶段包括当前时刻,所述第一阶段包括所述第二阶段之前的任一时刻。
在一些可选的实施例中,所述切割模块,包括:
切割子模块,用于分别在多种预设切割工况下,采用所述高能束对准所述实验块的拼接面进行切割;所述预设切割工况的参数包括:切割速度、切割压力、磨料输出速率、切割材料、材料厚度、喷嘴/磨料管大小、靶距、磨料种类、磨料目数中的至少一者;
在一些可选的实施例中,所述装置还包括:
构建模块,用于分别基于所述实验块在每一种所述预设切割工况下对应的点云数据,构建与该种预设切割工况对应的高能束流形的三维模型。
在一些可选的实施例中,所述构建模块,包括:
第二获取模块,用于获取当前时刻下的实际切割工况;
匹配模块,用于将所述实际切割工况与多种所述预设切割工况进行匹配;
调取模块,用于调取匹配的预设切割工况所对应的高能束流形的三维模型。
基于同一发明构思,本发明实施例还提供一种电子设备,包括:
处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一实施方式所述的高能束切缝三维点云数据处理和流形建模方法。
基于同一发明构思,本发明实施例还提供一种计算机可读存储介质,包括:当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如上述任一实施方式所述的高能束切缝三维点云数据处理和流形建模方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和部件并不一定是本发明所必须的。
以上对本发明所提供的一种高能束切缝三维点云数据处理和流形建模方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种高能束切缝三维点云数据处理和流形建模方法,其特征在于,所述方法包括:
将两个相同的样块进行拼接,得到实验块,并采用高能束对准所述实验块的拼接面进行切割;其中,在切割后,每个所述样块在所述拼接面处具有切割痕迹;
筛选出所述实验块的多层切割层分别对应的点云数据中的切割前沿点云数据,其中,多层所述切割层为对所述样块对应的三维形貌点云数据在切割痕迹的深度方向上进行分层后得到的,所述切割前沿点云数据为贴近实际的高能束流形的切割痕迹形貌数据;
采用椭圆形和/或类椭圆形,对所述实验块的每一切割层的切割前沿点云数据进行拟合,得到切割轮廓,所述切割轮廓至少包括轮廓坐标和特征信息;其中,每层所述切割层对应的切割轮廓为所述切割痕迹在该切割层的流形的横截面轮廓;
将多层所述切割层各自对应的切割轮廓导入三维建模软件,使用放样命令构建所述高能束流形的三维模型。
2.根据权利要求1所述的高能束切缝三维点云数据处理和流形建模方法,其特征在于,所述筛选出所述实验块的多层切割层分别对应的点云数据中的切割前沿点云数据,包括:
获取所述实验块中每个所述样块的初始点云数据,所述初始点云数据至少包括每个所述样块的多个表面上的点云数据,多个所述表面至少包括上表面、下表面和所述拼接面;
对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型;其中,下一次筛选是在上一次筛选的基础上进行的,每次所述筛选用于去除与所述切割痕迹无关的点云数据;
在所述切割痕迹的深度方向上,按照预设距离间隔对所述目标点云三维模型进行分层,得到多层切割层;
分别基于每层所述切割层的点云数据,筛选出对应的切割前沿点云数据。
3.根据权利要求2所述的高能束切缝三维点云数据处理和流形建模方法,其特征在于,所述实验块的初始点云数据是采用激光扫描方式获取的,所述对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型,包括:
基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型;
去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型;
针对所述筛选后的三维点云模型的每个拟合表面,与距离该表面第一预设距离以内的点云数据再次去除,以将所述激光扫描所获取的误差点云数据去除;
将再次进行三维拟合后的模型作为所述目标三维点云模型;
其中,所述第一预设距离是根据所述激光扫描的分辨率确定的。
4.根据权利要求2所述的高能束切缝三维点云数据处理和流形建模方法,其特征在于,所述实验块的初始点云数据是采用激光扫描方式获取的,所述对所述初始点云数据,进行至少一次筛选,以得到所述实验块的目标三维点云模型,包括:
基于所述初始点云数据,对所述实验块进行三维重建,得到所述实验块的初始三维点云模型;
去除所述初始三维点云模型中与所述切割痕迹无关的点云数据,得到筛选后的三维点云模型;
针对所述筛选后的三维点云模型的每个拟合表面,构建包围所述表面且具有预设厚度的包围盒,并对所述包围盒内的点云数据进行去除;
将去除所述包围盒内的点云数据后的模型作为所述目标三维点云模型;
其中,所述预设厚度是根据所述激光扫描的分辨率确定的。
5.根据权利要求2所述的高能束切缝三维点云数据处理和流形建模方法,其特征在于,所述切割包括第一阶段和第二阶段,所述分别基于每层所述切割层的点云数据,筛选出对应的切割前沿点云数据,包括:
分别对每层所述切割层的点云数据进行拟合,得到两条互无交点的拟合直线;其中,同一层切割层的两条所述拟合直线之间具有垂直距离,所述垂直距离为所述切割痕迹在该层切割层的宽度;
将与对应的拟合直线之间的距离大于第二预设距离的点云数据,确定为该层切割层的切割前沿点云数据;以及
将与对应的拟合直线之间的距离小于或等于所述第二预设距离的点云数据,确定为切割侧壁点云数据,所述切割侧壁点云数据为所述第一阶段形成的,其中,所述第二阶段包括当前时刻,所述第一阶段包括所述第二阶段之前的任一时刻。
6.根据权利要求2所述的高能束切缝三维点云数据处理和流形建模方法,其特征在于,所述预设距离间隔小于或等于所述实验块在所述切割痕迹的深度方向上的长度的五分之一。
7.根据权利要求5所述的方法,其特征在于,每层所述切割层的点云数据是采用激光扫描方式获取的,所述第二预设距离是根据所述激光扫描的分辨率确定的。
8.根据权利要求1所述的高能束切缝三维点云数据处理和流形建模方法,其特征在于,所述采用高能束对准所述实验块的拼接面进行切割,包括:
分别在多种预设切割工况下,采用所述高能束对准所述实验块的拼接面进行切割;所述预设切割工况的参数包括:切割速度、切割压力、磨料输出速率、切割材料、材料厚度、喷嘴/磨料管大小、靶距、磨料种类、磨料目数中的至少一者;
所述方法还包括:
分别基于所述实验块在每一种所述预设切割工况下对应的点云数据,构建与该种预设切割工况对应的高能束流形的三维模型。
9.根据权利要求8所述的高能束切缝三维点云数据处理和流形建模方法,其特征在于,在所述分别基于所述实验块在每一种所述预设切割工况下对应的点云数据,构建与该种切割工况对应的高能束流形的三维模型之后,所述方法还包括:
获取当前时刻下的实际切割工况;
将所述实际切割工况与多种所述预设切割工况进行匹配;
调取匹配的预设切割工况所对应的高能束流形的三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311329652.5A CN117252028A (zh) | 2023-10-13 | 2023-10-13 | 一种高能束切缝三维点云数据处理和流形建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311329652.5A CN117252028A (zh) | 2023-10-13 | 2023-10-13 | 一种高能束切缝三维点云数据处理和流形建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252028A true CN117252028A (zh) | 2023-12-19 |
Family
ID=89127717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311329652.5A Pending CN117252028A (zh) | 2023-10-13 | 2023-10-13 | 一种高能束切缝三维点云数据处理和流形建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252028A (zh) |
-
2023
- 2023-10-13 CN CN202311329652.5A patent/CN117252028A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110126279B (zh) | 一种面向曲面3d打印的随形切层及路径规划方法 | |
JP5703396B2 (ja) | 減数された測定点による公差評価 | |
US7406361B2 (en) | Rapid prototyping method and apparatus using V-CAD data | |
Nelaturi et al. | Manufacturability feedback and model correction for additive manufacturing | |
WO2018059155A1 (zh) | 带有几何误差的三维实体模型的构建方法及计算机可读存储介质 | |
KR101497260B1 (ko) | 형상 계측 방법 | |
CN103453849B (zh) | 多光学传感器协同的复杂曲面零件三维测量方法与系统 | |
Hu | Study on STL-based slicing process for 3D printing | |
Vaidya et al. | Image processing assisted tools for pre-and post-processing operations in additive manufacturing | |
CN112581623B (zh) | 一种面向stl文件的三维模型预处理方法及系统 | |
Feng et al. | Direct slicing of T-spline surfaces for additive manufacturing | |
CN111595264A (zh) | 一种数字化快速检测分析砂芯的方法 | |
CN111947595A (zh) | 一种基于三维激光扫描的船舶外板逆向建模实现方法 | |
US7333104B2 (en) | Method and program of converting three-dimensional shape data into cell internal data | |
KR101592209B1 (ko) | 측정 데이터 기반 블록 정도 분석 시뮬레이션 시스템, 방법 및 기록매체 | |
CN115033999A (zh) | 涡轮盘斜榫槽轮廓尺寸扫描检测及三维评价方法及装置 | |
CN117252028A (zh) | 一种高能束切缝三维点云数据处理和流形建模方法 | |
JP2010061259A (ja) | 3次元立体形状データ変換装置および変換方法 | |
US20240078764A1 (en) | Method for creating a 3d digital model of one or more aircraft elements in order to produce augmented reality images | |
CN110006374A (zh) | 一种通过多维插值获取图像基准的cfrp粗糙度测量方法 | |
Pham et al. | Reverse engineering–hardware and software | |
Navangul | Stereolithography (STL) file modification by vertex translation algorithm (VTA) for precision layered manufacturing | |
Patel et al. | Stitching and filling: Creating conformal faceted geometry | |
Chow | Reproducing aircraft structural components using laser scanning | |
CN105549538B (zh) | 微棱镜反光模具cam系统 |
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 |