CN1558352A - 面向网络基于分治策略的加工特征识别方法 - Google Patents
面向网络基于分治策略的加工特征识别方法 Download PDFInfo
- Publication number
- CN1558352A CN1558352A CNA2004100158276A CN200410015827A CN1558352A CN 1558352 A CN1558352 A CN 1558352A CN A2004100158276 A CNA2004100158276 A CN A2004100158276A CN 200410015827 A CN200410015827 A CN 200410015827A CN 1558352 A CN1558352 A CN 1558352A
- Authority
- CN
- China
- Prior art keywords
- face
- subdivision
- decomposition
- limit
- feature
- 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 46
- 238000012545 processing Methods 0.000 title abstract description 5
- 238000003754 machining Methods 0.000 claims abstract description 26
- 238000000354 decomposition reaction Methods 0.000 claims description 66
- 230000008569 process Effects 0.000 claims description 10
- 241001232809 Chorista Species 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001502050 Acis Species 0.000 description 1
- 238000000627 alternating current impedance spectroscopy Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000699 topical effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种面向网络基于分治策略的加工特征识别方法。它首先将需要进行加工特征识别的复杂零件在异地进行剖分，并将剖分出的分解体逐一传送到本地；然后用基于最小条件子图的特征识别方法对剖分得到的分解体依次进行特征识别并将识别出的特征根据它们与剖分平面的关系进行分类；接下来对分解特征的边界表示进行合并，在合并时对剖分过程中丢失的面、边、点进行重构，生成完整的分解特征边界表示；最后对分解特征进行再识别，生成最终的零件特征模型。本发明旨在提高特征识别方法处理高度复杂零件的能力。其优点在于：通过将复杂零件转化为简单分解体进行特征识别，有效地降低了特征识别对象的复杂度；通过对丢失面、丢失边和丢失点进行重建，保证最终识别结果的正确性；通过分而治之显著提高了网络化加工特征识别的效率。
Description
技术领域
本发明涉及一种面向网络基于分治策略的加工特征识别方法
背景技术
特征技术是CAD研究和应用中的重要内容。经过二十多年的发展，特征技术的研究取得了很大成就并在实际生产设计中得到了广泛使用。加工特征识别是特征技术的核心内容之一，用于从产品的实体模型出发自动识别出其中具有加工意义的几何形状，即加工特征，生成产品的加工特征模型。由于加工特征识别是实现CAD/CAM无缝集成的有效途径，因此一直受到人们的重视，这方面的研究工作和研究成果颇为丰富。然而与实用要求相比，现有的加工特征识别方法还存在着一定差距。存在差距的原因之一就是处理高度复杂零件的能力不强。
当识别的零件比较复杂时，现有特征识别方法的识别速度往往很不理想。面对高度复杂的CAD模型，比如其存储文件大小达到了20兆甚至更大，现有的特征识别程序仅仅把零件模型读入到内存中就要用几十分钟甚至更长的时间，对它进行特征识别的过程则更将消耗大量的内存和时间，甚至根本无法进行。
Nagesh Belludi和Derek Yip-Hoi提出了一种基于零件的VRML模型进行特征识别的方法，其目的是用零件近似的VRML模型代替其精确的边界表示，以降低零件模型读入文件的大小，并减少网络传输时间。该方法首先从VRML模型中重建零件的边界表示；然后用基于图匹配的特征识别算法确定特征以及相应的参数；最后，如果有特征面的参数不能从面片模型中正确提取，则从零件模型中生成相应局部区域的STEP文件，把这个文件转化为ACIS的SAT文件，用来提取精确的参数。
发明内容
本发明的目的是提供一种面向网络基于分治策略的加工特征识别方法
它首先将需要进行加工特征识别的复杂零件在异地进行剖分，并将剖分出的分解体逐一传送到本地；然后用基于最小条件子图的特征识别方法对剖分得到的分解体依次进行特征识别并将识别出的特征根据它们与剖分平面的关系进行分类；接下来对分解特征的边界表示进行合并，在合并时对剖分过程中丢失的面、边、点进行重构，生成完整的分解特征边界表示；最后对分解特征进行再识别，生成最终的零件特征模型。
所说的重构为对一特征在剖分过程中丢失的面、边、点进行的重构，是基于开边、开点所进行的重构。对分解特征进行的再识别为局部特征识别。
本发明旨在提高特征识别方法处理高度复杂零件的能力。其优点是：1)通过将复杂零件转化为简单分解体进行特征识别，有效地降低了特征识别对象的复杂度；2)通过对丢失面、丢失边和丢失点进行重建，保证最终识别结果的正确性；3)通过分而治之显著提高了网络化加工特征识别的效率，这是因为本发明将复杂零件模型分解为简单的分解体逐一传送，并在接收到每一分解体时立即开始特征识别，从而能大大降低网络延滞。
附图说明
图1是面向网络基于分治策略的加工特征识别方法流程图；
图2是用于对复杂零件进行分割的剖分平面示意图；
图3是零件剖分示意图；
图4是分解特征的壳体生成示意图；
图5是分解特征的合并示意图，图中：(a)是无丢失面的情况、(b)是有丢失面的情况；
图6是一个剖分面上的分离边界示意图，图中：(a)所示是两个分离体、(b)所示是两个分离体在剖分面上的边界、(c)所示是最终的分离边界；
图7是分解特征的丢失边的构造示意图，图中：(a)是开点序列示意图、(b)是丢失边示意图；
图8是所有可能的丢失点示意图；
图9是添加分解特征丢失点的示意图，图中：(a)所示是零件模型、(b)所示是分解体、(c)是壳体中的开点和丢失点的示意图；
图10是一个复杂零件的剖分图；
图11是从复杂零件的所有分解体中识别出的所有正常特征图；
图12是从复杂零件的所有分解体中识别出的所有分解特征图；
图13是复杂零件的相关分解特征壳体合并后的结果图；
图14是丢失面重建之后的分解特征图；
图15是复杂零件的最终特征识别结果图。
具体实施方式
基于分治策略的加工特征识别方法的核心思想是，通过将难以处理的高度复杂零件剖分为若干分解体分别进行特征识别，以大大降低特征识别方法实际处理模型的复杂度，最后通过综合所有分解体的特征识别结果得到原始零件的加工特征模型。该方法是面向网络化制造设计的，即假设需要识别的零件模型需要从异地通过网络传送过来。方法以基于最小条件子图的加工特征识别方法为基础。
图1是方法的基本流程描述。该方法首先将需要进行加工特征识别的复杂零件在异地进行剖分，并将剖分出的分解体逐一传送到本地；然后用基于最小条件子图的特征识别方法对剖分得到的分解体依次进行特征识别并将识别出的特征根据它们与剖分平面的关系进行分类；接下来对被剖分特征的边界表示进行合并，这里由于在零件的剖分过程中会丢失零件模型中的一些面，因此需要构造出这些丢失面从而形成完整的被剖分特征的边界表示；最后对被剖分特征进行再识别，生成最终的零件特征模型。下面，我们逐步介绍本发明提出的方法。
1零件的剖分与传输
对于需要通过网络传送过来进行加工特征识别的复杂零件，为了降低其复杂度以便特征识别方法能够进行有效处理，同时减少特征识别算法的等待时间，我们首先根据需要对其进行剖分，然后将剖分出的分解体逐一通过网络进行传送。具体步骤如下：
1)确定剖分平面。剖分平面的选取分为自动和交互两种。在自动方式下，算法自动确定零件包围盒在X、Y、Z轴方向上的三个中分面作为剖分平面。由于它们分别垂直于坐标系的X、Y、Z轴，以下称其为X面、Y面和Z面，如图2所示。
2)剖分零件。用三个剖分平面对零件作剖切操作，将零件剖分为8个零件分解体，如图3所示。图3中的零件在被剖分时，箭头所指的三个特征面与剖分平面重合，导致这三个特征面在分解体中丢失。同时，用相同的三个剖分平面将输入的毛坯也剖分成8个毛坯分解体，并使它们与零件分解体一一对应。进一步，对剖分出的每一个零件分解体进行复杂度检查，对复杂度仍然很高的零件分解体连同其相应的毛坯分解体，继续上述剖分过程，直至所有零件分解体的复杂度都满足要求为止。
3)传送分离体模型。将复杂度满足要求的分离体以及与其相对应的毛坯分解体和相关的剖分面通过网络依次传送到特征识别系统所在的站点。
为了描述方便，不失一般性，以下我们仅考虑对零件作一次剖分，即零件只被剖分为8个零件分离体的情况。
2零件分解体特征识别
特征识别程序每接收到一个零件分离体及其相应的毛坯分离体和剖分面后，立即对其进行加工特征识别，并对识别出的分解特征进行处理。
面向零件分离体的加工特征识别算法以基于最小条件子图的自动特征识别算法[2]为基础。基于最小条件子图(MCSG：Minimal Condition SubGragh)的特征识别方法是针对切削加工特征识别而设计的，其中特征的最小条件子图是指特征的属性面邻接图存留在零件的属性面邻接图中的最大子图。该方法以特征的最小条件子图作为特征痕迹，采用图分解生成特征痕迹，通过添加虚链和相关面进行特征痕迹的延拓。其特点是能够有效识别复杂的相交特征，并具有高效率。
零件分解体的特征识别与一般特征识别的主要区别在于它需要判别与处理分解特征。所谓分解特征是指原始零件中的特征在被剖分平面剖分后遗留在分解体中的部分。为了能够有效地判别与处理分解特征，我们对基于最小条件子图的特征识别算法在以下两方面作了修改：
1)当零件分离体的属性面邻接图中存在不与任何特征匹配的部分凹邻接图时，我们进一步判别该图中是否存在与剖分面相邻接的面结点，如果存在这样的面结点，则该凹邻接图被判别为构成一个分解特征；
2)对每个识别出的特征，进一步判别构成该特征的面邻接图是否存在与剖分面相邻接的面结点，如果存在，则该特征也被判别为分解特征，否则其为零件特征。
为了有效支持后面对相关分解特征的合并，在识别出分解特征后，我们进一步对其作以下处理：
1)确定分解特征与剖分面的关系属于以下7类中的哪一类，并加以标识。
①第一类分解特征：指只与X面相交的分解特征；
②第二类分解特征：指只与Y面相交的分解特征；
③第三类分解特征：指只与Z面相交的分解特征；
④第四类分解特征：指与X面、Y面都相交的分解特征；
⑤第五类分解特征：指与X面、Z面都相交的分解特征；
⑥第六类分解特征：指与Y面、Z面都相交的分解特征；
⑦第七类分解特征：指与X面、Y面、Z面都相交的分解特征；
2)由分解特征的面邻接图，生成一个由分解特征的所有面组成的壳体(如图4所示)，放入分解特征的数据结构中，用于在进行分解特征合并时生成零件特征的面邻接图。专门生成分解特征的壳体是为了能够直接基于简单的分解特征的壳体而不是整个的零件分解体进行分解特征的合并，以较大幅度地减少算法对存贮空间的消耗。
在对分解特征进行上述处理后，根据分解特征的类型将其放入算法为每一类分解特征设置的专用链表中。
3分解特征合并
在对所有的零件分解体进行了特征识别以后，需要对识别出的分解特征进行合并，以正确生成原始零件中包含的所有加工特征。分解特征的合并算法具体由以下三部分组成。
3.1相关壳体的合并
利用分解特征与剖分平面的关联关系，我们设计了一种对相关分解特征的壳体进行合并的算法，具体步骤如下：
1)确定被X面分割出的相关分解特征，并将它们的壳体进行合并。
①检查所有分解特征的壳体是否存在位于X剖分平面上的边，存在这样边的壳体被确定为与X面相关的壳体；
②在确定出的所有与X面相关的壳体中，通过检查壳体与壳体之间是否存在边重合关系，确定出被X面分割的相关分解特征壳体；
③用布尔并操作将被X面分割出的相关壳体合并为一个整体。
2)运用与1)中相同的方法确定被Y面分割出的相关分解特征，并将它们的壳体进行合并。
3)运用与1)中相同的方法确定被Z面分割出的相关分解特征，并将它们的壳体进行合并。
在对壳体进行合并之后，如果没有丢失面，那么只要对这个壳体进行重新识别就可以得到正确的结果，如图5(a)所示。
3.2丢失面的重构
在对复杂零件模型进行剖分的过程中，当零件中的面与剖分平面重合时，该面将被剖分平面吸收，不再出现在零件分解体中，如图5(b)中的阴影面F，我们称这样的面为丢失面。为了正确生成分解特征所对应的原始零件特征，与分解特征相关的丢失面必须被重构出来并加入合并后的分解特征壳体中。
丢失面的重构算法是依次对每个剖分平面进行的，以X面为例，分为以下三步：
1)确定开边与开点
开边指的是合并后的壳体中位于剖分平面上的边，这样的边只与一个面相连，它们是丢失面遗留的痕迹。以图5(b)为例，图中标着双斜线的边都是开边。
根据上述定义，开边的确定方法很简单，只需判别合并后壳体的每一条边是否位于剖分平面上，位于剖分平面上的边即为开边。若这个剖分平面上没有开边，那就说明在这个剖分平面上没有丢失面。
开边的端点如果没有其它开边与其相连，我们称其为开点。以图7(a)为例，其中点1～4都是开点，而5～8都不是开点，这里箭头所指向的边是开边。
2)构造丢失边
存在于零件模型中但不出现在任何一个分解体中的边我们称其为丢失边。实际上，在丢失面的所有边中不是开边的边都是丢失边。如图5(b)阴影面F中画圈的边都是丢失边。
分析丢失边丢失的原因，我们发现原因在于两个方面。第一，丢失边被由剖分面与零件的交线所形成的分离边界所吸收，这里分离边界定义为由剖分面分割出的两个相关分离体位于剖分面上的边界的并集，如图6所示。图7中的丢失边即属于这种情况，这也是最主要的原因。第二，丢失边被两个剖分面之间的交线所吸收，如图9(b)中的粗线边。
基于上述分析，我们将丢失边的构造分为以下5步(以X面为例)：
①确定壳体在剖分平面上的所有开边与开点
根据开边开点的定义确定出位于X面上的所有开边和开点，分别放入记录开边和开点的临时链表中。
②确定剖分面上的分离边界
将所有分解体中位于X面上的面进行合并，合并面的边界就是分离边界。
③确定共边开点列
对分离边界的每条边以及剖分平面之间的每条交线，确定有几个开点位于其上，并求出每个点在边上的位置参数，然后按照参数大小进行排序，获得有效的共边开点列。
④添加共边开点列上的丢失点
丢失点是指两条丢失边的公共顶点，如图9(c)中的点5和点7。
根据相关丢失边的分布情况，可能的丢失点包括以下三种：第一，两条相关丢失边都位于分离边界上，这时，丢失点就是分离边界的顶点；第二，其中一条相关丢失边位于剖分平面的交线上，这时丢失点是剖分平面交线与分离边界的交点；第三，两条相关丢失边都位于剖分平面的交线上，那么丢失点就是剖分平面交线的交点。以图8为例，假设其中的正方体零件被剖分成8个均匀的分解体，则图中所圈出的点即为所有可能的丢失点。
基于上述分析，添加丢失点的具体做法如下：
首先在所有可能的丢失点中，确定出与共边开点点列共线的点；然后对共线的丢失点，判别其是否位于壳体的包围盒上；最后将位于壳体包围盒上的丢失点根据其在开点列所在的边上的位置参数，将它们插入到开点点列中的相应位置。
以图9(c)为例，对于共边开点列(1、2)来说，点5和点7被确定为需要加入其中的丢失点；对于开点列(4)而言，点7被确定为需要加入其中的丢失点；对于开点列(3)，点7被确定为需要加入其中的丢失点。
⑤对共边开点列依次进行两两配对，根据所在边的信息(边的类型)，构造丢失边在排过序的共边开点列中依次取两个开点作为新边的两个端点，再根据所在边的类型，若是直线边，则创建一条新的直线边；若是圆弧边，则创建一条新的圆弧边。以图7为例，算法以开点3、1为两端点构造出一条丢失边，再以开点2、4为两端点构造出另一条丢失边。
3)构造丢失面
由于特征面的丢失是剖分平面与特征面重合引起的，所以若有特征面丢失，它一定会在那个剖分平面上留下开边，因此根据存在的开边和重构的丢失边，就能重建丢失的特征面。
由于一个剖分平面上所有的开边和重构出的丢失边构成此剖分平面上所有丢失面的边。基于这些边构造出所有丢失面的步骤是：首先根据边的端点是否相连的关系，跟踪出这些边形成的所有闭环；然后判断这些闭环之间是否存在包含与被包含关系，若一个闭环与其它闭环之间不存在包含与被包含关系，则根据这个闭环单独构造出一个面，对于每一个存在包含与被包含关系的闭环集合，根据其中的所有闭环构造出一个面。
重建了X面上的丢失面之后，运用同样的算法，再进行Y面和Z面上的丢失面重建，最终恢复出被剖分特征的完整壳体。
3.3分解特征再识别
在对相关分解特征壳体进行合并并加入丢失面后，我们对壳体利用局部特征识别方法进行再识别，此时识别出的特征一定是零件中存在的完整特征。
4零件最终特征模型的生成
为了生成零件最终特征模型，还需要解决的问题是：将目前所有识别出的特征(包括正常特征和合并后的分解特征)中的面变换为零件模型中的相应面，使识别出的特征真正成为零件模型中的特征。具体做法如下：
1)重建零件完整的实体模型
将所有分解体的模型通过布尔并操作进行合并，得到零件完整的边界表示。
2)在零件模型中确定出特征面的对应面并作替换
对于每一特征面，首先从零件模型中找出与其具有相同方程的面；然后再取特征面上的一个顶点确定上述面中也包含该顶点的面，即为特征面的对应面；最后将特征中的面替换为所找出的零件模型中的对应面。
实施实例
图10-图15记录了采用本发明方法对一个复杂零件进行加工特征识别的过程。图10所示是复杂零件的实体模型，其中左图中画出了剖分该模型的三个剖分面，右图所示是零件模型被剖分成8个分解体之后的情形。该零件共有527个面，112个特征。利用本发明方法，从8个分解体中共识别出正常特征85个(见图11)，共识别出分解特征48个(见图12)，进行分解特征壳体合并后的结果如图13所示，丢失面重建之后的结果如图14所示，共重建丢失面13个，在图中用粗线标出，最终的零件特征识别结果如图15所示。
Claims (3)
1.一种面向网络基于分治策略的加工特征识别方法，其特征在于首先将需要进行加工特征识别的复杂零件在异地进行剖分，并将剖分出的分解体逐一传送到本地；然后用基于最小条件子图的特征识别方法对剖分得到的分解体依次进行特征识别并将识别出的特征根据它们与剖分平面的关系进行分类；接下来对分解特征的边界表示进行合并，在合并时对剖分过程中丢失的面、边、点进行重构，生成完整的分解特征边界表示；最后对分解特征进行再识别，生成最终的零件特征模型。
2.根据权利要求1所述的一种面向网络基于分治策略的加工特征识别方法，其特征在于所说的重构为对一特征在剖分过程中丢失的面、边、点进行的重构，是基于开边、开点所进行的重构。
3.根据权利要求1所述的一种面向网络基于分治策略的加工特征识别方法，其特征在于所说的对分解特征进行的再识别为局部特征识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2004100158276A CN1558352A (zh) | 2004-01-12 | 2004-01-12 | 面向网络基于分治策略的加工特征识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2004100158276A CN1558352A (zh) | 2004-01-12 | 2004-01-12 | 面向网络基于分治策略的加工特征识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1558352A true CN1558352A (zh) | 2004-12-29 |
Family
ID=34351534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2004100158276A Pending CN1558352A (zh) | 2004-01-12 | 2004-01-12 | 面向网络基于分治策略的加工特征识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1558352A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923588A (zh) * | 2010-07-28 | 2010-12-22 | 河海大学常州校区 | 基于中间模型将设计特征模型向加工特征模型转换的方法 |
| CN102629287A (zh) * | 2012-02-29 | 2012-08-08 | 沈阳理工大学 | 一种基于step-nc相交特征自动识别方法 |
-
2004
- 2004-01-12 CN CNA2004100158276A patent/CN1558352A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923588A (zh) * | 2010-07-28 | 2010-12-22 | 河海大学常州校区 | 基于中间模型将设计特征模型向加工特征模型转换的方法 |
| CN102629287A (zh) * | 2012-02-29 | 2012-08-08 | 沈阳理工大学 | 一种基于step-nc相交特征自动识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111709092B (zh) | 一种基于有限元单元节点的子午线轮胎胎面花纹有限元自动建模方法 | |
| CN101308583B (zh) | 一种基于三视图的曲面体线框模型重建方法及其装置 | |
| CN105354353A (zh) | 一种基于mbd模型的加工特征识别和建模方法 | |
| CN1691068A (zh) | 用于重构三维图形数据的装置和方法 | |
| CN109872396B (zh) | 一种适用于三角网格模型的快速截面轮廓生成方法 | |
| CN105373668B (zh) | 芯片版图设计方法 | |
| Zhao et al. | Defect detection method for electric multiple units key components based on deep learning | |
| CN105224690B (zh) | 生成并选择对应含参语句的执行计划的方法及系统 | |
| Li et al. | Research on object detection algorithm based on deep learning | |
| Fan et al. | Cadtransformer: Panoptic symbol spotting transformer for cad drawings | |
| CN102436217A (zh) | 飞机结构件槽特征腹板加工驱动几何重构方法 | |
| Wang et al. | A hybrid framework for manufacturing feature recognition from CAD models of 3-axis milling parts | |
| CN1945595A (zh) | 一种基于加权主动形状建模的人脸特征定位方法 | |
| CN1311390C (zh) | 三维形状数据向单元内部数据的变换方法 | |
| Gong et al. | Solid reconstruction using recognition of quadric surfaces from orthographic views | |
| CN1558352A (zh) | 面向网络基于分治策略的加工特征识别方法 | |
| Miao et al. | UAV visual navigation system based on digital twin | |
| CN1643526A (zh) | 边界数据的内外判定方法及其程序 | |
| CN106485218A (zh) | 基于腔分组与特征抑制的薄壁多腔件加工特征识别方法 | |
| CN105653773A (zh) | 一种适于3d打印的棱透镜复合眼镜片stl模型的修复方法 | |
| TW202022653A (zh) | 加工參數自動產生系統 | |
| Quadros et al. | Defeaturing CAD models using a geometry-based size field and facet-based reduction operators | |
| CN101923588B (zh) | 基于中间模型将设计特征模型向加工特征模型转换的方法 | |
| Yan et al. | DSP-Net: Dense-to-sparse proposal generation approach for 3D object detection on point cloud | |
| CN112035976B (zh) | 一种轴类机加工零件三维工序模型自动生成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |