TWI402765B - 點雲最優對齊方法 - Google Patents
點雲最優對齊方法 Download PDFInfo
- Publication number
- TWI402765B TWI402765B TW96136339A TW96136339A TWI402765B TW I402765 B TWI402765 B TW I402765B TW 96136339 A TW96136339 A TW 96136339A TW 96136339 A TW96136339 A TW 96136339A TW I402765 B TWI402765 B TW I402765B
- Authority
- TW
- Taiwan
- Prior art keywords
- point cloud
- tested
- point
- measured
- standard
- Prior art date
Links
Description
本發明涉及一種點雲最優對齊方法。
近年來,隨著電腦硬體性能的提高及價格的降低,其在掃描系統(請參考圖1)中被大量的引入。做法一般是使用點雲獲取裝置分別獲取標準物體和待測物體的點雲(即由複數三維離散點組成的點的集合),而後將點雲資料登錄電腦,執行相應軟體對點雲資料進行各種處理,比如電腦輔助驗證(Computer Aided Verification,CAV)、逆向工程(Reverse Engineering,RE)、有限元網格自動生成、電腦圖形處理及模式識別(如人臉的識別)等。
其中,將標準物體的點雲和待測物體的點雲進行最優對齊是上述各種處理所需要使用的重要技術之一,也是上述各種處理所需要解決的一個關鍵問題。所述最優對齊是指透過移動、旋轉等操作,使上述兩塊點雲特徵相似的地方儘量貼近。
在現有的對齊技術中,以PTC公司的Geomagic Qualify軟體最為著名。雖然使用Geomagic Oualify軟體可以實現上述兩塊點雲的對齊,但對齊精度較低,計算量較大,速度緩慢。
鑒於以上內容,有必要提供一種點雲最優對齊方法,其可快速方便地將點雲和點雲進行最優對齊。
一種點雲最優對齊方法,該方法包括以下步驟:(a)透過點雲獲取裝置獲取標準物體和待測物體的點雲資料;(b)根據所述的標準物體和待測物體的點雲資料,確定初始時待測物體的點雲位置;(c)根據待測物體的點雲資料及初始時待測物體的點雲位置,利用迭代法在每一次迭代時取待測物體的點雲資料中的部分點雲,計算該次迭代時待測物體的虛擬點雲位置;(d)根據步驟c計算得到的最後一次迭代時待測物體的虛擬點雲位置,取待測物體點雲資料中的所有點雲,計算待測物體的點雲到標準物體的點雲的最小距離,及對應該最小距離的待測物體的點雲中的點的座標;(e)將該待測物體的點雲中的點移動到步驟d計算得到的待測物體的點雲中的點的座標所表示的位置。
相較於習知技術,本發明可以快速方便地完成點雲和點雲的最優對齊,極大地提高了對齊精度,提高了運行速度,並減少了誤差的產生。
圖1是掃描系統的組成圖。
圖2是本發明點雲最優對齊方法較佳實施例的作業流程圖。
圖3是圖2中步驟S302確定初始時待測物體的點雲位置的具體流程圖。
圖4是圖2中步驟S303利用迭代法在每一次迭代時計算待測物體的虛擬點雲位置的具體流程圖。
圖5是圖4中步驟S503計算得到待測物體的點雲到標準物體的點雲的最小距離的詳細流程圖。
圖6是圖2中步驟S304計算待測物體的點雲到標準物體的點雲的最小距離及對應該最小距離的待測物體的點雲中的點的座標的具體流程圖。
本具體實施例以點雲和點雲的最優對齊為例進行說明。
參閱圖2所示,是本發明點雲最優對齊方法較佳實施例的作業流程圖。
步驟S301,輸入點雲獲取裝置所獲取的標準物體和待測物體的點雲資料;而後輸入用戶自定義的對齊精度FunX和對齊步長D。其中,所述標準物體的點雲資料包括標準物體的點雲中點的座標及標準物體的點雲總數,所述待測物體的點雲資料包括待測物體的點雲中點的座標及待測物體的點雲總數;所述對齊精度指對齊標準物體的點雲和待測物體的點雲要達到的程度;所述對齊步長指以標準物體的點雲為基準,為對齊待測物體的點雲和標準物體的點雲,每次移動該待測物體的點雲的距離。
步驟S302,根據輸入的標準物體和待測物體的點雲資料,確定初始時待測物體的點雲位置,所述待測物體的點雲位置指
以標準物體的點雲為基準,待測物體的點雲相對標準物體的點雲的位置(具體步驟將在圖3中詳細描述)。
步驟S303,根據待測物體的點雲資料及初始時待測物體的點雲位置,利用迭代法在每一次迭代時取待測物體的點雲資料中的部分點雲,計算該次迭代時待測物體的虛擬點雲位置(具體步驟將在圖4中詳細描述)。
步驟S304,根據步驟S303計算得到的最後一次迭代時待測物體的虛擬點雲位置,取待測物體點雲資料中的所有點雲,計算待測物體的點雲到標準物體的點雲的最小距離,及對應該最小距離的待測物體的點雲中的點的座標(具體步驟將在圖6中詳細描述)。
步驟S305,將該待測物體的點雲中的點移動到步驟S304計算得到的待測物體的點雲中的點的座標所表示的位置,從而實現該待測物體的點雲和標準物體點雲的最優對齊。
步驟S306,輸出最優對齊後該待測物體的點雲與該標準物體的點雲之間的距離。
參閱圖3所示,是圖2中步驟S302確定初始時待測物體的點雲位置的具體流程圖。
步驟S401,根據輸入的標準物體的點雲資料中所有點的座標,求得該標準物體的點雲中的最小區域點pt1Min的座標(pt1Min[x],pt1Min[y],pt1Min[z])及最大區域點pt1Max的座標(pt1Max[x],pt1Max[y],pt1Max[z]),
進而可以得到由(pt1Min[x],pt1Min[y],pt1Min[z])、(pt1Min[x],pt1Min[y],pt1Max1[z])、(pt1Min[x],pt1Max[y],pt1Min1[z])、(pt1Min[x],pt1Max[y],pt1Max[z])、(pt1Max[x],pt1Max[y],pt1Max[z])、(pt1Max[x],pt1Max[y],pt1Min[z])、(pt1Max[x],pt1Min[y],pt1Max[z])、(pt1Max[x],pt1Min[y],pt1Min[z])組成的該標準物體的點雲包圍盒boxR。
步驟S402,根據輸入的待測物體的點雲資料中所有點的座標,求得該待測物體的點雲中的最小區域點pt2Min的座標(pt2Min[x],pt2Min[y],pt2Min[z])及最大區域點pt2Max的座標(pt2Max[x],pt2Max[y],pt2Max[z]),進而可以得到由(pt2Min[x],pt2Min[y],pt2Min[z])、(pt2Min[x],pt2Min[y],pt2Max1[z])、(pt2Min[x],pt2Max[y],pt2Min1[z])、(pt2Min[x],pt2Max[y],pt2Max[z])、(pt2Max[x],pt2Max[y],pt2Max[z])、(pt2Max[x],pt2Max[y],pt2Min[z])、(pt2Max[x],pt2Min[y],pt2Max[z])、(pt2Max[x],pt2Min[y],pt2Min[z])組成的該待測物體的點雲包圍盒boxM。
步驟S403,判斷所述標準物體的點雲包圍盒boxR與所述待測物體的點雲包圍盒boxM是否相交。具體步驟如下:首先得到pt1Min[x]與pt2Min[x]中的較大值(用fMinB[x]表示)、pt1Max[x]與pt2Max[x]中的較小值(用fMaxB[x]表示),而後比較fMinB[x]與fMaxB[x],若fMinB[x]大於等於
fMaxB[x],則判定boxR與boxM不相交;同理可得到fMinB[y]和fMaxB[y]、fMinB[z]和fMaxB[z],透過比較fMinB[y]和fMaxB[y]、fMinB[z]和fMaxB[z]的方式即可判斷boxR與boxM是否相交。
若所述標準物體的點雲包圍盒boxR與所述待測物體的點雲包圍盒boxM相交,則進入步驟S404,設定初始時該待測物體的點雲位置p(p[0],p[1],p[2],p[3],p[4],p[5]):p[0]=0,p[1]=0,p[2]=0,p[3]=0,p[4]=0,p[5]=0。
若所述標準物體的點雲包圍盒boxR與所述待測物體的點雲包圍盒boxM不相交,則進入步驟S405,根據標準物體的點雲資料中點的座標及標準物體的點雲總數,求得標準物體的點雲中心cenR(cenR[x],cenR[y],cenR[z])。具體步驟如下:獲取該標準物體的點雲資料中所有點的X軸座標;將所有點的X軸座標相加後除以標準物體的點雲總數,從而得到標準物體的點雲中心的X軸座標cenR[x];同理求得該標準物體的點雲中心的Y軸座標cenR[y]及該標準物體的點雲中心的Z軸座標cenR[z]。
步驟S406,根據待測物體的點雲資料中點的座標及待測物體的點雲總數,求得待測物體的點雲中心cenM(cenM[x],cenM[y],cenM[z])。具體步驟如下:獲取該待測物體的點雲資料中所有點的X軸座標;將所有點的X軸座標相加後除以待測物體的點雲總數,從而得到待測物體的點雲中心的X軸座標cenM[x];同理求得該待測物體的點雲中心的Y軸座標
cenM[y]及該待測物體的點雲中心的Z軸座標cenM[z]。
步驟S407,根據標準物體的點雲中心cenR及待測物體的點雲中心cenM,求得初始時該待測物體的點雲位置p:p[0]=cenM[x]-cenR[x],p[1]=cenM[y]-cenR[y],p[2]=cenM[z]-cenR[z],p[3]=angleX,p[4]=angleY,p[5]=angleZ。其中,angleX表示點cenM和點cenR的連線與X軸正方向的夾角,angleY表示點cenM和點cenR的連線與Y軸正方向的夾角,angleZ表示點cenM和點cenR的連線與Z軸正方向的夾角。
參閱圖4所示,是圖2中步驟S303利用迭代法在每一次迭代時計算待測物體的虛擬點雲位置的具體流程圖。
步驟S501,輸入迭代總次數,該迭代總次數由用戶指定。在本較佳實施例中,用m表示迭代總次數,用i表示迭代次數即第幾次迭代,假設m=4。
步驟S502,根據迭代次數和待測物體的點雲總數得到該次迭代中待測物體的點雲數目n。在本較佳實施例中,當i=1即第1次迭代時,從該待測物體的點雲中按100:1的比例等間距均勻取點,即此時n=待測物體的點雲總數*1/100,其中從該待測物體的點雲中按100:1的比例等間距均勻取點的具體步驟為:首先沿X軸、Y軸、Z軸方向對所述待測物體的點雲包圍盒boxM進行等間距分割,使該boxM被均勻分成100個小包圍盒,而後分別求得所述100個小包圍盒的中心,最後分別
取出離所述100個小包圍盒的中心最近的點;當i=2即第2次迭代時,從該待測物體的點雲中按100:5的比例等間距均勻取點,即此時n=待測物體的點雲總數*5/100;當i=3即第3次迭代時,從該待測物體的點雲中按10:1的比例等間距均勻取點,即此時n=待測物體的點雲總數*1/10;當i=4即第4次迭代時,從該待測物體的點雲中按10:3的比例等間距均勻取點,即此時n=待測物體的點雲總數*3/10。
步驟S503,利用該次迭代中待測物體的點雲數目及該次迭代時待測物體的虛擬點雲位置,計算得到該次迭代中該待測物體的點雲到標準物體的點雲的最小距離。該虛擬點雲位置在第1次迭代時為初始時待測物體的點雲位置(具體步驟將在圖5中詳細描述)。
步驟S504,得到對應上述最小距離的該待測物體的點雲中的點的座標,及根據該待測物體的點雲中的點的座標,得到該待測物體的虛擬點雲位置,作為下一次迭代時待測物體的虛擬點雲位置。
步驟S505,判斷迭代次數是否達到迭代總次數。若迭代次數尚未達到迭代總次數,即i小於m時,將i賦值為i+1,而後返回步驟S502;若迭代次數已經達到迭代總次數,即i等於m時,流程結束。
參閱圖5所示,是圖4中步驟S503計算得到該待測物體的點雲到標準物體的點雲的最小距離的詳細流程圖。
步驟S606,利用待測物體的點雲資料中點的座標,計算得到該待測物體的點雲到標準物體的點雲的距離f(x)。
其中,n為步驟S502中得到的待測物體的點雲數目;(pt1’[x],pt1’[y],pt1’[z])是根據步驟S502取出的待測物體的點雲中點的座標計算得到的座標,(pt1’[x],pt1’[y],pt1’[z])=move *(move2 *(mat * movex1)),mat=movel * matx * maty * matz,具體計算過程如下:(pt1’[x],pt1’[y],pt1’[z])即為,
,即movex1表示步驟S502取出的待測物
體的點雲中的點的原始座標;(pt2[x],pt2[y],pt2[z])為標準物體的點雲資料中到點(pt1’[x],pt1’[y],pt1’[z])距離最近的點的座標,具體而言,先計算該標準物體的點雲資料中每一點到該點(pt1’[x],pt1’[y],pt1’[z])距離,而後從中得到最小距離及對應該最小距離的標準物體的點雲資料中點的座標(pt2[x],pt2[y],pt2[z])。
步驟S607,判斷上述計算得到的f(x)是否小於對齊精度FunX
。
若f(x)不小於FunX,則進入步驟S608,利用數學法則如擬牛頓迭代法計算f(x)的下降方向。所述下降方向指使f(x)的值變小的方向,即使待測物體的點雲到標準物體的點雲的距離變小的方向。
步驟S609,判斷是否存在所述下降方向。
若存在所述下降方向,則進入步驟S610,計算待測物體的點雲沿下降方向移動對齊步長D後到標準物體的點雲的距離f(x)’。具體而言,首先計算得到待測物體的點雲沿下降方向移動D後的位置(p[0],p[1],p[2],p[3],p[4],p[5]),而後利用該位置計算得到該待測物體的點雲到標準物體的點雲的距離f(x)’。其中,所述f(x)’與步驟S606中f(x)的計算方法完全相同,僅僅使用的參數不同,可參考步驟S606完成計算。
步驟S611,判斷上述計算得到的f(x)’是否小於f(x)。若f(x)’小於f(x),則返回步驟S608;若f(x)’不小於f(x),則返回步驟S610。
在步驟S609中,若不存在所述下降方向,則流程結束。
在步驟S607中,若f(x)小於FunX,則流程結束。
參閱圖6所示,是圖2中步驟S304計算待測物體的點雲到標準物體的點雲的最小距離及對應上述最小距離的該待測物體的
點雲中的點的座標的具體流程圖。
步驟S701,利用待測物體的點雲總數及步驟S504得到的最後一次迭代時待測物體的虛擬點雲位置,計算得到該待測物體的點雲到標準物體的點雲的最小距離。本步驟中計算得到待測物體的點雲到標準物體的點雲的最小距離與步驟S503中計算得到待測物體的點雲到標準物體的點雲的最小距離的計算方法完全相同,僅僅使用的參數不同,可參考步驟S503完成計算。
步驟S702,得對對應上述最小距離的待測物體的點雲中的點的座標。
本發明所提供的點雲最優對齊方法,不僅可以實現點雲和點雲的最優對齊,還可以實現點雲和標準圖檔、點雲和JPG圖形的最優對齊,同時本發明採用了優化演算法,極大地減少了計算量,速度極為快捷。
以上所述僅為本發明之較佳實施例而已,且已達廣泛之使用功效,凡其他未脫離本發明所揭示之精神下所完成之均等變化或修飾,均應包含在下述之申請專利範圍內。
S301‧‧‧輸入參數
S302‧‧‧確定初始時待測物體的點雲位置
S303‧‧‧利用迭代法在每一次迭代時計算待測物體的虛擬點雲位置
S304‧‧‧計算待測物體的點雲到標準物體的點雲的最小距離,及對應上述最小距離的該待測物體的點雲中的點的座標
S305‧‧‧將該待測物體的點雲和標準物體點雲進行最優對齊
S306‧‧‧輸出最優對齊後該待測物體的點雲與該標準物體的點雲之間的距離
Claims (6)
- 一種點雲最優對齊方法,該方法包括如下步驟:a.透過點雲獲取裝置獲取標準物體和待測物體的點雲資料,所述標準物體的點雲資料包括標準物體的點雲中的點的座標及標準物體的點雲總數,所述待測物體的點雲資料包括待測物體的點雲中的點的座標及待測物體的點雲總數;b.根據所述的標準物體和待測物體的點雲資料,確定初始時待測物體的點雲位置;所述步驟b包括如下步驟:根據標準物體的點雲資料中點雲的點的座標,得到標準物體的點雲包圍盒;根據待測物體的點雲資料中點雲的點的座標,得到待測物體的點雲包圍盒;當所述標準物體的點雲包圍盒與所述待測物體的點雲包圍盒相交時,設定初始時待測物體的點雲位置;當所述標準物體的點雲包圍盒與所述待測物體的點雲包圍盒不相交時,根據標準物體的點雲資料中點雲的點的座標及標準物體的點雲總數求得標準物體的點雲中心,根據待測物體的點雲資料中點雲的點的座標及待測物體的點雲總數求得待測物體的點雲中心,進而根據標準物體的點雲中心及待測物體的點雲中心求得初始時待測物體的點雲位置;c.根據待測物體的點雲資料及初始時待測物體的點雲位置, 利用迭代法在每一次迭代時取待測物體的點雲資料中的部分點雲,計算該次迭代時待測物體的虛擬點雲位置;d.根據步驟c計算得到的最後一次迭代時待測物體的虛擬點雲位置,取待測物體點雲資料中的所有點雲,計算待測物體的點雲到標準物體的點雲的最小距離,及對應該最小距離的待測物體的點雲中的點的座標;e.將該待測物體的點雲中的點移動到步驟d計算得到的待測物體的點雲中的點的座標所表示的位置。
- 如申請專利範圍第1項所述之點雲最優對齊方法,該方法還包括步驟:f.輸出經步驟e移動後的待測物體的點雲與標準物體的點雲之間的距離。
- 如申請專利範圍第1項所述之點雲最優對齊方法,其中,所述待測物體的點雲位置指以標準物體的點雲為基準,待測物體的點雲相對標準物體的點雲的位置。
- 如申請專利範圍第1項所述之點雲最優對齊方法,其中,所述步驟c包括如下步驟:c1.預設迭代總次數;c2.根據迭代次數和待測物體的點雲總數得到該次迭代中待測物體的點雲數目;c3.利用該次迭代中待測物體的點雲數目及該次迭代時待測物體的虛擬點雲位置,計算得到該次迭代中待測物體的點雲到標準物體的點雲的最小距離,該待測物體的虛擬點雲位置在第一次迭代時為初始時待測物體的點雲位置; c4.得到對應上述最小距離的該待測物體的虛擬點雲位置,作為下一次迭代時待測物體的虛擬點雲位置;及c5.重復步驟c2到步驟c4,直至達到上述迭代總次數。
- 如申請專利範圍第4項所述之點雲最優對齊方法,其中,所述步驟c3包括如下步驟:利用待測物體的點雲資料中點雲的點的座標,計算得到該待測物體的點雲到標準物體的點雲的距離f(x);當f(x)小於預設的對齊精度時,流程結束;當f(x)不小於所述對齊精度時,計算f(x)的下降方向,所述下降方向指使f(x)的值變小的方向;當不存在所述下降方向時,流程結束;當存在所述下降方向時,計算待測物體的點雲沿下降方向移動對預設的齊步長後到標準物體的點雲的距離f(x)’;當f(x)’不小於f(x)時,返回步驟計算待測物體的點雲沿下降方向移動所述對齊步長後到標準物體的點雲的距離f(x)’;及當f(x)’小於f(x)時,返回計算f(x)的下降方向的步驟。
- 如申請專利範圍第1項所述之點雲最優對齊方法,其中,所述步驟d包括如下步驟:根據步驟c計算得到的最後一次迭代時待測物體的虛擬點雲位置,取待測物體點雲資料中的所有點雲,計算得到該待測物體的點雲到標準物體的點雲的最小距離;及得到對應上述最小距離的該待測物體的點雲中的點的座標。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW96136339A TWI402765B (zh) | 2007-09-28 | 2007-09-28 | 點雲最優對齊方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW96136339A TWI402765B (zh) | 2007-09-28 | 2007-09-28 | 點雲最優對齊方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200915218A TW200915218A (en) | 2009-04-01 |
TWI402765B true TWI402765B (zh) | 2013-07-21 |
Family
ID=44725695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW96136339A TWI402765B (zh) | 2007-09-28 | 2007-09-28 | 點雲最優對齊方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI402765B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI401459B (zh) * | 2010-10-11 | 2013-07-11 | Univ Nat Quemoy | The Method of Stereo Point Cloud Structure |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1408102A (zh) * | 1999-07-26 | 2003-04-02 | 计算机化医疗系统公司 | 图像自动重合/对齐的系统和方法 |
US7149677B2 (en) * | 2000-10-30 | 2006-12-12 | Translation Technologies, Inc. | Geometric model comparator and method |
US20070024611A1 (en) * | 2005-07-27 | 2007-02-01 | General Electric Company | System and method for aligning three-dimensional models |
TWI310142B (en) * | 2003-05-28 | 2009-05-21 | Hon Hai Prec Ind Co Ltd | Cad-based cav system and method |
-
2007
- 2007-09-28 TW TW96136339A patent/TWI402765B/zh not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1408102A (zh) * | 1999-07-26 | 2003-04-02 | 计算机化医疗系统公司 | 图像自动重合/对齐的系统和方法 |
US7149677B2 (en) * | 2000-10-30 | 2006-12-12 | Translation Technologies, Inc. | Geometric model comparator and method |
TWI310142B (en) * | 2003-05-28 | 2009-05-21 | Hon Hai Prec Ind Co Ltd | Cad-based cav system and method |
US20070024611A1 (en) * | 2005-07-27 | 2007-02-01 | General Electric Company | System and method for aligning three-dimensional models |
Non-Patent Citations (1)
Title |
---|
Niloy J.M, Natasha G, Helmut P, Leomidas G"Registration of point cloud data from a geometric optimization perspective",Eurographics/ACM SIGGRAPH symposium on Geometry processing , pp.22-31, 2004 * |
Also Published As
Publication number | Publication date |
---|---|
TW200915218A (en) | 2009-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20170068462A (ko) | 에지를 이용한 3차원 모델 생성 | |
Rajamohan et al. | Practical measurement strategies for verification of freeform surfaces using coordinate measuring machines | |
JP2014527663A (ja) | 座標測定系データ整理 | |
CN106482700B (zh) | 一种草图直接成图的数字化房产面积测量方法 | |
CN110573832A (zh) | 机器视觉系统 | |
US8249392B2 (en) | Method for aligning point clouds | |
EP3317852A2 (en) | Method in constructing a model of a scenery and device therefor | |
Ebrahimi et al. | B-spline curve fitting by diagonal approximation BFGS methods | |
CN110008387B (zh) | 流场可视化实现方法、装置及电子设备 | |
CN107481319B (zh) | 一种隐式曲面随机点云生成器 | |
García-Alfonso et al. | Comparison of uncertainty analysis of the Montecarlo and Latin Hypercube algorithms in a camera calibration model | |
Zhao et al. | Optical nanoscale positioning measurement with a feature-based method | |
TWI402765B (zh) | 點雲最優對齊方法 | |
JP5227384B2 (ja) | 構造格子を用いたシミュレーション方法 | |
CN113884278A (zh) | 一种线激光设备的系统标定方法和装置 | |
CN113077521A (zh) | 一种相机标定方法及装置 | |
TWI406189B (zh) | 點雲三角網格面構建方法 | |
CN116432329A (zh) | 利于制造和结构性能的具有特征厚度控制的计算机辅助生成设计 | |
Hermann | Robust convex hull-based algorithm for straightness and flatness determination in coordinate measuring | |
TWI444586B (zh) | 零件形位公差檢測系統及方法 | |
WO2013116859A1 (en) | Computer process for determining best-fitting materials for constructing architectural surfaces | |
CN114036778A (zh) | 一种光学特性建模的方法和装置 | |
TWI426406B (zh) | 三維色階比對動態分析方法 | |
Hermann et al. | Application of computational geometry in coordinate measurement | |
CN114742838B (zh) | 基于聚类算法的体素化平面分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |