TWI587951B - Optimization of shoveling path - Google Patents
Optimization of shoveling path Download PDFInfo
- Publication number
- TWI587951B TWI587951B TW104140712A TW104140712A TWI587951B TW I587951 B TWI587951 B TW I587951B TW 104140712 A TW104140712 A TW 104140712A TW 104140712 A TW104140712 A TW 104140712A TW I587951 B TWI587951 B TW I587951B
- Authority
- TW
- Taiwan
- Prior art keywords
- path
- shovel
- workpiece
- hilbert
- hilbert curve
- Prior art date
Links
Landscapes
- Operation Control Of Excavators (AREA)
- Processing Or Creating Images (AREA)
Description
本發明係關於一種路徑優化方法,尤指一種用於鏟花路徑的優化方法者。
按,現有硬軌在組裝前為了提高移動的精準度及順暢性,會對於硬軌的滑動面進行鏟花(Scraping)處理,藉以將硬軌滑動面較高處予以鏟除,使機具的精度提高且於鏟花凹槽(鏟斑或油袋)處能用以儲存或保留潤滑油,使配合面接觸滑動時能減少摩擦進而減少磨耗,並提高滑動面的精度壽命,因此,鏟花技術為工具機的基礎關鍵技術之一。
現有鏟花技術主要是以微量的鏟、削、刮來矯正機械加工所留下的誤差或去除加工物表面不需要的部份,藉以將會影響機器組裝精度的部份予以去除,現有在進行鏟花加工時主要可分為人工、人工半自動及自動化等方式,前述的人工鏟花或半自動鏟花方式雖可在硬軌的滑動面上產生凹坑,但人工鏟花的方式,不僅必須仰賴長久的經驗累積,方可產生品質好的鏟花工件,而且人工鏟花技術不易學習且辛苦又費時,造成人才不易養成,而人工夾持的半自動鏟花機本身相當笨重,因此需要相當好的技術方可進行操作,相對增加培養此相技術培養的困難度。
而現有透過一鏟花機械進行自動化鏟花的加工效率雖較人工或人工半自動加工來得好,但其進行自動鏟花時的工件移動路徑順序係採用循序走訪,且因輸入影像的解析度極高,使鏟花機械需偵測的座標點之點數過多,
並且要計算所有需鏟除座標點的最短距離,導致進行鏟花時工件移動過於頻繁,造成加工時間過長,且工作人員必須花更多時間監控鏟花過程,直到工件完成鏟花加工,使得自動鏟花的效率也大為降低,尤其對大型工件加工時其效率明顯不佳,導致鏟花時間可能長達數小時,而鏟花機械的動作時間主要可分為鏟頭下刀動作時間以及工件移動時間,其中由於鏟花機械的下刀次數無法改善,但工件移動的距離可改善,因此,實有對於現有自動化鏟花路徑進行改進之處。
因此,本發明人有鑒於現有進行自動化鏟花時,工件移動的路徑係採循序走訪,進而增加產花加工所需時間的不足及缺失,本發明特經過不斷的研究與試驗,終於發展出一種能改進現有缺失之本發明。
本發明之目的為提供一鏟花路徑優化方法,其係結合數個演算法對於訊號進行處理,藉以找出近似最短路徑的優化路徑,大幅減少工件的移動時間,進而提供一可節省加工時間且提高加高效率的鏟花路徑優化方法之目的者。
為達到上述目的,本發明提供一鏟花路徑優化方法,其操作步驟包含有:前置處理:準備一自動化鏟花機與一工件,透過該自動化鏟花機對於該工件的平面進行掃描,將掃描後所得的資料整理成一檔案,其中該檔案內容包含每個座標點的凸起深度,並透過該自動化鏟花機將該檔案中每個座標點依照深度進行分層,將單一層深度的資料輸出而形成一路徑文字檔,將該路徑文字檔轉換為一之靜態影像(INPIC);
區塊建構:以的區塊大小為單位進行區塊建構,建構出一的二維陣列線性四元樹;以及路徑演算:以Hilbert Curve進行路徑演算,產生一長度為的Hilbert Curve(H),將該Hilbert Curve(H)的長度轉換成一長度為的Hilbert Sequence(S),並依照該Hilbert Curve(H)的順序走訪該二維陣列之線性四元樹,並進一步以Hilbert Sequence(S)的順序走訪Q[i][j],並轉換成一走訪路徑,將該走訪路徑輸出至一鏟花路徑優化檔,讓該自動化鏟花機依照該鏟花路徑優化檔相對該工件進行鏟花加工。
進一步,在前置處理的操作步驟中,係透過row major order的方式對於工件的平面進行掃描。
再進一步,在前置處理的操作步驟中,係以row major order將其中一層深度的資料輸出而形成一單層深度分佈的路徑文字檔。
藉由上述的技術手段,本發明鏟花路徑優化方法主要針對單層鏟花路徑進行工件的移動路徑規劃,藉以改善鏟花過程中工件移動時間過長的問題,其中由於所輸入影像解析度極高可能達16384×16384以上,即表示需走訪的座標點可能性過多,所以無法在多項式中找到最短路徑,而僅能找近似最短路徑的優化路徑,因此,本發明採用資料結構為線性四元樹(Linear Quadtree)進行建構,區塊路徑演算法則採用Hilbert Curve,而區塊內的內部走訪演算法則是依Hilbert Curve Cup進行循序走訪(Sequentail Traversal),其中線性四元樹的建構速度快、不需要龐大的記憶體空間且取得區塊資料也極為快速,加上Hilbert Curve具有clustering特性,因此,可得到一近似鏟花最短路徑,不僅可大幅減少工件移動時間,且可降低鏟花機械動作所需的時間,進而提供一可節省加工時間且提高加高效率的鏟花路徑優化方法。
圖1是本發明鏟花路徑優化方法的方塊流程圖。
圖2(a)~(d)是本發明對於影像區塊進行四元樹及一維陣列處理的操作示意圖。
圖3是本發明將影像資料轉換為一維陣列的圖表。
圖4是本發明將一維陣列合併成2×2區塊大小的圖表。
圖5是本發明將一維陣列合併成4×4區塊大小的圖表。
圖6是本發明線性四元樹的圖表。
圖7是本發明進行掃描的順序示意圖。
圖8是本發明對於圖2(b)進行掃描的順序示意圖。
圖9是本發明對於掃描編號進行計算的示意圖。
圖10(a)是本發明一階Hilbert Curve的示意圖。
圖10(b)是本發明二階Hilbert Curve的示意圖。
圖11是本發明顯示每個Hilbert Curve Cup進行子分割成4個Cups之示意圖。
圖12(a)~(c)是本發明進行Hilbert Curve走訪的路徑示意圖。
圖13是本發明由Hilbert Curve Cups轉換成循序走訪的示意圖。
圖14是本發明進行演算的方塊流程圖。
圖15是本發明一維陣列線性四元樹的圖表示意圖。
圖16是本發明Hilbert Curve以22×22為單位進行走訪的示意圖。
圖17是本發明與其他路徑方法對於路徑單位距離的關係圖。
圖18是本發明與其他路徑方法對於實際執行時間的關係圖。
為能詳細瞭解本發明的技術特徵及實用功效,並可依照說明書的內容來實施,玆進一步以圖式(如圖1所示)所示的較佳實施例,詳細說明如后:本發明係透過區塊建構與路徑演算的方式,藉以提供一鏟花路徑優化的方法,在進行該鏟花路徑優化方法前,本發明先對於所使用的演算法進行說明:在像素值的演算上包含有由Raphael Finkel與J.L.Bentley在1974年提出的四元樹(Quadtree)演算法,其中四元樹演算法常應用於二維空間資料的分析與分類且採區塊分類,區塊表示將一個二維影像中分割為四個象限NW(north west)、NE(north east)、SW(south west)、SE(south east),其中下層節點為上層節點的子分割,每個節點的子節點必恰好為4個,舉例來說如圖2(a)及(b)所示,當四元樹演算法的深度為n(n=3)且以區塊分類時,在二維空間的影像2n×2n的像素中,每個區塊以一線性碼(linear code:<path,level,color>)進行編碼,其中各線性碼中的path表示由root(樹根)到node(節點)的路徑,level表示node level,而color表示node color,進一步,在Path code中的0、1、2及3分別表示northwest、northeast、southwest、southeast四個象限;例如<201,3,0>,path code=(201)4(=(100001)2),在圖2(b)的座標位置即(1,4)代表此區塊最左上方位置。
依據上方的演算方式,圖1(a)的影像像素值經編碼後應表示為<(012)4,3,0>;<(021)4,3,0>;<(030)4,3,0>;<(100)4,1,0)>;<(201)4,3,0)>;<(210)4,2,0)>;<(230)4,2,0)>;<(300)4,2,0)>;<(320)4,3,0)>;<(321)4,3,0)>;其所形成的四元樹係如圖2(c)所示,且相同像素值之區塊(block)以2i×2i(i=0、1、2、3)為大小進行合併,直到無法合併為止,則合併之區塊block皆具有相同像
素值,將其像素值以一微陣列排列後係如圖2(d)所示。進一步,資料區可為方形(square)、矩形(rectangular)或其他任意形狀(arbitary shapes),四元樹演算法包有以下幾個特點:(1)每個區塊可向下遞迴分解、(2)每一個區塊可遞迴分解直到區塊無法分解為止;以及(3)樹狀資料結構依照像素值加以區分,且四元樹演算法的分類方式可依照不同資料類型進行區分,例如:區域、點、直線、曲線...等等。
本發明係使用一線性四元樹(Linear Quadtree)演算法進行影像的像素值演算,其與四元樹演算法的差別在於影像區塊的編碼,其中線性四元樹演算法在進行編碼時,將每個影像區塊以一線性碼(linear code:<path,level,color>)來進行編碼,其中path表示區塊位於整個影像的方位,level表示區塊的深度,而color表示區塊的顏色,該線性四元樹演算法的圖像掃描採Morton Order,掃描過程中遇到像素(pixel)時可即時同步進行編碼。
如圖3所示四元樹演算法在一維陣列區塊以由下而上的方式(bottom-up)合併將一8×8大小像素(pixel)以Morton順序(Morton Order)轉換為一維陣列,並進行線性碼<path,level,color>編碼,path為1×1 pixel在整個圖像之方位座標位置,因輸入圖像為8×8(=23×23)像素(pixel),所以level初始值為3,其中color以0表示黑色必須進行鏟除,1表示白色不需鏟除,再如圖4所示將其進行2×2大小的區塊(block)合併,其中Q[0]~Q[3]的color皆為1,因此可進行合併且Q[0]的level提升為2,Q[16]~Q[19]的color皆為0進行合併且Q[16]的level提升為2,Q[20]~Q[23]的color皆為0進行合併且Q[20]的level提升為2,Q[24]~Q[27]的color皆為0進行合併且Q[24]的level提升為2,Q[28]~Q[31]的color皆為0進行合併且Q[28]的level提升為2,Q[36]~Q[39]的color皆為0進行合併且Q[36]的level提升為2,Q[40]~Q[43]的color皆為1進行合併且Q[40]的level提升為2,Q[44]~Q[47]的color皆為0進行合併且Q[20]的level提升為2,Q[48]~Q[51]的color皆為0進行合
併且Q[48]的level提升為2,Q[52]~Q[55]的color皆為1進行合併且Q[52]的level提升為2,Q[60]~Q[63]的color皆為1進行合併且Q[60]的level提升為2。
再如圖5所示進行4×4大小的區塊(block)合併,Q[16]、Q[20]、Q[24]、Q[28]的color皆為0且level皆為2,表示有4個2×2大小區塊(block)為相同顏色,因此進行合併Q[16]的level提升為1,再進行8×8大小的區塊(block)合併,由於沒有4個4×4大小block皆為同色,因此無法再進行合併,該一維陣列四元樹的資料不變,最後如圖6所示其非空白處的資料轉換為一四元樹演算法中,且分配空間大小為29個陣列大小空間。
前述有關線性四元樹演算法對於資料掃瞄的順序,係如圖7所示以Morton Order進行掃描,即圖3的影像像素值(pixel)係依如圖7所示的順序轉換為到一維陣列中,其中Morton number的公式為address(位址)=dilate<2>(x)+(dilate<2>(y)<<1),其中dilate<2>(x)運算為將x轉為二進制,在各位元(bit)之間插入bit 0,舉例來說如圖9所示若以座標(7,5)進行Morton number計算時可得55,其中圖8所示為圖2(a)的掃描順序。
再者,Hilbert curve(Hilbert space-filling curve)為一種能填充滿一個平面正方形的分形曲線(fractal curve),其是由David Hilbert在1892年提出,由於正方形的邊長為2n,而Hilbert curves基本元素為“Cups”(即正方形含一開口)(a square with one open side)與“Joins”(兩個cups連接之方向)(a vector that joins two cups),其中Cup的開口方向可以朝上(Up)、朝下(Down)、朝左(Left)或朝右(Right),每個Cup有兩個端點(end-points),其中一端點為entry point,而另一端點為exit point;Hilbert curve是一個空間填充曲線(space filling curve)將走訪2×2、4×4、8×8、16×16或是任何2n×2n正方形的每個座標點,舉例來說如圖10(a)所示的一階Hilbert curve只有一個Cup能夠填滿2×2空間,而如圖10(b)所示的二階Hilbert curve係由三個joins連接四個Cups(連接兩個Cups之接點為Join以fat
dot標記在圖中);而n階的Hilbert curve如上法依序遞迴執行;其中由於Hilbert curve具有叢聚(clustering)特性,因此會優先走訪鄰近的座標點,且以一筆畫的方式走訪完所有的座標點。
請配合參看如圖11所示,每個Hilbert curve的cup可進行子分割而形成4個Cups,其中UP={LEFT,UP,UP,RIGHT}、LEFT={UP,LEFT,LEFT,DOWN}、DOWN={RIGHT,DOWN,DOWN,LEFT}以及RIGHT={DOWN,RIGHT,RIGHT,UP},並將Cups依照方向UP、LEFT、DOWN與RIGHT的順序編碼成0、1、2及3,舉例來說如圖12(a)為level 0採UP走訪時,Hilbert Sequence={0};當圖12(a)進行下一層子分割為level 1時係如圖12(b)所示,Hilbert Sequence={1,0,0,3};進一步當圖12(b)再進行下一層子分割為level 2時係如圖12(c)所示,Hilbert Sequence={0,1,1,2,1,0,0,3,1,0,0,3,2,3,3,0}。
本發明的鏟花路徑優化主要係由資料結構與區塊路徑演算法組成,其係採用線性四元樹演算法(Linear Quadtree)進行區塊建構,該線性四元樹演算法可分析區塊特性及進行影像壓縮,而區塊路徑演算法則是使用Hilbert curve,其中線性四元樹演算法具有區塊特性,且Hilbert Curve具有clustering特性會優先走訪附近區塊,而內部區塊路徑係如圖13所示依照Hilbert Sequence轉成循序走訪(Sequential Traversal)的走訪規則,可配合Hilbert Curve Cup離開節點為Sequential Traversal的終點,其中Hilbert Sequence為一串的Hilbert curve cups。
藉由前述的說明後,本發明鏟花路徑優化方法係包含有以下的操作步驟,其中:
A、前置處理:準備一自動化鏟花機與一工件,透過該自動化鏟花機對於該工件的平面進行掃描,於掃描時係以採row major order的方式進行掃描,其中將掃描後所得的資料整理成一工件平面高低點分佈(BitMaP;
BMP)檔案中,該檔案內容包含每個座標點的凸起深度,並透過該自動化鏟花機將該工件平面高低點分佈檔案中每個座標點依照深度進行分層,其中分層的基準為一變動參數,必須參考工件的狀況及工具機的設定,且以row major order將其中一層深度的資料輸出而形成一單層深度分佈的路徑文字檔(TXT),將該單層深度分佈的路徑文字檔(TXT)轉換為一之靜態影像(INPIC,工件圖檔)。
B、區塊建構:以圖2(a)與圖2(b)的(=23×23)靜態影像作為說明,區塊(block)大小以(=22×22)為單位進行建構,進而如圖15所示建構出一(=21×21)的二維陣列線性四元樹(Linear Quadtree Q),即有4個Linear Quadtree。
C、路徑演算:以Hilbert Curve進行路徑演算,其中採UP Cup(0),產生一長度為=23-2-1(=1)的Hilbert Curve(H)={0},將該Hilbert Curve(H)的長度轉換成一長度為(=23-2+1=4)的Hilbert Sequence(S)={1,0,0,3},並依照該Hilbert Curve(H)的順序走訪該二維陣列之線性四元樹(Q[0][0]→Q[0][1]→Q[1][1]→Q[1][0]),並進一步以Hilbert Sequence(S)的順序走訪Q[i][j],其中Q[0][0]的Hilbert Curve Cup為LEFT(=1),Q[0][1]的Hilbert Curve Cup為UP(=0),Q[1][1]的Hilbert Curve Cup為UP(=0),Q[1][0]的Hilbert Curve Cup為RIGHT(=3),讓該Hilbert Curve Cups如圖13所示轉換成一如圖16所示的走訪路徑(Sequential Traversal),最後將該走訪路徑輸出至一鏟花路徑優化檔(TXT),其走訪路徑的座標順序為:(2,1)→(1,2)→(2,2)→(1,4)→(2,4)→(2,5)→(2,6)→(2,7)→(3,7)→(3,6)→(3,5)→(3,4)→(4,4)→(4,5)→(4,6)→(5,6)→(5,5)→(5,4)→(7,3)→(6,3)→(5,3)→(4,3)→(4,2)→(5,2)→(6,2)→(7,2)→(7,1)→(6,1)→(5,1)→(4,1)→(4,0)→(5,0)→(6,0)→(7,0),讓該自動化鏟花機依照該鏟花路徑優化檔(TXT)相對該工件進行鏟花加工。
為了測試本發明路徑演算法的效能,在相同的工件上分別以五種方法進行路徑的走訪,其中方法一係以水平分割將將工件分成4等分區域的方式進行走訪,方法二係以水平分割16層的方式進行走訪,方法三則是以Hilbert Curve的方式走訪,方法四是以本發明的Hilbert Sequence & Sequential走訪並且Linear Quadtree以16×16為單位,而方法五則是以本發明Hilbert Sequence & Sequential走訪並且Linear Quadtree以32×32為單位的方式走訪,於實際操作的相關參數為:輸入影像解析度為4654×3189,自動化鏟花機的鏟頭動作時間為0.475秒/次,下刀次數為5109次,請配合參看如圖17及18所示,其中依本發明的方式進行走訪的方法四比循序走訪(Sequential Order)在路徑單位距離改善率為96.09%,不含鏟頭動作實際執行時間改善率為57.76%,而含鏟頭動作時間改善率為44.34%。實際執行時間可減少77分12秒,確實且有效地改善實際執行鏟花加工所需的時間。
藉由上述的技術手段,本發明鏟花路徑優化方法主要針對單層鏟花路徑進行工件的移動路徑規劃,藉以改善鏟花過程中工件移動時間過長的問題,其中由於所輸入影像解析度極高可能達16384×16384以上,即表示需走訪的座標點可能性過多,所以無法在多項式中找到最短路徑,而僅能找近似最短路徑的優化路徑,因此,本發明採用資料結構為線性四元樹(Linear Quadtree)進行建構,區塊路徑演算法則採用Hilbert Curve,而區塊內的內部走訪演算法則是依Hilbert Curve Cup進行循序走訪(Sequentail Traversal),其中線性四元樹的建構速度快、不需要龐大的記憶體空間且取得區塊資料也極為快速,加上Hilbert Curve具有clustering特性,因此,可得到一近似鏟花最短路徑,不僅可大幅減少工件移動時間,且可降低鏟花機械動作所需的時間,進而提供一可節省加工時間且提高加高效率的鏟花路徑優化方法。
以上所述,僅是本發明的較佳實施例,並非對本發明作任何形式上的限制,任何所屬技術領域中具有通常知識者,若在不脫離本發明所提技術方案的範圍內,利用本發明所揭示技術內容所作出局部更動或修飾的等效實施例,並且未脫離本發明的技術方案內容,均仍屬於本發明技術方案的範圍內。
無。
Claims (4)
- 一種鏟花路徑優化方法,其係包含有以下的操作步驟: 前置處理:準備一自動化鏟花機與一工件,透過該自動化鏟花機對於該工件的平面進行掃描,將掃描後所得的資料整理成一檔案,其中該檔案內容包含每個座標點的凸起深度,並透過該自動化鏟花機將該檔案中每個座標點依照深度進行分層,將單一層深度的資料輸出而形成一路徑文字檔,將該路徑文字檔轉換為一 2 l 1 ×2 l 1 之靜態影像; 區塊建構:以 2 l 2 ×2 l 2 的區塊大小為單位進行區塊建構,建構出一 2 l 1 - l 2 ×2 l 1 - l 2 的二維陣列線性四元樹;以及 路徑演算:以Hilbert Curve進行路徑演算,產生一長度為 2 l 1 - l 2 -1 的Hilbert Curve (H),將該Hilbert Curve (H)的長度轉換成一長度為 2 l 1 - l 2 +1 的Hilbert Sequence (S),並依照該Hilbert Curve (H)的順序走訪該二維陣列之線性四元樹,並進一步以Hilbert Sequence (S)的順序走訪Q[i][j],並轉換成一走訪路徑,將該走訪路徑輸出至一鏟花路徑優化檔,讓該自動化鏟花機依照該鏟花路徑優化檔相對該工件進行鏟花加工。
- 如請求項1所述之鏟花路徑優化方法,其中在前置處理的操作步驟中,係透過row major order的方式對於工件的平面進行掃描。
- 如請求項2所述之鏟花路徑優化方法,其中在前置處理的操作步驟中,係以row major order將其中一層深度的資料輸出而形成一單層深度分佈的路徑文字檔。
- 如請求項1所述之鏟花路徑優化方法,其中在前置處理的操作步驟中,係以row major order將其中一層深度的資料輸出而形成一單層深度分佈的路徑文字檔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104140712A TWI587951B (zh) | 2015-12-04 | 2015-12-04 | Optimization of shoveling path |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104140712A TWI587951B (zh) | 2015-12-04 | 2015-12-04 | Optimization of shoveling path |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201720556A TW201720556A (zh) | 2017-06-16 |
TWI587951B true TWI587951B (zh) | 2017-06-21 |
Family
ID=59687496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104140712A TWI587951B (zh) | 2015-12-04 | 2015-12-04 | Optimization of shoveling path |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI587951B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1163180A (zh) * | 1997-03-04 | 1997-10-29 | 彭德恩 | 固定结合面就位研点刮削法 |
TW201124227A (en) * | 2010-01-12 | 2011-07-16 | Univ Nat Formosa | Scrape method of automated scraping workpiece surface. |
TW201313379A (zh) * | 2011-09-22 | 2013-04-01 | Univ Nat Formosa | 鏟花數值控制加工方法 |
-
2015
- 2015-12-04 TW TW104140712A patent/TWI587951B/zh active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1163180A (zh) * | 1997-03-04 | 1997-10-29 | 彭德恩 | 固定结合面就位研点刮削法 |
TW201124227A (en) * | 2010-01-12 | 2011-07-16 | Univ Nat Formosa | Scrape method of automated scraping workpiece surface. |
TW201313379A (zh) * | 2011-09-22 | 2013-04-01 | Univ Nat Formosa | 鏟花數值控制加工方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201720556A (zh) | 2017-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107146280B (zh) | 一种基于切分的点云建筑物重建方法 | |
CN105261068A (zh) | 基于Micro-CT技术的储层岩心三维实体模型重构方法 | |
KR101555426B1 (ko) | 지형 렌더링 방법 및 장치 | |
CN109658431B (zh) | 基于区域生长的岩体点云平面提取方法 | |
CN101556703A (zh) | 基于连续切片图像的网络模型建立方法 | |
CN105303616A (zh) | 基于单张照片的浮雕建模方法 | |
CN109887073B (zh) | 岩心的三维数字模型构建方法及装置 | |
CN110363178B (zh) | 基于局部和全局深度特征嵌入的机载激光点云分类方法 | |
CN104899849A (zh) | 一种多目标交互式图像分割方法和装置 | |
CN111710023B (zh) | 一种三维点云数据特征点提取方法及应用 | |
CN117011477B (zh) | 一种基于bim的钢结构形变监测处理方法及系统 | |
CN1858801A (zh) | 三维扫描的点云孔洞填补方法 | |
Altantsetseg et al. | 3d surface reconstruction of stone tools by using four-directional measurement machine | |
CN109389553B (zh) | 基于t样条的气象传真图等值线插值方法 | |
Wang et al. | The comparison of drainage network extraction between square and hexagonal grid-based dem | |
CN109658477A (zh) | 一种基于lidar数据的dem生成算法 | |
CN108256218A (zh) | 一种基于实测腰线数据的地下连通巷道精细建模方法 | |
CN114612632A (zh) | 一种基于三维激光点云数据的排序、插值处理方法 | |
CN109727255B (zh) | 一种建筑物三维模型分割方法 | |
CN114549751A (zh) | 箱梁生产的模板监控系统及方法 | |
TWI587951B (zh) | Optimization of shoveling path | |
JP7225810B2 (ja) | ひび線抽出装置、ひび線抽出方法、及び、ひび線抽出プログラム | |
Buldo et al. | A scan-to-BIM workflow proposal for cultural heritage. Automatic point cloud segmentation and parametric-adaptive modelling of vaulted systems | |
Lu et al. | Applications of computer vision and deep learning in visual features extraction of drill bits | |
Romstad et al. | Structuring the digital elevation model into landform elements through watershed segmentation of curvature |