TWI821027B - 元件匹配和報告方法 - Google Patents
元件匹配和報告方法 Download PDFInfo
- Publication number
- TWI821027B TWI821027B TW111144050A TW111144050A TWI821027B TW I821027 B TWI821027 B TW I821027B TW 111144050 A TW111144050 A TW 111144050A TW 111144050 A TW111144050 A TW 111144050A TW I821027 B TWI821027 B TW I821027B
- Authority
- TW
- Taiwan
- Prior art keywords
- component
- hook
- processor
- feature
- measurement
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 86
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Diaphragms For Electromechanical Transducers (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本發明提出一種元件匹配和報告方法,其包含以下步驟。剖析三維檔案,以得出複數特徵;依據特徵分析參數,分析複數特徵,以找出至少一元件特徵;依據特徵判斷參數,判斷至少一元件特徵是否對應為元件;當至少一元件特徵對應為元件時,對元件進行定位;在元件定位以後,對元件進行量測以輸出量測報告。
Description
本發明是有關於一種系統及方法,且特別是有關於一種元件匹配和報告系統及其元件匹配和報告方法。
關鍵元件的測量是產品開發線早期控制產品質量的重要步驟。關鍵元件可以是一對卡勾、螺釘、支柱或任何可以成對工作的組件。需要人工測量元件的尺寸和元件之間的距離,以證明產品的設計具有一定的安全性和質量水平。
傳統上,生成測量報告是一個手動過程。這過程可以總結為四個主要步驟:人工操作員將1)打開產品設計三維(3D)檔案,2)定位關鍵元件,3)製作截面和4)測量關鍵元件。
然而,在3D檔案空間中尋找某種結構對人類而言是重大挑戰。遍歷整個結構並在產品設計文件中標記關鍵元件位置需要大量時間,並且取決於操作員的經驗。另外,對於不熟悉指定3D工具的人來說,為某個位置製作剖面是一項艱鉅的任務。 最後,操作人員需要一遍遍地翻閱檔案,以確保沒有丟失要測量的關鍵元件。操作人員長時間製作測量報告既累人又容易出錯。
本發明提出一種元件匹配和報告系統以及元件匹配和報告方法,改善先前技術的問題。
在本發明的一些實施例中,本發明所提出的元件匹配和報告方法包含以下步驟:剖析三維檔案,以得出複數特徵;依據特徵分析參數,分析複數特徵,以找出至少一元件特徵;依據特徵判斷參數,判斷至少一元件特徵是否對應為元件;當至少一元件特徵對應為元件時,對元件進行定位;在元件定位以後,對元件進行量測以輸出量測報告。
在本發明的一些實施例中,對元件進行量測以輸出量測報告的步驟包含:在元件定位以後,依據一量測面規則,找出元件的至少一量測面;對元件的至少一量測面進行關鍵部分量測,以得出量測資料;將量測資料套用於報告模板,以產生量測報告。
在本發明的一些實施例中,元件為卡勾,判斷至少一元件特徵是否對應為元件的步驟包含:判斷一面是否直接面向相對面;判斷該面的法線的反方向所對準的斜角面是否與面的法線之間的夾角落於預設角度範圍內;判斷該面是否位於該公模面;當該面直接面向相對面且夾角落於預設角度範圍內且該面位於公模面時,判定該面對應於卡勾的卡勾面。
在本發明的一些實施例中,元件為卡勾,判斷至少一元件特徵是否對應為元件的步驟包含:透過神經網路模型以分析三維檔案中的各面是否為卡勾的卡勾面。
在本發明的一些實施例中,三維檔案包含兩蓋體,元件為至少一對卡勾,判斷至少一元件特徵是否對應為元件的步驟包含:將兩蓋體平移預設距離;在兩蓋體平移預設距離以後,判斷兩蓋體之間是否具有至少一重疊部分;當兩蓋體之間具有至少一重疊部分時,判定至少一重疊部分對應為至少一對卡勾。
在本發明的一些實施例中,本發明所提出的元件匹配和報告系統包含儲存裝置以及處理器,處理器電性連接儲存裝置,儲存裝置儲存三維檔案與至少一指令,處理器用以存取並執行至少一指令以:剖析三維檔案,以得出複數特徵;依據特徵分析參數,分析複數特徵,以找出至少一元件特徵;依據一特徵判斷參數,判斷至少一元件特徵是否對應為元件;當至少一元件特徵對應為元件時,對元件進行定位;在元件定位以後,依據量測面規則,找出元件的至少一量測面;對元件的至少一量測面進行關鍵部分量測,以得出量測資料;將量測資料套用於報告模板,以產生量測報告。
在本發明的一些實施例中,元件為卡勾,處理器用以存取並執行至少一指令以:判斷一面是否直接面向相對面;判斷該面的法線的反方向所對準的斜角面是否與面的法線之間的夾角落於預設角度範圍內;判斷該面是否位於公模面;當該面直接面向相對面且夾角落於預設角度範圍內且該面位於公模面時,判定該面對應於卡勾的卡勾面。
在本發明的一些實施例中,元件為卡勾,處理器用以存取並執行至少一指令以:透過神經網路模型以分析三維檔案中的各面是否為卡勾的卡勾面。
在本發明的一些實施例中,三維檔案包含兩蓋體,元件為至少一對卡勾,處理器用以存取並執行至少一指令以:將兩蓋體平移預設距離;在兩蓋體平移預設距離以後,判斷兩蓋體之間是否具有至少一重疊部分;當兩蓋體之間具有至少一重疊部分時,判定至少一重疊部分對應為至少一對卡勾。
在本發明的一些實施例中,處理器用以存取並執行至少一指令以:降低判斷至少一元件特徵是否對應為元件的標準,使量測報告包含元件的量測資料與至少一偽元件的一量測資料。
綜上所述,本發明之技術方案與現有技術相比具有明顯的優點和有益效果。藉由本發明的元件匹配和報告系統及元件匹配和報告方法,解決了先前技術的缺點,從而降低人工錯誤發生可能性與提升時間與人力的效率。
以下將以實施方式對上述之說明作詳細的描述,並對本發明之技術方案提供更進一步的解釋。
為了使本發明之敘述更加詳盡與完備,可參照所附之圖式及以下所述各種實施例,圖式中相同之號碼代表相同或相似之元件。另一方面,眾所週知的元件與步驟並未描述於實施例中,以避免對本發明造成不必要的限制。
請參照第1圖,本發明之技術態樣是一種元件匹配和報告方法100,其可應用在筆記型電腦,或是廣泛地運用在相關之技術環節。本技術態樣之元件匹配和報告方法100可達到相當的技術進步,並具有産業上的廣泛利用價值。以下將搭配第1圖來說明元件匹配和報告方法100之具體實施方式。
應瞭解到,元件匹配和報告方法100的多種實施方式搭配第1圖進行描述。於以下描述中,為了便於解釋,進一步設定許多特定細節以提供一或多個實施方式的全面性闡述。然而,本技術可在沒有這些特定細節的情況下實施。於其他舉例中,為了有效描述這些實施方式,已知結構與裝置以方塊圖形式顯示。此處使用的「舉例而言」的用語,以表示「作為例子、實例或例證」的意思。此處描述的作為「舉例而言」的任何實施例,無須解讀為較佳或優於其他實施例。
舉例而言,筆記型電腦通常由四個主要部件組成,第一蓋體、第二蓋體、第三蓋體與第四蓋體,其中第一、第二蓋體用於屏幕側,第三、第四蓋體用於鍵盤側。
第一、第二蓋體和第三、第四蓋體上設計了多個用於組裝或固定的元件,以確保蓋體之間穩定組裝。每個元件(如:卡勾)都有和自己的配對元件,稱為對手件(如:對面卡勾)。元件設計規範不僅規定了一對元件之間的距離範圍,而且還規定了元件的尺寸範圍。
第1圖是依照本發明的一些實施例之一種元件匹配和報告方法100的流程圖。應瞭解到,在本實施例中所提及的階段與步驟,除特別敘明其順序者外,均可依實際需要調整其前後順序,甚至可同時或部分同時執行。
元件匹配和報告方法100可以採用非暫態電腦可讀取記錄媒體上的電腦程式產品的形式,此電腦可讀取記錄媒體具有包含在介質中的電腦可讀取的複數個指令。適合的記錄媒體可以包括以下任一者:非揮發性記憶體,例如:唯讀記憶體(ROM)、可程式唯讀記憶體(PROM)、可抹拭可程式唯讀記憶體(EPROM)、電子抹除式可程式唯讀記憶體(EEPROM);揮發性記憶體,例如:靜態存取記憶體(SRAM)、動態存取記憶體(SRAM)、雙倍資料率隨機存取記憶體(DDR-RAM);光學儲存裝置,例如:唯讀光碟(CD-ROM)、唯讀數位多功能影音光碟(DVD-ROM);磁性儲存裝置,例如:硬碟機、軟碟機。
元件匹配和報告方法100的步驟S101的輸入是三維文件,元件匹配和報告方法100的步驟S117的輸出是相應的量測報告。
如第1圖所示,元件匹配和報告方法100包含定位階段P01與量測及生成報告階段P02。在前述兩個階段之前,於步驟S102會預先進行一個檔案剖析過程,剖析三維檔案,以於步驟S103得出如點、線、面…等複數特徵;舉例而言,複數特徵可為對之後的過程有用的屬性列表,例如:點位置、邊緣位置、面位置、面法線、邊緣長度…等。
在定位階段P01,將有兩個額外的參數(即,步驟S104的特徵分析參數和步驟S107的特徵判斷參數)做為輸入,定位階段P01輸出初步的元件位置資料。步驟S104、S107附加參數是基於目標元件定義的。以卡勾的量測報告為例,定義參數用於卡勾特徵分析和卡勾判斷。在定位階段P01,於步驟S105依據特徵分析參數,分析複數特徵,以於步驟S106找出元件特徵;舉例而言,使用特徵分析參數以對於解析的有用屬性進行特徵分析,並生成元件特徵。接下來,繼續進行定位階段P01,於步驟S108,依據特徵判斷參數,判斷前述元件特徵是否對應為元件,當至少一元件特徵對應為元件時,於步驟S109,對元件進行定位;舉例而言,步驟S108使用帶有特徵判斷參數的元件特徵來過濾並於步驟S109獲得元件位置資料(如:元件位置列表),元件位置是接下來的量測及生成報告階段P02的輸入之一。
在量測及生成報告階段P02階段,將有兩個額外的資料(即,步驟S110的測量面規則和步驟S115的報告模板)做為輸入,量測及生成報告階段P02對元件進行量測以輸出最終的量測報告的檔案。步驟S110的測量面規則通常由需要量測報告的機械質量控制單位定義之,步驟S110將高級人工定義的規則轉換為可編程的測量面規則。於步驟S112,依據量測面規則,對量測面進行蒐集,於步驟S113找出元件的量測面,於步驟S114,對元件的量測面進行關鍵部分量測,以於步驟S115得出量測資料。於步驟S116,將量測資料套用於報告模板,以產生量測報告。於步驟S117,輸出量測報告。
在一些實施例中,從步驟S109給定的元件位置和步驟S110的可編程的量測面規則中於步驟S111找出需要量測某些元件的測量面。於步驟S112,收集測量面和解析的屬性,步驟S113可以用幾何公式計算關鍵部分測量值,例如點到面距離、邊到邊距離、面到面距離…等。在步驟S114得到量測資料(如:測量結果表)之後,步驟S116結合報告模板和量測資料來生成最終的量測報告。
接下來,在一些實施例中,以元件為卡勾的測量報告的自動化為例,本發明提出三種卡勾定位算法,基於機構、基於神經網絡(如:圖類神經網路)和基於直覺的方法。
關於基於機構的方法,本發明從機構設計汲取智慧。卡勾設計者通常遵循一些機制約定。在一些實施例中,本發明將約定轉換為結構描述和規則。本發明假設每個卡勾都應該有一個直接面向其相對卡勾的基準面的基準面(即,卡勾面)。此外,每個卡勾都有一個斜角面,有助於組裝部件。最後,卡勾通常停留在公模面,與母模面相對,母模面是產品的內板,通常不平整。基於機制約定,於步驟S108,1、判斷一面是否直接面向相對面,舉例而言,在該面最近的複數個鄰面中,有一個平行的面;2、判斷該面的法線的反方向所對準的斜角面是否與面的法線之間的夾角落於預設角度範圍(如:銳角範圍)內;3、判斷該面是否位於公模面,舉例而言,該面的法線與母模面的法線相似,即停留在公模面。當該面直接面向相對面且夾角落於預設角度範圍內且該面位於公模面時,判定該面對應於卡勾的卡勾面。
在基於機構的方法中,特徵分析參數包含計算從平面投射的射線、找到母模面以及相對面和斜角面的最大距離的係數。因此,特徵判斷參數包含斜角面、母模面和相對面可接受的面法線差範圍。
關於基於神經網絡(如:圖類神經網路)的方法,在一些實施例中,利用機器學習的發展,本發明將元件定位問題轉化為圖中的節點分類問題,並使用開發的圖網絡框架來實現。 在基於神經網絡的方法中,在一些實施例中,每個面都有自己的標籤:卡勾或非卡勾。另外,面與面之間的線表示邊-面連接,亦即兩個面共享的邊緣。最後,所有的面和邊都有自己的屬性,如邊的長度、面的面積和法線。
在一些實施例中,預先標記的卡勾面表示為正樣本(帶卡勾的標籤),隨機抽取其他幾個面做為負樣本的標籤(帶有非卡勾的標籤)。實作可以控制正、負樣本的比例。
然後,在一些實施例中,可以使用標記數據執行基於神經網絡的機器學習框架。在得到訓練好的神經網路模型後,可以通過神經網路模型來獲得標記的卡勾面及其位置。在一些實施例中,於步驟S108,透過神經網路模型以分析三維檔案中的各面是否為卡勾的卡勾面。
在基於神經網絡的方法中,特徵分析參數和特徵判斷參數都在標記數據中定義,並通過機器學習進行微調。這種方法的好處之一是不需要給出特徵分析所需的確切屬性,也不需要給出特徵判斷閾值,它們可以通過使用給定標記數據的機器學習來找尋和微調。
關於基於直覺的方法,在一些實施例中,可以直觀地制定特徵分析。一對卡勾是兩個通過相互卡合來發揮作用的組件。 換句話說,如果稍微移動重疊對的邊,依然重疊的就是卡勾。 基於這種直覺,在一些實施例中,於步驟S108,將兩蓋體平移預設距離;在兩蓋體平移預設距離以後,判斷兩蓋體之間是否具有至少一重疊部分;當兩蓋體之間具有至少一重疊部分時,判定至少一重疊部分對應為一對卡勾。
在一些實施例中,重疊部分的體積內的每個面都屬於卡勾。在基於直覺的方法中,特徵分析參數可為移位變換的係數,特徵判斷參數可為重疊判斷參數。
關於步驟S110找出量測面的方法,在一些實施例中,將測量規範轉換為在測量中需要的面,然後標記。舉例而言,基準面為在定位階段P01所得的卡勾面;在最接近卡勾面的一對平行面中,與卡勾面夾角較大的平行面為第一正面,否則為第二正面;最接近卡勾面的背對背的一對側面,分別標記為第一側面與第二側面;第一個與卡勾面的法線相反方向的射線投射的交互面為斜角面;法線與 卡勾面的法線相反的最近面為頂面;第一個被卡勾面的法線方以射線投射到的交互面為底面。據此,根據在測量中需要的量測面列表定義可編程規則,所有的過程都是可編程的。
在步驟S112得到需要測量的面之後,於步驟S113,對每個卡勾及其相關面進行截面操作,得到一個 二維(2D)截面圖用於後續的量測報告。然後,步驟S113執行簡單的幾何公式來測量每個關鍵部分,例如:卡合間隙、卡勾間距、勾合量、尖端高度、脫勾(高度)、勾合長度、卡勾肉厚、卡勾肉厚至滑入頂點、卡勾寬、卡勾高…等。
舉例而言,第一卡勾與第二卡勾可為彼此卡合的一對卡勾,卡合間隙為第一卡勾的卡勾面和第二卡勾的卡勾面之間的面到面距離,第一卡勾間距為第一卡勾的第二正面和 第二卡勾的第一正面之間的面到面距離,第二卡勾間距為第一卡勾的第一正面和第二卡勾的第二正面之間的面到面距離,勾合量為第一卡勾的第一正面和第二卡勾的第一正面之間的面到面距離。
舉例而言,對於各卡勾而言,尖端高度為第一正面的邊緣端點投影在底面的法線上的點到點距離,脫勾(高度)為卡勾面的邊緣端點投影在底面的法線上的點到點距離,勾合長度為第一正面邊緣的近端點到第二正面之間的點到面距離,卡勾肉厚為頂面邊緣的遠端點到第二正面之間的點到面距離,卡勾肉厚至滑入頂點為頂面邊緣的近端點到第二正面之間的點到面距離,卡勾寬為第一、第二側面之間的面到面距離,卡勾高為頂面和底面之間的面到面距離。
於步驟S116,通過預定義的報告模板和相應的量測資料的結果數據映射,將相應的數據填寫到報告模板中的字段來自動生成最終的量測報告。舉例而言,量測報告包含一對卡勾的量測資料(如:該對卡勾的標記編號、截面圖、卡合間隙、卡勾間距、勾合量…等),亦可包含各卡勾的量測資料(如:卡勾的標記編號、截面圖、尖端高度、脫勾高度、勾合長度、卡勾肉厚、卡勾肉厚至滑入頂點、卡勾寬、卡勾高…等)。
在現實世界的案例中,卡勾、支柱和其他類型的關鍵組件可能會以各種方式設計並每天更新。為了要直接輔助現有環境,在一些實施例中,元件匹配和報告方法100提供一個設計良好的用戶界面來輔助操作員查看自動生成的結果,詳述如下。
在一些實施例中,元件匹配和報告方法100降低判斷元件特徵是否對應為元件的標準,使量測報告包含元件的量測資料與偽元件的量測資料。舉例而言,通過降低特徵判斷的閾值,雖然會導致會出現偽元件的誤報,但亦能全面提高找出真元件的效率,使全部或幾乎全部的真元件都被標記。由於偽元件的量測資料對於工作人員非常容易辨別,例如:截面明顯為非元件,長度為負值…等,對於由於誤報率高而包含偽元件的頁面,工作人員只需手動將它們從生成的量測報告中刪除。舉例而言,通過在報告編輯器中按「刪除」,人們可以更輕鬆地查看2D結果並進行更正。
在一些實施例中,元件匹配和報告方法100將定位算法整合到 3D 工具中。通過將關鍵元件於定位階段P01的算法集成到 3D 工具中,操作員可以透過標記快速預覽潛在結果。透過預覽結果,操作員可以輕鬆地在 3D 工具中取消標記錯誤結果或標記缺失的關鍵元件。在定位階段P01修正後,量測及生成報告階段P02生成的量測報告的簡報檔就可以被報告了。
綜合以上,元件匹配和報告方法100自動在產品的 3D檔案中找到卡勾,使用卡勾位置的信息,可以自動進行測量。元件匹配和報告方法100給定報告模板,自動生成如寫好的量測報告。元件匹配和報告方法100處理/標記 3D檔案的自動化有助於收集將來可能被其他數據驅動方法使用的標籤數據。
第2圖是依照本發明一實施例之一種元件匹配和報告系統200的方塊圖。如第2圖所示,元件匹配和報告系統200包含儲存裝置210、處理器220、顯示器230以及輸入裝置250。舉例而言,儲存裝置210可為硬碟、快閃儲存裝置或其他儲存媒介,處理器220可為中央處理器、控制器或其他電路,顯示器230可為液晶顯示器,輸入裝置250可為鍵盤、滑鼠、觸控裝置…等。在架構上,處理器220電性連接儲存裝置210、顯示器230以及輸入裝置250。
於使用時,儲存裝置210儲存三維檔案與至少一指令,處理器220用以存取並執行至少一指令以:剖析三維檔案,以得出複數特徵;依據特徵分析參數,分析複數特徵,以找出至少一元件特徵;依據一特徵判斷參數,判斷至少一元件特徵是否對應為元件;當至少一元件特徵對應為元件時,對元件進行定位;在元件定位以後,依據量測面規則,找出元件的至少一量測面;對元件的至少一量測面進行關鍵部分量測,以得出量測資料;將量測資料套用於報告模板,以產生量測報告。顯示器230可顯示量測報告。
關於基於機構的方法,在本發明的一些實施例中,元件可為卡勾,處理器220用以存取並執行至少一指令以:判斷一面是否直接面向相對面;判斷該面的法線的反方向所對準的斜角面是否與面的法線之間的夾角落於預設角度範圍內;判斷該面是否位於公模面;當該面直接面向相對面且夾角落於預設角度範圍內且該面位於公模面時,判定該面對應於卡勾的卡勾面。
關於基於神經網路的方法,在本發明的一些實施例中,元件為卡勾,處理器220用以存取並執行至少一指令以:透過神經網路模型以分析三維檔案中的各面是否為卡勾的卡勾面。
關於基於直覺的方法,在本發明的一些實施例中,三維檔案包含兩蓋體,元件為至少一對卡勾,處理器220用以存取並執行至少一指令以:將兩蓋體平移預設距離;在兩蓋體平移預設距離以後,判斷兩蓋體之間是否具有至少一重疊部分;當兩蓋體之間具有至少一重疊部分時,判定至少一重疊部分對應為該至少一對卡勾。
在本發明的一些實施例中,處理器220用以存取並執行至少一指令以:降低判斷至少一元件特徵是否對應為元件的標準,藉以全面提高找出元件的效率,量測報告包含元件的量測資料與偽元件的量測資料。顯示器230可顯示量測報告,偽元件的量測資料容易辨別,使用者可透過輸入裝置250輕易刪除偽元件的量測資料。
在本發明的一些實施例中,儲存裝置210儲存3D工具,上述至少一指令整合於3D工具中,處理器220執行3D工具以開啟三維檔案,自動標記被定位的元件,顯示器230可呈現三維檔案中被標記的元件,操作員可以透過標記快速預覽潛在結果。透過預覽結果,操作員可以輕鬆地在 3D 工具中取消標記錯誤結果或標記缺失的關鍵元件。
綜上所述,本發明之技術方案與現有技術相比具有明顯的優點和有益效果。藉由本發明的元件匹配和報告方法100及元件匹配和報告系統200,解決了先前技術的缺點,從而降低人工錯誤發生可能性與提升時間與人力的效率。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附符號之說明如下:
100:元件匹配和報告方法
200:元件匹配和報告系統
210:儲存裝置
220:處理器
230:顯示器
250:輸入裝置
P01:定位階段
P02:量測及生成報告階段
S101~S117:步驟
為讓本發明之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:
第1圖是依照本發明的一些實施例之一種元件匹配和報告方法的流程圖;以及
第2圖是依照本發明的一些實施例之一種元件匹配和報告系統的方塊圖。
100:元件匹配和報告方法
P01:定位階段
P02:量測及生成報告階段
S101~S117:步驟
Claims (2)
- 一種元件匹配和報告方法,包含以下步驟:透過一處理器剖析一三維檔案,以得出複數特徵;透過該處理器依據一特徵分析參數,分析該些特徵,以找出至少一元件特徵;透過該處理器依據一特徵判斷參數,判斷該至少一元件特徵是否對應為一元件,其中該元件為一卡勾,透過該處理器判斷該至少一元件特徵是否對應為該元件的步驟包含:透過該處理器判斷一面是否直接面向一相對面;透過該處理器判斷該面的一法線的反方向所對準的一斜角面是否與該面的該法線之間的一夾角落於一預設角度範圍內;透過該處理器判斷該面是否位於一公模面;以及當該面直接面向該相對面且該夾角落於該預設角度範圍內且該面位於該公模面時,透過該處理器判定該面對應於該卡勾的一卡勾面;當該至少一元件特徵對應為該元件時,透過該處理器對該元件進行定位;以及在該元件定位以後,透過該處理器對該元件進行量測以輸出一量測報告。
- 如請求項1所述之元件匹配和報告方法,其中該三維檔案包含兩蓋體,該元件為至少一對卡勾,透過該處理器判斷該至少一元件特徵是否對應為該元件的步驟 包含:透過該處理器將該兩蓋體平移一預設距離;透過該處理器在該兩蓋體平移該預設距離以後,透過該處理器判斷該兩蓋體之間是否具有至少一重疊部分;以及當該兩蓋體之間具有該至少一重疊部分時,透過該處理器判定該至少一重疊部分對應為該至少一對卡勾。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111144050A TWI821027B (zh) | 2022-11-17 | 2022-11-17 | 元件匹配和報告方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111144050A TWI821027B (zh) | 2022-11-17 | 2022-11-17 | 元件匹配和報告方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI821027B true TWI821027B (zh) | 2023-11-01 |
TW202422364A TW202422364A (zh) | 2024-06-01 |
Family
ID=89722245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111144050A TWI821027B (zh) | 2022-11-17 | 2022-11-17 | 元件匹配和報告方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI821027B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763068B (zh) * | 2009-12-15 | 2011-11-09 | 沈阳飞机工业(集团)有限公司 | 飞机复杂构件快速数控加工准备系统及方法 |
TW201626116A (zh) * | 2014-12-18 | 2016-07-16 | Asml荷蘭公司 | 用於三維特徵之微影模型 |
TWI617928B (zh) * | 2014-02-25 | 2018-03-11 | 英特爾股份有限公司 | 用於特徵搜尋之系統,裝置及方法 |
CN106323167B (zh) * | 2016-08-22 | 2019-06-07 | 上海交通大学 | 一种基于图像识别的智能扫描在线测量系统和测量方法 |
-
2022
- 2022-11-17 TW TW111144050A patent/TWI821027B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763068B (zh) * | 2009-12-15 | 2011-11-09 | 沈阳飞机工业(集团)有限公司 | 飞机复杂构件快速数控加工准备系统及方法 |
TWI617928B (zh) * | 2014-02-25 | 2018-03-11 | 英特爾股份有限公司 | 用於特徵搜尋之系統,裝置及方法 |
TW201626116A (zh) * | 2014-12-18 | 2016-07-16 | Asml荷蘭公司 | 用於三維特徵之微影模型 |
CN106323167B (zh) * | 2016-08-22 | 2019-06-07 | 上海交通大学 | 一种基于图像识别的智能扫描在线测量系统和测量方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202422364A (zh) | 2024-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hummel et al. | Comparative visual analysis of Lagrangian transport in CFD ensembles | |
JP4933008B2 (ja) | コンピュータ援用製造測定解析のための方法および媒体 | |
JP2014527663A (ja) | 座標測定系データ整理 | |
TWI773063B (zh) | 圖像產生系統及圖像產生方法 | |
Stoyanova et al. | An enhanced computational method for age‐at‐death estimation based on the pubic symphysis using 3 D laser scans and thin plate splines | |
Phillips | Folklore theorems, implicit maps, and indirect inference | |
US20150025846A1 (en) | Selection and use of representative target subsets | |
US7683900B2 (en) | System and method for processing a point cloud in a simulated three-dimensional space | |
WO2020121564A1 (ja) | 寸法計測装置、寸法計測プログラム及び半導体製造システム | |
TWI846887B (zh) | 資料處理裝置、資料處理方法及資料處理程式 | |
Liu | An adaptive process of reverse engineering from point clouds to CAD models | |
Pacella et al. | Machine vision based quality control of free-form profiles in automatic cutting processes | |
TWI821027B (zh) | 元件匹配和報告方法 | |
CN108133116B (zh) | Cad户型图墙厚自动识别方法及系统 | |
Tao et al. | Anomaly detection for fabricated artifact by using unstructured 3D point cloud data | |
CN117058337A (zh) | 点云三维重建自动化生成建筑工程bim模型的方法及装置 | |
CN118031867A (zh) | 元件匹配和报告系统及方法 | |
US10055811B2 (en) | System and method for generating interactive 2D projection of 3D model | |
Lockett et al. | Similarity measures for mid-surface quality evaluation | |
Laosiritaworn et al. | Visual basic application for statistical process control: A case of metal frame for actuator production process | |
Gohari et al. | Finding optimal correspondence sets for large digital metrology point clouds using anisotropic diffusion analogy | |
Gehre et al. | Feature Curve Co‐Completion in Noisy Data | |
Gallo et al. | Breast shape parametrization through planar projections | |
Li | Intelligent restoration of ancient murals based on discrete differential algorithm | |
Chao et al. | Accurate and efficient dimensional measurement technique based on point cloud models and its application in the automotive industry |