作為虛擬制造的關(guān)鍵技術(shù)之一,虛擬裝配技術(shù)近年來(lái)受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注,并對(duì)高精度器件制造、虛擬制造等先進(jìn)制造模式的實(shí)施具有深遠(yuǎn)影響。隨著制造加工業(yè)的發(fā)展,尤其是現(xiàn)在越來(lái)越多的產(chǎn)品具有更高的精細(xì)度,在空間結(jié)構(gòu)上越來(lái)越復(fù)雜,對(duì)虛擬裝配的精度要求也不斷提高。因此,對(duì)于產(chǎn)品的質(zhì)量檢測(cè),尺寸、形位檢測(cè),尤其是帶有曲面的產(chǎn)品檢測(cè),采用常規(guī)的檢測(cè)手段效果不佳。目前,大多數(shù)虛擬裝配系統(tǒng)根據(jù)器件的裝配約束裝配,忽略了裝配表面的配合情況,造成了與實(shí)際裝配過(guò)程中的差異,增加了產(chǎn)品開(kāi)發(fā)成本。針對(duì)目前虛擬裝配系統(tǒng)缺乏裝配表面檢測(cè)方法的問(wèn)題,提出了基于面的點(diǎn)云分割算法。該算法基于RANSAC算法,將預(yù)估模型的參數(shù),局內(nèi)點(diǎn)數(shù)量與局內(nèi)點(diǎn)距離作為評(píng)價(jià)因素,重新定義模型評(píng)價(jià)函數(shù),以提高模型的準(zhǔn)確率。使用改進(jìn)后算法對(duì)高精度器件點(diǎn)云數(shù)據(jù)提取裝配面點(diǎn)云后,再用聚類算法對(duì)剩余點(diǎn)云分割,得到局外點(diǎn)云。最后通過(guò)計(jì)算局外點(diǎn)云,得到器件的裝配面幾何特征。實(shí)驗(yàn)表明,基于面的點(diǎn)云分割算法能夠準(zhǔn)確分割點(diǎn)云數(shù)據(jù),加快分割速度,提高裝配效率。為了驗(yàn)證算法的可靠性,設(shè)計(jì)與實(shí)現(xiàn)了高精度虛擬裝配系統(tǒng),按照系統(tǒng)功能,分為交互子系統(tǒng)與裝配校驗(yàn)子系統(tǒng)... 

【文章來(lái)源】：北方工業(yè)大學(xué)北京市

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１虛擬裝配總流程??

的方法是根據(jù)空間點(diǎn)半徑范圍臨近點(diǎn)數(shù)量來(lái)去除冗余點(diǎn)［３５］。具體步驟是，在點(diǎn)云??數(shù)據(jù)中，假定每個(gè)點(diǎn)的一定半徑范圍內(nèi)不存在點(diǎn)，如果在范圍內(nèi)存在點(diǎn)，那么取??球形內(nèi)區(qū)域中接近中心的點(diǎn)，其他點(diǎn)舍棄。如下圖２－２所示，中間和右圓圈中的??點(diǎn)要進(jìn)行舍棄，而左面的圓內(nèi)點(diǎn)保持不變。該方法可以最大限度地保留模型精度??８??

的兩大基本特性是不連續(xù)性和相似性。因?yàn)樵趫D像中物體邊緣通常呈現(xiàn)灰度不連??續(xù)性，所以圖像分割通常根據(jù)不連續(xù)性這一基本特征來(lái)對(duì)其分割。而相似性這個(gè)??特性主要的應(yīng)用是根據(jù)一定的準(zhǔn)則和約束將圖像分割成相似的區(qū)域，圖像分割中??最常用的區(qū)域生長(zhǎng)算法就是基于相似性這一特征。在點(diǎn)云分割中，區(qū)域生長(zhǎng)算法??同樣非常實(shí)用。??區(qū)域生長(zhǎng)算法和聚類算法有相似之處，都是從一個(gè)點(diǎn)出發(fā)，不斷劃分整個(gè)區(qū)??域?qū)崿F(xiàn)分割。不同之處是，聚類算法通常是根據(jù)距離的遠(yuǎn)近去判斷某點(diǎn)的歸屬，??對(duì)于區(qū)域生長(zhǎng)算法，可以根據(jù)三維點(diǎn)云的性質(zhì)去劃分區(qū)域。比如普通點(diǎn)云中，根??據(jù)點(diǎn)云數(shù)據(jù)中每一個(gè)點(diǎn)的法向量和曲率值，進(jìn)而去判斷該點(diǎn)屬于哪一類，如圖??２－３。而對(duì)于特殊的點(diǎn)云，可以根據(jù)特殊的準(zhǔn)則去劃分。除了只有三位坐標(biāo)信息??的普通點(diǎn)云之外，還有一種特殊的點(diǎn)云稱為ＲＧＢ點(diǎn)云，這種點(diǎn)云數(shù)據(jù)除了結(jié)構(gòu)??性信息之外還有該點(diǎn)的顏色信息。目前，ＲＧＢ點(diǎn)云可以通過(guò)市面上很多圖像采??集設(shè)備獲取，比如微軟的Ｋｉｎｅｃｔ就可以很方便的獲得ＲＧＢ點(diǎn)云。將物體通過(guò)顏??色分類是人們最為直觀的辨別方式之一�；陬伾膮^(qū)域生長(zhǎng)算法同上述基于曲??率和法線的分割方法大致相同，該方法將曲率和法線替換為顏色信息。對(duì)于復(fù)雜??的室內(nèi)場(chǎng)景，基于顏色的區(qū)域生長(zhǎng)優(yōu)勢(shì)非常明顯，如圖２－４。


本文編號(hào)：3267499