作為虛擬制造的關鍵技術之一,虛擬裝配技術近年來受到了學術界和工業(yè)界的廣泛關注,并對高精度器件制造、虛擬制造等先進制造模式的實施具有深遠影響。隨著制造加工業(yè)的發(fā)展,尤其是現(xiàn)在越來越多的產(chǎn)品具有更高的精細度,在空間結構上越來越復雜,對虛擬裝配的精度要求也不斷提高。因此,對于產(chǎn)品的質(zhì)量檢測,尺寸、形位檢測,尤其是帶有曲面的產(chǎn)品檢測,采用常規(guī)的檢測手段效果不佳。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,造成了與實際裝配過程中的差異,增加了產(chǎn)品開發(fā)成本。針對目前虛擬裝配系統(tǒng)缺乏裝配表面檢測方法的問題,提出了基于面的點云分割算法。該算法基于RANSAC算法,將預估模型的參數(shù),局內(nèi)點數(shù)量與局內(nèi)點距離作為評價因素,重新定義模型評價函數(shù),以提高模型的準確率。使用改進后算法對高精度器件點云數(shù)據(jù)提取裝配面點云后,再用聚類算法對剩余點云分割,得到局外點云。最后通過計算局外點云,得到器件的裝配面幾何特征。實驗表明,基于面的點云分割算法能夠準確分割點云數(shù)據(jù),加快分割速度,提高裝配效率。為了驗證算法的可靠性,設計與實現(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)與裝配校驗子系統(tǒng)... 

【文章來源】：北方工業(yè)大學北京市

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

圖２－１虛擬裝配總流程??

的方法是根據(jù)空間點半徑范圍臨近點數(shù)量來去除冗余點［３５］。具體步驟是，在點云??數(shù)據(jù)中，假定每個點的一定半徑范圍內(nèi)不存在點，如果在范圍內(nèi)存在點，那么取??球形內(nèi)區(qū)域中接近中心的點，其他點舍棄。如下圖２－２所示，中間和右圓圈中的??點要進行舍棄，而左面的圓內(nèi)點保持不變。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。因為在圖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)性這一基本特征來對其分割。而相似性這個??特性主要的應用是根據(jù)一定的準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)域生長算法就是基于相似性這一特征。在點云分割中，區(qū)域生長算法??同樣非常實用。??區(qū)域生長算法和聚類算法有相似之處，都是從一個點出發(fā)，不斷劃分整個區(qū)??域?qū)崿F(xiàn)分割。不同之處是，聚類算法通常是根據(jù)距離的遠近去判斷某點的歸屬，??對于區(qū)域生長算法，可以根據(jù)三維點云的性質(zhì)去劃分區(qū)域。比如普通點云中，根??據(jù)點云數(shù)據(jù)中每一個點的法向量和曲率值，進而去判斷該點屬于哪一類，如圖??２－３。而對于特殊的點云，可以根據(jù)特殊的準則去劃分。除了只有三位坐標信息??的普通點云之外，還有一種特殊的點云稱為ＲＧＢ點云，這種點云數(shù)據(jù)除了結構??性信息之外還有該點的顏色信息。目前，ＲＧＢ點云可以通過市面上很多圖像采??集設備獲取，比如微軟的Ｋｉｎｅｃｔ就可以很方便的獲得ＲＧＢ點云。將物體通過顏??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。對于復雜??的室內(nèi)場景，基于顏色的區(qū)域生長優(yōu)勢非常明顯，如圖２－４。


本文編號：3267499