-
公开(公告)号：CN109558646B
公开(公告)日：2022-08-26
申请号：CN201811318056.6
申请日：2018-11-07
Applicant: 华侨大学
IPC: G06F30/17 , G06F30/27 , G06N3/00 , G06F111/06 , G06F113/10
Abstract: 本发明公开了一种多轴增材制造成型顺序优化方法，包括：基于交互选择获得三角网格模型特征点，利用追踪投影算法生成初始分割线；基于初始分割线利用区域增长算法将模型初步分割为多个子块，并依据分割边界信息初步对各子块进行排序；以最少支撑和台阶效应为优化目标函数，利用多目标优化算法求取子块最优成型方向；通过初始分割线和子块的最优成型方向建立优化分割平面来光滑子块分割边界；以最优化约束为优化目标函数，在满足物理性约束的前提下，利用多目标优化算法来优化分割子块的多轴增材制造成型顺序。本发明方法能够实现三角网格模型的灵活、优化分割，提高成型表面质量和成型效率。
-
公开(公告)号：CN109493372B
公开(公告)日：2021-10-01
申请号：CN201811242567.4
申请日：2018-10-24
Applicant: 华侨大学
Abstract: 本发明公开了一种大数据量、少特征的产品点云数据快速全局优化配准方法，针对配准过程中存在数据量大、初始位置不精确、全局配准速度慢等问题，提出基于重叠区域的关键点全局优化配准方法；该方法采用超体素聚类方法对点云进行分块，根据各分块的质心及其参数寻找重叠区域，在重叠区域内计算质心的FPFH并获得相应的对应质心点，从而完成粗配准；采用固有形状特性法(ISS)提取重叠区域点云的关键点，结合全局优化算法完成精配准；配准实验表明本发明可快速有效的完成大数据量、少特征产品的配准工作，解决了初始位置问题，进一步提高了配准的精度与效率。
-
公开(公告)号：CN109448034B
公开(公告)日：2021-10-01
申请号：CN201811242566.X
申请日：2018-10-24
Applicant: 华侨大学
Abstract: 本发明公开了一种基于几何基元的零件位姿获取方法，属于视觉定位领域；零件位姿信息获取通常是通过点云配准方法来获取的，现有的特征描述子配准方法存在特征点提取时间长、粗配准后需要通过ICP进行精配准才能达到精度要求的问题，而本发明提出利用几何基元获取零件位姿的方法。本发明方法通过提取零件点云中的几何基元特征(平面，圆柱面)，并根据基元间的位置关系构建局部坐标系以及局部坐标特征，直接通过局部坐标特征匹配计算点云与模板的局部坐标系转换关系，从而获取零件点云位姿；本发明无需进行精配准即可获得准确的位姿精度，计算效率高。
-
公开(公告)号：CN109487267A
公开(公告)日：2019-03-19
申请号：CN201811549220.4
申请日：2018-12-18
Applicant: 华侨大学
IPC: C23C24/10
Abstract: 一种智能激光再制造方法和系统，获取待修复零件的点云数据模型，并与待修复零件的标准CAD模型比对，判别待修复区域；通过路径自主规划模块自动生成熔覆路径，基于工艺参数数据库运用智能算法确定初始工艺参数；自动调整离焦量并确定初始加工位置；结合视觉算法通过监测熔池形貌及温度的变化实时调整工艺参数，实现激光熔覆过程的闭环反馈控制。具有自动化及智能化特点，适用于中大型结构零件的表面修复，可以降低激光再制造行业的操作门槛，提高激光熔覆的加工质量。
-
公开(公告)号：CN105741355A
公开(公告)日：2016-07-06
申请号：CN201610069444.X
申请日：2016-02-01
Applicant: 华侨大学
IPC: G06T17/30
CPC classification number: G06T17/30
Abstract: 本发明公开了一种三角网格模型的块分割方法，包括读入三角网格模型，建立拓扑信息；计算三角网格模型顶点的凹凸信号，进行全局Laplace光顺去噪；计算标准化的凹凸信息，获得网格模型的凹特征区域；计算归一化的凹凸信息，收缩凹特征区域；提取收缩后凹特征区域的中心线；采用扇形探射线算法构造出闭合的分割线；采用三维snake方法优化分割线，并对分割线进行拟合平滑；采用区域增长方法对三角网模型进行分割。本发明通过提取三角网格模型块中符合最小值原理的分割线，高效、可靠地将模型分割为符合视觉的最小值规则子块。
-
Patent Agency Ranking
公开(公告)号：CN102298795B
公开(公告)日：2013-10-30
申请号：CN201110228332.1
申请日：2011-08-10
Applicant: 华侨大学
IPC: G06T17/30
Abstract: 本发明一种快速成型工艺中零件的STL三角网格模型的三维分段方法，先从STL文件读入STL三角网格模型到内存中，基于改进的翼边结构建立STL模型内的面片、边和顶点的完整拓扑信息；然后通过内存中的信息重复搜索获得原STL模型中的最高位置面片作为种子面片，以此为基础采用边界扩展方法搜索与种子面片具有相同法矢Z轴分量符号的邻接面片，获得多个有相同法矢Z轴分量符号的子STL模型；最后检查每个子STL模型的边界，识别并提取其中的被覆盖边界线，用被覆盖边界线定义的垂直平面来分割子STL模型，进一步产生无干涉的子STL模型；本发明可以有效实现STL三角网格模型的三维分段，且适应性强，效率高，占用资源少。
-
公开(公告)号：CN119910658A
公开(公告)日：2025-05-02
申请号：CN202510288837.9
申请日：2025-03-12
Applicant: 华侨大学
Abstract: 本发明公开了融合内外视觉的大范围机器人手眼标定方法，涉及手眼标定领域，包括：S1，对内部视觉系统进行标定；S2，对摄影测量系统进行标定；S3，利用内部视觉系统采集公共靶标的图像并进行三维重建得到内部视觉系统测量的公共靶标三维数据{Pi}；利用摄影测量系统分别采集内部靶标和公共靶标的图像并分别进行三维重建，得到摄影测量系统测量的内部靶标三维数据{Qi}以及公共靶标三维数据{Mi}；S4，根据{Pi}、{Qi}和{Mi}计算出内部靶标与内部视觉系统之间的转换矩阵Z；S5，计算出末端法兰盘与内部靶标之间的位姿转换矩阵Y；S6，根据Z和Y，求出末端法兰盘与内部视觉系统之间的相对转换矩阵X，完成标定。本发明避免了机器人末端位姿关系的使用，提高了手眼标定的精度。
-
公开(公告)号：CN113806951B
公开(公告)日：2023-05-26
申请号：CN202111117728.9
申请日：2021-09-23
Applicant: 华侨大学
IPC: G06F30/20 , G06T3/40 , G06F111/04 , G06F119/14
Abstract: 本发明提供了一种基于半边数据结构的自然邻近点搜索的弹性仿真方法，具体为：建立计算对象模型，对模型进行节点离散，读入计算对象的材料数据和位移约束信息；根据离散节点划分Voronoi图与Delaunay三角形，其中涉及搜索每个积分点的自然邻近点；求解离散系统的平衡方程，计算节点位移、应变、应力等物理量，具体为：通过高斯消元法求解平衡方程，得到节点位移，通过物理方程与几何方程求得计算模型的应力、应变；本发明提供的方法明显减少了三角面片外接圆检验计算量，减少了大量无效的外接圆检验计算，大大提高了自然邻近点的搜索效率，对于固定形状的弹性问题求解域有相当高的计算效率，适合弹性静力学求解问题。
-
公开(公告)号：CN112157911B
公开(公告)日：2022-08-30
申请号：CN202010955308.7
申请日：2020-09-11
Applicant: 华侨大学
IPC: B29C64/20 , B29C64/386 , B33Y30/00 , B33Y50/00 , G06T17/20
Abstract: 一种自支撑的3D打印梯度弹性多孔材料微结构设计方法，包括以下步骤：三维区域中立方体网格的划分和Voronoi站点生成；对Voronoi站点生成三维多边形Voronoi图，将Voronoi区域的交界面作为多孔材料实体部分，区域内部作为多孔材料的空腔部分；生成多孔材料的切片图像，逐层输入3D打印设备打印，或对切片图像进行三维重构并输出为用于3D打印的STL模型。本发明提出的方法，实现了多孔材料内部孔洞的自支撑打印，减少了孔内支撑，避免了复杂的后处理工序；同时也实现了材料弹性性能的梯度划分。
-
公开(公告)号：CN109767496B
公开(公告)日：2022-07-01
申请号：CN201811548746.0
申请日：2018-12-18
Applicant: 华侨大学
IPC: G06T17/20
Abstract: 本发明公开了一种基于对称约束的网络虚拟装配方法，基于三角网格模型顶点主曲率提取对称特征，首先根据主曲率值采样获取特征区域样本点，以提取对称特征较明显的模型顶点；然后通过裁剪、六维空间变换、配对、mean‑shift聚类和对称表面扩散等算法处理，提取出模型的对称变换和对称面；最终根据提取的三角网格模型的对称变换和对称面进行虚拟装配，具有较高的鲁棒性和效率，对称特征提取过程中利用了机器学习算法mean‑shift聚类精准地训练六维空间变换数据，保证了提取对称特征的准确性；虚拟装配过程提供了鼠标平移、旋转、拖拽等交互功能，保证了程序良好的交互性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
