基于深度学习的三维碎骨分割方法和装置

    公开(公告)号:CN111402216B

    公开(公告)日:2022-09-23

    申请号:CN202010160086.X

    申请日:2020-03-10

    Abstract: 本发明公开了基于深度学习的三维碎骨分割方法和装置,方法包括:基于获取的三维碎骨网格模型提取顶点坐标与顶点法向量,生成碎骨点云模型;将生成的碎骨点云模型输入至预先训练完成的PointNet++深度神经网络,将得到的顶点碎骨标签概率映射到对应的三维碎骨网格模型,进一步地利用图割法对三维碎骨网格模型进行分割优化获得最终碎骨分割结果。本发明采用几何深度学习中的PointNet++深度神经网络预测碎骨皮质骨与松质骨的分类标记,PointNet++通过分层方式处理度量空间中采样的点集,能提取局部特征捕获到的精细几何结构,较好实现碎骨皮质骨与松质骨分割;再根据三角面片间的平滑程度利用图割法改善分割结果,提高了碎骨分割效率与自动化程度。

    一种基于规则的动态装配CAD模型全局对称性识别方法

    公开(公告)号:CN108710733B

    公开(公告)日:2022-03-01

    申请号:CN201810418171.4

    申请日:2018-05-04

    Abstract: 本发明公开了一种基于规则的动态装配CAD模型全局对称性识别方法,包括步骤1:将所有零件分类划分为若干一致零件集;步骤2:识别每个零件集对称性,并标记识别结果;步骤3:设定零件集排序规则并将零件集排序;步骤4:利用合并验证规则和运动副规则计算中间模型对称性;步骤5:递归调用步骤4,合并验证中间模型对称性,直至确定整个动态装配模型的全局对称性。本发明方法针对动态装配CAD模型全局对称性识别,设计了合并验证规则和运动副规则,这些规则是充分利用装配模型的静态信息和动态信息,并通过几何推理设计的。利用这些规则可以有效避免对运动周期进行密集采样,从而大幅提高动态对称性识别准确性与效率。

    一种基于增强现实的产品质量信息传递方法

    公开(公告)号:CN108492017B

    公开(公告)日:2021-12-10

    申请号:CN201810210279.4

    申请日:2018-03-14

    Abstract: 本发明公开了一种基于增强现实的产品质量信息传递方法,以MBD表示的三维CAD模型为信息输入源,提取基于制造特征的产品质量信息;生成CAD模型图像集,并在生成过程中,构建图像与制造特征的关联关系;最后把制造现场图像与模板图像匹配,将相似度最高的模板图像对应的虚拟摄像机姿态参数为外置摄像机的初始姿态,实现产品质量信息叠加到真实的制造现场场景中。本发明将制造特征作为产品质量信息的基本载体,满足操作人员只需检测指定特征的需求;并通过构建图像与制造特征的关联关系,满足操作人员在不同视角下对零件可视特征的要求;利用跟踪注册技术,再结合外部数据库,实现了将产品质量信息传递到制造现场的需求,提高了检测的效率和质量。

    基于制造特征的多层次结构化MBD模型构建方法

    公开(公告)号:CN109598051A

    公开(公告)日:2019-04-09

    申请号:CN201811439032.6

    申请日:2018-11-29

    Abstract: 本发明公开了基于制造特征的多层次结构化MBD模型构建方法,包括提取制造语义:将制造特征作为各类制造语义的基本载体,把制造语义与零件三维几何关联,本步骤包括提取特征内关联和特征间关联两种模式;制造特征间耦合类型的判定:根据特征间的设计交互作用与制造交互作用判定制造特征间耦合类型;构建耦合制造特征簇:提取MBD模型内部的所有耦合制造特征簇,实现对MBD模型的结构化表征。本发明将制造特征作为载体实现与其他制造语义的关联表示,引入耦合制造特征簇来刻画相对完整与独立的局部区域,以有效表示和维护包括制造特征、耦合制造特征簇和零件以及它们之间的关联关系在内的零件设计信息,使得三维CAD模型具有层次性、局部性及语义性特点。

    一种基于规则的动态装配CAD模型全局对称性识别方法

    公开(公告)号:CN108710733A

    公开(公告)日:2018-10-26

    申请号:CN201810418171.4

    申请日:2018-05-04

    CPC classification number: G06F17/5086

    Abstract: 本发明公开了一种基于规则的动态装配CAD模型全局对称性识别方法,包括步骤1:将所有零件分类划分为若干一致零件集;步骤2:识别每个零件集对称性,并标记识别结果;步骤3:设定零件集排序规则并将零件集排序;步骤4:利用合并验证规则和运动副规则计算中间模型对称性;步骤5:递归调用步骤4,合并验证中间模型对称性,直至确定整个动态装配模型的全局对称性。本发明方法针对动态装配CAD模型全局对称性识别,设计了合并验证规则和运动副规则,这些规则是充分利用装配模型的静态信息和动态信息,并通过几何推理设计的。利用这些规则可以有效避免对运动周期进行密集采样,从而大幅提高动态对称性识别准确性与效率。

    一种粗加工工序自适应动态演化计算方法

    公开(公告)号:CN108304686B

    公开(公告)日:2021-12-10

    申请号:CN201810372957.7

    申请日:2018-04-24

    Abstract: 本发明公开了一种粗加工工序自适应动态演化计算方法,用于加工复杂型腔类零件,该方法首先根据特征的中轴与加工区域的内切圆弧圆心之间的对应关系,建立局部内切圆移动表示模型以引导特征一次粗加工区域与残留区域的计算。然后根据残留区域的中轴拓扑结构识别其类型。其次,根据特征的一次粗加工区域与残留区域,建立基于初始工艺方案的零件粗加工区域与残留区域动态演化模型。最后,提出工艺设计意图驱动的零件粗加工工序自适应进化机制,以消除粗加工过程中的干涉与欠切问题,保证粗加工工艺情境的贯通性。本发明根据残留的类型以及其所处时刻来决策粗加工工序的自适应进化方法,从而弥补已有方法从几何角度分析的不足,降低工艺设计人员的负担,提高数控编程效率。

    基于深度学习的三维碎骨分割方法和装置

    公开(公告)号:CN111402216A

    公开(公告)日:2020-07-10

    申请号:CN202010160086.X

    申请日:2020-03-10

    Abstract: 本发明公开了基于深度学习的三维碎骨分割方法和装置,方法包括:基于获取的三维碎骨网格模型提取顶点坐标与顶点法向量,生成碎骨点云模型;将生成的碎骨点云模型输入至预先训练完成的PointNet++深度神经网络,将得到的顶点碎骨标签概率映射到对应的三维碎骨网格模型,进一步地利用图割法对三维碎骨网格模型进行分割优化获得最终碎骨分割结果。本发明采用几何深度学习中的PointNet++深度神经网络预测碎骨皮质骨与松质骨的分类标记,PointNet++通过分层方式处理度量空间中采样的点集,能提取局部特征捕获到的精细几何结构,较好实现碎骨皮质骨与松质骨分割;再根据三角面片间的平滑程度利用图割法改善分割结果,提高了碎骨分割效率与自动化程度。

    计算机辅助的股骨粗隆间骨折对位对线半自动复位方法

    公开(公告)号:CN109528305A

    公开(公告)日:2019-03-29

    申请号:CN201811188970.3

    申请日:2018-10-12

    Abstract: 本发明公开一种计算机辅助的股骨粗隆间骨折对位对线半自动复位方法,首先将CT图像生成的碎骨三维模型作为信息输入源,提取三维网格模型的几何信息和拓扑关系;提取股骨头和股骨干的断裂面及其相关力线;最后通过对位对线相互迭代的方法确定满足临床医学要求的复位位置,实现粗隆间骨折的半自动复位。本发明遵循股骨粗隆间骨折闭合复位的基本要求,满足医学要求的碎骨拼接需求;再利用对位对线相互迭代求解的思想,通过少量的人机交互,满足了医疗人员术前规划的需求,提高了工作的效率。

    一种基于增强现实的产品质量信息传递方法

    公开(公告)号:CN108492017A

    公开(公告)日:2018-09-04

    申请号:CN201810210279.4

    申请日:2018-03-14

    Abstract: 本发明公开了一种基于增强现实的产品质量信息传递方法,以MBD表示的三维CAD模型为信息输入源,提取基于制造特征的产品质量信息;生成CAD模型图像集,并在生成过程中,构建图像与制造特征的关联关系;最后把制造现场图像与模板图像匹配,将相似度最高的模板图像对应的虚拟摄像机姿态参数为外置摄像机的初始姿态,实现产品质量信息叠加到真实的制造现场场景中。本发明将制造特征作为产品质量信息的基本载体,满足操作人员只需检测指定特征的需求;并通过构建图像与制造特征的关联关系,满足操作人员在不同视角下对零件可视特征的要求;利用跟踪注册技术,再结合外部数据库,实现了将产品质量信息传递到制造现场的需求,提高了检测的效率和质量。

    一种粗加工工序自适应动态演化计算方法

    公开(公告)号:CN108304686A

    公开(公告)日:2018-07-20

    申请号:CN201810372957.7

    申请日:2018-04-24

    Abstract: 本发明公开了一种粗加工工序自适应动态演化计算方法,用于加工复杂型腔类零件,该方法首先根据特征的中轴与加工区域的内切圆弧圆心之间的对应关系,建立局部内切圆移动表示模型以引导特征一次粗加工区域与残留区域的计算。然后根据残留区域的中轴拓扑结构识别其类型。其次,根据特征的一次粗加工区域与残留区域,建立基于初始工艺方案的零件粗加工区域与残留区域动态演化模型。最后,提出工艺设计意图驱动的零件粗加工工序自适应进化机制,以消除粗加工过程中的干涉与欠切问题,保证粗加工工艺情境的贯通性。本发明根据残留的类型以及其所处时刻来决策粗加工工序的自适应进化方法,从而弥补已有方法从几何角度分析的不足,降低工艺设计人员的负担,提高数控编程效率。

Patent Agency Ranking