资料下载
×
汽车覆盖件模具边界特征提取方案解析
消耗积分:1 |
格式:rar |
大小:0.6 MB |
2017-11-24
分享资料个
0 引言
在产品的设计和开发中利用逆向工程可以极大地缩短产品的开发周期和开发费用，尤其是我国的汽车行业，许多覆盖件模具均是从国外直接进口，这些模具的设计资料比较匮乏。轿车覆盖件改型或国产化，采用逆向工程不失为一种快捷有效的方法。
逆向工程一般可分为四个阶段：（1）零件原形的数字化。通常采用三坐标测量机（CMM）或激光扫描等测量装置来获取零件原形表面点的三维坐标值。 （2）从测量数据中提取零件原形的几何特征。按测量数据的几何属性对其进行分割，采用几何特征匹配与识别的方法来获取零件原形所具有的设计与加工特征。（3）零件原形CAD模型的重建。将分割后的三维数据在相应软件系统中分别做表面模型的拟合，并通过各表面片的求交与拼接获取零件原形表面的CAD模型。（4）重建CAD模型的检验与修正。采用根据获得的CAD模型重新测量和加工出样品的方法来检验重建的CAD模型是否满足精度或其他试验性能指标的要求，对不满足要求者重复以上过程，直至达到零件的设计要求。而其中实物几何特征的识别和提取是整个过程中的重点和难点。
在逆向工程中，因为大部分实物的形状比较复杂，特别是存在大量自由曲面特
征，通常无法用单一整张曲面来拟合所有数据点。这就需要提取曲面特征，将点云分成许多有意义的区域来单独处理，分别用不同的方法拟合出不同的曲面;然后通过求交、裁剪，用过渡曲面将曲面连接起来，最后形成整张光顺的曲面模型。曲面的划分直接影响曲面的构造方法、曲面的拼接、曲面的缝合及实体模型的建立。所构造的曲面能否反映原来实物的特征，很大程度上取决于分片质量的好坏。
在现行使用的曲面构型软件中，数据分片一般都采用交互式方法进行：即由用户通过对原始数据点云 的观察，分析某一数据集合，从中找出各个特征，交互式对其边界进行定义，然后对所得数据片分别采用相应的曲面重构方法完成单个曲面的重构。再通过公共的边界线或过渡曲面将各个构型曲面连接起来。这种方法实现比较直观，目前很多商用软件都采用这种方式。如surfacer。虽然方法直观，简便，却存在很大不足。采用用户交互式的数据区间定义，在实际过程中存在很大的随意性。确定的边界比较模糊，通常先是对数据进行一个大致的划分，然后根据对拟合曲面情况的观察和误差、光顺性的检测结果进行反复的修改、删除甚至重构。这种做法费时，效率比较低，并且修改观察时因人不同产生的结果可能不同，这需要有一定的实际经验和几何构型水平，是一种摸索和尝试的过程。曲面原有特征也得不到很好的保护和体现，所取得效果未必能达到用户的要求。因此，实现原形特征的自动提取来划分数据一直以来是人们追求的目标。
国内外有很多人对实物原型特征识别和曲面的自动分片进行了研究［3-4］，但多数算法比较复杂，实现起来比较困难，有些主要针对规则数据点云的，且都没有真正达到分片的自动化。
通过提取散乱数据点的拓扑结构，完成数据点的三角网格化;然后进行数据精简，估算精简后各测点的法矢和曲率，把曲率极值点作为边界特征候选点;最后连边界点组成边界线。该算法被用于上海大众公司SAN模具数字化项目，取得了较好效果。
1 建立三角网格模型
用光学设备测得的数据点云数据量大，数据排列无明显的组织结构，对这样的点我们采用Riemann图建立散乱数据点间的邻接关系［5］，然后采用最小内角最大化原理［1］完成数据点的三角网络化。
在产品的设计和开发中利用逆向工程可以极大地缩短产品的开发周期和开发费用，尤其是我国的汽车行业，许多覆盖件模具均是从国外直接进口，这些模具的设计资料比较匮乏。轿车覆盖件改型或国产化，采用逆向工程不失为一种快捷有效的方法。
逆向工程一般可分为四个阶段：（1）零件原形的数字化。通常采用三坐标测量机（CMM）或激光扫描等测量装置来获取零件原形表面点的三维坐标值。 （2）从测量数据中提取零件原形的几何特征。按测量数据的几何属性对其进行分割，采用几何特征匹配与识别的方法来获取零件原形所具有的设计与加工特征。（3）零件原形CAD模型的重建。将分割后的三维数据在相应软件系统中分别做表面模型的拟合，并通过各表面片的求交与拼接获取零件原形表面的CAD模型。（4）重建CAD模型的检验与修正。采用根据获得的CAD模型重新测量和加工出样品的方法来检验重建的CAD模型是否满足精度或其他试验性能指标的要求，对不满足要求者重复以上过程，直至达到零件的设计要求。而其中实物几何特征的识别和提取是整个过程中的重点和难点。
在逆向工程中，因为大部分实物的形状比较复杂，特别是存在大量自由曲面特
征，通常无法用单一整张曲面来拟合所有数据点。这就需要提取曲面特征，将点云分成许多有意义的区域来单独处理，分别用不同的方法拟合出不同的曲面;然后通过求交、裁剪，用过渡曲面将曲面连接起来，最后形成整张光顺的曲面模型。曲面的划分直接影响曲面的构造方法、曲面的拼接、曲面的缝合及实体模型的建立。所构造的曲面能否反映原来实物的特征，很大程度上取决于分片质量的好坏。
在现行使用的曲面构型软件中，数据分片一般都采用交互式方法进行：即由用户通过对原始数据点云 的观察，分析某一数据集合，从中找出各个特征，交互式对其边界进行定义，然后对所得数据片分别采用相应的曲面重构方法完成单个曲面的重构。再通过公共的边界线或过渡曲面将各个构型曲面连接起来。这种方法实现比较直观，目前很多商用软件都采用这种方式。如surfacer。虽然方法直观，简便，却存在很大不足。采用用户交互式的数据区间定义，在实际过程中存在很大的随意性。确定的边界比较模糊，通常先是对数据进行一个大致的划分，然后根据对拟合曲面情况的观察和误差、光顺性的检测结果进行反复的修改、删除甚至重构。这种做法费时，效率比较低，并且修改观察时因人不同产生的结果可能不同，这需要有一定的实际经验和几何构型水平，是一种摸索和尝试的过程。曲面原有特征也得不到很好的保护和体现，所取得效果未必能达到用户的要求。因此，实现原形特征的自动提取来划分数据一直以来是人们追求的目标。
国内外有很多人对实物原型特征识别和曲面的自动分片进行了研究［3-4］，但多数算法比较复杂，实现起来比较困难，有些主要针对规则数据点云的，且都没有真正达到分片的自动化。
通过提取散乱数据点的拓扑结构，完成数据点的三角网格化;然后进行数据精简，估算精简后各测点的法矢和曲率，把曲率极值点作为边界特征候选点;最后连边界点组成边界线。该算法被用于上海大众公司SAN模具数字化项目，取得了较好效果。
1 建立三角网格模型
用光学设备测得的数据点云数据量大，数据排列无明显的组织结构，对这样的点我们采用Riemann图建立散乱数据点间的邻接关系［5］，然后采用最小内角最大化原理［1］完成数据点的三角网络化。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
