摘要：通过工业计算机断层成像图像边缘拟合,可获得矢量化的曲线,进而获得工件的计算机辅助设计图纸,实现基于工业断层成像的机械零部件逆向设计。在用两组细胞神经网络对图像进行分割的基础上,进行边缘跟踪和曲线的多维拟合。通过横截圆和轴线的拟合,实现对圆柱形目标的拟合。轴线拟合时,将各层圆心坐标分别投影到xz平面和yz平面进行最小二乘拟合,以降低计算复杂度。对发动机切片图像进行实验,根据拟合得到的参数得出了圆柱形目标的计算机辅助设计图,其拟合均方误差小于0.3像素2。对不规则目标,讨论了基于最小二乘法的分段三次曲线拟合方法在边缘曲线拟合中的应用;对发动机切片图像目标区域进行实验的拟合均方误差均小于0.6像素2。实验结果和误差分析证明,文中的拟合方法是有效的,实现了基于工业断层成像的逆向设计所必需的位图矢量化。

摘要：研究了一种对工业计算机断层(CT)图像与计算机辅助设计(CAD)模型进行比对检测,分析工件制造误差的方法。首先,用模板自适应细胞神经网络提取工业CT图像边缘,并进行三方向CT切片边缘数据融合处理以获得完整的三维边缘面。然后,先结合主成分分析和最小包围盒的思想对CT边缘面数据与工件的CAD模型实现粗配准,再用奇异值分解-迭代最近点算法对其进行精配准,其中最近点对的求取用k-d树进行加速,从而实现对工件制造误差的分析。实验结果显示,文中的方法能够实现工件的比对检测,自动化程度高、能直观显示误差分布且精度高,表明通过改进工件CT图像与CAD模型的比对检测方法,可将工业CT技术用于制造工艺分析与改进中。

摘要：改进了一种基于工业计算机断层成像(industrial computed tomography,ICT)图像与计算机辅助设计(computer aided design,CAD)模型的比对检测算法,分析工件制造误差。首先对工业CT图像用三维Otsu法进行阈值分割,并分别提取边缘面与角点特征;然后对工业CT图像角点特征与工件的CAD模型用文中研究的旋转投影法求取方向包围盒,进而实现粗配准;再结合角点特征点集和奇异值分解—迭代最近点算法进行精配准,最近点对的求取用k-d树进行加速;最后在边缘面上显示误差。实验结果表明,该方法在工件比对检测过程中,粗配准精度更高,适应性更好。整个比对检测过程更加高效,速度上有了较大的提高。