既有设备三维建模与协同标注方法及其系统与流程
本发明涉及计算机辅助设计与数字化制造,具体涉及一种既有设备三维建模与协同标注方法及其系统。
背景技术:
1、在各类生产加工企业的设备资产中,既有设备往往经历多次维修、局部改造与部件替换,其原始设计图纸大多缺失、版本混乱或与实际状态不符,接口约束与关键尺寸亦缺乏统一记录。对这类设备进行升级改造时,设计方需要重新建立可编辑的三维模型并补全制造、工艺与检测信息。传统的图纸还原做法是人工持测距仪、卡尺逐处量取关键尺寸后手工草绘并在建模软件中重建,作业周期长、人力成本高,且高空、深腔等人工不可触及部位的尺寸无法获取。
2、为替代人工量取,本领域已普遍引入三维激光扫描,并将扫描所得点云与既有图纸或设计模型联合使用以还原模型。cn113051652a公开了一种基于bim和三维扫描的逆向建模技术的工程改扩建方法,其根据建筑结构历史图纸初步建立设计模型并转换为设计bim模型,以三维激光扫描仪对建筑结构内部实体目标扫描得到点云模型,经拼接、去噪、着色生成完整点云模型并作轻量化处理,再通过逆向建模软件创建逆向bim模型与设计bim模型进行对比分析,自动分析不合格点及偏差并动态校准设计bim模型,最后基于校准后的设计bim模型进行改建设计并导出蓝图。该路径以设计模型为骨架、以点云偏差校准骨架,把图纸还原问题转化为模型比对问题,在建筑与结构的改扩建场景中已被广泛采用。
3、cn116051724a公开了一种基于点云的构件模型参数化集成建造方法,其导入构件的设计图纸,对预建模构件作结构分析以判断形状是否规则并据此选择扫描方式,利用三维激光扫描技术得到初始点云模型并生成点云模型,将构件的设计图纸及点云模型对齐,以设计图纸为框架对点云模型降噪得到新点云模型,将新点云模型转化为txt文件并提取其中的x、y、z信息以建立预建模构件的几何模型,再提取rgb信息存入数据集,创建神经网络基于深度学习对预建模构件进行材料识别并进行属性赋予,完成构件信息建模。其中图纸与点云的对齐分两次进行,先利用关键点的特征值作主成分分析对齐两者的中心与主轴,再对两者的边界曲线使用迭代最近点算法进一步对齐;降噪时对位于设计图纸约束内的点云设定较小的惩罚因子、对位于约束外的点云设定较大的惩罚因子,据此区分无噪声点云与噪声点云。
4、上述以点云为尺寸来源、以图纸为几何约束的做法,其模型尺寸最终由降噪后的点云坐标逐点确定,图纸在其中承担的是去噪时的约束边界而非尺寸的独立观测来源,因而尺寸定值的可信度取决于点云源自身的测量不确定度:当点云在遮挡面、深孔内壁、反光表面等部位稀疏或缺失时,该处尺寸缺少第二个来源可以互校,只能由邻近点云外推填补,外推误差随之进入模型且无从评估。同时,其赋予构件的属性信息为材料类别一类的材质信息,模型几何要素上不承载工艺路线、公差与检测点等制造与检验信息,派生特征的公差由各组成尺寸的波动如何累积亦无量化依据,改造件在装配互换与检验一致性上缺少可核算的口径。此外,其流程止于构件信息建模,所得的几何模型与属性信息不向数控加工设备、制造执行系统与现场巡检终端下发,加工与检验过程中产生的实际尺寸也不回传用于修正模型,模型一旦交付即与后续制造环节脱开。如何在图纸资料残缺、各来源精度不一的条件下,得到尺寸可信、制造信息齐备且能随制造反馈收敛的既有设备模型,仍是设备数字化改造中需要解决的实际问题。
技术实现思路
1、本发明要解决的技术问题是:在既有设备原始图纸残缺、可参考信息来源分散且各来源精度不一的条件下,如何重构尺寸可信并可直接用于制造与检验的三维模型。
2、本发明为解决其技术问题,提供了一种既有设备三维建模与协同标注方法,在具有多源数据感知、参数化重构与制造闭环输出功能的设备建模系统中,包括以下步骤:采集既有设备的多源异构数据,通过三维扫描设备获取既有设备的表面点云,通过图像采集设备采集既有设备的外观图像并从中识别二维工程图纸要素,并接收由量具对既有设备关键部位直接测量得到的现场测量所得尺寸数据,所述多源异构数据至少包含三维点云数据、二维工程图纸数据以及现场测量所得尺寸数据,且三类数据分别归属于相互独立的第一采集坐标系、第二采集坐标系与第三采集坐标系;将多源异构数据统一变换至同一模型坐标系,得到配准后的统一特征数据集;从统一特征数据集提取几何特征并构建参数化特征集合,基于所述多源异构数据中针对同一尺寸参数的各数据源观测值通过加权融合求解得到完整尺寸参数向量,并据以驱动三维计算机辅助设计系统生成带有设计变量的参数化三维模型;在参数化三维模型上协同标注制造信息,所述制造信息至少包含工艺路线信息、公差信息以及检测点信息,并基于尺寸灵敏度链计算标注公差在特征链上的累积传递量;将标注完成的参数化三维模型及其制造信息输出至制造执行端,形成从数据采集到制造执行的闭环。
3、上述的方法,将多源异构数据统一变换至同一模型坐标系的步骤中,对归属于第一采集坐标系的特征点集与归属于模型坐标系的特征点集执行刚体变换对齐,所述刚体变换的旋转矩阵与平移向量由对两特征点集的交叉协方差矩阵作奇异值分解得到,且平移向量由两特征点集的质心之差确定。
4、上述的方法,通过加权融合求解得到完整尺寸参数向量的步骤中,对第个尺寸参数以权重取观测值标准差平方倒数的逆方差权重,对来自不少于两个数据源的观测值作加权融合,得到融合尺寸参数及其融合标准差,并以融合后的尺寸参数向量驱动三维计算机辅助设计系统重建参数化三维模型。
5、上述的方法,在参数化三维模型上协同标注制造信息的步骤中,对于根据若干尺寸参数经函数确定的派生特征,基于该函数对各组成尺寸的一阶灵敏度计算该派生特征的累积公差,并取各组成尺寸的标注公差与其灵敏度绝对值之乘积的和作为最坏情况下的累积公差,将累积公差作为该派生特征的标注公差写入制造信息。
6、上述的方法,将标注完成的参数化三维模型及其制造信息输出至制造执行端的步骤中,将模型及制造信息输出至数控加工设备、制造执行系统以及现场巡检终端中的至少一种,并将制造执行端反馈的尺寸偏差作为新的观测值回传,参与所述加权融合以触发模型参数修正,从而形成闭环。
7、本发明为解决其技术问题,提供了一种既有设备三维建模与协同标注系统,用于执行上述任一项所述方法的步骤,包括:数据采集单元,其数据输出端接至坐标配准单元的输入端,用于获取既有设备的多源异构数据,所述多源异构数据至少包含三维点云数据、二维工程图纸数据以及现场测量所得尺寸数据,且三类数据分别归属于相互独立的第一采集坐标系、第二采集坐标系与第三采集坐标系;坐标配准单元,用于将多源异构数据统一变换至同一模型坐标系,得到配准后的统一特征数据集并送交参数化重构单元;参数化重构单元,用于从统一特征数据集提取几何特征并构建参数化特征集合,基于所述多源异构数据中针对同一尺寸参数的各数据源观测值通过加权融合求解得到完整尺寸参数向量,并据以驱动三维计算机辅助设计系统生成带有设计变量的参数化三维模型;制造信息标注单元,其输入端与参数化重构单元的输出端相接,用于在参数化三维模型上协同标注制造信息,所述制造信息至少包含工艺路线信息、公差信息以及检测点信息,并基于尺寸灵敏度链计算标注公差在特征链上的累积传递量;制造端输出单元,其输入端与制造信息标注单元的输出端相接、输出端与制造执行端相接,用于将标注完成的参数化三维模型及其制造信息输出至制造执行端,并将制造执行端反馈的尺寸偏差回传至参数化重构单元,形成从数据采集到制造执行的闭环。
8、上述的系统,所述坐标配准单元对归属于第一采集坐标系的特征点集与归属于模型坐标系的特征点集执行刚体变换对齐,该特征点集中的点经变换后满足,其中旋转矩阵与平移向量由对两特征点集的交叉协方差矩阵作奇异值分解得到,与分别为两特征点集的质心,且平移向量满足。
9、上述的系统,所述参数化重构单元对第个尺寸参数,获取来自不少于两个数据源的观测值及其不确定度,以逆方差权重对观测值作加权融合,得到融合尺寸参数及其融合标准差,并以融合后的尺寸参数向量驱动三维计算机辅助设计系统重建参数化三维模型。
10、上述的系统,所述制造信息标注单元对于根据若干尺寸参数经函数确定的派生特征,基于该函数对各组成尺寸的一阶灵敏度计算该派生特征的累积公差,其中为第个尺寸参数的标注公差,并将累积公差作为该派生特征的标注公差写入制造信息。
11、本发明的有益效果是:
12、(1)对同一尺寸参数的多源观测以逆方差加权融合定值,融合后的尺寸标准差低于任一单源标准差,在点云局部缺失处仍可由图纸要素与量具测量值互为补充,使重构尺寸在图纸资料残缺条件下仍然可信;
13、(2)坐标配准与加权融合前后衔接,配准把分属三个独立采集坐标系的观测统一到同一模型坐标系,使同一尺寸的多源观测具备可比性,融合则把可比的多源观测压缩为单一最优估计,两者耦合使重构模型同时具备基准统一与尺寸最优两项性质;
14、(3)制造、工艺与检测信息在参数化模型的几何要素上协同绑定,派生特征的标注公差按灵敏度链由组成尺寸的公差累积得到,使标注公差覆盖特征链上全部组成尺寸的波动,改造件的装配互换与检验一致具备可核算依据;
15、(4)模型与制造信息向制造执行端下发,加工与检验所得的实际尺寸作为新的观测值回传并参与重新融合,模型随制造反馈逐次收敛并锁定版本,同一企业后续同类设备的改造可在已收敛的模型样例上以少量补充观测快速得到专属模型。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com