致谢 | 第4-5页 |
摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第12-20页 |
1.1 引言 | 第12-13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 点云模型的特征分割技术 | 第13-15页 |
1.2.2 集群数据的聚类分析技术 | 第15页 |
1.2.3 虚拟环境下的装配精度检测技术 | 第15-17页 |
1.3 研究内容与意义 | 第17-18页 |
1.4 本文组织与框架 | 第18-20页 |
第2章 基于随机样本一致性的显著特征分割方法 | 第20-40页 |
2.1 引言 | 第20-21页 |
2.2 面向装配配合特征的随机样本一致性泛函分析 | 第21-28页 |
2.2.1 面向点云模型的随机样本一致性统计学分析 | 第21-26页 |
2.2.2 面向参数化特征的随机样本一致性泛函分析 | 第26-28页 |
2.3 基于RANSAC的显著特征分割算法设计 | 第28-31页 |
2.3.1 点云模型显著特征的数据提取 | 第28-29页 |
2.3.2 显著特征分割算法模块设计与实现 | 第29-31页 |
2.4 点云模型显著特征分割算法的实验与结果分析 | 第31-39页 |
2.4.1 点云模型显著特征分割算法实例测试与分析 | 第32-36页 |
2.4.2 点云模型显著特征分割算法实验结果评价 | 第36-39页 |
2.5 本章小结 | 第39-40页 |
第3章 基于权值软分配K均值聚类分析的细节特征分割方法 | 第40-63页 |
3.1 引言 | 第40-41页 |
3.2 高精度点云模型细节特征的点云数据标签化 | 第41-46页 |
3.2.1 高精度点云模型的点云数据特点分析 | 第41-42页 |
3.2.2 基于主成分分析的细节特征点云数据提取方法 | 第42-46页 |
3.2.3 基于PCA的点云模型细节特征标签化方法 | 第46页 |
3.3 基于权值软分配K均值的细节特征聚类分析方法 | 第46-51页 |
3.3.1 基于调和均值质量判定的K均值聚类方法 | 第47-48页 |
3.3.2 面向点云模型细节特征的聚类器设计 | 第48-51页 |
3.4 基于权值软分配聚类分析的细节特征分割算法 | 第51-58页 |
3.4.1 点云模型细节特征的自适应分离方法 | 第51-54页 |
3.4.2 基于RANSAC改进的细节特征分割方法 | 第54-57页 |
3.4.3 点云模型自适应特征分割方法 | 第57-58页 |
3.5 细节特征分割算法实验分析 | 第58-62页 |
3.5.1 细节特征分割算法的模块设计与实现 | 第58-59页 |
3.5.2 细节特征分割算法的实验结果与分析 | 第59-62页 |
3.6 本章小结 | 第62-63页 |
第4章 基于点云特征匹配计算的装配精度检测方法 | 第63-80页 |
4.1 引言 | 第63-64页 |
4.2 基于装配配合特征ICP配准的形位误差检测流程 | 第64-68页 |
4.2.1 工装定位误差的引入 | 第65-66页 |
4.2.2 形位误差检测流程 | 第66-68页 |
4.3 基于装配配合点云特征计算的形位误差评价函数 | 第68-77页 |
4.3.1 平面度评价函数 | 第70-71页 |
4.3.2 平行度评价函数 | 第71-73页 |
4.3.3 垂直度评价函数 | 第73-76页 |
4.3.4 角度误差评价函数 | 第76-77页 |
4.4 基于留一验证(LOOCV)优化的形位误差计算方法 | 第77-79页 |
4.4.1 形位误差评价计算的影响因素 | 第77-78页 |
4.4.2 基于留一验证的精度计算流程 | 第78-79页 |
4.5 本章小结 | 第79-80页 |
第5章 装配精度检测系统开发及其应用 | 第80-97页 |
5.1 引言 | 第80页 |
5.2 装配精度检测系统总体设计 | 第80-84页 |
5.2.1 装配精度检测系统的总体架构设计 | 第81-83页 |
5.2.2 装配精度检测系统功能模块设计 | 第83-84页 |
5.3 装配精度检测系统核心功能模块实现 | 第84-92页 |
5.3.1 点云模型及混合模型数据预处理模块 | 第85-87页 |
5.3.2 装配精度检测流程控制模块 | 第87-88页 |
5.3.3 点云模型自适应特征分割模块 | 第88-90页 |
5.3.4 虚拟装配中的装配精度检测模块 | 第90-92页 |
5.4 装配精度检测系统在桁架装配中的应用 | 第92-96页 |
5.5 本章小结 | 第96-97页 |
第6章 总结与展望 | 第97-99页 |
6.1 全文总结 | 第97-98页 |
6.2 工作展望 | 第98-99页 |
参考文献 | 第99-103页 |
作者简介 | 第103页 |