致谢 | 第3-4页 |
摘要 | 第4-5页 |
abstract | 第5-6页 |
变量注释表 | 第17-19页 |
1 绪论 | 第19-33页 |
1.1 研究背景 | 第19-21页 |
1.2 国内外研究现状 | 第21-29页 |
1.3 存在的问题 | 第29页 |
1.4 课题来源、主要工作及意义 | 第29-32页 |
1.5 论文结构 | 第32-33页 |
2 再制造零件的损伤形式与视觉测量机器人 | 第33-43页 |
2.1 再制造零件的结构特征 | 第33-34页 |
2.2 再制造零件的损伤形式 | 第34-37页 |
2.3 视觉测量机器人 | 第37-42页 |
2.4 本章小结 | 第42-43页 |
3 三维模型的标准化骨架图构建方法 | 第43-61页 |
3.1 基于拉普拉斯收缩的三维模型骨架提取 | 第43-49页 |
3.2 基于骨架的三维模型分割 | 第49-52页 |
3.3 标准化骨架图的构建 | 第52-60页 |
3.4 本章小结 | 第60-61页 |
4 基于骨架的再制造零件整体自适应粗略扫描方法 | 第61-73页 |
4.1 单一分支的扫描路径生成策略 | 第61-63页 |
4.2 各分支的扫描顺序生成策略 | 第63-66页 |
4.3 零件整体的自适应扫描路径生成 | 第66页 |
4.4 再制造零件的整体粗扫精度设置 | 第66-68页 |
4.5 基于骨架的再制造零件整体自适应粗略扫描实验 | 第68-72页 |
4.6 本章小结 | 第72-73页 |
5 基于轮廓线模型的点云预处理与损伤定位方法 | 第73-93页 |
5.1 基于轮廓线模型的点云二次预处理与损伤定位方法的工作流程 | 第73-74页 |
5.2 基于骨架匹配的模型配准 | 第74-78页 |
5.3 标准轮廓线模型的构建 | 第78-83页 |
5.4 基于轮廓线模型的点云二次预处理 | 第83-89页 |
5.5 基于轮廓线模型的损伤定位 | 第89-92页 |
5.6 本章小结 | 第92-93页 |
6 零件损伤部位的自适应高精扫描与模型重构方法 | 第93-105页 |
6.1 零件损伤部位的自适应高精度扫描策略 | 第93-96页 |
6.2 再制造零件损伤部位的自适应高精扫描实验 | 第96-98页 |
6.3 精扫点云的二次去噪 | 第98-99页 |
6.4 点云融合 | 第99-101页 |
6.5 损伤部位的数据提取与模型重构 | 第101-104页 |
6.6 本章小结 | 第104-105页 |
7 结论与展望 | 第105-107页 |
7.1 结论 | 第105-106页 |
7.2 展望 | 第106-107页 |
参考文献 | 第107-113页 |
作者简历 | 第113-117页 |
学位论文数据集 | 第117页 |