الگوریتم‌های جدید برای تشخیص مرز ابر نقطه سه بعدی و بازسازی لبه

نوع فایل : word

تعداد صفحات : 34

تعداد کلمات : 8700

مجله : Journal of Computational Design and Engineering

انتشار : 2019

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
16 اکتبر 2020
دسته بندی
تعداد بازدیدها
1599 بازدید
32,000 تومان

عنوان فارسی مقاله:الگوریتم‌های جدید برای تشخیص مرز ابر نقطه سه بعدی و بازسازی لبه

 چکیده  

سطوح مشبک یا موزاییکی تولید شده از ابرهای نقطه‌ای معمولاً مرزهای غیر دقیق را نشان می‌دهند. در صورتی که مدل، برای کاربردهای تولید و ساخت استفاده شود می‌تواند منجر به خطاهای تحمل و مسائلی نظیر ماشین شود. این مقاله، یک الگوریتم تشخیص نقطه‌ی مرزی جدید و رویکرد فیلترینگ مبتنی بر FFT معرفی می‌کند که امکان تولید مستقیم سطوح مشبک با نویز پایین را از داده‌های ابر نقطه می‌دهد که بر اساس مقادیر آستانه‌ی از پیش تعریف شده نیست. فنون تشخیص فعلی برای تشخیص نقاط متعلق به لبه بهینه سازی می‌شود. الگوریتم چدید در تشخیص نقاط مرزی استفاده شده و این کار را بهتر از روش‌های موجود انجام می‌دهد. بازسازی لبه‌ی مبتنی بر FFT، موجب حذف مسئله‌ی تعریف تابع چند جمله‌ای خاص برای برازش منحنی چند جمله‌ای می‌شود. الگوریتم‌ها برای تحلیل نتایج و اندازه گیری زمان اجرا برای ابرهای نقطه‌ای تولید شده از اندازه گیری لیزری بر روی توربین موتور توربوفان با با تعداد نقاط عضوی متغیر تست شد. لبه‌های باز سازی شده با نقاط مرزی با ضریب بهبود ۴٫۷ در رویکرد برازش چند جمله‌ای برازش داشت. به علاوه، از طریق افزودن نویز مصنوعی، اثبات شده است که الگوریتم تشخیص برای نویز کم‌تر از ۲۵ درصد وضوح ابر قوی بوده و نتایج رضایت بخش را در صورت پایین بودن نویز از ۷۵ درصد ارائه می‌کند(تشخیص مرز ابر نقطه سه بعدی).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Novel algorithms for 3D surface point cloud boundary detection and edge reconstruction

Abstract

 Tessellated surfaces generated from point clouds typically show inaccurate and jagged boundaries. This can lead to tolerance errors and problems such as machine judder if the model is used for ongoing manufacturing applications. This paper introduces a novel boundary point detection algorithm and spatial FT-based filtering approach, which together allow for direct generation of low noise tessellated surfaces from point cloud data, which are not based on pre-defined threshold values. Existing detection techniques are optimized to detect points belonging to sharp edges and creases. The new algorithm is targeted at the detection of boundary points and it is able to do this better than the existing methods. The FFT-based edge reconstruction eliminates the problem of defining a specific polynomial function order for optimum polynomial curve fitting. The algorithms were tested to analyse the results and measure the execution time for point clouds generated from laser scanned measurements on a turbofan engine turbine blade with varying numbers of member points. The reconstructed edges fit the boundary points with an improvement factor of 4.7 over a standard polynomial fitting approach. Furthermore, through adding artificial noise it has been demonstrated that the detection algorithm is very robust for out-of-plane noise lower than 25% of the cloud resolution and it can produce satisfactory results when the noise is lower than 75%.
دیدگاهتان را بنویسید