| 研究概要 |
(1) X線CT計測で得られた約3百万ポリゴンの自動車エンジン部品の測定メッシュから,本研究で独自提案したRegion-Growing法とRegion-Merging法を併用し,1分以内の処理時間で,4種類の解析曲面領域を計測画像分解能の1/10以下の誤差で高精度に抽出できることを確認した.また認識された曲面領域の種類・個数も妥当であることを確認できた.
(2) 測定メッシュ上から,コンパクトなCADモデル生成には必要不可欠となるユークリッド対称性(平行移動,回転,平面反射)を認識するための手法としてRegion-Growing-ICP法を,また周期的パターンで定義される規則性(平行移動配置,回転配置)を認識する手法として,最小基底推定一Indexed-ICP法を新たに考案した.両手法を用い,X線CT計測データ上から該当領域を1分以内に高精度に認識できることを確認した.
(3) 測定メッシュ上から,コンパクトなCADモデル生成には必要不可欠となるスイープ型Featureを自動認識するための法線Gauss-Image投票法を新たに考案し,アルミ押し出し材のX線CT計測データからスイープ型Featureを連続的に認識し,数分以内でその3次元ソリッドCADモデルを自動的に構築できた.
(4) 上記(1)-(3)のアルゴリズムを組み合わせて生成された部品単体の3次元CADモデルの精度検証を,測定物の機械式3次元測定器による測定結果と比較し実施した結果,いずれの場合も,その誤差は計測画像分解能の1/10以下,測定メッシュ平均稜線長の1/5以下という十分な値を持つことを確認できた.
以上の研究成果を,学術雑誌論文2件,国際会議発表1件,国内学会発表10件の形で発表した.
|
