一种三轴自动化程编特征识别与刀轨生成方法技术

本发明专利技术公开了一种三轴自动化程编特征识别与刀轨生成方法，属于数控加工领域，包括以下核心步骤：三维建模软件载入零件模型图并设置模型的显示参数，获取零件二维平面图像，制作训练样本、学习训练、得到模型权重参数，基于一阶梯度计算识别结果轮廓，对每一特征图进行三维轮廓扫描得到邻接关系图，特征的精细化识别并结合三维建模软件得到刀轨程序。本发明专利技术可自动识别图像中对应的驱动面与支撑面，并基于识别结果生成刀轨，识别结果的准确性较现有的拓扑规则判断方式有着明显提升，模型的适应性与鲁棒性更强，可显著的降低NC程序编制时间提升效率，同时可大幅降低人工成本，为进一步在线提供零件刀轨程序生成服务奠定了基础。线提供零件刀轨程序生成服务奠定了基础。线提供零件刀轨程序生成服务奠定了基础。

【技术实现步骤摘要】
一种三轴自动化程编特征识别与刀轨生成方法


[0001]本专利技术涉及零件的数控加工与特征编程技术，具体涉及一种三轴自动化程编特征识别与刀轨生成方法。

技术介绍

[0002]在数控加工领域，要完成对所设计零部件的加工，数控加工刀轨的生成是一切工作的核心。然而现今在世界范围内还没有真正实现全自动的刀轨生成方法，基于毛坯要得到理想中的零件，需要手动的选择一组加工面即驱动面（一般为腹板）与引导面（一般为侧壁与圆角），然后基于选择的特征生成对应区域的刀轨。因此想要加工完整个零件，在设计的三维图中需将所有特征元素进行手动选择，基于此得到加工刀轨的信息。
[0003]对于熟练的数控加工程序设计工艺师来说，手动选择加工特征的主要优势有，可根据加工面的特征选择适宜的刀轨生成策略。然而手工选择加工面的缺陷也较为明显，即对于多特征（面、槽腔等）元素零件需要手动的点选所有特征面效率较低，不能满足自动化、高效率以及低成本的需要。
[0004]为了实现零件自动化程编，部分学者完成了前期的探索工作，现有的成果主要基于所设计零件所有面之间的拓扑关系与零件的几何参数生成刀轨。现有的方法主要步骤包含：导入待加工零件三维图、获取所有面与边的空间拓扑信息（拓扑图的结点表示一个面，面与面之间的连接用相邻的线表示）、选择法矢方向确定在三维空间中最底面、基于选择的面为起始逐步生成刀轨信息直至基于设定的规则得到所有面的加工刀轨信息。分析现有的基于最底面为起始刀轨生成方法主要的缺点有只能适用于零件结构较为简单的特征，若零件中最底面不存在或是零件最底面存在层层嵌套则不适用。
[0005]为实现自动化程编高效与准确的需要，同时减少在零件程编中人为的介入，准确的特征（驱动面+引导面）识别是实现自动化程编的关键，也是行业急需解决的问题。

技术实现思路

[0006]本专利技术的目的在于提供一种三轴自动化程编特征识别与刀轨生成方法，以解决现今人工生成零件加工程序效率低、高成本以及基于规则的拓扑关系判断驱动面与引导面导致的高误判问题，实现从零件输入自动判断特征面并得到数控机床加工NC程序，同时为进一步在线程序生成服务奠定了基础。
[0007]为了实现上述专利技术目的，本专利技术的技术方案如下：一种三轴自动化程编特征识别与刀轨生成方法，其特征在于，包括如下步骤：S1、在三维建模软件中载入零件模型图，设置其显示参数以区分前景和背景；S2、采集不同视角的零件表面二维投影图像；S3、基于深度学习的分割网络粗识别图像特征区域；S4、针对粗识别结果得到的图像进行灰度化处理；S5、采用最大间方差策略实现灰度化后图像的二值化，得到包含前景和背景的二
值图像；S6、通过二值图像的全局一阶梯度计算获取图像特征区域的轮廓图；S7、基于随机灰度赋值法得到图像特征区域轮廓图中的独立轮廓区域；S8、基于激光扫描得到每个独立轮廓区域的轮廓线扫描数据，并生成二维邻接关系图；S9、建立邻接准则判断函数实现快速程编驱动面与引导面特征组的精细识别；S10、基于精细识别结果自动生成加工刀轨程序。
[0008]进一步的，零件表面二维投影图像为自动采集：在零件模型图中选择一特征面，以其对应的法矢方向为整个零件的视角方向，并截取屏幕图像；循环得到不同视角对应的特征面，使得零件在屏幕方向上的投影面积最大。
[0009]进一步的，零件表面二维投影图像为手动采集：利用三维建模软件菜单栏的中的工具，依次选择“图像”、“捕获”，在“选择模式”中框选出整个零件区域，点击“选项”，在弹出的“捕获选型”中选择像素，在“更多”中设置图像的分辨率宽和长；设置好捕获参数后，点击“捕获”按钮截取图像，并将截取的图像进行保存。
[0010]进一步的，所述的针对粗识别结果得到的图像进行灰度化处理包括：针对深度学习识别结果得到的图像，根据各个通道灰度值以加权求和的方式灰度化，得到灰度化后的图像。
[0011]进一步的，所述的采用最大间方差策略实现灰度化后图像的二值化包括：对于大小为M*N包含sum个灰度级的图像，对应的计算式子为：
；
(3)
；
(4)
；
(5)灰度图中小于阈值像素点的平均灰度值为：；(6)
；
(7)；(8)其中，p
i
表示灰度级为i的像素数占总像素的个数；n
i
表示灰度级为i的像素数；p
background
表示像素点被分配为background的概率累加和；background与foreground分别表
示前景与背景；threshold表示前景与背景分割的阈值；表示图像中所有像素点的灰度值方差。
[0012]进一步的，所述的基于随机灰度赋值法得到图像特征区域轮廓图中的独立轮廓区域包括：针对公式计算得到的图像特征区域轮廓图，采用全局像素种子点填充策略得到每一连通区域的语义信息；每一填充区域采用随机赋值的方式进行处理，得到具有不同灰度的图像特征区域；提取具有相同灰度信息的像素点并进行分类，从而得到独立轮廓区域；针对每一个具有随机灰度的独立轮廓区域，分别进行灰度化和二值化处理，再基于Canny算子计算得到独立轮廓区域的轮廓线。
[0013]进一步的，所述的基于激光扫描得到每个独立轮廓区域的轮廓线扫描数据包括：选择轮廓线任意位置为起始位置，腹板面法矢方向为激光点的移动方向，竖直扫描原始三维图，激光点发出的光线垂直于腹板轮廓线指向外侧，发出的光线遇到平面即反射对应的距离为扫描距离L；竖直方向的移动距离为零件三维图像中垂直于腹板方向的最大值H
max
，当轮廓线上一个点扫描完成后沿着轮廓线顺时针方向移动激光点，直到将一个独立腹板的轮廓线全部扫描完成为止。
[0014]进一步的，所述的由轮廓线扫描数据生成的二维邻接关系图中，X轴表示不同的腹板区域轮廓线段；Y轴表示腹板法矢方向移动的距离；针对每个腹板区域独立的轮廓区域后建立激光扫描点，扫描轮廓线对应的三维图。
[0015]进一步的，所述的建立邻接准则判断函数实现快速程编驱动面与引导面特征组的精细识别，对应的判断函数为：
；
(13)；(14)其中，sum表示腹板封闭轮廓线中存在的直线段总数量；i表示直线段的标号；flag
li
表示对应线段的状态标识；、、、分别表示腹板轮廓线l在第i段与y
di
在二维坐标系中对应区域S中图像的R、G、B灰度值；di表示底角区域；up表示沿腹板法矢方向高于底角的区域。
[0016]综上所述，本专利技术具有以下优点：1、本专利技术解决了现今零件刀轨程序需基于人工选择驱动面加支撑面方式生成刀轨，可自动的识别图像中对应的驱动面与其对应的支撑面并基于识别结果生成刀轨；2、由于采用了深度学习加图像处理方法，识别结果的准确性较现有的拓扑规则判断方式有着明显的提升，同时对不同模型的适应性与鲁棒性更强。采用提出的方式生成刀轨可显著的降低NC程序编制时间并提升效率，同时可大幅降低人工成本，为进一步在线提供零件刀轨程序生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三轴自动化程编特征识别与刀轨生成方法，其特征在于，包括如下步骤：S1、在三维建模软件中载入零件模型图，设置其显示参数以区分前景和背景；S2、采集不同视角的零件表面二维投影图像；S3、基于深度学习的分割网络粗识别图像特征区域；S4、针对粗识别结果得到的图像进行灰度化处理；S5、采用最大间方差策略实现灰度化后图像的二值化，得到包含前景和背景的二值图像；S6、通过二值图像的全局一阶梯度计算获取图像特征区域的轮廓图；S7、基于随机灰度赋值法得到图像特征区域轮廓图中的独立轮廓区域；S8、基于激光扫描得到每个独立轮廓区域的轮廓线扫描数据，并生成二维邻接关系图；S9、建立邻接准则判断函数实现快速程编驱动面与引导面特征组的精细识别；S10、基于精细识别结果自动生成加工刀轨程序。2.根据权利要求1所述的一种三轴自动化程编特征识别与刀轨生成方法，其特征在于，零件表面二维投影图像为自动采集：在零件模型图中选择一特征面，以其对应的法矢方向为整个零件的视角方向，并截取屏幕图像；循环得到不同视角对应的特征面，使得零件在屏幕方向上的投影面积最大。3.根据权利要求1所述的一种三轴自动化程编特征识别与刀轨生成方法，其特征在于，零件表面二维投影图像为手动采集：利用三维建模软件中的工具，依次选择“图像”—“捕获”，在“选择模式”中框选出整个零件区域，点击“选项”，在弹出的“捕获选型”中选择像素，在“更多”中设置图像的分辨率宽和长；设置好捕获参数后，点击“捕获”按钮截取图像，并将截取的图像进行保存。4.根据权利要求1所述的一种三轴自动化程编特征识别与刀轨生成方法，其特征在于，所述的针对粗识别结果得到的图像进行灰度化处理包括：针对深度学习识别结果得到的图像，根据各个通道灰度值以加权求和的方式灰度化，得到灰度化后的图像。5.根据权利要求1所述的一种三轴自动化程编特征识别与刀轨生成方法，其特征在于，所述的采用最大间方差策略实现灰度化后图像的二值化包括：对于大小为M*N包含sum个灰度级的图像，对应的计算式子为：；；；灰度图中小于阈值像素点的平均灰度值为：；
；；其中，p
i
表示灰度级为i的像素数占总像素的个数；n
i
表示灰度级为i的像素数；p
background

【专利技术属性】
技术研发人员：牟文平，喻志勇，曾德标，王鹏程，李博，姜振喜，沈昕，游莉萍，
申请(专利权)人：成都飞机工业集团有限责任公司，
类型：发明
国别省市：