基于轮廓主成分分析特征提取的二维轮廓排样方法技术

本发明专利技术公开了一种基于轮廓主成分分析特征提取的二维轮廓排样方法，该方法首先将排样母材轮廓进行离散，然后对排样母材轮廓读取处理并进行主成分分析，得到母材待排样区的第一主成分和第二主成分；然后提取待排样轮廓的所有凸特征，再用主成分分析法对轮廓的这些凸特征进行主成分提取及表达；然后将所有主成分单位化，并相应将特征值比例赋予主成分权重，得到反映真实轮廓凸特征的主成分；然后分别计算待排样区域和待排样轮廓凸特征第一主成分，第二主成分的比值，选择第一主成分比值以及第二主成分比值相近的作为排样方案，最终完成二维轮廓的排样。本发明专利技术算法实现简单，不需要传统方法的分度旋转靠接即可找出对应的最优排样方案，而且排样精确，填充率高，排样效率高。

Two-dimensional contour layout method based on contour principal component analysis feature extraction

【技术实现步骤摘要】
基于轮廓主成分分析特征提取的二维轮廓排样方法
本专利技术涉及一种轮廓排样方法，尤其涉及一种基于轮廓主成分分析特征提取的二维轮廓排样方法。
技术介绍
排样问题广泛存在于现代经济社会的多个行业中，例如机械制造、印刷包装、服装、皮革、玻璃、木材加工、建筑业、微电子等多种行业。该问题的产生主要是现代加工制造业的发展和市场经济竞争所产生的推动结果。解决好这个问题可以提高材料的利用率，从而降低企业的生产成本、提高企业竞争力，所以研究排样问题具有重要的应用价值。在实际工程应用中，排样问题的核心目标是在满足工艺条件的基础上，寻求一个合理的零件排样方案，并尽量提高材料的利用率，以期达到节约材料和降低成本的目的。根据空间维数和具体应用来划分，排样问题可以划分为一维排样问题(也即线性排样问题)、二维排样问题以及三维填充和装箱问题，其中涉及面比较广的主要是一维和二维排样问题。目前排样问题的研究热点集中在二维排样方面，二维排样问题是研究最广泛的排样问题。常见的二维轮廓排样的方法主要分为三类：基于矩形拟合的方法、基于图像像素的表示法和基于临界多边形NFP排样方法。1)基于矩形拟合的方法在研究不规则零件排样的早期，许多研究人员为了简化不规则零件在排样过程的复杂度，先求出单个或多个不规则零件组合的最小包络矩形，再对其包络矩形用矩形排样算法进行优化排样。单个零件的包络容易求解，但是多个零件组合的求解就有些复杂了，而且这种方法的精度不高，材料利用率低，实用性不强，现在己很少采用了。2)基于图像像素的表示法基于图像像素的表示法就是令每个零件都用位图点阵的方式表示，这种表示方法并不受图形轮廓形状的限制，特别适用于不规则形状的零件。用这种方法来检查零件的重叠比较简单和快速。但是这种算法将矢量图转化为位图的过程也会带来算法上的额外开销，而且由于像素确定的精度问题，不能精确地表示零件的位置，算法定位的精度受到图像像素分辨率划分的限制；算法运算的复杂度与图像分辨率的平方成正比，图像的精度越高，排样的复杂度越大，运算时间越长。3)基于临界多边形NFP排样方法基于临界多边形法是一种基于轨迹线计算求解的算法。这种方法能有效地对不规则零件进行排样，但是这种算法要计算出零件绕板材轮廓形成的轨迹，构造临界多边形的算法比较复杂，特别是求解凹多边形的零件多边形，而且计算量相当大，限制了排样效率的提高，阻碍了排样算法的发展。除了以上主要的三类方法，还有与智能算法结合使用的优化算法，利用智能算法的智能优化思想只是产生不同的排样顺序，而优化效果很大程度上还是依赖于基本的排样算法，而现有的方法没有考虑轮廓几何特征，这就导致了待排样轮廓的几何特征资源的浪费，排样效率低且效果不好。
技术实现思路
为了解决现有排样方法的不足，进一步提高排样质量。本专利技术提出了一种基于轮廓主成分分析特征提取的二维轮廓排样方法，本专利技术对于排样母材的形态没有要求，可以用于解决不规则轮廓在矩形、圆形和不规则母材上的排样问题。而且，本专利技术方法在特征提取上可以给轮廓特征的主要特征赋予比较大的权值，进而对轮廓特征进行比较完整的提取。为了解决上述存在的技术问题，本专利技术是通过以下技术方案实现的：一种基于轮廓主成分分析特征提取的二维轮廓排样方法，该方法内容包括如下步骤：步骤1：将排样母材待排样区域轮廓离散成散点；步骤2：读取排样母材待排样区域的离散点,这些离散点构成初始样本空间，对这些离散点进行矢量化处理得到新样本空间；步骤3：使用主成分分析法对待排样区域的新样本空间进行主成分分析，提取并表达待排样区域的主成分，即是特征向量；步骤4：读取待排样零件的轮廓，识别待排样零件轮廓的所有凸特征，也就是凸多边形，并对所提取的凸特征按顺时针进行编号；步骤5：选取经步骤4处理之后的凸特征以初始样本空间表示，然后对凸特征的初始样本空间进行矢量化处理，得到分析该凸特征所用的新样本空间；步骤6：用主成分分析法对该凸特征的新样本空间进行主成分分析，提取并表达该凸特征的主成分，即是特征向量；步骤7：将提取的所有主成分单位化，并将对应的特征值加权给主成分；步骤8：重复步骤5-步骤7，计算该待排样零件轮廓所有凸特征的第一主成分分别与待排样区域的第一主成分的比值并存储；步骤9：比较这些比值的大小，选取比值接近1的若干个凸特征；步骤10：比较步骤9筛选之后的凸特征的第二主成分与待排样区域的第二主成分比值，选取比值最接近1的凸特征作为最终排样方案；步骤11：计算选取凸特征的第一主成分和待排样区域的第一主成分的夹角；步骤12：将所选取的凸特征旋转步骤11所计算出的凸特征的第一主成分和待排样区域的第一主成分的夹角角度，使两部分的第一主成分方向重合，得到所选取凸特征的新排样姿态；步骤13：以该待排样零件轮廓形心为参考点，以步骤12所选择的排样姿态沿向量指向进行平移靠接得到新的排样姿态；步骤14：重复步骤2-步骤13，将所有待排样轮廓进行排样；步骤15：结束此次排样。本专利技术方法在考虑轮廓几何特征的时候，考虑了特征不同部分在轮廓中所占的比重，所提取的特征相比较与基于轮廓骨架线的排样方法能够起到很好的降噪作用，在比较完整地表达特征的同时，还忽略了那些无关紧要的小特征对排样的影响。本专利技术方法将凸特征用主成分表达之后，借用主成分特征向量完成轮廓的匹配，简化了排样姿态的求解，使问题趋于简单化。本专利技术具有算法实现简单，并且排样的填充率高，排样效率高，由于考虑了轮廓几何特征，提取完之后，仅需进行待排样区域与待排样轮廓提取出的特征向量的旋转匹配即可，明显减少了旋转的次数以及靠接计算，以高效且目的准确的方法得到最终的排样结果。本专利技术的基于主成分分析特征提取的二维轮廓排样方法，主要解决不规则形状的排样问题，该方法将排样轮廓提取并使用主成分分析特征提取，利用主成分所代表的轮廓特征的信息简化排放方法，该方法增加凸特征主要轮廓的作用，并减少次要轮廓因素的影响，充分利用了凸特征的主成分，综合以上因素，通过利用排样轮廓的主成分实现了二维轮廓的排样。目前基本所有的排样相关的专利都将排样轮廓使用矩形轮廓进行简化，必然出现排样填充率较低的情况，而采用本专利技术方法，可以有效提取并利用轮廓特征的信息，从而能够提高排样的质量和效率。附图说明图1为本专利技术的排样方法流程图；图2矢量化处理待排样区域结果图；图3待排样区域主成分分析提取图；图4待排样轮廓凸特征提取及表达图；图5待排样轮廓各个凸特征主成分分析结果图；图6单位化及加权处理后的主成分结果图；图7排样方案凸特征和待排样区域第一主成分夹角图；图8凸特征经旋转结果图；图9靠接结果图。具体实施方式下面结合附图和具体实施例对本专利技术作进一步说明：本专利技术的一种基于轮廓主成分分析特征提取的二维轮廓排样方法，图1为本专利技术的排样方法流程图，具体实施步骤如下：步骤1：将排样母材待排样区域轮廓离散成散点。步骤2：读取排样母材待排样区域的离散点,这些离散点构成初始样本空间，对这些离散点进行矢量化处理得到新样本空间。图2为矢量化处理待排样区域结果图，在图2中，3表示已排样的零件轮廓，其围成了待排样区如图中4表示；该步骤的具体实施过程如下：⑴对排样母材待排样区域的离散点的顶点按逆时针表示{Pi}，i＝1,2,3….n；坐标为(xi，yi)，以向量的形式进行表达Pi(xi本文档来自技高网...

【技术保护点】
一种基于轮廓主成分分析特征提取的二维轮廓排样方法，其特征在于：该方法内容包括如下步骤：步骤1：将排样母材待排样区域轮廓离散成散点；步骤2：读取排样母材待排样区域的离散点,这些离散点构成初始样本空间，对这些离散点进行矢量化处理得到新样本空间；该步骤的具体实施过程如下：⑴对排样母材待排样区域的离散点的顶点按逆时针表示{Pi}，i＝1,2,3….n；坐标为(xi，yi)，以向量的形式进行表达Pi(xi，yi)，得到排样母材待排样区域的初始样本空间，此样本空间与坐标系密切相关；⑵归一化和加权处理：选择排样母材待排样区域的离散点起始端点P0，然后从起始端点沿逆时针方向对这些离散点做矢量化处理，即按照逆时针依次连接各离散点，经过处理得到的(n‑1)个矢量Xi，而且用这些矢量的长度作为该向量的权值构造出新样本空间；步骤3：使用主成分分析法对待排样区域的新样本空间进行主成分分析，提取并表达待排样区域的主成分，即是特征向量；该步骤由计算机完成，其具体实施过程如下：⑴对排样母材待排样区域的初始样本空间矢量化处理得到用于主成分分析的新样本空间，表示为：

【技术特征摘要】
1.一种基于轮廓主成分分析特征提取的二维轮廓排样方法，其特征在于：该方法内容包括如下步骤：步骤1：将排样母材待排样区域轮廓离散成散点；步骤2：读取排样母材待排样区域的离散点,这些离散点构成初始样本空间，对这些离散点进行矢量化处理得到新样本空间；该步骤的具体实施过程如下：⑴对排样母材待排样区域的离散点的顶点按逆时针表示{Pi}，i＝1,2,3….n；坐标为(xi，yi)，以向量的形式进行表达Pi(xi，yi)，得到排样母材待排样区域的初始样本空间，此样本空间与坐标系密切相关；⑵归一化和加权处理：选择排样母材待排样区域的离散点起始端点P0，然后从起始端点沿逆时针方向对这些离散点做矢量化处理，即按照逆时针依次连接各离散点，经过处理得到的(n-1)个矢量Xi，而且用这些矢量的长度作为该向量的权值构造出新样本空间；步骤3：使用主成分分析法对待排样区域的新样本空间进行主成分分析，提取并表达待排样区域的主成分，即是特征向量；该步骤由计算机完成，其具体实施过程如下：⑴对排样母材待排样区域的初始样本空间矢量化处理得到用于主成分分析的新样本空间，表示为：其中是维数为2的长度加权列向量，n是新样本空间的向量的个数；⑵计算上述n个长度加权列向量的平均列向量Xi为第i个长度加权列向量；⑶计算每一个长度加权列向量与平均列向量的差值，得到差值向量Di＝Xi-X′(2)⑷构造协方差矩阵C＝(cij)2×2：C＝D*DT(3)其中，D＝(D1，D2，D3……Dn)＝(dij)2×n；⑸对步骤⑷所得到的协方差矩阵进行特征分解；因为得到的协方差矩阵C是实对称矩阵，因此可以使用JacobiSVD方法，也即奇异值分解，对协方差矩阵C进行奇异值分解，得到两个特征值λk(k＝1，2)且λk＞0和它们所对应的两个特征向量ξk(k＝1，2)，比较大的特征值对应的特征向量为它的第一主成分，另一个则为第二个主成分；步骤4：读取待排样零件的轮廓，识别待排样零件轮廓的所有凸特征，也就是凸多边形，并对所提取的凸特征按顺时针进行编号；步骤5：选取经步骤4处理之后的凸特征以初始样本空间表示，然后对凸特征的初始样本空间进行矢量化处理，得到分析该凸特征所用的新样本空间；该步骤的具体实施过程为：⑴对选定的凸特征进行离散，生成的离散点的顶点按逆时针表示{Pi}，i＝1,2,3….n；坐标为(xi，yi)，以向量的形式进行表达Pi(xi，yi)，得到该凸特征的初始样本空间，此样本空间也与坐标系密切相关；⑵归一化和加权处理；选择该凸特征离散点的起始端点P0，然后从起始端点沿逆时针方向对这些凸特征离散点做矢量化处理，即按照逆时针依次连接各离散点，经过处理得到的(n-1)个矢量Xi，而且用这些矢量的长度作为该向量的权值构造出新样本空间；步骤6：用主成分分析法对该凸特征的新样本空间进行主成分分析，提取并表达该凸特征的主成分，即是特征向量；所述提取和表达该凸特征的主成分的具体实施过程如下：⑴对该凸特征初始样本空间矢量化处理得到用于主成分分析的新样本空间，表示为：其中是维...

【专利技术属性】
技术研发人员：郭保苏，冀玉龙，陈建超，吴凤和，李永欣，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13