一种三维模具的智能建模方法及系统技术方案

本发明专利技术涉及三维模具设计技术领域，尤其涉及一种三维模具的智能建模方法及系统

【技术实现步骤摘要】
一种三维模具的智能建模方法及系统


[0001]本专利技术涉及三维模具设计
，尤其涉及一种三维模具的智能建模方法及系统
。

技术介绍

[0002]现有的三维模具设计方法和系统通常基于传统的计算机辅助设计 (CAD) 技术，需要手动进行建模和设计过程
。
这种方法存在着手动操作繁琐
、
易出错
、
耗时等问题，无法充分利用先进的智能技术来提高模具设计的效率和质量
。

技术实现思路

[0003]基于此，本专利技术有必要提供一种三维模具的智能建模方法，以解决至少一个上述技术问题
。
[0004]为实现上述目的，一种三维模具的智能建模方法，包括以下步骤：步骤
S1
：通过预设的摄像机获取标定模具图像集，并对标定模具图像集进行分区特征点云提取，从而获得模具点云数据；步骤
S2
：对模具点云数据进行三维点云稠密化，从而获得三维点云数据；步骤
S3
：根据三维点云数据构建模具三维模型，并对模具三维模型进行参数调整迭代优化，从而获得最佳拟合三维模型；对最佳拟合三维模型进行参数化描述，从而获得参数化模型；步骤
S4
：获取模具需求数据，根据模具需求数据对参数化模型进行第一模具模型优化，从而获得优化模具模型；步骤
S5
：对优化模具模型进行力学仿真性能模拟，从而获得模具工作仿真数据；步骤
S6
：根据模具工作仿真数据对优化模具模型进行第二模具模型优化，从而获得最优模具模型，并将最优模具模型进行制造参数转换，从而获得模具制造参数数据
。
[0005]本专利技术通过使用预设的摄像机获取标定模具图像集，并对标定模具图像集进行分区特征点云提取，可以获得模具点云数据
。
摄像机可以自动地捕获模具图像，减少了手动建模的时间和努力
。
分区特征点云提取可以从多个角度和位置捕获模具表面的点云数据，提供了更全面
、
更准确的模具形状信息
。
对模具点云数据进行三维点云稠密化，将稀疏的点云数据转换为密集的三维点云数据
。
通过增加点云密度，可以更准确地表达模具的细节和曲面特征
。
稠密的点云数据提供了更多模具的表面信息，为后续的建模和优化提供更丰富的数据基础
。
根据三维点云数据构建模具三维模型，并对模具三维模型进行参数调整迭代优化，得到最佳拟合的三维模型
。
对最佳拟合的三维模型进行参数化描述，获得参数化模型
。
基于三维点云数据可以自动生成模具三维模型，减少了手动建模的工作量和错误
。
通过迭代优化可以使模具模型更好地适应实际数据，提高了模型与实际模具的拟合度
。
参数化模型可以更方便地进行后续的模型调整
、
修改和优化
。
获取模具需求数据，并根据需求对参数化模型进行第一模具模型优化，得到优化的模具模型
。
通过获取模具需求数据，可以对参数
化模型进行针对性的调整和改进，确保模具满足特定的设计要求和功能需求
。
优化的模具模型可以更好地满足设计目标，并提高了模具的性能和可靠性
。
对优化模具模型进行力学仿真性能模拟，从而获得模具工作仿真数据
。
通过力学仿真性能模拟，可以预测和评估模具在工作条件下的性能表现，如强度
、
刚度
、
振动等方面的变化
。
仿真数据可以帮助发现模具设计中的潜在问题和改进空间，从而优化模具的结构和性能
。
根据模具工作仿真数据对优化模具模型进行第二模具模型优化，并将最优模具模型进行制造参数转换，获得模具制造参数数据
。
通过根据工作仿真数据进行第二次优化，可以得到更加优化的模具设计，提高模具的性能和效率
。
将最优模具模型转换为制造参数数据，可以指导模具制造过程，确保在制造过程中准确快速地实施设计意图，并减少手动操作
。
[0006]可选地，本专利技术还提供一种三维模具的智能建模系统，该三维模具的智能建模系统包括：模具点云生成模块，用于通过预设的摄像机获取标定模具图像集，并对标定模具图像集进行分区特征点云提取，从而获得模具特征点云数据；三维点云转换模块，用于对模具特征点云数据进行三维点云稠密化，从而获得三维点云数据；参数化模型构建模块，用于根据三维点云数据构建模具三维模型，并对模具三维模型进行参数调整迭代优化，从而获得最佳拟合三维模型；对最佳拟合三维模型进行参数化描述，从而获得参数化模型；第一模型优化模块，用于获取模具需求数据，根据模具需求数据对参数化模型进行第一模具模型优化，从而获得优化模具模型；力学仿真模拟模块，用于对优化模具模型进行力学仿真性能模拟，从而获得模具工作仿真数据；第二模型优化模块，用于根据模具工作仿真数据对优化模具模型进行第二模具模型优化，从而获得最优模具模型，并将最优模具模型进行制造参数转换，从而获得模具制造参数数据
。
[0007]本专利技术中的模具点云生成模块提供准确的模具特征点云数据，为后续的模具建模和优化提供基础
。
三维点云转换模块提供更丰富和精确的模具三维形状数据，为模具建模和优化提供更详细的几何信息
。
参数化模型构建模块提供了可调整和优化的模具三维模型，可以根据需求进行精细调节和改进
。
参数化描述的模具模型使得后续模具设计和优化过程更加灵活和高效
。
第一模型优化模块通过模具需求数据的引导将模具模型优化到满足指定要求的程度
。
提供了经过优化的模具模型，为后续的工艺分析和力学仿真提供更合适的基础
。
力学仿真模拟模块可以评估模具在工作条件下的力学性能
、
疲劳寿命等关键指标
。
提供了模具工作仿真数据，为模具设计和优化提供准确的性能评估依据
。
第二模型优化模块基于真实工作仿真数据的优化，进一步改善模具的设计和性能
。
提供了经过全面优化的最佳模具模型，并生成了相应的制造参数数据，为模具的实际制造提供指导
。
总体而言，该系统可以提供准确的模具形状和特征数据
、
灵活的模具调整和优化
、
精确的力学性能仿真模拟以及最佳模具模型和制造参数的生成，从而提高了模具设计的准确性
、
性能优化和制造可行性
。
附图说明
[0008]通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本专利技术的其它特征
、
目的和优点将会变得更明显：图1为本专利技术三维模具的智能建模方法的步骤流程示意图；图2为本专利技术中步骤
S1
的详细步骤流程示意图；图3为本专利技术中步骤
S5<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种三维模具的智能建模方法，其特征在于，包括以下步骤：步骤
S1
：通过预设的摄像机获取标定模具图像集，并对标定模具图像集进行分区特征点云提取，从而获得模具点云数据；步骤
S2
：对模具点云数据进行三维点云稠密化，从而获得三维点云数据；步骤
S3
：根据三维点云数据构建模具三维模型，并对模具三维模型进行参数调整迭代优化，从而获得最佳拟合三维模型；对最佳拟合三维模型进行参数化描述，从而获得参数化模型；步骤
S4
：获取模具需求数据，根据模具需求数据对参数化模型进行第一模具模型优化，从而获得优化模具模型；步骤
S5
：对优化模具模型进行力学仿真性能模拟，从而获得模具工作仿真数据；步骤
S6
：根据模具工作仿真数据对优化模具模型进行第二模具模型优化，从而获得最优模具模型，并将最优模具模型进行制造参数转换，从而获得模具制造参数数据
。2.
根据权利要求1所述的方法，其特征在于，步骤
S1
具体为：步骤
S11
：通过预设的摄像机获取标定模具图像集，并进行摄像机标定处理，从而获得模具图像坐标系；步骤
S12
：对标定模具图像集进行背景分割，从而获得模具前景图像集；步骤
S13
：通过模具图像坐标系对模具前景图像集进行特征分割比例计算，从而获得模具特征分割比例；步骤
S14
：根据模具特征分割比例对模具前景图像集进行图像分割，从而获得模具特征区域图像集以及模具非特征区域图像集；步骤
S15
：对模具特征区域图像集进行特征提取，从而获得模具特征描述子；步骤
S16
：对模具非特征区域图像集进行特征提取，从而获得模具非特征描述子；步骤
S17
：对模具特征描述子和模具非特征描述子进行分块特征点云转换，从而获得模具点云数据
。3.
根据权利要求2所述的方法，其特征在于，步骤
S11
具体为：通过预设的摄像机获取标定模具图像集；对标定模具图像集进行摄像机位置提取，从而获得摄像机位置数据；对标定模具图像集进行角点特征提取，从而获得标定图像集角点特征；根据标定模具图像集以及标定图像集角点特征进行内参数计算，从而获得标定内参数；根据标定模具图像集以及标定图像集角点特征进行畸变参数计算，从而获得标定畸变参数；根据摄像机位置数据
、
标定内参数以及标定畸变参数构建模具图像坐标系
。4.
根据权利要求3所述的方法，其特征在于，步骤
S13
具体为：获取历史模具图像集；对历史模具图像集进行特征提取，从而获得历史模具特征数据集；对历史模具特征数据集进行交集计算，从而获得模具通用特征；通过模具图像坐标系对模具通用特征进行轮廓计算，从而获得通用特征轮廓数据；利用通用特征轮廓数据对模具前景图像集进行特征分割比例计算，从而获得模具特征
分割比例
。5.
根据权利要求4所述的方法，其特征在于，步骤
S17
具体为：对模具特征区域图像集进行三维重建，从而获得模具特征点云；对模具非特征区域图像集进行三维重建，从而获得模具非特征点云；根据模具特征描述子和模具非特征描述子进行连接点分析，从而获得模具连接点数据；利用模具特征描述子对模具特征点云进行编码处理，从而获得编码特征点云；利用模具非特征描述子对模具非特征点云进行编码处理，从而获得编码非特征点云；根据模具连接点数据对编码特征点云以及编码非特征点云进行三维点云映射，从而获得模具点云数据
。6.
根据权利要求5所述的方法，其特征在于，步骤
S3
具体为：步骤
S31
：根据三维点云数据构建模具三维模型；步骤
S32
：将三维点云数据与模具三维模型进行配准拟合，从而获得拟合三维模型；步骤
S33
：使用模具拟合误差计算公式对拟合三维模型以及三维点云数据进行拟合误差计算，从而获得拟合误差；其中，模具拟合误差计算公式具体为：；式中，为拟合误差，为三维点云数据量，为三维点云数据量的索引，为点云数据权重系数，...

【专利技术属性】
技术研发人员：杨明卫，
申请(专利权)人：深圳市常丰激光刀模有限公司，
类型：发明
国别省市：