相关实验视频
Updated: Jun 29, 2025
10:40
Single-Cell Resolution Three-Dimensional Imaging of Intact Organoids
Published on: June 5, 2020
16.2K
从单一图像中对工业部件进行三维重建
Zhenxing Xu1,2, Aizeng Wang3,4, Fei Hou5
1School of Mechanical Engineering and Automation, Beihang University, Beijing, 100191, China.
Visual computing for industry, biomedicine, and art
|March 27, 2024
概括
本研究介绍了一种使用深度学习和图像数据进行工业部件3D矢量重建的新方法. 该方法准确地生成机械元件的非统一的理性B-splines (NURBS) 表面.
科学领域:
- 计算机视觉 计算机视觉
- 几何建模 几何建模
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 精确的3D重建工业零件对于设计和制造至关重要.
- 现有的方法在生成复杂表面时可能缺乏灵活性或保真性.
研究的目的:
- 为工业部件开发基于图像的3D矢量重建方法.
- 为了产生高保真性和灵活的非均的理性B-splines (NURBS) 表面.
- 为了创建一个强大的系统重建机械元件.
主要方法:
- 为各种工业部件 (螺栓,轮,螺母,轴承) 构建2D图像数据集.
- 使用CAD-ClassNet和CAD-ReconNet开发一个深度学习算法,用于3D参数和姿势提取.
- 实现3D矢量形状重建以从提取的参数生成NURBS表面.
主要成果:
- 成功创建了一个全面的工业部件图像数据集.
- 使用新型深度学习架构精确的参数和姿势提取.
- 从重建的3D模型中生成高保真度NURBS表面.
结论:
- 提出的基于图像的3D矢量重建方法是准确的,高效的和实用的.
- 该方法使工业部件的灵活和高保真NURBS表面生成成为可能.
- 这项研究推进了机械工程应用的自动化3D重建.
