دانلود مقاله روشی برای کنترل کیفیت کامپیوتری ، بر اساس سنجش مختصات سه بعدی

اغلب لازم است که کیفیت محصولات تولیدی ، تعیین شود.

این مقاله ، یک روش کنترل کیفیت کامپیوتری ( روش CAQ ) را برای مقایسه موارد تولیدی با داده‌های مرجع ، که از الگوهای اساسی CAD بدست می آیند ، نشان می‌دهد.

در ابتدا ، یک نظر کلی در مورد پیشرفتهای کننی در زمینه روشهای اندازه‌گیری نوری سه بعدی ، ارائه می‌شود.

سپس ، روش تحقیق اتخاذ شده در این مقاله ، مورد بحث قرار می‌گیرد.

بعلاوه ، یک الگوی نرم افزاری از روش ارائه شده ، نشان داده می‌شود که در آن ، یک سیستم تصویری نواری با کد خاکستری و تغییر حالت ، تشریح می‌شود.

با این تجهیزات ، اشکال سه بعدی اشیاء یا همان محصولات تولیدی می‌توانند برآورده گردند.

به منظور مقایسه داده‌های سه بعدی ( که در دستگاه مختصات سنسوری نشان داده شده‌اند ) ، ثبت در دستگاه مختصات CAD ، ضروری است در ابتدا نحوه انتخاب در مورد نقطه شروع شاخص‌های موقعیت ، تشریح می‌گردد.

برای فرآیند ثبت ، نمودارهای عددی مختلفی بکار گرفته می‌شوند که تا عملکردهای ناهمخوان را به حداقل برسانند.

برای دستیابی به عملکردی بهتر ، یک فرآیند بهینه‌سازی ، که تغییر مکان هندسی ، می‌توانند محاسبه و مشاهده شوند.

در مورد اشیایی که نمی‌توانند از یک جهت ، ارزیابی شوند ، یک ثبت دوگانه و یک ثبت کلی ، ایجاد شده است.

بعلاوه ، نشان می‌دهند که روش ما ، در عمل ، خوب جواب می‌دهد.

در آخر ، برخی زمینه‌های اجرایی در مورد روش CAQ ، که در اینجا به آنها اشاره شده است ، خلاصه سازی می‌گردند.

در سالهای اخیر ، فرآیند کلی از طراحی کامپیوتری محصول تا تولید ، تقریباً به یک تکامل نهایی رسیده است.

با این حال ، مقایسه‌های مقادیر واقعی / ظاهری نشان می‌دهد که همیشه ، تفاوتهایی بین یک محصول تولیدی و نمونه اساسی CAD آن وجود دارد.

دلایل آن ، می‌تواند مثلاً شامل موارد زیر باشد : کهنگی ابزارها ، انبساط گرمایی ، عیب‌های مواد و غیره باشد ، چیزهایی که البته بخاطر ماهیت مهندسی مکانیک هستند.

در حوزه کنترل کیفیت کامپیوتری ، نقصهای اشاره شده در بالا ، باید به منظور شناسایی تغییرات بخشها و یا به منظور گرفتن تصمیمات سازگار هماهنگ ، بررسی شوند.

امروزه ، سیستم‌های قدرتمند و پیشرفته ارزیابی مختصاتی موجود می‌باشند که ابزارهای ویژه ای را برای بوجود آوردن قطعات پیچیده در صنعت ، ایجاد کرده‌اند.

همچنین ، بخش عمده‌ای از این سیستم‌ها ، بر اساس سنجش سه بعدی هستند که تغییرات چشمگیری را در ارزیابی مختصاتی مدرن بوجود آورده است.

تفاوت اصلی ایجاد شده در مقایسه با روشهای قدیمی ارزیابی ، آنست که ، سیستم‌های سنجش سه بعدی ، مختصات سطح بخش اندازه گیری شده را نشان می‌دهد ، نه آنکه ابعاد هندسی آن را نشان دهد.

با داشتن مجموعه‌ای از نقاط سطحی عددی ، جزئیاتی در مورد تغییرات بخشها می‌توانند بررسی شوند.

بعلاوه ، بخشهای گوناگون جزئیات مختلف هندسی می‌توانند در یک فرآیند منفرد ، ارزیابی گردند.

هنگامی که مجموعه‌ای از دادهای ارزیابی ها ، جمع آوری شد ، یک تحلیل عددی مستقل باید انجام شود ، تا اساس مقایسه متعاقب بین جزئیات برآورده شده و داده‌های مرجع متناظر از نمونه‌های مشابه CAD آن ، مشخص شود.

این ، هدف اصلی این روش است که در این مقاله نیز آمده است.

تعریف کاملتری از سنجش سه بعدی ، و نگرش کلی در مورد کار مربوط در این حوزه ، در (8) آمده است.

این مقاله ، یک روش سنجش غیر مرتبط را نشان می‌دهد که می‌تواند در عملکردهای بسیاری ، در مورد کنترل کامپیوتر کیفیت و الگوبرداری سریع ، بکار رود ؛ که در طول مقاله مورد بحث قرار خواهد گرفت و می‌تواند بصورت زیر خلاصه شود.

اشیاء تولیدی ، توسط یک سیستم پروژکتور ، که بر اساس روش نورکدگذاری شده در ترکیب با تغییر حالت می باشد ، ارزیابی می‌شوند.

برای گرفتن عکس ، از یک دوربین ویدیویی استاندارد استفاده می‌شود.

نقاط سطحی نمونه برداری شده ، که در دستگاه مختصات سنسوری برآورد شده اند و اغلب در هر عکس بین 200000 تا 400000 نقطه هستند ، به دستگاه مختصات CAD منتقل می‌شوند.

پس از انتخاب یک جهتگیری تقریبی ، چه به یک روش فعل و انفعالی و چه از طریق اطلاعات قبلی ،‌‌ ( جهتگیری خودکار بدون اطلاعات قبلی نیز می‌تواند با استفاده از علامتهای ثابت بر روی سطح شی‌ء ایجاد شود) یک فرآیند پیچیده بهینه سازی عددی ، آغاز می‌گردد.

مشکلی که در مواقعی اتفاق می‌افتد که اشیاء نتوانند توسط یک حسگر (سنسور) منفرد سه بعدی ، در یک عکس ، ثبت شوند ، می‌تواند از طریق بکارگیری یک فرآیند مضاعف جهت گیری ، حل شود.

مجموعه‌های داده‌های برآورد شده ، که از ابعاد مختلف جمع آوری شده‌اند ، می‌توانند یا بطور نسبی با یکدیگر سازگار شوند و یا به یک سیستم رایج مختصاتی مبدل گردند.

برای مقایسه مقادیر واقعی / ظاهری ، اختلاف از مجموعه داده‌ها تا نمونه اصلی CAD ، می‌تواند نقطه به نقطه اندازه‌گیری شود.

نتایج برآورد شده ، می‌تواند به چندین روش آماری ، نشان داده شود ؛ مثلاً بصورت اختلاف در هر نقطه اندازه گیری شده ؛ حداقل ، متوسط و یا حداکثر اختلاف در یک جزء CAD ( مثلاً در یک مثلث STL)
روش پیشنهادی در این مقاله ، بطور موفقیت آمیزی در چندین مورد الگو برداری سریع لیتوگرافی سه بعدی ، بکار گرفته شد و نتایج چشمگیری بدست داد.

این روش ، کنترل کیفیت را در تمامی انواع الگوبرداری سریع و / یا موارد تولیدی NC تضمیم می‌کند ، و بخصوص برای ادغام فرآیندهای CAQ و CAM مناسب است.

بدین طریق ، دو فرایند اساسی که بطور مستقل تشکیل شده‌اند ، می‌توانند ترکیب شوند تا فرآیند کلی توسعه تولید را کاراتر کنند.

روش پیشنهادی در این مقاله ، بطور موفقیت آمیزی در چندین مورد الگو برداری سریع لیتوگرافی سه بعدی ، بکار گرفته شد و نتایج چشمگیری بدست داد.

2.

روشها و اصول 2.1- برآورد مختصاتی سه بعدی امروزه ، چندین سیستم ارزیابی موجود است که بر اساس روشهای بسیار متفاوتی هستند.

این روشهای ارزیابی ، می‌توانند به دو روش فعال و منفعل تقسیم شوند.

بطور کلی ، روشهای منفعل برای برآورد شکل شیء و ازطریق تعیین نسبی مشخصه‌های ویژه شیء ، بکار گرفته می‌شوند.

این روشها ، اغلب براساس دقت اطلاعات قبلی از اشیاء مربوطه هستند ، و بنابراین ، برای پاسخ به نیازهای عمومی صنایع ، مناسب نمی‌باشند.

بنابراین ، ما از بحث بیشتر در مورد آنها اجتناب می‌کنیم.

روشهای برآورد فعال ، اغلب بر پایه مشخصه‌های ویژه شیء نیستند ، و می‌توانند به دو گروه روشهای متصل و روشهای غیر متصل تقسیم شوند.

یک نمونه از سیستم متصل ، CMM معمولی ( ماشین برآورد مختصاتی ) است ، که از نقاط مختلف بخش مربوطه ، با استفاده از یک حسگر مکانیکی ، نمونه برداری می‌کند.

برای بدست آوردن شکل کلی ، این نمونه گیری باید در دو جهت انجام گیرد.

هرچند که این روش دارای بیشترین دقت ممکن است ، اما روشی کاملاً وقت گیر است و نمی‌تواند در مورد موادی استفاده شود که باید از تماس با آنها اجتناب کرد.

بنابراین ، این روش ، همیشه نمی‌تواند نیازهای امروزی صنایع را پاسخگو باشد.

سیستم‌های غیر متصل ، بیشتر به نیازهای صنایعع مربوط هستند.

آنها در این مقاله بحث قرار خواهند گرفت ، و توجه ما معطوف خواهد بود به روشهای نوری غیر متصل ، بجز آنها ، روشهای دیگری نیز وجود دارند که می‌توانند مورد استفاده باشند ، مثلاً رادار مایکروویو و یا ارزیابی‌های فراصوتی ، اما آنها به روش تحقیقی این مقاله ، مربوط نمی‌شوند.

اکثر سیستم‌های بکار رفتته ، بر اساس قوانین زیر هستند : مثلث بندی نقاط ، دسته بندی نواری ، روش نورکدگذاری شده ، و روشهای تداخل سنجی از آنجا که سه روش آخر ، محدود به مواد بازتابی هستند ، برای اهداف عمومی مناسب نمی‌باشند ، بنابراین ، در این جا مورد ملاحظه قرار نمی‌گیرند ، اما در عوض ، روشهای مثلث بندی ، با جزئیات بیشتری بحث خواهند شد.

در اصل مثلث بندی ، یک نقطه بر روی سطح یک شیء می‌تواند توسط روابط مثلثهاتی بین یک دوربین ، یک پروژکتور و خود شیء تعیین شود ( شکل 1 ، cf ) فرض کنید که تمامی شاخص‌های هندسی مشخص هستند ، فاصله از خط اصلی (base line) تاشیء می‌تواند طبق معادله 1 محاسبه گردد : برای دیجیتالی کردن کامل شیء ( عددی کردن شیء ) نقطه مشاهده شده باید در دو جهت حرکت کند تاشیء را بطور خطی ، نقطه به نقطه ، نمونه برداری نماید.

این نوع از نمونه گیری ، می‌تواند بعنوان مثال با بکارگیری دو آینه گسترده ، حاصل شود.

روشن است که ، دقت این برآورد ، کاملاً متأثر از دقت زاویه‌ای ساختار حرکتی نقطه ، می‌باشد.

بر این اساس ، انتشار خطای برآورد عمق ، می‌تواند به صورت معادله 2 محاسبه گردد : از آنجا که جهت نقطه ثابت است ، تنها لازم است که شاخص را تعیین کنیم.

برای مثلث بندی نقطه ، اغلب ، ابزارهای (حسگرهای) نمونه گیری یک بعدی ، مانند دوربین‌های خطی و یا PSD ها که مورد استفاده قرار می‌گیرند بحث‌های بیشتر در مورد محاسبات ریاضی ، در (4) آمده است.

برای غلبه بر محدودیت‌های اسکن یک نقطه منفرد ، می‌توان از روش نوردهی بشکل نواری ، استفاده کرد.

به این ترتیب ، یک صفحه نوری ، یک شیء را قطع می‌کند و عکس متناظر آن ، نمایی از آن شکل است.

یک دوربین استاندارد می‌تواند برای بررسی تغییر خط ، که ناشی از ارتفاع شیء می‌باشد ، بکار گرفته شود.

محاسبات ریاضیاتی ، بطور کلی ، در مورد مثلث بندی نقاط ، یکسان است.

اما در مورد هر عکس ، برآورد کل خط یا نما ، به ترتیب ، ممکن خواهد بود (شکل 2،cf‌) بر خلاف مثلث بندی نقاط ، صفحه نوری باید تنها در امتداد یک محور ، برای نمونه برداری از کل شیء ، حرکت داده شود.

برای کاهش دوباره زمان نمونه برداری ، یک روش پیچیده تر که روش نورکدگذاری شده نامیده می‌شود ( شکل 3 ، cf ) می‌تواند بکار گرفته شود.

این همان روشی است که در الگوی نرم افزاری سیستم سنجشی که در این مقاله نشان داده شده ، استفاده می‌شود.

بدین طریق ، ترتیب از طرح‌های خطی بر روی سطح شیء انداخته می‌شود.

برای این منظور ، اغلب از یک LCD معمولی استفاده می‌گردد.

برای کار با اشیاء بزرگتر ، تکنولوژی‌های جدید پروژه کتورها ، مانند تکنولوژی آیینه‌های کوچک DLP ( پردازش نور دیجیتال توسط texas instrument (5) ) و یا دریچه نور DILA ( تقویت کننده مستقیم نور عکس توسط JVC (6) ) نیز می‌توانند استفاده شوند.

ایده اصلی روش نورکدگذاری شده ، کدگذاری ( رمزگذاری) خطوط مشخص پروژکتور مورد استفاده در طرح‌های متعاقب با استفاده از یک کد خاکستری ساده می باشد.

همانطور که در (4) نشان داده شده است ، کدگذاری خطوط N نیازمند حداقل ذرات می‌باشد.

ذرات (bitهای) متعاقب از هر خط منفرد ، به ترتیب تصویربرداری می‌شوند ، و در مورد هر پیکسل دوربین ، باید بررسی شود که خط متناظر پروژکتور روشن است یا تاریک ، بر اساس این بررسی ها ، مجموعه سطح ذره (bitplane stack) می‌تواند ایجاد شود.

وقتیکه فرآیند کدگذاری پایان یافت ، هر پیکسل دوربین ، دارای اطلاعاتی از خط پروژکتور متناظر خود می‌باشد.

با فرض آنکه ما حسگر را درست تنظیم کرده‌ایم ، زاویه تصویر ، ، می‌تواند مستقیماً از طریق شماره خط پروژکتور بدست آید ، از آنجا که دوربین می‌تواند پیش از فرآیند اندازه گیری ، تنظیم گردد ، زاویه ، برای هر پیکسل منفرد دوربین ثابت می‌شود و مثلث بندی مربوطه نیز می تواند محاسبه می‌گردد.

روشن است که این تنظیم ، باید وابستگی‌های‌ تابعی بین شماره خط ( خط تصویربرداری) و زاویه تصویربرداری ، دقت زاویه‌ای در مورد پروکتور با 640 خط ، تنها از عکس در آن دامنه است.

از آنجا که دقت اندازه‌گیری عمق ، وابسته به زوایای است ( معادله 2،cf ) پس بهتر است که رزولوشنی را که در بالا گفته شد ، ارتقاع دهیم.

یک روش پیچیده برای دستیابی به این مهم ، آنست که کد خاکستری دوگانه را با روش تغییر حالت ، ادغام کنیم(4) ایده این فرآیند ، استفاده از تنظیم (modulation) خطوط جانبی در مورد تابع مثلثاتی ( منحنی سینوسی) است.

الگوی حاصل ، می‌تواند از طریق یک زاویه ثابت ، بصورت جانبی تغییر کند و بدین ترتیب ، نمودارهای عمومی تغییر حالت می‌توانند برای تعیین موقعیت‌ها در یک خط منقطع ، مورد استفاده قرار گیرند.

در مورد یک پروژکتور خطی با 640 خط ، حداقل ، تنها 10 عکس باید برای کل کدگذاری گرفته شوند.

به منظور دقیق تر و با ثبات‌تر کردن فرآیند ارزیابی ، چند طرح اضافی نیز می‌توانند مورد استفاده قرار گیرند ( مثلاً برای تعیین ساختار شیء ) عملکرد کنونی‌ها ، از 14 تا 18 روش نورکدگذاری شده ، سرعت پردازش و با مضربی بیش از 30 ، افزایش می‌دهد.

بعلاوه ، این احتمال وجود دارد که این روش ، پروژکتور را در حالت ویدیویی همزمان بکار اندازد که به معنی سرعت حداکثر 25 عکس در ثانیه خواهد بود.

برای کارکردهای همزمان ، مجموعه ترکیبی دوربین ویدیویی و قلاب (چنگک) چارچوب باید قادر باشند که شرایطی ، مناسب است.

با چنین جایگذاری ، کل تصویر می‌تواند در کمتر از 1 ثانیه گرفته شود.

در عملکرد الگوی ما ، یک پروژکتور خطی LCD – 640 از ABW GmbH به همراه بسته نرم افزاری ABW-VIS (7) و دو دوربین ویدیویی استاندارد که رزولوشنی برابر با 576*768 پیکسل بودند ، برای گرفتن عکس ، مورد استفاده قرار گرفتند ( شکل 4، cf) بسته نرم افزاری ABW-VIS قادر است که کل فرآیند ارزیابی را کنترل کند ، که به معنی برنامه ریزی پروژکتور ، گرفتن عکس با قلاب چارچوب ، و نیز کل اندازه‌گیری و فرآیند تنظیم خواهد بود.

محاسبات تبدیل برای نقاط نمونه گیری شده ، می‌توانند با استفاده از سخت افزارهای استاندارد (Intel Pentium II Processor , 300 MHZ ) در پنچ ثانیه انجام شوند.

در نتیجه هر ارزیابی ، ما عکسهایی را می‌گیریم که در آنها ، هر پیکسل دارای مختصات z,y,x متناظر ، یک مقدار خاکستری و یک ذره پوشاننده (masking bit) خواهد بود که نشان می‌دهد که آیا پیکسل مربوطه ، قابل اندازه‌گیری خواهد بود یانه ، این عکسها ، اساس پردازش بیشتر سیگنال را تشکیل می‌دهند.

در اینجا بایداشاره کرد که تمامی روشهای پردازش سیگنال باید از پس پیکسل‌های از دست رفته ، که بعلت سایه‌ها و یا ساختار سطح بوجود می آیند ، برآیند.

شکل 5 ، نمونه‌ای از یک مجموعه داده‌ای مصور برآورده شده ، را نشان می‌دهد.

مختصات z از هر پیکسل برآورد شده ، با درجه خاکستری ، کدگذاری شده است.

یک نمای دیگر ، مختصات (نمای) z را در امتداد خطوط افقی و عمودی ، نشان می‌دهد.

بطور مشابه ، در مورد هر پیکسل ، مقادیر y,x متناظر نیز باید به همین شکل نشان داده شوند.

پیکسل های برآورده نشده ، و در نتیجه پوشیده نشده ، ( سایه‌ها ، ساختارها ) ، در این عکس با سفید نشان داده شده‌اند.

2.2- داده‌های مرجع نمونه CAD به منظور مقایسه اشیاء تولیدی با نمونه‌های اصلی CAD آنها ، یک فرمت (قالب) تبادلی از داده‌های استاندارد و عمومی ، مورد نیاز است.

از آنجائی که بیشتر بخشهای نمونه‌ها که در این مقاله نشان داده شده‌اند ، اجزاء الگوبرداری سریع می‌باشند که توسط یک ابزار لیتوگرافی سه بعدی ساخته شده‌اند ، فرمت STL ( زبان مثلث بندی استاندارد ) برای ترمیم اشیاء مربوطه ، انتخاب شده است.

STL ، برای تولید اشیاء الگوبرداری سریع کاربرد وسیعی دارد ، و تقریباً هر مجموعه حرفه‌ای CAD قادر است که فایلهای STL را بیرون بفرستد ( یا export کند ) در بخشهای بعد ، تنها از قطعات مثلثی برای عملکردهای تخمین شیء استفاده خواهد شد.

تمامی نمودارهایی که در عملکردهای الگوبرداری استفاده می‌شوند ، می‌توانند با اشکال هندسی دیگر ، مانند استوانه‌ها ، مخروط ها و یا قطعات سطحی پیچیده‌تر ، سازگار شوند ، مثلاً قطعات سه بعدی Bezier و یا NURBS .

3.2- تبدیل مختصات بطور کلی ، قرار دادن یک شیء تولیدی که در وضعیت ارزیابی است ، در همان دستگاه مختصاتی که در اصل برای طراحی شیء در محیط CAD استفاده شده است ، غیر ممکن می‌باشد.

به منظور مقایسه مجموعه داده‌های برآورد شده با داده‌های مرجع که از نمونه اصلی CAD بدست آمده‌اند ، ضروری است که این داده‌های نمونه گیری شده را به دستگاه مختصات نمونه CAD متناظر ، تبدیل کنیم.

در مقالات ، این فرآیند ، اغلب ثبت نامیده می‌شود.

به منظور تعیین شاخص‌های صحیح تبدیل ، ارتباط بین مجموعه داده‌های برآورد شده و نمونه CAD باید از نظر تابع ریاضیاتی ، تعریف شود.

ما این وابستگی تابعی را بین شاخص های وضعیت مربوطه که باید مشخص شوند ، و ارتباط بین مجموعه‌ داده‌های برآورد شده ( در دستگاه مختصاتی سنسوری تغییر یافته ) و داده‌های مرجع ( دستگاه مختصات CAD) را بشکل تابع بعد fdist نشان می‌دهیم.

تعریف این تابع ، برای یافتن شاخص‌های وضعیت مطلوب ، ضروری است ، در این مقاله ، ما این شکل را با استفاده از یک نوع بخصوص از تناسب کوچکترین توانهای مشترک ، بصورت زیر مورد توجه قرار می‌دهیم.

در مورد هر نقطه برآورد شده ، باید نزدیکترین مثلث CAD را یافته و توانهای تمامی حدود نزدیک را همان طور که در معادله 3 آمده است ، جمع کنیم.

به منظور بهینه‌سازی این روش تحقیق ، ما یک حد بالا را dmax ، تعریف می‌کنیم.

بدین ترتیب ، بعد محاسبه شده ، باید به یک حداکثر ثابت ، در مورد Outlier های منقطع و یا خطاهای اندازه‌گیری ، محدود شود.

با داشتن ، ما بعد قائم را بین نقطه و مثلث j ، نشان می‌دهیم ؛ و N تعداد نقاط ارزیابی شده را مشخص می‌کند.

چنانچه هیچ محدودیت بعدی اعمال نشود ، outlier های منقطع با ابعاد وسیع ، با توانهای بعد خودشان سنجیده خواهند شد و ممکن است منجر به خطاهای چشمگیری شوند.

همچنین ، حذف تمامی نقاطی که از بعد فراتر می‌روند نیز ممکن خواهد بود.

برای محاسبه بعد عمودی بین نقاط و مثلث‌ها ، ما تنها آن نقاطی را مد نظر قرار می‌دهیم که تصویر برداری قائمه متناظر در مورد آنها ، به مثلث مربوطه آسیب خواهد رساند.

در بخشهای مقعر ، یک نقطه ، همیشه دارای یک بعد عمودی برای حداقل یک مثلث است ( شکل 6 ، cf ، به همراه نقطه p و هر سه مثلث ) با این حال ، این مسئله ، در مورد بخشهای محدب صادق نیست ، ممکن است نقاطی وجود داشته باشند ( .

Cf در شکل 7) که تصویربرداری‌های قائمه متناظر ، در مورد آنها ، در داخل یک مثلث نیستند.

در این موارد ، همانطور که پیشتر توضیح داده شد ، بعد نهایی ، ، مشخص می‌شود.

در شکل 15 ، این تأثیر را می‌توان دید.

پیکسل‌های ویژه‌ای که بعد را مشخص کرده‌اند ، با سفید نشان داده شده‌اند و در امتداد حاشیه‌های اجزاء CAD وجود دارند.

هرچند که این شرایط ، مطلوب نیست ، اما بر نتایج کلی تأثیری نخواهد داشت.

نقاطی که بعد محاسبه شده آنها بزرگتر از باشند ، نیز می‌توانند با هم حذف شوند.

بازنگری یک مقاله در مورد مشکلات تناسب نهایی و روشهای کوچکترین توان‌های مشترک را میتوان در (9) مشاهده کرد.

2.4 آرایش voxel در مورد بهینه سازی فرآیند.

طبق معادله 3 ، می‌توان حدس زد که برآورد فرآیند در مورد ، بسیار وقت گیر است.

حلقه تکرار خارجی در تمام نقاط ارزیابی شده ، اجرا می‌شود ، که اغلب ، در حدود 200000 تا 400000 در هر دوربین می‌باشد.

حلقه تکرار داخلی باید تمام اجزاء CAD فایل خارج شده STL را منتقل کند.

برای بهینه سازی فرآیند ارزیابی که در بالا گفته شد ، می‌توان دامنه جستجو را با استفاده از آرایش سه بعدی بصورتی دسته بندی کنیم که لازم نباشد که حلقه داخلی معادله 3 در تمامی مثلث‌ها اجرا شود.

برای دستیابی به این مهم ، تمامی مثلث‌ها بصورت آرایش voxel مرتب می‌شوند.

سپس ، هر جزء voxel ، حاوی اطلاعاتی از تمامی مثلثهای مشترک خود خواهد بود.

پس تنها لازم است که روش جستجو ، مثلثها را در داخل و پیرامون voxel واقعی در نظر بگیرد.

همانطور که در شکل 8 نشان داده شده است ، اندازه هر voxel ، تعیین خواهد شد.

بدین ترتیب ، می‌توان تضمیم کرد که در مورد هر نقطه داده شده ، تمامی نقاط دیگر در داخل یک بعد ، می‌توانند در voxel های مجاور ، یافت شوند ( ، نزدیک ترین نقطه ای است که در مثلث j یافت می‌شود ) در یک آرایش سه بعدی ، 27= 3 3 voxel باید مدنظر قرار گیرند.

بقیه آنها می‌توانند حذف شوند و بدین ترتیب ، زمان ارزیابی برای معادله 3 می‌تواند بطور چشمگیری کاهش یابد.

2.5 – مقادیر آغازین در مورد فرآیند تنظیم در عمل ، اغلب ، ممکن نخواهد بود که عملکرد خودکاری را داشته باشیم که بتواند فرآیند جهت‌گیری را در مورد هر شیء مشخصی ، اداره کند (2) به همین دلیل ، مقادیر اولیه مناسب در مورد شش درجه مستقل ( سه شاخص چرخش و سه شاخص انتقال ) باید پیش از فرآیند بهینه‌سازی ، برای تنظیم مجموعه داده های بدست آمده ، پیدا شده و (گرفتن) داده‌های مرجع از نمونه CAD ، می‌تواند آغاز شود.

چندین احتمال مختلف برای تعیین این مقادیر آغازین وجود دارد.

برای پردازش فعل و انفعالی اشیاء مختلف ، ساده‌ترین راه ، تعریف مقادیر آغازین به روش دستی است.

در الگوی ما ، این کار می‌تواند از طریق نقاط عددی ، هم در عکس نمونه CAD و هم در عکس عمقی نقطه ارزیابی شده ، که به راحتی می‌تواند با یک کلیک موس تعیین شود ، انجام گیرد.

برای تعریف یک جهت گیری مرتبط ، حداقل سه نقطه متناظر باید انتخاب شوند.

با این حال ، هر چه نقاط بیشتری انتخاب گردند.

جهت گیری مربوطه بهتر خواهد بود.

در کارکردهایی که اشیاء تحت ارزیابی ، همیشه بطور یکسانی جایگذاری می‌شوند ، مثلاً در خطوط مونتاژ ، مقادیر آغازین باید تنها یک بار تعیین گردند.

هنگامی که نمی‌توان از قرارگیری دقیق شیء و ابزار مطمئن بود ، باید حداقل سه نقطه مشخص ، بر روی شیء مربوطه وجود داشته باشد ، که می‌توانند بطور خودکار تعیین شوند.

چنین عملکردهایی که پیش از فرآیند انجام می‌گیرند ، بطور ویژه به یک شیء خاص مربوطند و در این مقاله نیز بطور مفصل مورد بحث قرار نگرفته‌اند.

بحث های جامعی در مورد نمونه گیری احتمالی در تحلیل برآورد سه بعدی و احتمال برآورد تناسب نهائی ، در (9و8) وجود دارند.

در نمونه‌هایی که در زیر آمده‌اند ، فرآیند جهت گیری ، همیشه بشکلی که گفته خواهد شد ، انجام گرفته است.

شکل 9 ، نمونه CAD را در مورد شیء الگوبرداری سریع (توربین) نشان می‌دهد.

شیء متناظر الگوبرداری سریع برآورد شده ، در شکل 10 نشان داده شده ؛ که توسط تکنولوژی همجوشی لیزر تولید شده و قطری در حدود 53 میلی‌متر و ارتفاعی در حدود 10 میلی‌متر دارد.

2.6- فرآیند ثبت پس از آنکه یک شروع کلی برای تنظیم ، تدارک دیده شده ، یک روش بهینه سازی عددی برای شاخص‌های جهت گیری ، مورد نیاز است ، بدین ترتیب ، مقادیر شاخص برای شش درجه مستقل ، به منظور به حداقل رساندن تابع بعد ، تعریف می‌شوند ( معادله 2) در مورد این عملکرد ، چندین نمودار عددی آزمایش شده‌اند ، مثلاً نمودار بسیط شیب دار و برخی از انواع کوره‌پزی شبیه سازی شده (1) بعلاوه ، یک نمودار تعریف شده ICP ( نزدیک‌ترین نقطه تکراری ) که از (2) گرفته شده است ، در حال حاضر ، در عملکرد ما ، در حال آزمایش شدن است.

ایده اساسی این نمودار ، آنست که از راه حلی ، بشکل دستگاه بسته ، برای ثبت نقاط متناظری که در مقاله اول توسط horn تشریح شد ، استفاده کند (3) این نمودار ، شاخص های چرخش را از طریق برآورد مقادیر آیگن یک ماتریس نسبتاً پیچیده 4*4 که می‌تواند از مجموع همه ماتریس‌های همگرد کلی بدست آید ، محاسبه می‌کند.

اطلاعات بیشتر در این مورد در (2) آمده است.

نمودار بسیط شیب دار که در بالا ذکر شده از طریق آزمایش برخی تغییرات شاخص ها ، به آرامی به طرف پائین می‌آید.

تنها مراحل مشخصی که کارکرد بهینه سازی را کمتر می‌کنند ، انجام خواهد شد.

مزیت این روش عمومی آنست که نمودار تقریباً هیچ فرض ویژه‌ای را در مورد عملکرد بهنیه سازی انجام نمی‌دهد.

زمان محاسبه برای نمونه نشان داده شده در شکل 7 با ( نمودار) بسیط شیب دار 8 دقیقه و 44 ثانیه بود ، این همگرایی در شکل 11 نشان داده شده است.

نمودار ICP که از (2) گرفته شده است ، به همگرایی بسیار سریعتری دست می‌یابد ( با ضریب بیش از 100) ما در حال حاضر در حال آزمایش این نمودار هستیم و فعلاً در عملکردمان ، یک عملکرد بهتر با ضریب حدود 10 مشاهده کرده‌ایم ، بکارگیری این نمودار در سیستمی که بر روی قوی‌ترین سخت افزار موجود اجرا می‌شود ، باید قادر باشد که روش پیشرفته CAQ ما را در محیط های تولید خطی مورد استفاده قرار دهد.

چنانچه جهت گیری شیء در تولید خطی ، با دقت برآورد قابل بازیابی باشد ، تعریف مقدار آغازین و فرآیند ثبت ، تنها یک بار باید انجام شوند.

3.

نتایج مقایسه‌اس بین داده‌های برآورد شده و نمونه CAD متناظر می‌تواند به روش‌های گوناگونی حاصل شود.

بعنوان مثال امکان آن وجود دارد که انحرافات را در عامل CAD ( مثلث STL‌) بازنمایی کنیم ، و یا تفاوت هر یک از نقاط مورد ارزیابی را مشاهده نمائیم.

در عامل CAD ، مقادیر آماری باید مورد استفاده قرار گیرند ، زیرایک عامل CAD اغلب متناظر با نقاط بسیاری است.

مشخصه‌های آماری موجود ، بعد حداقل ، میانگین و حداکثر ، و همچنین انحراف استاندارد و تعداد نقاط متناظر هستند.

از آنجایی که بعد ( حد ) بین یک نقطه و یک مثلث مطابق با آن می‌تواند منفی یا مثبت باشد ، پس از میانگین باید با احتیاط استفاده شود.

بطور کلی ، بهتر است نگاهی به انحراف استاندارد داشته باشیم.

در مورد عوامل بزرگتر ، بهتر است که نمودار ستونی کل حدود نقاط تعیین شده را در نظر بگیریم.

شکل 12 ، اختلاف بین نمونه CAD و داده‌های برآورد شده در مورد مثال توربین را که در بالا ذکر شده نشان می‌دهد.

در زمینه این شیء ، جالب است که خطایی که از پیش در یک محور ناشناخته بود ( در تعریف ، جهت گیری تقریباً عمودی ) مشخص شد ، روشن است که ، ابزار الگوبرداری سریع ، یک درجه بندی نامطلوب را در این محور انجام داد ، پس شیء تولید شده کمی به هم فشرده درآمد.

شیء دیگری در شکل 13 نشان داده شده است.

این شکل ، مجموعه داده‌ای CAD یک اتومبیل را نشان می‌دهد.

شیء متناظر الگوبرداری سریع که در شکل 14 نشان داده شده است ، توسط تکنولوژی لیتوگرافی سه بعدی تولید شده است‌اندازه شیء حدوداً mm24 * mm 33 * mm 80 می‌‌باشد.

برای دستیابی به یک نقطه آغازین ، جهت گیری ، از طریق نقاط متناظر بصورت غیر خودکار تعیین شده ( شکل های 13 و 14 ، cf ) تفاوت‌های باقیمانده بین دو مجموعه داده‌ها پس از فرآیند پردازش ، در مجموعه داده‌های برآورد شده ، بازنمایی می‌شوند ( شکل 15 ، cf ) یک نظر کلی از تفاوت‌ها می‌تواند بصورت یک نمودار ستونی ، مشخص شود ( شکل 16) همانطور که پیشتر ذکر شد ، این تفاوت‌ها می توانند در داده‌های CAD نیز نمایان شوند.

شکل‌های 17 تا 19 برخی نتایج احتمالی را نشان می‌دهند.

3.1- ثبت برآورد چندگانه مشکلی در مورد اشیاء که نمی‌توانند از طریق ابزار حسگر سه بعدی ، در یک عکس ، برآورد شوند ، از طریق یک فرآیند جهت گیری اضافی ، حل شده است.

مجموعه‌های داده‌های برآورد شده که از جهت های مختلف بدست آمده‌اند ، می‌توانند بطور نسبی با یکدیگر سازگار شوند ، و یا به یک دستگاه مختصات عادی تبدیل گردند.

روش ثبت ، عموماً به همان صورت است که پیشتر در مورد ثبت داده‌ای CAD گفته شد.

تنها تابع بعد باید تبدیل شود.

با داشتن R بعنوان ماتریس چرخش ، t بعنوان بردار تبدیل ، P و بعنوان نقاطی از دو مجموعه داده‌ای برآورد شده ، ما خواهیم داشت : همانطور که پیشتر تشریح شد ، پیکسل‌هایی با بعد بیش از می‌توانند حذف گردند.

آزمایشات مختلف نشان داده‌اند که راهکار حذف این نقاط ، بهترین نتایج را در پی دارد.

از حالا به بعد ، این پیکسل‌ها همیشه حذف شده و تعداد پیکسل‌ها ، N ، بدین صورت تعیین می‌گردد.

این موضوع ، بدان معنی است که ، N تعداد پیکسلهایی است که واقعاً مورد استفاده قرار گرفته‌اند.

بدین ترتیب ، بهینه سازی آرایش voxel نیز ، تا حدی کاراتر می‌شود ، زیرا دو حلقه تکرار تودرتو ، در یک مجموعه کاهش یافته از نقاط برآورد شده ، اجرا می‌گردند.

در شکل های 20 و 21 ، مقایسه‌ای بین نمودار بسیط شیب دار و نمودار ICP در مورد بهینه‌سازی ، برای مقادیر آغازین مناسب و نامناسب ، نشان داده شده است.

هر دو شکل ، تعداد پیکسل‌های استفاده شده و روش تابع بهینه‌سازی را نشان می‌دهند.

در نمونه نشان داده شده در شکل 20 ، پیش جهت گیری دستی ، بسیار با دقت انتخاب شده است ، و این بدان معنیست که مقادیر آغازین در مورد فرآیند بهینه سازی ، مناسب هستند.

با نگاهی به این شکل ، می‌توان دید که تعداد پیکسل‌های استفاده شده ( بیاد داشته باشید که تمامی این پیکسل‌ها ، دارای یک همتای متناظر در دیگر مجموعه داده‌ای ، در ، هستند ) در آغاز این عملکرد ، تقریباً به اندازه انتهای فرآیند ، بالا است بدین ترتیب ، پیش جهت گیری نیز باید به خوبی باشد.

روشن است که ، نمودار ICP بسیار سریعتر و بهتر از نمودار بسیط شیب دار عمل می‌کند.

در نمونه نشان داده شده در شکل 21 ، مقادیر آغازین که بصورت دستی انتخاب شده‌اند ، بسیار نامناسب تر هستند.

در اینجا ، مزیت نمودار ICP چشمگیر است.

نمودار بسیط شیبدار متقابل ، نمی‌تواند بطور موقت عملکرد بهینه سازی را ، بدتر کنند تا در بعدی کمتر از ، پیکسل‌های بیشتری را بگیرند.

نمودار ICP ، مشکلی در پیدا کردن یک جهت گیری که پیکسل‌های بسیار بیشتری ، در آن ، بعد متوسط بهتری دارند ، نخواهد داشت.

شکلهای 22 و 23 ، مجموعه‌های داده‌ای برآورد شده یک شیء الگوبرداری سریع دیگر را از جهات گوناگون نشان می‌دهند ( در حالیکه حسگرها ثابت مانده اند ، شیء حرکت داده شده است ) پس از آنکه فرآیند ثبت به پایان رسید ، دو مجموعه داده‌ای می‌توانند براحتی در یک عکس ، تصویر گردند ( شکل 24 ، cf ) در اینجا ، بنظر می‌رسد این دو عکس ، کاملاً با هم جفت شده‌اند که این ، قطعاً نشانگر یک ثبت مناسب است.

با استفاده از بسته نرم افزاری ABW برای این پروژه ، فرآیند ثبت می‌تواند بصورت همزمان مشاهده شود.

این بدان معنی است که ، طرحی مانند شکل 24 که به روز رسانی‌های کنونی جهت گیری را نشان می‌دهد ، می‌تواند در عین اینکه فرآیند ثبت اجرا می‌گردد ، مشاهده شود ، این تأثیر خوبی بر راهکار همسان سازی دارد که نمودارهای مختلف از آن استفاده می‌کنند.