工程图纸是机械行业重要的技术资料,凝结着科研人员大量的智慧与心血,对其进行智能识别与三维重建可以有效发掘与保护其上所载信息。三维重建课题虽然已经被提出了40余年,但其依然存在效率低、准确性差与模型有歧义等问题。三维重建课题虽已取得丰硕成果,但仍存在一定的局限性:大多数的研究是基于dxf与dwg文件,而所需转化的常为纸质图纸;大多数研究所需条件苛刻且需要专门的系统与具有强大运算能力的计算机;对新方法新技术应用不多。针对上述问题本文以法兰零件为例,提出一种基于工图图像的法兰零件重建方法。方法以工程图纸为研究对象,对其进行扫描、降噪、分割与细化等处理,然后采用Harris角点识别算法与Hough圆检测算法提取并统计其上特征。并采用BP神经网络识别并提取零件重建的必要参数,最终实现了法兰模型的三维重建。(1)文章详细介绍了工程图纸的计算机读取过程,以及扫描所得光栅图像的灰度化与降噪方法。描述并分析了传统降噪算法与NL-means算法,通过实验证明了NL-means算法用于工程图纸降噪的可行性。(2)文章介绍了传统定位算法,详细描述了LSD直线检测算法的原理,在此基础上提出了一种基于LSD直线检测的工程图纸字符定位方法,并通过实验证明了其可行性。介绍了经典字符识别算法与深度信念网络,并采用DBN对工程图纸字符进行识别。(3)本文依据图像的可加原理对图像进行处理,获得了较易分割的图像。文章描述了Otsu法与最大熵法分割法的基本原理并且详细介绍了FOA与BA算法。在此基础上提出了基于群智能算法的工程图纸分割方法,可以快速精准分割工程图纸。(4)对法兰零件进行深入研究,介绍了法兰零件的特点及用途。对三维建模软件SolidWorks做了详细介绍,详细描述了其参数化建模的具体步骤。分析了Harris角点识别的基本原理,并利用其对法兰零件图纸进行识别,通过实验验证可准确获取角点信息。分析了Hough圆检测的基本原理,并利用其对法兰零件图纸进行识别,通过实验验证,可准确获取圆信息。描述了BP神经网络的基本原理以及利用MATLAB软件搭建BP神经网络的详细过程与步骤。在此基础上采用BP神经网络对法兰零件的工程图纸进行识别,获取了法兰零件的重建信息。并以此为依据通过SolidWorks的参数化建模功能对法兰零件进行三维重建。综上所述:本文利用图像处理、特征识别与神经网络等先进的技术及成果提出了一种法兰零件的三维重建方法。一定程度上提高了重建效率与精度;本文以纸质图纸为研究对象一定程度上拓宽了三维重建的实际应用范围;本文以MATLAB与SolidWorks为平台不需要设计专门的系统或平台,有利于二维转三维的实现与推广。实验证明本文方法可有效且快速的重建法兰零件三维模型,为工程图纸的三维重建提供了新思路与方法,对后续研究有一定的指导意义。