Süreç kıyaslaması, mevcut süreçte işlenen özelliklerin boyut, şekil ve konum hatasını yansıtmak için kullanılan bu makalenin ana araştırma içeriğidir. Dinamik veri, geometrik forma göre veri çizgisine ve veri düzlemine bölünebilir. Veri çizgisi, dönen yüzeyin eksenini ve merkez çizgisini içerir. Veri düzlemi bir simetrik düzlem, bir uç yüz, bir destek yüzeyi, bir montaj yüzeyi ve bir bağlantı yüzeyi içerir.
Cnc işlenmiş görüntülerin görsel algılama özellikleri, renk özelliklerini, doku özelliklerini, uzamsal ilişki özelliklerini ve şekil özelliklerini içerir. Renk özellikleri, görüntü piksellerine ait tüm özellikleri temel alır. Doku özellikleri, birden çok piksel içeren bir alanda istatistiksel olarak hesaplanır. Uzamsal ilişki, bir görüntüdeki birden çok nesne arasındaki uzamsal konum veya göreli yönelim ilişkisini ifade eder. Şekil özelliği, iş parçası üzerinde belirli bir topoloji ilişkisine sahip bir dizi geometrik öğeden (noktalar, çizgiler, yüzeyler) oluşan belirli bir şekli ifade eder. Nesnelerin önemli görsel bilgileri olarak şekil özellikleri, nesnelerin kararlı öznitelik temsilleridir.
Farklı görsel özellikler arasındaki karşılaştırmaya ve dinamik kıyaslamanın yukarıdaki analizine göre, şekil özelliği dinamik kıyaslamanın özelliklerine uygundur, dolayısıyla görsel özelliği olarak şekil özelliği seçilir. Genel olarak şekil özellikleri, köşeler, kenarlar, düz çizgiler, eğriler ve bölgeler dahil olmak üzere şekil tabanlı kontur özellikleri ve şekil tabanlı bölge özellikleri olarak temsil edilebilir. Kenarda girişim varsa, kenar özellik çıkarımını etkileyecek çok sayıda yanlış kenar noktası üretilecektir. Şu anda, uygun bir görüntü işleme algoritması bulmak çok önemlidir.
Uyum analizi ve özellik çıkarma yöntemi NC işleme sürecinde, işleme referansı iş parçasının köşesi olduğunda, görsel görüntüde köşe noktaları şeklinde görünür. Görüntü köşesi görsel algılama algoritmaları arasında, Harris algoritması, Susan algoritması, FAST algoritması ve SURF algoritması dahil olmak üzere şablon tabanlı yöntem en yaygın kullanılanıdır.
Bunlar arasında, Susan algoritması gürültüye karşı iyi bir sağlamlığa sahiptir ve ayrıca ışık yoğunluğu değişimi ve dönüş değişmezliği değişmezliğine sahiptir. Çok az parametre kullanır, dolayısıyla daha az hesaplama ve depolama gerektirir. Bu nedenle, köşe koordinatlarını, yani dinamik referansın konumunu çıkarmak için Susan algoritması kullanılır.
İşleme referansı dönen yüzeyin ekseni veya merkez çizgisi olduğunda, görsel görüntüde dairenin merkezi olarak görünür, ancak dairenin merkezi gerçek değildir, bu nedenle görsel özelliklerinin çıkarılması, kenarın çıkarılmasını da içerir. daire ve eğri uydurma. Merkez koordinatlarının elde edilmesi, işleme dinamik referans konumudur. Yaygın olarak kullanılan kenar çıkarma operatörleri arasında, Canny operatörü, diğer kenar algılama operatörlerine göre tek pikselli kenar için daha yüksek konumlandırma doğruluğuna sahiptir ve daha iyi gürültü önleme özelliğine sahiptir.