轮廓

种函数关系被称为轮廓(profile)[1]。轮廓控制(profile monitoring)即基于统计过程控制理论对质量特性表现为轮廓的产品或过程质量进行监控，通常包括两个阶段。第1阶段基于历史轮廓数据分析来判断过程的稳定状况，并识别受控轮廓集和确定轮廓控制的参数，可称为轮廓控制参数识别阶段；第2阶段则基于所确定的控制参数，建立控制图，实施过程监控，称为轮廓控制监控阶段。轮廓控制参数识别的关键在于受控轮廓集的识别，它是确定轮廓控制参数的基础。因此，本文将

工图1所示的相似轮廓的零件时，零件轮廓圆弧段全部为凸圆弧，铣削完轮廓后可以通过增大刀补值方法来去除多余的余量，去余量的走刀路线如图1中的去余量刀轨所示。但加工图2所示带有凹圆弧的轮廓时，当凹圆弧轮廓区域的余量通过改变刀补值铣净后，其余的余量则要采用变轮廓的方法去除，避免因刀补值过大而产生过切现象[1-2]。去余量走刀路线如图2中变轮廓去余量刀轨所示。图2（a）中矩形去余量刀轨因对角线上的余量通过变换刀补值去除时，刀补值的分配计算将会劣于图2（b）中的去余量

]。但上述技术在轮廓特征自动编程方面尚未取得实质性突破。由于飞机结构件同飞机气动外形相连接，使得轮廓特征中包含大量复杂曲面。此外在加工过程中，为实现飞机结构件的夹紧定位，大多采用工艺凸台进行装夹。因此飞机结构件轮廓特征编程时不仅需要考虑复杂曲面，还需要考虑工艺凸台等外围干涉物信息，而现有特征识别和加工区域划分方法均未考虑与结构件相关联的干涉物信息，导致在零件自动编程模式下，轮廓特征加工程序仍依赖人工经验进行编制，使得轮廓特征编程时间占结构件编程时间的40%

则性，工件图像的轮廓能有效地体现目标物体的特征。但工业现场的工件堆叠遮挡会导致提取的工件轮廓缺失和断裂。因此，对局部工件轮廓进行检测，已成为研究热点。Ianni 等[1-2]在 1996 年时将部分轮廓在模板轮廓上的匹配问题描述为一个组合优化问题，并使用基于模拟退火算法和遗传算法的改进搜索算法对其进行求解。之后，van Kaick 等[3]在此基础上提出了基于蚁群算法的局部形状匹配方法，对局部轮廓匹配的组合优化问题求解得到概率最优路径，同时获得最佳的匹配结

主要组成元素，其轮廓不仅包含建筑物的位置和形状信息，而且可作为一种先验形状信息推断建筑物结构以辅助建筑物三维模型重建，在城市规划、城市空间分析、污染建模和灾害管理等方面有着广泛应用，因此建筑物轮廓提取一直都是研究的热点［1-3，4］。传统三维建筑物轮廓主要通过立体影像采用半自动方式采集，得到的结果虽然精度高，但同时也存在成本高、周期长等问题，因此成果的现势性难以得到有效保证［5］。机载激光雷达测量（Light Detection and Ranging，L

518116)轮廓度公差常用来控制空间曲面的形状或位置误差[1]，单独使用面轮廓度来控制曲面装配间隙(缝隙)的大小和间隙(缝隙)的均匀性往往显得“力不从心”或者偏于严格。因此，在汽车车身图样中，“复合轮廓度公差”被广泛应用和标注。复合轮廓度公差除了能对被测轮廓的位置偏差进行控制外，还可对被测轮廓的方向和形状偏差进行加严控制，特别是在需加严控制被测要素的方向偏差而对被测要素位置要求相对较松的场合，应用复合轮廓度能体现出较好的经济性。复合轮廓度公差属于复合公

用了多种特征,如轮廓、纹理等,且轮廓相对纹理而言更加稳定,原因是其不易受到光照变化和颜色变化的影响。文献[1]对比了人类视觉和由深度神经网络驱动的机器视觉系统,发现两者处理对象信息的方式存在显著差异,人类在识别物体时倾向于轮廓,而由深度神经网络驱动的机器视觉系统更倾向于纹理。虽然人类在识别图像中的物体时是基于大量的先验知识,如轮廓、纹理、颜色和上下文等[2],但是即使只给定轮廓,人类也能迅速识别出其类别,这说明轮廓在物体识别中起重要作用。物体的形状识别作为

于蚁群优化技术的轮廓平行路径生成方法，生成一条清晰的刀具路径，该刀具路径可以在最少的时间下加工整个区域。文献[4]通过将任意复杂的域分解为更简单的域，并用螺旋曲线填充每个子区域。Zhao等[5]对上述算法做了进一步的改进，根据偏移曲线的位置将一个域分解为一组子区域。重新连接，每个子区域都填充有一条连续的费马螺旋曲线，最终可以获得一条全局连续路径。Ding等[6]将2D几何形状分解为一组凸多边形，并为每个凸多边形确定最佳倾斜度，并使用锯齿形和平行填充路径的组

utline （轮廓） with bricks. After that， he begins filling in the area with materials. These can range from different colors of dirt， sand， and rocks to different types of plants and flowers. Herd often uses local volunteers to help w

110159)轮廓是一种高级的视觉信息，当目标失去颜色等其他特征时，人眼仍能根据轮廓识别出目标的类别[1]。目标图像的轮廓特征常用到智能监控等领域[2]。在提取目标对象的轮廓时，由于数字噪声和分割误差的影响，提取完轮廓的目标对象轮廓的部分轮廓段可能发生变形，或者轮廓上产生变形点，这会对后续识别工作产生干扰。在提取图像轮廓时采用了Sobel算子，尽管Sobel算子输出的边缘清晰准确，耗时短，同时抗噪能力强，但是Sobel算子并不能识别或去除变形部分[3-4

。目前的车载钢轨轮廓动态检测系统多基于机器视觉技术，由一台或多台摄像机和线激光器组成[3-4]。激光平面垂直于轨道纵轴(列车行驶方向)，与钢轨横截面重合，在钢轨表面形成一条包含钢轨轮廓信息的光条曲线。摄像机与激光平面成一定夹角，采用激光视像技术或激光位移技术，提取光条曲线坐标。车体运行过程存在轨道不平顺和轮对磨损，轮轨相互耦合作用下车体会发生多自由度高频随机振动[5-7]。当振动使激光平面不再垂直于轨道纵轴时，轮廓曲线会发生旋转、拉伸等仿射失真，严重影响钢

低有致剪影一样的轮廓。那是微光勾勒出来的线条，虽然隐隐约约，但在近距离的观感中依然分明。世间万物都有轮廓。或方或圆，或曲或折，或刚或柔，或保守或夸张，或秀美或奇诡，有的甚至不可想象。太阳的轮廓是一个浑圆，正是这个浑圆，予人以热烈，予人以温暖，予人以亮色，予人以活力，予人以生机。而月亮的轮廓，总在演变，圆了缺，缺了圆。正是因了它的圆缺，人们才赋予她清冷、孤独、高远的秉性。花前月下，清辉丽影，迷离朦胧，总是让人浮想联翩。月的圆缺，左右着人心深处的悲喜进退。远远

余背景的手势连续轮廓提取算法与实验张 钰，徐伟斌，陆敬微，王光义(杭州电子科技大学 电子信息学院，国家级电工电子实验教学示范中心，杭州 310018)连续轮廓提取是三维图像模式识别和重建的重要步骤。现有轮廓提取方法处理后的轮廓存在断点，严重影响后续图像处理步骤的质量。提出了一种手势连续轮廓提取方法。采用高斯混合模型定位方法确定视频图像中手势所在区域；利用Sobel算子对所选择区域中手势进行粗糙轮廓提取；采用深度优先算法进行轮廓遍历，确定最长轮廓为手势轮廓；

01306)基于轮廓拟合的新风格书法字合成石 雷 韩德志*章夏芬 毕 坤(上海海事大学信息工程学院 上海 201306)限于当前有限的数字书法资源，书法数据库中有时不一定有用户所需风格的书法字图像。针对这个问题，提出了基于两个书法字轮廓合成一系列具有中间风格的新书法字的方法。首先提取同一字不同风格的两个样本字的轮廓，接着用贝塞尔曲线拟合轮廓，再把矢量化轮廓字并归一化以获取可比性；然后，通过形状匹配法找到两个书法字对应的轮廓点对，选取关键点作为控制点，合成具

于交叉耦合结构的轮廓控制器设计*盛贤君，许才，张亚鹏(大连理工大学电气工程学院，辽宁大连116024)针对工业控制中常出现的双轴伺服系统轮廓控制问题，在分析典型曲线轨迹轮廓误差的基础上，设计了一种具有位置闭环反馈和轴间协调控制器的交叉耦合控制(CCC)结构。通过CCC结构进行轮廓误差估计，利用轮廓误差分配系数把估计值补偿到各伺服轴上以实现精确轮廓控制，并给出了基于轮廓误差传递函数的稳定性分析。在X-Y双轴平台上进行实验，结果表明:与传统非耦合情况相比，交叉

迹跟踪控制领域.轮廓误差处理采用两大方案[1]:一种是直接减少轮廓误差，即通过提高单轴的跟踪精度来提高整体的轮廓跟踪精度[1-3]；另一种是间接减少轮廓误差，即通过当前位置得到轮廓误差，解耦补偿各个轴的位置，来直接提高轮廓跟踪精度[4-6].间接减少轮廓误差虽然算法比较复杂，但却是最直接、最快速的补偿算法，其通过当前位置、期望轮廓信息便可以直接对各运动轴实时补偿.本文以双轴联动系统作为研究载体，以轮廓误差补偿算法为研究对象，分析传统的基于局部任务坐标系的交

型切层软件中获取轮廓数据，使用VC++6.0实现轮廓环内外轮廓属性的判断、轮廓环填充次序的确定和轮廓环的填充，得到适用于面曝光快速成形系统的掩模图形.验证结果表明，该掩模生成方法可对多层嵌套的轮廓环进行合理填充，生成正确的掩模图形.面曝光;掩模图形;快速成形;轮廓环填充0 引言面曝光快速成形技术是近几年发展起来的一种制作高精度小尺寸零件的快速成形技术，与矢量扫描法相比，面曝光快速成形技术具有制作时间短，系统成本低等优点［1］.由于面曝光快速成形技术是以具有

用于判断别被评定轮廓不规则的X轴向上的长度。中线具有几何轮廓形状并划分轮廓的基准线。轮廓最小二乘中线具有几何轮廓形状并划分轮廓的基准线，在取样长度内使轮廓上各点的轮廓偏距的平方和为最小。轮廓算数平均中线取样长度内划分实际轮廓为上、下两部分，且使上下两部分面积相等的线。

像处理中，对象的轮廓携带了对象形状的重要信息，它是基于图像和视频的目标识别、目标跟踪和三维重建的基础［1］。轮廓检测就成了必须解决的问题，它的任务是定位图像中对象的边缘，目的是为了增强机器理解现实世界的能力。常用的轮廓检测方法有基于梯度的 Roberts 算子［2］、Prewitt算子［3］和 Sobel算子［4］;基于二阶导数 Laplacian 算子［5］、Marr算子［5］和 Canny算子［6］。其中，检测性能最优秀的是Canny算子。Canny检

引言超精密加工的轮廓精度控制直接影响到工件的加工精度[1]，就数控系统而言，其轮廓加工轨迹是多轴协调运动的结果。因此，为提高伺服系统的轮廓控制精度，可采用两种办法：一是采用先进的控制方法，提高每个单轴的跟踪精度，从而达到改善轮廓精度的目的。这种控制方法对单轴的伺服控制而言是闭环控制，但对由各联动轴组成的轮廓控制系统来说则是开环控制的，这实际上很难保证超精密机床轮廓加工精度。二是以轮廓精度为控制目标，将各个轴组成的轮廓控制系统设计为轮廓闭环系统，这样可以在不

)基于CMM的线轮廓度误差测量与评定技术*路 坦1,高 雷1,安 涛2,桂贵生1(1.合肥工业大学机械与汽车工程学院,合肥 230009；2.马钢股份有限公司车轮轮毂公司,安徽马鞍山 243021)针对动车轮踏面线轮廓度误差检测,研究使用三坐标测量机检测平面线轮廓度误差的方法。以踏面轮廓CAD图形节点数据描述理论轮廓,以实际踏面轮廓探测点数据描述被测轮廓,应用最小二乘法和条件约束优化方法计算和评定线轮廓度误差。该方法的优点是分离和消除被测轮廓与理论轮廓间的

与干涉标志法二维轮廓的布尔运算是计算机图形学的基本算法之一，它被广泛的应用于二维图形的几何造型中。由于一些复杂空间几何造型问题可以转化为二维轮廓的布尔运算来解决，因此二维布尔运算算法研究是计算图形学的一个重要问题[1]。二维布尔运算就是两个或多个平面图形作交、并、差、覆盖和剪取等运算操作。目前人们在这方面已进行了大量有益的探索，并且有多种算法[2-4]。这些算法虽然各有特点，但是存在诸如线段的属性规定较复杂、运算过程较繁复、对于不同的布尔运算集需要进行不同