lipan
cec0766e67
- 算法包替换为 delivery_v1.2（coupler_panel 新增 autotune/layer_select，underframe_deflection 新增 single_beam 管线），删除 delivery_v1.1 - manifests/adapters 的 PYTHONPATH 与版本说明同步更新到 v1.2 - 新增任务级 CAD 文件支持（task_cad_files 表、上传/读取路由、TaskManager 全选与加载显示） - 新增 train-measurement 自定义前端面板（YAML 编辑器 + 可视化 ROI 配置 + 3D 取点） - PointCloudViewer 支持 PLY 叠加层渲染与 ROI 拾取 - Dockerfile 改用 Miniforge 安装 pythonocc-core，修复 libgomp/libstdc++ 依赖
2.7 KiB
2.7 KiB
coupler-panel-validation
高铁车钩面板偏转角测量算法。输入待测点云 + ROI + 理论 CAD，输出面板相对车体纵轴的两个方向偏转角及最大偏差，并生成 Excel 报表。
这个项目做什么
给定一块车钩安装面板的扫描点云，算法测量它相对理论安装姿态的偏转：
θ_right—— 面板法向在一个方向上的偏转角（度）θ_ref—— 面板法向在另一个方向上的偏转角（度）dx_y_max/dx_z_max—— 由偏转引起的最大 x 向偏差（mm）
支持两种输入规模：
- 单零件点云（对零件 STP 采样得到的稠密点云）
- 整车扫描点云（GB 级 PLY，用 ROI 框出车钩区域后内部流式裁剪）
三件套输入（集成主路径）
| 输入 | 说明 |
|---|---|
| ROI JSON | 6 个数的轴对齐包围盒，框出待测面板区域（即裁剪超参数） |
| 点云 PLY | 待测点云，可为整车（多 GB），算法内部按 ROI 流式裁剪 |
| CAD STP | 理论模型，作辅助 / 审计 |
输出：eval_report.xlsx（含两个偏转角的 GT / 预测 / 误差 + 中间量 + 运行时间）。
快速开始
# 安装（锁定版本见 requirements.txt）
python -m pip install -r requirements.txt
pip install -e ".[all]"
# 三件套集成入口
python examples/run_integration.py \
--roi examples/roi_train2_coupler.json \
--cloud /path/to/train_2_1T.ply \
--stp /path/to/asm.stp \
--out runs/train2 \
--profile train2_coupler
库调用：
from coupler_panel.pipeline import run_coupler_measurement_pipeline
from coupler_panel.roi_select import load_roi_json
result = run_coupler_measurement_pipeline(
input_cloud = "train_2_1T.ply",
out_dir = "runs/train2",
profile = "train2_coupler",
roi_spec = load_roi_json("roi_train2_coupler.json"),
)
print(result.theta_right_deg, result.theta_ref_deg)
文档
| 文档 | 内容 |
|---|---|
| USAGE.md | 集成方使用指南 —— 三件套输入、API、ROI JSON、profile、输出、坐标系 |
| CHANGES.md | 修改记录 —— 每轮改了什么、为什么、遇到的问题与定位解决 |
坐标系约定
- 算法以面板法向
n=(n_x,n_y,n_z)相对 x 轴的夹角定义偏转，强制n_x>0。 - 坐标轴含义由数据集决定：项目标称约定为 x=纵向、y=宽度、z=高度；但某些整车数据集为 x=车长、y=车高、z=车宽（y/z 对调）。偏转角公式对称、理论 0 不受影响，但
D_y_max/D_z_max对应的物理轴随之对调。ROI JSON 的六个边界必须与点云自身坐标系一致。详见 USAGE.md。