最新三视图基础知识与识图方法课件PPT.ppt 62页

'三视图基础知识与识图方法 目录1投影法的基本知识2三视图的形成及其基本规律3简单构件三视图4组合体识图方法5组合体识图举例 ABCabc投影线投影投影面在图中，点S称为投影中心，SAa、SBb……称为投射线，承影面P称为投影面。SP 投影法可分为中心投影法和平行投影法两大类：中心投影法投射线汇交于一点，称为中心投影法。平行投影法投射线都相互平行，称为平行投影法。根据投射线与投影面的相对位置，平行投影法又可分为：斜投影与正投影。二投影法的分类 中心投影法 （1）正投影当投射线垂直于投影面时，所得的平行投影称为正投影。(2)斜投影当投射线倾斜投影面时，所得的平行投影称为斜投影。 正投影：投射线垂直于投影面斜投影：投射线倾斜于投影面 正投影能正确的表达物体的真实形状和大小，作图比较方便，在作图中应用最广泛．斜投影在实际中用的比较少，其特点是直观性强，但作图比较麻烦，也不能反映物体的真实形状，在作图中只是作为一种辅助图样． 1、真实性当物体上的平面与投影面平行时，其投影反映平面的是形；当物体上的直线于投影面平形时，其投影反映直线的实长。这种特性叫真实性。2、积聚性当物体上的平面与投影面垂直时，其投影积聚成一直线。平面上任意一点、一条线或一个图形的投影都积聚在该直线上；当物体上的直线于投影面垂直时，其投影积聚成一点，直线上任意一点的投影均积聚在该点上。这种特性称为积聚性。三正投影的基本特性 3、类似性当物体上的平面与投影面倾斜时，其投影为与原平面形状类似的平面图形，但小于原平面的实形；当物体上的直线于投影面倾斜时，其投影仍为直线，但小于原直线的实长。这种投影特性称为类似性。 真实性积聚性类似性 第二章三视图的形成及其投影规律视图：机件向投影面投影所得到的图形叫视图。用正投影法绘制物体的视图时，是将物体置与观查者投影面之间，以观察者的视线作投影线，而将观察到的形状画在投影面上。 a.正面投影面用“V”标记；b.侧面投影面用“W”标记；c.水平投影面用“H”标记；三投影面之间两两的交线称为投影轴，分别用OX、OY、OZ表示；三根轴的交点Ｏ称为原点。三视图的三投影面体系 按国家标准规定设立的三个互相垂直的投影面,称为三投影面体系.三个投影面中,位于水平位置的投影面称为水平投影面,标记为”H”;在观察者正前方的投影面称为正立投影面,标记为”V”;位于观察者右方的投影面称为侧立投影面,标记为”W”.这三个投影面两两相交,得三条相互垂直的交线OX、OY、OZ称为投影轴。三条投影轴的交点O称为原点。 把物体放在三投影面体系中，位于观察者和投影面之间，使物体的三个主要表面分别平行于三个投影面。然后将物体向各个投影面进行投射，即可得到三个方向的正投影图，即物体的三视图。 正面投影为主视图水平面投影为俯视图侧面投影为左视图 XYHYWZO长长宽宽高高三视图对应关系为：主、俯视图长相等（简称长对正）主、左视图高相等（简称高平齐）俯、左视图宽相等且前后对应(宽相等） 三视图之间方位对应关系主视图反映物体的上、下、左、右俯视图反映物体的前、后、左、右左视图反映物体的上、下、前、后上上下下左左右右前前后后 第三章简单构件的三视图 四棱柱（长）俯视图（宽）（长）正视图（高）（宽）左视图（高） 圆柱圆柱主左俯圆柱体的三视图正视图左视图俯视图 圆锥主左俯圆锥体的三视图正视图左视图俯视图 球体球主左俯球体的三视图。 四棱锥四棱锥的三视图主左俯正视图左视图俯视图 六棱柱六棱柱主左俯六棱柱的三视图。正视图左视图俯视图 画出如图所示的零件的三视图。主左俯正视图左视图俯视图 1掌握常见组合体投影特点2要将几个视图联系起来看3视图中“图线”“线框”的含义4要判断出相邻表面间的相对位置第四章组合体识图方法 组合体常见的组合形式 简单结构一 简单结构二 简单结构三 简单结构四 要将几个视图联系起来看物体的主、俯视图相同，但形状不同（1）（2）（3）（4）（5） 二、看图的方法和步骤形体分析法形体分析法是看组合体视图的基本方法。把比较复杂的视图，按线框分成几个部分，运用三视图的投影规律．分别想各形体的形状及相互连接方式，最后综合起来想出整体。看图的一般步骤1．分析视图，划分线框2．对照投影，想出形体3.确定位置，想出整体 Ⅰ（a）题目看懂组合体、补画出左视图ⅣⅢⅡ （c）想象出形体ⅠⅠ（d）想象出形体ⅡⅡ（e）想象出形体ⅢⅢ（f）想象出形体ⅣⅣ THANKS感谢各位@HelmYoung 2013级模式识别复习课 考试题型:一、填空题（10个空，每空2分，共20分）二、简答题（2题，每小题10分，共20分）三、计算分类题（2题，每题12分，共24分）四、证明题/设计题(1题，12分)五、综合应用设计题（1题，24分）考试范围：九个PDF课件文件(打*不考)，教材第1章、第2章、第4章、第5章、第6章、第9章(九个PDF课件中要求的内容)模式识别复习 笔试形式：开卷考试，120分钟。按照开卷考试的统一规定，开卷考试可以带书、纸质版资料、计算器，但开卷考试不能使用手机、平板电脑、笔记本电脑等电子设备查阅电子资料。根据学校的规定，考试笔试成绩须在55分以上才有可能及格，否则按不及格处理。模式识别复习 考试范围：一、李弼程编《模式识别原理与应用》教材。第1章绪论第2章Bayes决策理论第4章线性判别分析(4.1线性判别函数;4.2线性分类器：4.2.1-4.2.4)第5章特征提取和选择(5.1;5.2.1,5.2.2;5.3.2;5.4主成份分析PCA)第6章聚类分析(6.1;6.3;6.4.1,6.4.2;6.5)第9章神经网络模式识别(此章内容见“模式识别(九).PDF”课件的要求部分)二、九个PDF课件文件。PDF课件中打“*：了解”的部分不考，下面“九个PDF课件文件说明”中黑体字部分不考；九个PDF课件文件说明：1.模式识别(一).PDF模式识别复习 九个PDF课件文件说明Cont.：2.模式识别(二).PDF：2.4广义线性判别函数，不考3.模式识别(三).PDF：2.6分段线性分类器设计、2.7非线性分类器设计，不考4.模式识别(四).PDF5.模式识别(五).PDF：3.9序惯分类、3.10Bayes分类器编程举例，不考模式识别复习 九个PDF课件文件说明Cont.：6.模式识别(六).PDF：4.5聚类分析编程举例，不考7.模式识别(七).PDF：5.1引言中的灰度共生矩阵、5.3类别可分性判据中基于熵函数的可分性判据、5.4基于可分性判据的特征提取中的基于概率密度函数可分性判据的特征提取方法、5.5补充PCA人脸图像的预处理方法及编程(编程，不考)、5.6快速PCA及实现、5.7基于PCA的人脸特征提取及实现(实现，不考)模式识别复习 九个PDF课件文件说明Cont.：8.模式识别(八).PDF：9.模式识别(九).PDF：模式识别复习 一、填空题举例1、神经网络的特性及能力主要取决于网络拓扑结构及()。答案：学习方法2、()可以利用多个分类器之间的互补性，有效地提高分类的准确度。答案：多分类器融合/多分类器集成3、欧氏距离具有（）和（）。①平移不变性②尺度缩放不变性③旋转不变性④不受量纲影响的特性答案：①，③说明：一般是从PDF课件或从教材中找出正确答案，少数填空题是根据自己的理解填写出合适的答案。考试题型举例： 二、简答题举例1、简述统计模式识别方法。答：统计模式识别把观察对象表达为一个随机向量(即特征向量),将模式类表达为由有穷或无穷个具有相似数值特性的模式组成的集合。识别是从模式中提取一组特性的度量,构成特征向量来表示模式,然后通过划分特征空间的方式进行分类。统计模式识别系统构成：主要由信息获取、预处理、特征提取和选择以及分类器4部分组成；其中，分类器包括分类器设计和分类决策。说明：一般是从课件或从教材中找出相关答案整理成段落、算法步骤等，也有可能根据自己的理解加工成段落、算法步骤等。 三、计算分类题考试范围：读懂模式识别课件中的所有计算例题与思考题(如：Bayes公式在Bayes决策中的运用、感知器固定增量法、Fisher判别分析、K-L变换/主成份分析/PCA/主分量分析、聚类分析等)。重要提醒1：线性代数中矩阵求逆的方法----特别是有时候会用到二阶矩阵求逆计算公式可加快二阶矩阵求逆的计算速度。 重要提醒2：在Bayes公式在Bayes决策中的运用中，要加深对最小风险Bayes决策概念的理解：(2)两类问题最小风险Bayes决策，可直接采用似然比形式的判决准则计算公式：(1)拒绝判决的处理：若允许拒绝判决，可将拒绝类看成独立的一类纳入到最小风险Bayes决策中；。。。。。。 计算题举例：有两类样本ω1=(x1,x2)={(1,0,1)T,(0,1,1)T}ω2=(x3,x4)={(1,1,0)T,(0,1,0)T}设初始权值W1=(1,1,1),ρk=1，试用感知器固定增量法求判别函数，画出决策面。解答：见模式识别课件(三).PDF，此略。 四、证明题/设计题证明题举例：试证明欧氏距离具有平移不变性和正交旋转不变性。 五、综合分析应用题主要范围：数字及各种图案的识别及综合应用(如：飞机、艇船等军事或民用的目标识别，计算机车牌识别与自动收费管理与分类计算机控制的自动化流水线中的邮政编码识别与分类，手写字符识别等)，人脸识别及其综合应用(如人脸识别门镜、人脸识别考勤、人脸识别在安全领域中的应用)，语音识别应用(如手机语音自动拨号、语音交互与机器翻译等)，模型识别的其他综合应用(如文本分类、垃圾邮件识别、网页分类等，相关内容可参考教材第11章)等。说明：若开展语音模式识别或图像模式识别研究,还需要分别有针对性地进行语音处理和图像处理等相关基础课程的学习。 综合分析应用题举例：在某选举投票过程中需要采用计算机对选票中的(√,×,○)三种“图像图案”进行自动识别分类统计，“√”表示投票通过，“×”表示投票未通过，“○”表示弃权（假设所有3种“图像图案”已经从所采集的图像选票中分割出来,但各“图像图案”大小不一）。试运用你所学的模式识别方法设计自动分类统计“√”-投票通过的人数、“×”-未通过的人数和“○”-弃权的人数的技术方案。要求：1．给出总体设计方案；2．给出对“图像图案”进行预处理、特征提取与选择以及识别分类统计等关键设计步骤。答案不唯一，关键点回答正确即可得分，此略。 关于模式识别编程(本届不考)：可使用自己熟悉的任何一种计算机语言编程(研究和开发计算机模式识别软件对数学能力要求较高，本课程的一大特色是采用第4代计算机语言MATLAB软件工具讲授模式识别编程技术，能加深对模式识别基本概念、原理和方法的理解和掌握，激发对模式识别问题的学习和研究兴趣)。编程是算法的具体表现，它有助于帮忙学习者加深对模式识别算法的理解，复习过程中可有选择地看课件中的模式识别问题MATLAB编程，包括编程思考题(往届考过编程题，本届考试不考编程题)。 编程题举例(*:本届不考，仅供学习参考)对一幅森林起火图像，希望把着火部分划分出来，可以采用以下法：在该图像中分别在着火部分与森林部分画出一个窗口，把在这两个窗口中的像素数据作为训练集，用线性判别方法求得分类器参数，再用该分类器对整幅图进行分类。试用你熟悉的编程语言针对你所选的线性判别方法编写分类器程序。解答：若采用Fisher分类器，可参考Fisher分类器程序(lecture3_2.m)，详见模式识别课件(三).PDF，此略。 推荐复习方法：建议将九个PDF课件要求的部分打印出来，至少复习两遍，重点练习本复习课中的计算分类题型。因为本课程是开卷考试，请大家考试时务必携带所打印的课件和教材。'