Influence of Geometric Shapes of Parts on 3D Scanning Accuracy for Reverse Engineering
คำสำคัญ:
Geometric shapes, 3D scan, Point clouds, Polygon meshes, Reverse engineeringบทคัดย่อ
This paper investigates the geometric shapes of parts on 3D scanning for reverse engineering. The aim was to develop guidelines for scanner settings with various shapes. Five different geometric shapes were scanned and compared for surface detail reproduction across More details, Standard details, and Less details settings. GOM Inspect software compared standard triangle language files, point clouds, and polygon meshes. The results showed that different geometries lead to different point clouds and surface details after scanning. Point clouds generated with the More details setting are a substantially larger amount compared to those generated using the Standard detail and Less details settings. The mesh size exhibits an inverse relationship with point cloud data. A reduction number of point clouds corresponds to an increase in mesh size. Geometric shapes of triangle, cone, cubic, and sphere can be created with the standard detail, while geometric shape of cylinder requires less details for optimal scanner settings.
The reverse deep-drawing of cups was an example demonstrating the benefits of the developed guidelines to show the curved part that is often a problem for the industry and causes thickness variation and tearing during forming. A comparative analysis of the reverse deep-drawing of cups utilized standard details compared with the computer-aided design file. Errors were minimal on the smooth surface, largely within ±0.10 mm. The nose radius of the cups presented an error range of approximately ±0.200 mm. When tested with a die created using high drawing speed, the improved nose radius was found to be in the range of 0.470 to 0.480±0.014 mm.
เอกสารอ้างอิง
Javaid M, Haleem A, Pratap Singh R, Suman R. Industrial perspectives of 3D scanning: Features, roles and its analytical applications. Sensors Int. 2021; 2:100114. DOI: 10.1016/j.sintl.2021.100114.
Bilušić M, Runje B. Use of optical three-dimensional (3D) scanners in reverse engineering. In: 22nd International Conference on Materials. 2022. p. 12-12.
Muralikrishnan B, Ferrucci M, Sawyer D, Gerner G, Lee V, Blackburn C, et al. Volumetric performance evaluation of a laser scanner based on geometric error model. Precis Eng. 2015;40:139–150. DOI: 10.1016/j.precisioneng.2014.11.002.
Kersten TP, Mechelke K, Lindstaedt M, Sternberg H. Methods for geometric accuracy investigations of terrestrial laser scanning systems. Photogramm Fernerkundung Geoinf. 2009;301–316. DOI: 10.1127/1432-8364/2009/0023.
Remondino F, Guarnieri A, Vettore A. 3D modeling of close-range objects: photogrammetry or laser scanning In: Videometrics VIII. 2005. p. 216–225.
Mian SH, Mannan MA, Al-Ahmari AM. The influence of surface topology on the quality of the point cloud data acquired with laser line scanning probe. Sens Rev.2014;34:255–65.DOI:10.1016/S0141-635900071-4.
Feng HY, Liu Y, Xi F. Analysis of digitizing errors of a laser scanning system. Precis Eng. 2001;25:185–91.
Nöll T, Köhler J, Reis G, Stricker D. Fully automatic, omnidirectional acquisition of geometry and appearance in the context of cultural heritage preservation. J Comput Cult Herit. 2015;8(1):1–28. DOI: 10.11145/262963.
Pawłowicz JA. Effect of geometrical features of various objects on the data quality obtained with measured by TLS. IOP Conf Ser Mater Sci Eng. 2017;227(1).p.012093.
Yang T, Li Y, Zhao C, Yao D, Chen G, Sun L, et al. 3D ToF LiDAR in mobile robotics: A review.2202.11025;2022. DOI: 10.48550/arXiv. 2202.11025.
Zhao Q, Gao X, Li J, Luo L. Optimization algorithm for point cloud quality enhancement based on statistical filtering. J Sensors. 2021;(1):732500. DOI: 10.1155/2021/7325600.
Li Y, Ma Y, Tao Y, Hou Z. Innovative methodology of on-line point cloud data compression for free-form surface scanning measurement. Appl Sci. 2018;8(12):2556. DOI: 10.3390/app8122556.
Estellers V, Schmidt FR, Cremers D. Compression for smooth shape analysis. DOI: 10.48550/arXiv.1711.1082.
Xu X, Li K, Ma Y, Geng G, Wang J, Zhou M, et al. Feature-preserving simplification framework for 3D point cloud. Sci Rep. 2022;12(1):9450. DOI: 10.1038/s41598-022-13550-1.
Nielsen MS, Nikolov I, Kruse EK, Garnæs J, Madsen CB. Quantifying the influence of surface texture and shape on structure-from-motion 3D reconstructions. Sensors. 2023;23:178. DOI: 10.3390/s23010178.
Nikolov I, Madsen C. Rough or noisy? Metrics for noise estimation in SfM reconstructions. Sensors. 2020;20(19):5725. DOI: 10.3390/s20195725.
O’banion MS, Olsen MJ, Hollenbeck JP, Wright WC. Data gap classification for terrestrial laser scanning-derived digital elevation models. ISPRS Int J Geo-Inf. 2020;9(12):749. DOI: 10.3390/ijgi9120749.
Ding S, Chen X, Ai C, Wang J, Yang H. A noise-reduction algorithm for raw 3D point cloud data of asphalt pavement surface texture. Sci Rep. 2024;14(1):16633. DOI: 10.1038/s41598-024-652 33-8.
Razali MH, Idris AN, Mohd Nor TNAT, Ghazali R. Accuracy assessment on point cloud dataset from terrestrial laser scanner with different objects surface properties. IOP Conf Ser Earth Environ Sci. 2021;767:012007. DOI: 10.1088/1755-1315/767/1/012007.
Lazarević D, Nedić B, Jović S, Šarkoćević Ž, Blagojević M. Optical inspection of cutting parts by 3D scanning. Phys A. Stat. Mech. Its Appl. 2019;531(1):121583.DOI:10.1016/j.physa.2019.121583.
Eybpoosh M, Akinci B, Bergés M. Effects of planning and data collection approaches on the quality of processed laser scanned data: Lessons learned. In: Construction Research Congress 2012: Construction Challenged in a Flat World: 2012. p. 950–959. DOI: 10.1061/978 0784412329.096.
Ghazali R, Sukri AEE, Latif ARA, Rasam ARA, Latif ZA, Samad AM. Evaluating the relationship between scanning resolution of laser scanner and the accuracy of the 3D model constructed. In: 2011 IEEE Int Conf. Control Syst. Comput. Eng. ICCSCE;2011. p. 590–595. DOI: 10.1109/ICCSCE.2011.6190595.
Zhao J, Zhang K, Ma X, Zhang J. Study on the formability of copper foils during multi-step micro deep drawing. J Mater Res Technol. 2024;28:2187–2198. DOI: 10.1016/jmrt.2023.12.106.
ดาวน์โหลด
เผยแพร่แล้ว
เวอร์ชัน
- 06/30/2026 (2)
- 06/30/2026 (1)
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารวิจัย มทร. กรุงเทพ
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร
