CN102081693B - 薄壁复杂曲面零件三维加工预处理方法 - Google Patents

Abstract

本发明薄壁复杂曲面零件三维加工预处理方法属于复杂曲面零件加工预处理领域，特别涉及反求工程中薄壁复杂曲面零件扫描线点云数据的预处理方法。本发明用于反求工程，利用实物填充法，按逐条扫描线修补方式，实现对整个薄壁复杂曲面点云数据中的孔洞或分布不均匀区域的矩形拓扑修补预处理；先对薄壁复杂曲面零件进行三维数字化测量，获取表现其特征的扫描线点云数据；再对扫描线点云数据进行预处理，特别针对点云数据中的孔洞或分布不均匀区域进行修补，得到矩形拓扑结构的点云数据；最后，对修补后的点云数据进行B样条建模，指导薄壁复杂曲面零件的后续精密加工。本发明提供的点云数据预处理方法简单易行，复杂程度低，效率高，适用范围广。

Description

薄壁复杂曲面零件三维加工预处理方法

技术领域

本发明属于复杂曲面零件加工预处理领域，特别涉及反求工程中薄壁复杂曲面零件扫描线点云数据的预处理方法。

背景技术

随着快速成型技术、数字化加工技术的发展，反求工程已经成为航空、航天、汽车、船舶和模具等工业领域最重要的产品设计方法之一。反求工程的关键技术包括数据采集与处理即数字化技术，数据预处理技术和曲面模型重建技术。反求工程的数据来源一般都是三维点云数据，通过常用的三维数字化测量设备，如三维激光扫描仪和三坐标测量机等。对零件表面进行三维采样，在满足采样速度和数据质量的前提下，获取零件的三维离散数据。三维点云数据主要分为散乱点云、扫描线点云、网格化点云和多边形点云。常见的为扫描线点云数据，其由一组扫描线组成，扫描线上的所有点位于扫描平面内。目前，在反求工程中，铝合金蒙皮等金属或非金属材料的薄壁复杂曲面零件的应用越来越广泛。薄壁复杂曲面零件数字化过程中，因零件表面的反射特性、几何形状和测量设备的接受角度、触点等因素的影响，复杂曲面零件表面的局部区域无法采样，造成点云数据模型的部分残缺，产生孔洞区域。而基于曲率特征的数字化和重采样后，点云数据将主要集中在曲面上因焊接变形、应力、受热不均等因素引起的曲率不连续或剧烈变化的区域上，呈现出明显的疏密分布不均匀的特点。再就是对薄壁复杂曲面点云数据进行面型重建时，研究和使用最多的方法是B样条曲面建模。但是，B样条曲面重建过程需要矩形拓扑结构的点云数据，而数字化过程中采集的扫描线点云数据，由于孔洞或分布不均匀区域的存在，并不能保证每条扫描线上采集的数据点数相同。这些扫描线点云数据缺点，可能会产生以下影响：一方面，对残缺的点云数据直接进行B样条曲面重建时，会在重建的曲面上出现孔洞或不理想的区域，严重影响建模的质量和精度；另一方面，点云数据有缺点的区域重建得到的曲面与原始曲面的误差较大，会导致零件精密加工过程中因型面失真而过切或少切等问题，影响最终零件的加工精度。

因此，反求工程中，对薄壁复杂曲面零件点云数据中的孔洞或分布不均匀区域进行适当的修补预处理，使点云数据不会出现大面积的缺陷区域，并形成严格的矩形拓扑结构，是反求工程中非常关键的承上启下的一环，直接影响曲面重建成功与否以及CAD模型的精度和质量，对薄壁复杂曲面零件的后续精密加工环节也起着关键的制约作用。现如今，点云数据孔洞或分布不均匀修补方法的研究在国内外均取得了很大的进展，如基于神经网络、支持向量机以及能量优化和细分，三角网格模型，网格曲面模型等的孔洞修补方法。但其中有一些方法需要先对扫描线点云数据模型进行一定的前期处理或者对点云孔洞的边界进行识别，实时性不强，复杂度也比较高。文献“基于神经网络的点云残缺数据修补方法”(刘俊，何建英.机械工程师，2007(2)：32-34)提出了一种三维残缺数据的BP神经网络修补方法，首先裁出小片数据，框选出残缺数据边界附近的样本点集，并加以训练，把训练后的BP网络用于残缺区域数据点的预测，根据预测值和实际残缺值对比，完成数据的修补，具有较高的效率和精度，对于非线性、有噪声、模式特征不明确的数据都有比较好的效果。但有不足的地方：操作多，每个孔洞都要人为框选边界样本点集；修补区域点的密度与周围不一致；点云数据规模较大时，训练速度较慢；对于一些曲率变化较大的区域，特征表现的不够好。文献“基于支持向量机的曲面数据修补”(吴岩冰，陈中中，马胜钢，李矢.制造技术与机床，2009(1)：126-128)提出了一种基于支持向量机的修补方法。该方法首先找出孔洞的边界点，然后根据边界点获得模型的样本点集；其次，为了获得均匀的修补点，建立局部坐标系，进行坐标变换，通过坐标变换后的边界点采样得到模型的输入，实现残缺点云数据的修补，为后续的曲面构造提供完整的数据型面。该方法计算的补测数据与孔洞周围数据具有较好的过渡连接关系，修补结果比较满意。但本方法需要先确定孔洞的边界，算法复杂；孔洞与采样平面之间的夹角过大时容易造成采样得到的输入点与孔洞周围点云稀疏不均，孔洞修补结果不理想；再就是支持向量机模型需要一定时间的训练，实时性和速度不能保证。反求工程中，用三维数字化测量设备扫描薄壁复杂曲面零件，得到海量扫描线点云数据模型，此时，点云数据不可避免的存在孔洞或分布不均匀的区域，对这些孔洞及分布不均的区域进行及时的修补预处理，对后续B样条曲面建模以及零件的精密加工都至关重要。

发明内容

本发明要解决的技术难题是克服现有技术的缺陷，针对薄壁复杂曲面零件的扫描线点云数据易出现孔洞或分布不均匀区域的缺陷，提供一种扫描线点云数据的预处理方法。本发明采用实物填充法，逐条扫描线单元进行数据修补，实现点云数据中孔洞或分布不均匀区域的整体修补，使修补后的点云数据保持严格的矩形拓扑结构，为后续B样条曲面建模以及零件的精密加工做准备。

本发明采用的技术方案是：本发明薄壁复杂曲面零件三维加工预处理方法，首先，对薄壁复杂曲面零件进行三维数字化操作，获取表现其特征的扫描线点云数据；其次，对扫描线点云数据进行预处理，特别针对点云数据中的孔洞或分布不均匀区域进行矩形拓扑修补，得到具有完整结构的点云数据；最后，对修补后的点云数据进行B样条建模，指导薄壁复杂曲面零件的后续精密加工。扫描线点云数据的预处理方法步骤如下：

第一步：利用三维数字化测量设备，采用分层周进扫描测量方式，对薄壁复杂曲面零件进行接触式测量，获取零件点云数据；

第二步：对采集到的点云数据，先利用向前一阶差分判断各扫描线点云数据的边界，把每条扫描线上的点云数据存储到一个单元中；

第三步：统计各扫描线单元中的数据点数，找到数据点数最多的扫描线位置，并求出其他各扫描线单元点数与最大值间的差值，以确定各扫描线所需要的修补点数N_j；

第四步：对需要进行数据修补的扫描线单元，选取原有数据点之间的距离值(对回转类零件并且含有回转角度信息的点云数据，可直接根据回转角度间距值进行补点分配)作为权值，将需要修补的点数按标准权值分配到相应的孔洞区域。标准权值的确定过程如下：

设N为含有最多数据点的扫描线单元的数据点数，n为需要进行数据修补操作的第j条扫描线单元的数据点数，P_j0、P_jn为第j条扫描线单元的首、末数据点，A为该扫描线单元中各数据点之间距离值的集合向量，B为各数据点之间距离值与标准平均距离之间比值的集合向量，B的计算如下：

$B=\frac{A}{\left|P_{\mathrm{jn}}{P}_{j0}\right|/(N-1)}---\left(1\right)$

遍历向量序列B，记录其中元素数值大于等于2的数值和数据位置并存入向量C。向量C中的元素数值大小表示第j条扫描线单元上的相应数据点之间所能包含的最小平均间隙的数量，其大小决定了在该位置需要补入的数据点个数，数值越大，需要补入的点数越多；数据位置决定了补入的数据点在整个扫描线单元上的排列位置。对这些位置的数据进行标准权值计算，标准权值V(i)如下：

$V\left(i\right)=\frac{C\left(i\right)}{\underset{i=0}{\overset{m}{\mathrm{\Σ}}}C\left(i\right)}---\left(2\right)$

其中m为向量C中元素数量，i遍历向量C。

第五步：根据标准权值进行修补数据点分配。在各个修补位置的补入点数量P(i)为：

P(i)＝V(i)·N_j                        (3)

其中N_j为第j条扫描线单元所需修补的数据点数，由第二步得到。由于权值V(i)含有小数部分，P(i)不可能全是整数值。对于整数的情况，直接进行修补点数量分配；对于存在小数的情况，则需要进行整数化处理，即取绝对值不大于等于原值的整数值作为修补点数量，即取整后修补点数量Q(i)为

Q(i)＝[P(i)]                          (4)

第六步：按相关扫描线理论模型，对已经确定了修补点数量的数据位置进行补点计算。如果曲线的理论模型未知，通过插值方法计算修补点的三维坐标值，实现按扫描线单元的数据修补。

第七步：对于需要进行整数化处理的情况，按照上述修补操作后，扫描线单元的数据点数一般无法达到要求的点数值，计算剩余的修补点数量X，如下：

$x=N_j-\underset{i=0}{\overset{n}{\mathrm{\Σ}}}Q\left(i\right)---\left(5\right)$

根据修补后的新扫描线单元数据点的间距值，按照上述修补步骤，对剩余修补点数进行修补迭代。第七步中修补点的三维坐标值计算如同第六步。通常由于整数化处理引起的剩余修补点数量较少，最多迭代修补10次可达到要求。

第八步：按扫描线单元进行逐条遍历修补，实现对整个扫描线点云数据的修补操作。

本发明的有益效果是本发明主要用于反求工程中，对薄壁复杂曲面零件的扫描线点云原始数据中的孔洞或分布不均匀区域进行修补预处理。本发明利用实物填充法，逐条扫描线进行修补，实现对薄壁复杂曲面零件点云数据的整体矩形拓扑修补，修补后点云数据保持严格的矩形拓扑结构，为后续B样条曲面建模和零件的精密加工做准备。本发明数据预处理方法具有以下明显效果：(1)直接针对薄壁复杂曲面零件的点云数据，不需要任何网格化处理，适用范围广。(2)无需对点云孔洞进行边界识别，实时性强，简单易行。因此，对于绝大多数具有任意复杂形状的孔洞或不均匀区域的点云数据，方法同样适用。(3)方法操作实施过程比较简单，速度快，复杂程度低，且具有很强的通用性。(4)修补后的点云数据，既保留了原始曲面的曲率特征，又实现了点云数据的完整分布，更好的体现出了原始曲面的形貌特征。(5)与广泛应用的基于神经网络和支持向量机的点云数据修补方法相比较，本方法充分利用了点云数据的结构特点，不需要大量的样本训练时间，计算简单，效率高，同时使点云数据具备了严格的矩形拓扑结构。

附图说明

图1-实测铝合金蒙皮扫描线点云数据。

图2-扫描线单元的最终数据修补效果图。

图3-修补后的铝合金蒙皮扫描线点云数据。

图4-点云数据修补预处理算法整体流程图。

具体实施方式

结合附图和技术方案详细说明本发明的具体实施方式：

反求工程包括数据采集与处理，数据预处理和曲面模型重建等过程。薄壁复杂曲面零件的反求过程中，常常要面对密集的扫描线点云数据。对边界和形状极其复杂的曲面进行重建时，研究和使用最多的方法是B样条曲面建模。但是，B样条曲面建模要求点云数据要具有严格的矩形拓扑网格结构，因此，对扫描线点云数据中的孔洞或分布不均匀区域进行矩形拓扑修补预处理，是后续B样条曲面建模和零件精密加工所必需的。

对于铝合金蒙皮薄壁复杂曲面零件，其受焊接变形、受热不均以及加工等因素的影响，三维数字化过程中采集的扫描线点云数据会出现孔洞或者数据分布不均匀的区域，如图1所示，这样的数据缺陷对后续B样条建模和曲面形貌的表达会产生严重影响，进而影响零件后续精密加工的精度。以铝合金蒙皮零件为例，详细介绍本发明中扫描线点云数据的修补预处理过程，预处理算法的整体流程图如图4所示。

铝合金蒙皮薄壁复杂曲面零件扫描线点云数据的预处理方法：

第一步：将铝合金蒙皮薄壁复杂曲面零件安装在三坐标测量机的工作台上，使用三维模拟扫描探头，采用分层周进扫描方式，对零件进行接触式扫描测量，获取铝合金蒙皮薄壁复杂曲面零件的扫描线点云数据，如图1所示。图中的原始扫描线点云数据总共有69行，152列，7844个数据点。

第二步：对采集的扫描线点云数据，先利用向前一阶差分判断各扫描线点云数据单元的边界点，把每条扫描线上的点云数据存储到一个单元中；

第三步：统计各扫描线单元中的数据点数，找到数据点数最多的扫描线位置，并求出其他各扫描线单元点数与最大值间的差值，以确定各扫描线所需要的修补点数N_j；

第四步：对需要进行数据修补的扫描线单元，选取原有数据点之间的距离值(对回转类零件并且含有回转角度信息的点云数据，可直接根据回转角度间距值进行补点分配)作为权值，将需要修补的点数按标准权值分配到相应的孔洞区域。标准权值的确定过程如下：

设N为含有最多数据点的扫描线单元的数据点数，N＝152，n为需要进行数据修补操作的第j条扫描线单元的数据点数，P_j0、P_jn为第j条扫描线单元的首、末数据点，A为该扫描线单元中各数据点之间距离值的集合向量，B为各数据点之间距离值与标准平均距离之间比值的集合向量，B的计算如下：

$B=\frac{A}{\left|P_{\mathrm{jn}}{P}_{j0}\right|/(N-1)}---\left(1\right)$

遍历向量序列B，记录其中元素数值大于等于2的数值和数据位置并存入向量C。向量C中的元素数值大小表示第j条扫描线单元上的相应数据点之间所能包含的最小平均间隙的数量，其大小决定了在该位置需要补入的数据点个数，数值越大，需要补入的点数越多；数据位置决定了补入的数据点在整个扫描线单元上的排列位置。对这些位置的数据进行标准权值计算，标准权值V(i)如下：

$V\left(i\right)=\frac{C\left(i\right)}{\underset{i=0}{\overset{m}{\mathrm{\Σ}}}C\left(i\right)}---\left(2\right)$

其中m为向量C中元素数量，i遍历向量C。

第五步：根据标准权值进行修补数据点分配。在各个修补位置的补入点数量P(i)为：

P(i)＝V(i)·N_j                                (3)

其中N_j为第j条扫描线单元所需修补的数据点数，由第二步得到。由于权值V(i)含有小数部分，P(i)不可能全是整数值。对于整数的情况，直接进行修补点数量分配；对于存在小数的情况，则需要进行整数化处理，即取绝对值不大于等于原值的整数值作为修补点数量，即取整后修补点数量Q(i)为

Q(i)＝[P(i)]                            (4)

第六步：按相关扫描线理论模型，对已经确定了修补点数量的数据位置进行补点计算。如果曲线的理论模型未知，通过插值方法计算修补点的三维坐标值，实现按扫描线单元的数据修补。

第七步：对于需要进行整数化处理的情况，按照上述修补操作后，扫描线单元的数据点数一般无法达到要求的点数值，计算剩余的修补点数量X，如下：

$x=N_j-\underset{i=0}{\overset{n}{\mathrm{\Σ}}}Q\left(i\right)---\left(5\right)$

根据修补后的新扫描线单元数据点的间距值，按照上述修补步骤，对剩余修补点数进行修补迭代。第七步中修补点的三维坐标值计算如同第六步。通常由于整数化处理引起的剩余修补点数量较少，迭代修补10次达到要求。如图2所示为第20条扫描线单元的最终数据修补效果图，修补后该扫描线单元的数据点数量为N＝152，其中实心点为扫描线上的原始数据点，点数量为n＝109，该条扫描线所需修补点数量为N_j＝43，星号点为第四步中取整分配的修补点，点数量为39，圆环点为整数化处理后迭代补充的剩余修补点，点数量为X＝4。

第八步：按扫描线单元进行逐条扫描线遍历修补，实现对整个扫描线点云数据的修补操作，修补后，原始点云数据具备了严格的矩形拓扑结构，并且保留了原始曲面的曲率特征和形貌特征。利用本发明中提出的扫描线点云数据修补预处理方法，得到的铝合金蒙皮原始点云数据的修补效果图如图3所示，图中点云数据为69×152的严格矩形拓扑结构，总数据点数为10488。

对修补预处理后的具有严格矩形拓扑结构的扫描线点云数据进行B样条曲面建模，得到铝合金蒙皮薄壁复杂曲面零件的CAD模型，完成铝合金蒙皮的加工预处理工作，为零件的进一步精密加工做准备。

本发明从获取三维扫描线点云数据出发，利用实物填充法，按逐条扫描线修补方式，实现对整个薄壁复杂曲面点云数据的矩形拓扑修补，修补后的点云数据保持严格的矩形拓扑结构，为后续B样条曲面建模和零件的精密加工做准备。提供了一种扫描线点云数据的修补预处理方法，方法简单易行，复杂程度低，效率高，适用范围广。

Claims (1)

1.一种薄壁复杂曲面零件三维加工预处理方法，其特征是，在反求工程中，利用实物填充法，按逐条扫描线修补方式，实现对整个薄壁复杂曲面点云数据的矩形拓扑修补；对薄壁复杂曲面零件的扫描线点云原始数据中的孔洞或分布不均匀区域进行修补预处理，首先，对薄壁复杂曲面零件进行三维数字化测量，获取表现其特征的扫描线点云数据；其次，对扫描线点云数据进行预处理，对点云数据中的孔洞或分布不均匀区域进行矩形拓扑修补，得到具有完整结构的点云数据；最后，对修补后的点云数据进行B样条建模，指导薄壁复杂曲面零件的后续精密加工；扫描线点云数据的预处理方法步骤如下：

第一步：利用三维数字化测量设备，采用分层周进扫描测量方式，对薄壁复杂曲面零件进行接触式测量，获取零件点云数据；

第二步：对采集到的点云数据，先利用向前一阶差分判断各扫描线点云数据的边界，把每条扫描线上的点云数据存储到一个单元中；

第三步：统计各扫描线单元中的数据点数，找到数据点数最多的扫描线位置，并求出其他各扫描线单元点数与最大值间的差值，以确定各扫描线所需要的修补点数N_j；

第四步：对需要进行数据修补的扫描线单元，选取原有数据点之间的距离值作为权值，将需要修补的点数按标准权值分配到相应的孔洞区域；标准权值的确定过程如下：

设N为含有最多数据点的扫描线单元的数据点数，n为需要进行数据修补操作的第j条扫描线单元的数据点数，P_j0、P_jn为第j条扫描线单元的首、末数据点，A为该扫描线单元中各数据点之间距离值的集合向量，B为各数据点之间距离值与标准平均距离之间比值的集合向量，B的计算如下：

$B=\frac{A}{\left|P_{\mathrm{jn}}{P}_{j0}\right|/(N-1)}---\left(1\right)$

遍历向量序列B，记录其中元素数值大于等于2的数值和数据位置并存入向量C；向量C中的元素数值大小表示第j条扫描线单元上的相应数据点之间所能包含的最小平均间隙的数量，其大小决定了在该位置需要补入的数据点个数，数值越大，需要补入的点数越多；数据位置决定了补入的数据点在整个扫描线单元上的排列位置；对这些位置的数据进行标准权值计算，标准权值V(i)如下：

$V\left(i\right)=\frac{C\left(i\right)}{\underset{i=0}{\overset{m}{\mathrm{\Σ}}}C\left(i\right)}---\left(2\right)$

其中m为向量C中元素数量，i遍历向量C；

第五步：根据标准权值进行修补数据点分配；在各个修补位置的补入点数量P(i)为：

P(i)＝V(i)·N_j                      (3)

其中N_j为第j条扫描线单元所需修补的数据点数，由第二步得到；由于权值V(i)含有小数部分，P(i)不可能全是整数值；对于整数的情况，直接进行修补点数量分配；对于存在小数的情况，则需要进行整数化处理，即取绝对值不大于等于原值的整数值作为修补点数量，即取整后修补点数量Q(i)为

Q(i)＝[P(i)]                        (4)

第六步：按相关扫描线理论模型，对已经确定了修补点数量的数据位置进行补点计算；如果曲线的理论模型未知，通过插值方法计算修补点的三维坐标值，实现按扫描线单元的数据修补；

第七步：对于需要进行整数化处理的情况，按照上述第四步至第六步修补操作后，扫描线单元的数据点数一般无法达到要求的点数值，计算剩余的修补点数量χ，如下：

$x=N_j-\underset{i=0}{\overset{n}{\mathrm{\Σ}}}Q\left(i\right)---\left(5\right)$

根据修补后的新扫描线单元数据点的间距值，按照上述修补步骤，对剩余修补点数进行修补迭代；第七步中修补点的三维坐标值计算如同第六步；通常由于整数化处理引起的剩余修补点数量较少，迭代修补10次达到要求；

第八步：按扫描线单元进行逐条遍历修补，完成对整个扫描线点云数据的修补操作。

Images