CN103630085B - 多角度叶片测量装置及方法 - Google Patents

Abstract

本发明公开了一种基于相位轮廓测量方法的多角度叶片测量点云数据融合的机械装置及方法。机械装置由叶片、参考平面、旋转轴和平台底座组成。通过对在同一个物理坐标系下的叶片和平板组合体进行多角度旋转数据采集，然后经过对叶片和参考平板进行数据分离，再对参考平板在各个角度测量的数据进行平面拟合和数据融合，最后重复参考平板数据融合过程，实现叶片三维轮廓的高精度数据合成。本发明的优点是结构简单，测量效率和精度高，可以同时检测多个叶片，是一种可以取代三坐标叶片测量的实用方法。

Description

多角度叶片测量装置及方法

技术领域

本发明涉及一种基于相位轮廓测量的多角度叶片三维轮廓测量点云数据高精度数据融合的装置及方法，主要应用于叶片表面三维轮廓的测量，特别是航空发动机和燃气轮机的叶片测量，属于物体表面三维轮廓测量领域。

技术背景

叶片是航空发动机和燃气轮机动力系统中重要部件之一，不论在叶片逆向工程测绘还是在叶片质量检查中，叶片表面的三维轮廓测量的重要性不言而喻。然而叶片翼型的多变和空间角度、尺寸的复杂性给叶片的全面测量带来了很大的困难。目前常用的测量方法分为两大类：

(1)接触式测量方法，如三坐标测量机测量法；(2)非接触式测量方法，如相位轮廓测量法。由于非接触式测量方法可以有效克服接触式测量的局限，具有测量效率高等优点，在叶片表面三维轮廓测量领域很有前途的。

在相位轮廓测量的基础上，本发明公开了一种基于叶片多角度三维轮廓测量点云数据高精度数据融合的测量装置及方法。利用该装置和方法获取叶片表面高精度的三维轮廓数据。

发明内容

本发明提供了一种基于相位轮廓测量的叶片多角度三维轮廓测量点云数据高精度数据融合的测量装置及方法。

本发明通过如下技术方案实现：

一种基于叶片多角度三维轮廓测量点云数据高精度数据融合的测量装置，如图1所示，依次顺序是CCD摄像机(1)、铝合金多维度调整桁架(2)、数字投影仪(3)、计算机(4)、参考平板(5)、旋转轴(6)、平台底座(7)、叶片(8)。

测量过程如下：

1)、叶片(8)和参考平板(5)安装在一起，它们的相对位置在测量中保持不变。将待测量叶片(8)和参考平板(5)组合安装在回转平台上，调整铝合金多维度调整桁架(3)上CCD摄像机(2)和数字投影仪(4)在整个共面光轴系统中的位置和初始拍摄测量角度。

2)、利用CCD摄像机(2)和数字投影仪(4)组成的相位轮廓测量系统对叶片(8)和参考平板(5)组合进行高精度的三维轮廓测量拍摄，采集得到它们的点云数据。

3)、绕旋转轴(6)旋转回转平台的角度，叶片和参考平板也随它回转同一角度。

4)、重复上述2)和3)过程，直到测量结束。

多角度叶片三维轮廓测量点云数据高精度数据融合的测量方法的具体步骤如下：

1)、叶片(8)和参考平板(5)安装在一起，其相对位置在测量中保持不变。将它们组合安装到平台底座(7)并放置在回转平台上，调整铝合金多维度调整桁架(3)上CCD摄像机(2)和数字投影仪(4)在整个共面光轴系统中的位置和初始拍摄测量角度。

2)、利用CCD摄像机(2)和数字投影仪(4)组成的相位轮廓测量系统对叶片和参考平板组合进行高精度的三维轮廓测量拍摄，采集得到它们的点云数据。

3)、旋转回转平台的角度，叶片(8)和参考平板(5)也随它回转同一角度，角度大小为±θ。

4)、重复上述2)和3)过程，直到测量结束。具体的旋转方式：如图2(a)、(b)、(c)所示。(a)为叶片和参考平板组合旋转角度为0°，(b)为叶片和参考平板组合旋转角度θ，(c)为叶片和参考平板组合旋转角度-θ。

5)、然后分别对旋转不同角度的三组叶片和平板组合点云数据进行数据分离处理。得到平板平面的点云数据，记为A_i(x_i，y_i，z_i)，i=1，2，3其中平面1，2为待旋转平面，平面3表示目标平面。得到叶片的点云数据，记为B_j(x_j，y_j，z_j)，j=1，2，3，其中叶片1，2为待旋转叶片，叶片3表示目标旋转叶片。

6)、三个角度下，平板的平面方程为：

a_i·x+b_i·y+c_i·z+d_i=0，i＝1，2，3

i=1，2，3分别表示三个平面，i=1，2时表示待旋转平面拟合方程，i=3时表示旋转目标平面拟合方程。对平面点云数据A_i(x_i，y_i，z_i)，i＝1，2，3进行非线性最小二乘法平面拟合。三个平面拟合方程的法向量分别为N₁′＝[a₁′，b₁′，c₁′]，N₂′＝[a₂′，b₂′，c₂′]，N₃′＝[a₃′，b₃′，c₃′]。

假设待旋转平面1与目标平面3之间的夹角α₁，待旋转平面2与目标平面3之间的夹角α₂。然后把N₁′、N₂′、N₃′进行单位化后，平面之间夹角分别为：

7)、利用平面点云数据A_i(x_i，y_i，z_i)，i＝1，2，3进行平面数据融合，具体处理步骤分为以下2步：

①确定旋转轴。叶片和平板组合是绕平行于x轴，且垂直于yoz面的轴进行旋转。旋转轴上点(x_r，y_r，z_r)到三个旋转平面的距离相等，则有：

然后通过选取合适初值，根据最优化原理对方程组进行最小二乘迭代计算，计算出旋转轴坐标方程：

其中y_r′，z_r′是计算所得最优解。

②平面的旋转和平移。为了实现待旋转参考平面1、2与目标平面3的数据融合，可以根据平面旋转和平移坐标转换公式对待旋转参考平面1、2的点云坐标数据A_i(x_i，y_i，z_i)，i＝1，2进行旋转和平移变换，变换后得到坐标数据A_i′(x_i′，y_i′，z_i′)， i＝1，2。其中齐次坐标形式A_i(x_i，y_i，z_i，1)，i＝1，2与A_i′(x_i′，y_i′，z_i′，1)，i＝1，2满足以下方程：

A_i′(x_i′，y_i′，z_i′，1)=A_i(x_i，y_i，z_i，1)·R(α)，i＝1，2

上式中R(α)为旋转平移矩阵，如下：

R(α)=T·R_x(α)·T^-1，

上式中T为平移矩阵，T¹为平移矩阵的逆矩阵，R_x(α)为旋转矩阵，α为两平面间夹角，(x₀，y₀，z₀)为旋转轴平移坐标。经过上述变换后，待旋转平面1、2可以与目标平面3重合。

8)、实现叶片多角度数据融合，得到叶片表面三维轮廓。由于叶片和平板组合是安装在一起的，所以它们的相对位置在旋转拍摄测量中保持不变。把叶片点云数据B_j(x_j，y_i，z_i)，j=1，2，3的1、2点云数据分别代入步骤7)的坐标变换方程中进行坐标变换，得到：

B_j′(x_j′，y_j′，z_j′，1)=B_j(x_j，y_j，z_j，1)·R(α)，j＝1，2

经过上述变换后，待旋转叶片1、2可以与目标叶片3重合，最终将点云数据j=1，2，3融合到一起，得到叶片表面的三维轮廓。

附图说明

图1多角度叶片三维轮廓点云数据融合测量系统。图中：1-CCD摄像机，2-铝合金多维度调整桁架，3-数字投影仪，4-计算机，5-参考平板，6-旋转轴，7-平台底座，8-叶片。

图2叶片和平板组合结构旋转图。其中5为参考平板，6为旋转中心轴，7为平台底座，8为燃气轮机叶片。

图3多角度平面点云数据图。其中i＝1代表平面1(待旋转平面1)，i＝2代表平面2(待旋转平面2)，i＝3代表平面3(目标平面3)。

图4单个叶片表面三维轮廓点云数据图和多角度旋转叶片表面三维轮廓点云数据组合图。其中(a)、(b)、(c)为单个叶片表面轮廓点云数据图，(d)为叶片旋转多角度表面三维轮廓点云数据组合图。

图5叶片表面三维轮廓点云数据融合效果图。其中(a)为叶片表面三维轮廓上视图，(b)为正视图，(c)、(d)均为为等轴图。

具体实施方式

下面结合实例和附图对本发明作进一步说明，但不应限制本发明的保护范围。

如图1所示，叶片多角度测量系统包括Kodak ES1.0的CCD摄像机一台(1)，铝合金多维度调整桁架(2)，Plus V1100数字投影仪一台(3)，计算机(4)，尺寸为270mm×270mm×5mm的参考平板(5)，直径为50mm的圆柱形旋转轴(6)，厚度为20mm的平台底座(7)，水平宽度大约50mm，垂直高度大约26mm的叶片(8)。

测量过程如下：

1)、叶片(8)和参考平板(5)安装在一起，它们的相对位置在测量中保持不变。将待测量叶片(8)和参考平板(5)组合安装在回转平台上，调整铝合金多维度调整桁架(3)上CCD摄像机(2)和数字投影仪(4)在整个共面光轴系统中的位置和初始拍摄测量角度。

2)、利用CCD摄像机(2)和数字投影仪(4)组成的相位轮廓测量系统对叶片(8)和参考平板(5)组合进行高精度的三维轮廓测量拍摄，采集得到它们的点云数据。

3)、绕旋转轴(6)旋转回转平台的角度，叶片和参考平板也随它回转同一角度，角度大小为±θ(约为±15°～35°)。

4)、重复上述2)和3)过程，直到测量结束。

多角度叶片三维轮廓测量点云数据高精度数据融合的测量方法的具体步骤如下：

1)、叶片(8)和参考平板(5)安装在一起，其相对位置在测量中保持不变。将它们组合安装到平台底座(7)并放置在回转平台上，调整铝合金多维度调整桁架(3)上CCD摄像机(2)和数字投影仪(4)在整个共面光轴系统中的位置和初始拍摄测量角度，如图1所示。

2)、利用CCD摄像机(2)和数字投影仪(4)组成的相位轮廓测量系统对叶片和参考平板组合进行高精度的三维轮廓测量拍摄，采集得到它们的点云数据。

3)、旋转回转平台的角度，叶片(8)和参考平板(5)也随它回转同一角度，角度大小为±θ(约为±15°～35°)，如图2(b)、(c)所示。

4)、重复上述2)和3)过程，直到测量结束。具体的旋转方式：如图2(a)、(b)、(c)所示。(a)为叶片和参考平板组合旋转角度为0°，(b)为叶片和参考平板组合旋转角度θ，(c)为叶片和参考平板组合旋转角度-θ，所采集到的三组叶片和平板组合点云数据的数据点均在30万个以上。

5)、利用Imageware软件分别对三组旋转不同角度的叶片和平板组合点云数据进行数据分离处理，处理后可以得到三组数据量均在20万个点以上的平面点云数据，记为A_i(x_i，y_i，z_i)，i=1，2，3，其中平面1，2为待旋转平面，平面3表示目标旋转平面。得到三组数据量均在10万个点以上的叶片点云数据，记为B_j(x_j，y_j，z_j)，j=1，2，3，其中叶片1，2为待旋转叶片，叶片3表示目标旋转叶片。

6)、对平面点云数据A_i(x_i，y_i，z_i)，i=1，2，3进行平面拟合。本次是基于非线性最小二乘法的拟合，具体步骤如下：

①假设三个平面拟合方程为

a_i·x+b_i·y+c_i·z+d_i=0，i=1，2，3

i=1，2，3分别表示三个平面，i=1，2时表示待旋转平面拟合方程，i=3时表示旋转目标平面拟合方程，数据融合前的多角度平面图像如图3所示。

②选取平面拟合初值为x₀=[a₀，b₀，c₀，d₀]，对方程进行迭代计算，最终求得三个平面拟合方程。实验中计算所得的三个拟合平面参数如下表：

表1通过拟合得到的三个旋转平面拟合方程参数(i＝1，2，3)：

③求得三个平面拟合方程后同时也可以得到三个平面拟合方程的法向量分别为N₁′＝[a₁′，b₁′，c₁′]，N₂′=[a₂′，b₂′，c₂′]，N₃′＝[a₃′，b₃′，c₃′]，然后把N₁′、N₂′、N₃′进行单位化后代入下面求两平面之间夹角的方程：

经计算分别得到待旋转平面1与目标平面3之间的夹角a₁=17.24°，待旋转平面2与目标平面3之间的夹角a₂=33.54°(均取正小角度夹角)。

7)、利用平面点云数据A_i(x_i，y_i，z_i)，i＝1，2，3进行平面数据融合，具体处理步骤分为以下2步：

①确定旋转轴。叶片和平板组合是绕平行于x轴，且垂直于yoz面的轴进行旋转。旋转轴上点(x_r，y_r，z_r)到三个旋转平面的距离相等，则有：

然后通过选取合适初值，根据最优化原理对方程组进行最小二乘迭代计算，计算出旋转轴坐标方程：

该轴线与x轴平行，其中y_r′＝135.103mm、z_r′=95.669mm为计算所得的最优解。

②平面的旋转和平移。为了实现待旋转参考平面1、2与目标平面3的数据融合，可以根据平面旋转和平移坐标转换公式对待旋转参考平面1、2的点云坐标数据A_i(x_i，y_i，z_i)，i＝1，2进行旋转和平移变换，变换后得到坐标数据A_i′（x_i′，y_i′，z_i′)，i＝1，2。其中齐次坐标形式A_i(x_i，y_i，z_i，1)，i＝1，2与A_i′(x_i′，y_i′，z_i′，1)，i＝1，2满足以下方程：

A_i′(x_i′，y_i′，z_i′，1)=A_i(x_i，y_i，z_i，1)·R(α)，i＝1，2

上式中R(α)为旋转平移矩阵，如下：

R(α)=T·R_x(α)·T^-1，

上式中T为平移矩阵，T¹为平移矩阵的逆矩阵，R_x(α)为旋转矩阵，α为两平面间夹角，(x₀，y₀，z₀)为旋转轴平移坐标。

把已求得的夹角α₁=17.24°、α₂=33.54°和旋转轴平移坐标(0mm，135.103mm，95.669mm)代入上述坐标变换方程。经过上述变换后待旋转平面1、2可以与目标平面3重合。

8)、实现叶片多角度数据融合，得到叶片表面三维轮廓。实现数据融合前，单个叶片表面三维轮廓数据如图4(a)、(b)、(c)所示。由于叶片和平板组合是安装在一起的，所以它们的相对位置在旋转拍摄测量中保持不变，即叶片旋转角度与参考平面旋转角度相同，如图4(d)所示。利用这一特点把叶片点云数据B_j(x_j，y_j，z_j)，j=1，2，3根据与拟合参考平面实现数据融合的相同原理，把待旋转叶片1、2点云数据分别代入步骤7)的坐标变换方程中进行坐标变换得到以下方程：

B_j′(x_j′，y_j′，z_j′，1)=B_j(x_j，y_j，z_j，1)·R(α)，j=1，2

经过上述变换后待旋转叶片1、2可以与目标叶片3重合，最终得到精确的叶片表面三维轮廓，如图5(a)-(d)所示。

本发明的优点在于：

(1)自动化程度和测量效率高，可以同时检测多个叶片。

(2)三维轮廓数据采样密度大，远远超过香农采样定理的要求，可以弥补单点精度低于的三坐标测量机缺点，曲面测量精度高。

(3)由于不需要高精度可动部件，相位测量系统成本低于三坐标测量系统。

综上所述，在叶片三维轮廓测量方面，本发明所提出的装置和方法具有广阔的应用前景。

Claims (1)

1.一种多角度测量叶片表面三维轮廓的方法，其特征在于，具体步骤包括：

1)利用多角度叶片三维轮廓测量点云数据的高精度数据融合的测量装置，获取叶片表面三维轮廓点云数据；所述多角度叶片三维轮廓测量点云数据的高精度数据融合的测量装置包括CCD摄像机(1)、铝合金多维度调整桁架(2)、数字投影仪(3)、计算机(4)、参考平板(5)、旋转轴(6)、平台底座(7)和被测叶片(8)；

2)将参考平板和被测叶片固定在一起，保证它们之间的相对位置在测量过程中保持不变；多角度测量叶片时，参考平板与被测叶片一起测量；

3)将被测叶片和参考平板组合安装到平台底座上，并放置在回转平台上，调整铝合金多维度调整桁架上的CCD摄像机和数字投影仪在整个共面光轴系统中的位置和初始拍摄测量角度；

4)利用CCD摄像机和数字投影仪组成的相位轮廓测量系统对被测叶片和参考平板组合进行高精度的三维轮廓测量拍摄，采集得到它们的点云数据；

5)旋转回转平台的角度，被测叶片和参考平板也随它回转同一角度，角度大小为θ，θ角范围为-15°≤θ≤35°；

6)重复上述4)和5)过程，直到测量结束；

7)然后分别对旋转不同角度的三组被测叶片和参考平板组合点云数据进行数据分离处理，得到参考平板的点云数据，记为A_i(x_i，y_i，z_i)，i＝1，2，3，其中i＝1，2为待旋转的参考平板，i＝3表示旋转后的参考平板；得到被测叶片的点云数据，记为B_j(x_j，y_j，z_j)，j＝1，2，3，其中j＝1，2为待旋转的被测叶片，j＝3表示旋转后的被测叶片；

8)三个旋转角度下，参考平板方程为：

a_i·x+b_i·y+c_i·z+d_i＝0，i＝1，2，3，

其中，i＝1，2时表示待旋转参考平板方程，i＝3时表示旋转后参考平板方程；对参考平板的点云数据A_i(x_i，y_i，z_i)，i＝1，2，3进行非线性最小二乘拟合；设i＝1，2时表示的待旋转参考平板方程，i＝3时表示的旋转后参考平板方程的法向量分别为N₁′＝[a₁′，b₁′，c₁′]，N₂′＝[a₂′，b₂′，c₂′]，N₃′＝[a₃′，b₃′，c₃′]；

假设i＝1时表示的待旋转参考平板方程与i＝3时表示的旋转后参考平板方程之间的夹角为α₁，i＝2时表示的待旋转参考平板方程与i＝3时表示的旋转后参考平板方程之间的夹角为α₂；把N₁′、N₂′、N₃′进行单位化后，α₁和α₂分别为：

<mrow> <msub> <mi>&amp;alpha;</mi> <mn>1</mn> </msub> <mo>=</mo> <msup> <mi>cos</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>(</mo> <msup> <msub> <mi>a</mi> <mn>1</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>a</mi> <mn>3</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>)</mo> <mo>+</mo> <mo>(</mo> <msup> <msub> <mi>b</mi> <mn>1</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>b</mi> <mn>3</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>)</mo> <mo>+</mo> <mo>(</mo> <msup> <msub> <mi>c</mi> <mn>1</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>c</mi> <mn>3</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>)</mo> </mrow> <mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>1</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>1</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>1</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> </mrow> </msqrt> <mo>&amp;CenterDot;</mo> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>3</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>3</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>3</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> </mrow> </msqrt> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <msub> <mi>&amp;alpha;</mi> <mn>2</mn> </msub> <mo>=</mo> <msup> <mi>cos</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>(</mo> <msup> <msub> <mi>a</mi> <mn>1</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>a</mi> <mn>3</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>)</mo> <mo>+</mo> <mo>(</mo> <msup> <msub> <mi>b</mi> <mn>1</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>b</mi> <mn>3</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>)</mo> <mo>+</mo> <mo>(</mo> <msup> <msub> <mi>c</mi> <mn>1</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>&amp;CenterDot;</mo> <msup> <msub> <mi>c</mi> <mn>3</mn> </msub> <mo>&amp;prime;</mo> </msup> <mo>)</mo> </mrow> <mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>1</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>1</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>1</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> </mrow> </msqrt> <mo>&amp;CenterDot;</mo> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>3</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>3</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>3</mn> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> </mrow> </msqrt> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>;</mo> </mrow>

9)利用参考平板的点云数据A_i(x_i，y_i，z_i)，i＝1，2，3进行数据融合，具体处理步骤分为以下2步：

①确定旋转轴；被测叶片和参考平板组合是绕平行于x轴，且垂直于yoz面的轴进行旋转；旋转轴上点(x_r，y_r，z_r)到三个旋转角度的参考平板的距离相等，则有：

<mrow> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>a</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>x</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>b</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>1</mn> </msub> </mrow> <mo>|</mo> </mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>1</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>1</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>1</mn> </msub> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>a</mi> <mn>2</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>x</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>b</mi> <mn>2</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mn>2</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>2</mn> </msub> </mrow> <mo>|</mo> </mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>,</mo> </mrow>

<mrow> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>a</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>x</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>b</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mn>1</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>1</mn> </msub> </mrow> <mo>|</mo> </mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>1</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>1</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>1</mn> </msub> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>a</mi> <mn>3</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>x</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>b</mi> <mn>3</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mn>3</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>3</mn> </msub> </mrow> <mo>|</mo> </mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>3</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>3</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>3</mn> </msub> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>,</mo> </mrow>

<mrow> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>a</mi> <mn>2</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>x</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>b</mi> <mn>2</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mn>2</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>2</mn> </msub> </mrow> <mo>|</mo> </mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>2</mn> </msub> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>a</mi> <mn>3</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>x</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>b</mi> <mn>3</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>c</mi> <mn>3</mn> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>+</mo> <msub> <mi>d</mi> <mn>3</mn> </msub> </mrow> <mo>|</mo> </mrow> <msqrt> <mrow> <msup> <msub> <mi>a</mi> <mn>3</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>b</mi> <mn>3</mn> </msub> <mn>2</mn> </msup> <mo>+</mo> <msup> <msub> <mi>c</mi> <mn>3</mn> </msub> <mn>2</mn> </msup> </mrow> </msqrt> </mfrac> <mo>,</mo> </mrow>

然后通过选取合适初值，根据最优化原理对方程组进行最小二乘迭代计算，计算出旋转轴坐标方程：

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>=</mo> <msup> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>=</mo> <msup> <msub> <mi>z</mi> <mi>r</mi> </msub> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <msub> <mi>x</mi> <mi>r</mi> </msub> <mo>&amp;Element;</mo> <mrow> <mo>(</mo> <mo>-</mo> <mi>&amp;infin;</mi> <mo>,</mo> <mo>+</mo> <mi>&amp;infin;</mi> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

其中y_r′，z_r′是计算所得最优解；

②参考平板的旋转和平移；为了实现i＝1，2时表示的待旋转参考平板方程与i＝3时表示的旋转后参考平板方程之间的数据融合，可以根据平面旋转和平移坐标转换公式对待旋转的参考平板点云数据A_i(x_i，y_i，z_i)，i＝1，2进行旋转和平移变换，变换后得到的点云数据坐标为A_i′(x_i′，y_i′，z_i′)，i＝1，2，其中齐次坐标形式A_i(x_i，y_i，z_i，1)，i＝1，2与A_i′(x_i′，y_i′，z_i′，1)，i＝1，2满足以下方程：

A_i′(x_i′，y_i′，z_i′，1)＝A_i(x_i，y_i，z_i，1)·R(α)，

上式中R(α)为旋转平移矩阵，方程如下：

R(α)＝T·R_x(α)·T^-1，

<mrow> <msub> <mi>R</mi> <mi>x</mi> </msub> <mrow> <mo>(</mo> <mi>&amp;alpha;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mi>&amp;alpha;</mi> </mrow> </mtd> <mtd> <mrow> <mi>s</mi> <mi>i</mi> <mi>n</mi> <mi>&amp;alpha;</mi> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mrow> <mo>-</mo> <mi>sin</mi> <mi>&amp;alpha;</mi> </mrow> </mtd> <mtd> <mrow> <mi>c</mi> <mi>o</mi> <mi>s</mi> <mi>&amp;alpha;</mi> </mrow> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>

<mrow> <mi>T</mi> <mo>=</mo> <mfenced open = "[" close = "]"> <mtable> <mtr> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> <mtd> <mn>0</mn> </mtd> <mtd> <mn>1</mn> </mtd> <mtd> <mn>0</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <mo>-</mo> <msub> <mi>x</mi> <mn>0</mn> </msub> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <msub> <mi>y</mi> <mn>0</mn> </msub> </mrow> </mtd> <mtd> <mrow> <mo>-</mo> <msub> <mi>z</mi> <mn>0</mn> </msub> </mrow> </mtd> <mtd> <mn>1</mn> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>

上式中T为平移矩阵，T¹为平移矩阵的逆矩阵，R_x(α)为旋转矩阵，α为两平面间夹角，(x₀，y₀，z₀)为旋转轴平移坐标；

经过上述变换后，i＝1，2时表示的待旋转的参考平板可以与i＝3时表示的旋转后的参考平板重合；

10)实现被测叶片多角度数据融合，得到被测叶片表面的三维轮廓分布；由于被测叶片和参考平板组合是安装在一起的，所以它们的相对位置在旋转拍摄测量中保持不变；利用这一特点把被测叶片点云数据B_j(x_j，y_j，z_j)，j＝1，2，3根据与参考平板数据融合的相同原理，把j＝1，2时表示的待旋转的被测叶片点云数据分别代入步骤9)的坐标变换方程A_i′(x_i′，y_i′，z_i′，1)＝A_i(x_i，y_i，z_i，1)·R(α)中进行坐标变换，得到方程如下：

B_j′(x_j′，y_j′，z_j′，1)＝B_j(x_j，y_j，z_j，1)·R(α)，j＝1，2，

经过上述变换后，j＝1，2时表示的待旋转的被测叶片可以与j＝3时表示的已旋转的被测叶片重合，最终将被测叶片的点云数据融合在一起，得到被测叶片的表面三维轮廓。