CN106952344A - 一种用于再制造修复的破损模型解算方法 - Google Patents

Abstract

本发明公开一种用于再制造修复的破损模型解算方法，涉及机械制造技术领域，所述方法包括：获取测量模型；确定匹配对；确定匹配阈；形成破损模型。本发明提供的用于再制造修复的破损模型解算算法简单、易于工业化推广，具有自动化程度高、使用范围广、解算精度高的优点。

Description

一种用于再制造修复的破损模型解算方法

技术领域

本发明涉及机械制造技术领域，具体地讲，涉及一种用于再制造修复的破损模型解算方法。

背景技术

对于破损、废旧产品进行产业化维修和再利用，能够大量减少资源消耗和环境污染，这种方式推动了再制造产业的快速发展。

在再制造工程中，对于金属零件实施修复的基础是表面工程技术，即在零件的破损区域制备一层涂层，恢复其原有的几何尺寸和表面性能。随着表面工程技术的发展，针对损伤零件修复的堆焊、喷涂、电刷镀和激光熔敷等技术得到快速发展。但上述再制造加工过程普遍自动化程度低，很多情况下只能依靠简单设备，手工操作进行修复。即使采用机器人、数控等设备通常也是由人工规划修复路径进行加工。究其原因主要是再制造加工对象都是意外损伤或长期服役而报废的废旧产品，这些产品通常具有多样性，小批量，个性化的特点，不能通过编制固定的工作程序来实现流水线方式的生产。

由此可见，要提高再制造修复过程的自动化和智能化水平，迫切需要一种快速有效的手段对零件表面的破损情况进行检测和分析。

发明内容

针对上述问题，本发明提出了一种用于再制造修复的破损模型解算方法，用于解决现有再制造加工过程中，无法检测零件破损情况的问题。

为实现上述目的，本发明提供一种用于再制造修复的破损模型解算方法所述方法包括：

获取测量模型：获取修复零件的测量模型；

确定匹配对：将所述测量模型与所述修复零件的标准设计模型进行匹配，得到匹配对；

确定匹配阈：计算所述匹配对的匹配偏差，当所述匹配偏差满足匹配精度时，根据所述匹配偏差确定匹配阈；

形成破损模型：根据所述匹配阈在所述匹配对中选取破损匹配对形成所述修复零件的破损模型。

进一步的，所述将所述测量模型与所述修复零件的标准设计模型进行匹配，得到匹配对包括：

根据所述标准设计模型的几何特征点，对所述测量模型与标准设计模型进行粗匹配，得到初始匹配对；

以所述初始匹配对为基础，通过迭代对应点匹配算法对所述测量模型与所述标准设计模型进行精准匹配，得到匹配对。

进一步的，所述计算所述匹配对的匹配偏差，当所述匹配偏差满足匹配精度时，根据所述匹配偏差确定匹配阈包括：

根据各个匹配对的坐标计算各个匹配对的偏差，将各个匹配对偏差的平均值作为匹配对的匹配偏差；

当所述匹配偏差大于预设精度值时，建立所述匹配阈与所述匹配偏差之间的函数关系。

进一步的，所述根据所述匹配阈在所述匹配对中选取破损匹配对形成所述修复零件的破损模型包括：

在所有匹配对中选取匹配对偏差大于所述匹配阈的破损匹配对形成所述破损模型。

进一步的，所述方法还包括：

打印修复：对所述破损模型进行三角化封装，得到立体平板印刷模型；通过3D打印修复系统打印所述立体平板印刷模型对所述修复零件进行修复。

进一步的，所述获取修复零件的测量模型包括：

对三维扫描系统进行标定；

将所述三维扫描系统的坐标系转换为3D打印修复系统的坐标系；

利用转换后的三维扫描系统获取所述修复零件表面三维点云数据；

对所述三维点云数据进行优化处理，得到修复零件的测量模型。

进一步的，所述对三维扫描系统进行标定包括：

采集标定图像并识别所述标定图像中的标志点；

重建所述标志点的三维坐标；

对所有相机的内参数、外参数及所述标志点的三维坐标进行优化；

输出优化后所述相机的内参数和外参数。

进一步的，所述三维扫描系统包括左相机和右相机，所述输出优化后所述相机的内参数和外参数包括：

分别输出优化后所述左相机和所述右相机的内参数和外参数；

对所述左相机的内参数和所述右相机的内参数进行转换，得到所述左右相机坐标系的旋转矩阵R和平移矩阵T。

进一步的，所述将所述三维扫描系统的坐标系转换为3D打印修复系统的坐标系包括：

在空间固定多个固定点；

用标定过的三维扫描系统测量所述固定点，得到坐标P；

用所述3D打印修复系统测量所述固定点，得到坐标Q；

则：Q＝M×P；

其中，M为标定过的三维扫描系统坐标系o_mx_my_mz_m到3D打印修复系统坐标系o_rx_ry_rz_r的齐次变换矩阵。

进一步的，所述利用转换后的三维扫描系统获取修复零件表面三维点云数据包括：

投影数幅特定编码的结构光到修复零件上，并采用两个相机同步采集条纹图像；

对所述条纹图像进行解码和相位解算；

利用匹配技术和三角测量原理，计算出两个相机公共视区内像素点的三维坐标。

所述对所述三维点云数据进行优化处理，得到修复零件的测量模型包括：

对多次测量的点云数据进行融合、简化处理；

对简化处理后的点云数据进行降噪、三角化处理，得到修复零件的测量模型。

本发明提供的一种用于再制造修复的破损模型解算方法，通过对比修复件标准设计模型及其测量模型中的匹配对，从所有匹配对中找出破损区域对应的破损匹配对，形成修复件的破损模型，完成对修复件破损模型的解算。相较于现有技术，本发明的破损模型解算算法简单、易于工业化推广，具有自动化程度高、使用范围广、解算精度高的优点。

附图说明

图1为本发明实施例提供的一种用于再制造修复的破损模型解算方法的流程图；

图2为本发明实施例中三维扫描系统进行标定的原理示意图；

图3为本发明实施例获取修复零件表面三维点云数据的原理示意图；

图4为本发明实施例获得修复零件表面三维点云数据的示意图；

图5a为本发明实施例中一种被测对象；

图5b为图5a框图中所示深槽的点云测量结果示意图；

图6a为本发明实施例融合前的点云图像；

图6b为本发明实施例融合后的点云图像；

图7a为本发明实施例简化前的点云图像；

图7b为本发明实施例简化后的点云图像；

图8为本发明实施例点云数据三角化处理结果示意图；

图9a为本发明另一实施例修复零件的CAD标准设计模型示意图；

图9b为图9a对应的修复零件测量得到的三维点云模型示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下，所获得的所有其他实施例，都属于本发明保护的范围。

在一个实施例中，本发明提供一种用于再制造修复的破损模型解算方法，如图1所示：所述用于再制造修复的破损模型解算方法包括：

S101、获取测量模型；

本步骤用于获取修复零件的测量模型；具体包括：

S1011、对三维扫描系统进行标定；

三维扫描属于双目视觉范畴，测量前首先要标定出其所用立体像机的内参数和两像机之间的相对位置关系。为提高系统标定的精度，充分考虑标定板及其表面标记点在实际加工制造中的误差，利用摄影测量光束平差算法优化初始标定结果，既调整摄像机内参数、外参数，同时也调整标定平面模板特征点的世界坐标，既考虑了标定物的世界坐标误差，也对镜头实际成像中的径向畸变、切向畸变和薄棱镜畸变进行了全面考虑，因此能够大大提高标定精度。

具体标定流程主要包括以下步骤：

S201、采集标定图像并识别所述标定图像中的标志点。

本步骤中通过对标定板上图像的采集来获得标定图像。如图2所示，所述标定板包括有编码ID的编码点和非编码点，本实施例中，将编码点和非编码点公共作为标志点。

本步骤，首先对标定图像上的标志点进行像素级的边缘提取，然后经过亚像素提取、中心点拟合获得标志点的中心坐标，最后识别编码点的编号ID。

S202、重建所述标志点的三维坐标；

具体的，先重建编码点的三维坐标：利用前两幅图片中公共的编码点进行相对定向计算，重建这些编码点的三维坐标。此时整个标定模型的相对关系是准确的，但三维坐标值与真实值存在一个比例关系。

再重建非编码点三维坐标：先利用空间后方交会定向剩余图片，再利用空间前方交会重建所有非编码点的三维坐标。在此过程中，相机内参数均使用理论值进行计算。

S203、对所有相机的内参数、外参数及所述标志点的三维坐标进行优化；

其中，所述优化具体为整体平差优化。利用光束平差算法对所有相机内、外参数以及标志点的三维坐标进行优化。最后加入比例尺(即对角线距离)，得到真实的三维坐标以及准确的相机内外参数。

S204、输出优化后所述相机的内参数和外参数。

本步骤中，如果三维扫描系统是双目系统，即三维扫描系统包括左相机和右相机，且对左右两个相机同时标定，则需要进一步对得到的相机外参数进行转换，得到左右相机坐标系的旋转矩阵R以及平移矩阵T。具体的，本步骤包括：

分别输出优化后所述左相机和所述右相机的内参数和外参数；

对所述左相机的内参数和所述右相机的内参数进行转换，得到所述左右相机坐标系的旋转矩阵R和平移矩阵T。

完成对上述三维扫描系统标定后，执行如下步骤：

S1012、将所述三维扫描系统的坐标系转换为所述3D打印修复系统的坐标系；

具体的，本步骤包括：

S301、在空间固定多个固定点；

具体的，在空间固定四个固定点，固定点具体可以是圆形球形等标记点。

S302、用标定过的三维扫描系统测量所述固定点，得到坐标P；

具体的，用自标定好的三维扫描系统测量得到4个固定点的坐标，设为P(p₁，p₂，p₃，p₄)。

S303、用所述3D打印修复系统测量所述固定点，得到坐标Q；

则：Q＝M×P；

其中，M为标定过的三维扫描系统坐标系o_mx_my_mz_m到3D打印修复系统坐标系o_rx_ry_rz_r的齐次变换矩阵。

具体的，操作修复设备获得修复枪头或激光头移动到这4个固定点的坐标Q(q₁，q₂，q₃，q₄)。测量坐标系o_mx_my_mz_m到修复坐标系o_rx_ry_rz_r的齐次变换矩阵包含旋转、平移两个转换，设旋转矩阵为R，平移矩阵为T,

R＝|r₄ r₅ r₆|，T＝|t_y|，

则：

如果取三个以上的点，即可求解上述方程组，得到最小二乘意义下的最优解R、T，从而得到标定过的三维扫描系统坐标系o_mx_my_mz_m到3D打印修复系统坐标系o_rx_ry_rz_r的齐次变换矩阵M＝[R T]。

S1013、利用转换后的三维扫描系统获取所述修复零件表面三维点云数据；

在一种实施方式中，如图3所示：三维扫描统采用结构光投影扫描技术，通过光栅投影装置投影数幅特定编码的结构光到待测物体上，并采用两个摄像机同步采集条纹图像，然后对图像进行解码和相位计算，并利用匹配技术和三角测量原理，计算出两个摄像机公共视区内像素点的三维坐标，从而实现物体的三维信息数字化和测量。

具体的，本步骤包括：

S401、投影数幅特定编码的结构光到修复零件上，并采用两个相机同步采集条纹图像；

S402、对所述条纹图像进行解码和相位解算；

相位解算采用外差式多频相移光学测量技术，分别投影多种不同空间频率的条纹于待测物体上，通过摄像机摄取变形的条纹图，利用相移法求取多种条纹的相位主值，从而恢复出条纹的真实相位。

S403、利用匹配技术和三角测量原理，计算出两个相机公共视区内像素点的三维坐标。

本步骤中，获得的点云数据如图4所示，能够完整的测量零部件的三维外形数据，测量范围最大可达400×400mm。

同时，借助于探针技术及自研的探针扫描装置，可以实现复杂零部件深孔深槽等区域的三维扫描，如图5a为被测对象，图5b为图5a框图中所示深槽的点云测量结果，其中，零件槽深度H＝20mm，槽间距D＝6mm，对槽面进行密集点测量。

测量结果显示，对于该零件深槽内侧面的点，系统均能准确测量。通过对标准件的测量结果与三坐标测量机比对，获得系统的测量精度可达到0.1mm/1m，满足产品测量要求。

在另一种实施方式中，本步骤可以采用在修复零件表面主动投射散斑的方式进行扫描。具体的，本步骤包括：

步骤一：制作散斑图案；

利用制作的主动斑投射器向修复零件表面投射散斑图案，采用一组或者多组测量头采集所述散斑图案。

其中，主动斑投射器包括LED闪光灯，聚光镜，前菲涅尔透镜、散斑片和后菲涅尔透镜以及镜头；LED闪光灯发出的光通过聚光镜的漫反射作用投射在前菲涅尔透镜上，通过前菲涅尔透镜形成平行于轴线的光束，所述平行于轴线的光束穿过散斑片再通过后菲涅尔透镜会聚于镜头的光心位置，最后光束投射到修复零件表面。

步骤二：测量头标定；

其中，测量头的数量由修复零件的大小决定，对于较小修复零件或测量区域较小时，可使用由主动投斑器、相机1和相机2组成的单个测量头进行动态测量，对于较大的修复零件，需使用多个测量头进行测量，测量头的数量以测量范围能够覆盖修复零的为准。

本步骤中，在测量头的测量场景中布置贴有编码标志点的标定板对测量头中的相机的内外方位元素进行标定。具体标定方式可参见步骤S1011，在此不再赘述。

步骤三：三维扫描；

本步骤中，根据采集的散斑图像使用数字图像相关法对修复零件表面进行三维扫描，获取点云数据。

具体的：利用多测量头采集第一步制作的主动斑投射器投射在修复零件表面的散斑图案，每个测量头分别得到两幅散斑图像；

针对每个测量头得到的两幅散斑图像，采用数字图像相关法进行图像匹配，同时利用第二步中每个测量头中相机的内外方位元素对图像匹配后的散斑图像进行三维重建，每个测量头将得到一幅点云数据。

S1014、对所述三维点云数据进行优化处理，得到修复零件的测量模型。

由于很少有零件能一次扫描完成，一般需要多次扫描，这就需要对多次扫描的点云数据进行简化、融合等优化处理，实现多视点云数据的自动融合和精简采样，为后续零部件的三维重构建模及破损模型的解算提供更优化的数据，提高后续数据处理的效率和效果。

下面将以齿轮件为例，介绍优化的基本流程。

S501、对多次测量的点云数据进行融合、简化处理；

参见图6a和图6b，其中，图6a为融合前的点云图像，图6b为融合后的点云图像。对实际测量的多幅齿轮点云数据进行融合处理，结果显示：经过融合后，多幅点云融合为单幅点云，并删除了重叠面，点的数目从4680824降到390299，点的数目大量减少。

另外，对融合后的齿轮点云数据进一步进行简化处理，参见图7a和图7b，其中，图7a为简化前的点云图像，图7b为简化后的点云图像。结果显示：点的数目从390299降到了78060，在保证了齿轮特征的情况下，点的数目进行了大量的减少。

S502、对简化处理后的点云数据进行降噪、三角化处理，得到修复零件的测量模型。三角化处理结果具体参见图8。

上述对修复零件测量模型的获取过程中，采用基于摄影测量的相机自标定技术，实现三维扫描系统的准确标定；通过布置多个标记点，实现三维扫描系统与3D打印修复系统坐标系的转换和统一，使扫描获得的三维模型数据可直接用于3D打印修复，对多次扫描获得的点云数据进行融合、降噪等优化处理，完成修复零件的三维数字化建模。

通过以上各个步骤，得到了修复零件的测量模型。随后执行如下步骤：

S102、确定匹配对；

本步骤中，将测量模型与修复零件的标准设计模型放置在同一坐标系下进行匹配，得到匹配对。

首先，根据标准设计模型的几何特征点，对测量模型与标准设计模型进行粗匹配，得到初始匹配对。

其中，标准设计模型通常为CAD模型，所述几何特征点为标准设计模型在几何学上的特征点，例如正方体的几何特征点为其8个顶点，球体的几何特征点为球心及半径。以图9a所示的CAD标准设计模型和图9b所示的点云测量模型为例，其中，CAD模型为长方体，其几何特征点为8个顶点(p1，p2，…p8)，本例中，长方体的一个顶点p6处发生破损，如图9b为通过步骤101测量得到的点云测量模型。在粗匹配过程中，由于顶点p6属于破损区域，在点云测量模型中找不到p6的对应匹配点，则只对其他7个顶点(p1，p2，p3，p4，p5，p7，p8)进行粗匹配，如图9b所示，这7个顶点在点云模型中对应点记为(q1，q2，q3，q4，q5，q7，q8),应用奇异值分解法可得到7组对应点的最优刚体变换，完成粗匹配，得到7对初始匹配对：p1-q1，p2-q2，p3-q3，p4-q4，p5-q5，p7-q7，p8-q8。

接下来，以初始匹配对为基础，通过迭代对应点匹配算法对所述测量模型与所述标准设计模型进行精准匹配，得到匹配对；

其中，迭代对应点匹配算法(Iterative Corresponding Point,ICP)是基于最小二乘的最优匹配算法，通过进行“确定对应关系点集计算最优刚体变换”的迭代运算，使某个表示正确匹配的收敛准则得到满足的过程。ICP算法的计算过程分为搜索最近点集和计算点集之间的刚体变换两个部分。搜索最近点集的方法包括Point to Point最近点搜索算法，Point to Plane最近点搜索算法和Pointto Projiection最近点搜索算法。计算点集之间最优刚体变换的方法有奇异值分解法和四元数法。

本实施例精准匹配的过程具体可根据上述算法实现，通过本步骤的精准匹配后，将图9a所示CAD模型的点(p1，p2，…pn)与图9b点云测量模型的点(q1，q2，…qn)匹配起来，得到对应的匹配对p1-q1，p2-q2，…pn-qn。

至此，完成CAD模型与点云测量模型的匹配。

S103、确定匹配阈；

本步骤先计算步骤S102中匹配对的匹配偏差，当所述匹配偏差满足匹配精度时，建立所述匹配阈与所述匹配偏差之间的函数关系。

具体的，在同一坐标系下，根据各个匹配对的坐标分别计算各个匹配对的偏差。其中，单个匹配对的偏差可以采用两个匹配对之间的距离来表示。例如，在XYZ坐标系统，对于匹配对p1-q1，其匹配偏差为点p1(x1，y1，z1)与q1点(x2，y2，z3)之间的距离。匹配对的匹配偏差用于衡量所有匹配对的整体偏差，具体可以将各个匹配对偏差的平均值作为匹配对的匹配偏差。上述平均值可以采用算术平均值、几何平均值，平方平均值，调和平均值，加权平均值等。

其中，匹配精度可以根据零件的修复精度进行设置，也可以根据经验值进行设置。示例性的，匹配精度值可以设置为0.002～0.05之间的一个值。本实施例中，将匹配精度值设置为0.01。则在本步骤中，当匹配偏差大于预设精度值时，即当步骤S102中的匹配偏差大于0.01时，根据匹配偏差值确定匹配阈。反之，则返回步骤S102进行重新匹配，直到匹配偏差满足匹配精度为止。

其中，匹配阈可以根据修复零件几何模型的不同，设置为匹配偏差值的函数。对于几何模型比较简单的零件可以直接将匹配偏差放大或缩小固定倍数得到匹配阈，对于几何模型比较复杂的零件，可以根据几何模型的特点，将匹配阈和匹配偏差设置为线性函数关系、或其他函数关系。在一种简化的方式中，可以将匹配阈设置为匹配偏差的3倍到5倍之间的一个数值。

S104、形成破损模型。

本步骤中，根据所述匹配阈在所述匹配对中选取破损匹配对形成所述修复零件的破损模型。

具体的，本步骤中，可以在所有匹配对p1-q1，p2-q2，…pn-qn中选取匹配对偏差大于匹配阈的破损匹配对形成所述破损模型。

例如将图9a和图9b个各个匹配对偏差与匹配阈进行比较，得到破损匹配对，这些破损匹配对形成一组破损点云，这组破损点云中往往包含有孤立点，本实施例中，去除破损点云中的孤立点得到如图9a中以p6为顶点，a、b、c为底面的四面体破损模型。

其中，去除破损点云中的孤立点可以通过对破损点云进行三维栅格化划分，按照栅格中是否波爱护点对其进行二值化处理。如果栅格中包含点，则该栅格为实格；否则，栅格为空格。区域增长以栅格为基本单位，通过搜索相邻的多个栅格进行增长。例如，按照实格的连通性进行区域增长，破损点云被划分为若干个连通区域，如果一个连通区域所包含的栅格数小于设定阈值，即可判断为孤立点，将其删除。

S105、打印修复。

对所述破损模型进行三角化封装，得到立体平板印刷模型，通过3D打印修复系统打印所述立体平板印刷模型对所述修复零件进行修复。

本发明提供的一种用于再制造修复的破损模型解算方法，通过对比修复件标准设计模型及其测量模型中的匹配对，从所有匹配对中找出破损区域对应的破损匹配对，形成修复件的破损模型，完成对修复件破损模型的解算，再通过3D打印修复系统自动完成破损零部件的打印修补。相较于现有技术，本发明的破损模型解算算法简单、易于工业化推广，具有自动化程度高、使用范围广、解算精度高的优点。

以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种用于再制造修复的破损模型解算方法，其特征在于，所述方法包括：

获取测量模型：获取修复零件的测量模型；

确定匹配对：将所述测量模型与所述修复零件的标准设计模型进行匹配，得到匹配对；

确定匹配阈：计算所述匹配对的匹配偏差，当所述匹配偏差满足匹配精度时，根据所述匹配偏差确定匹配阈；

形成破损模型：根据所述匹配阈在所述匹配对中选取破损匹配对形成所述修复零件的破损模型。

2.根据权利要求1所述的用于再制造修复的破损模型解算方法，其特征在于，所述将所述测量模型与所述修复零件的标准设计模型进行匹配，得到匹配对包括：

根据所述标准设计模型的几何特征点，对所述测量模型与标准设计模型进行粗匹配，得到初始匹配对；

以所述初始匹配对为基础，通过迭代对应点匹配算法对所述测量模型与所述标准设计模型进行精准匹配，得到匹配对。

3.根据权利要求1或2所述的用于再制造修复的破损模型解算方法，其特征在于，所述计算所述匹配对的匹配偏差，当所述匹配偏差满足匹配精度时，根据所述匹配偏差确定匹配阈包括：

根据各个匹配对的坐标计算各个匹配对的偏差，将各个匹配对偏差的平均值作为匹配对的匹配偏差；

当所述匹配偏差大于预设精度值时，建立所述匹配阈与所述匹配偏差之间的函数关系。

4.根据权利要求3所述的用于再制造修复的破损模型解算方法，其特征在于，所述根据所述匹配阈在所述匹配对中选取破损匹配对形成所述修复零件的破损模型包括：

在所有匹配对中选取匹配对偏差大于所述匹配阈的破损匹配对形成所述破损模型。

5.根据权利要求1所述的用于再制造修复的破损模型解算方法，其特征在于，所述方法还包括：

打印修复：对所述破损模型进行三角化封装，得到立体平板印刷模型；通过3D打印修复系统打印所述立体平板印刷模型对所述修复零件进行修复。

6.根据权利要求5所述的用于再制造修复的破损模型解算方法，其特征在于，所述获取修复零件的测量模型包括：

对三维扫描系统进行标定；

将所述三维扫描系统的坐标系转换为3D打印修复系统的坐标系；

利用转换后的三维扫描系统获取所述修复零件表面三维点云数据；

对所述三维点云数据进行优化处理，得到修复零件的测量模型。

7.根据权利要求6所述的用于再制造修复的破损模型解算方法，其特征在于，所述对三维扫描系统进行标定包括：

采集标定图像并识别所述标定图像中的标志点；

重建所述标志点的三维坐标；

对所有相机的内参数、外参数及所述标志点的三维坐标进行优化；

输出优化后所述相机的内参数和外参数。

8.根据权利要求7所述的用于再制造修复的破损模型解算方法，其特征在于，所述三维扫描系统包括左相机和右相机，所述输出优化后所述相机的内参数和外参数包括：

分别输出优化后所述左相机和所述右相机的内参数和外参数；

对所述左相机的内参数和所述右相机的内参数进行转换，得到所述左右相机坐标系的旋转矩阵R和平移矩阵T。

9.根据权利要求7所述的用于再制造修复的破损模型解算方法，其特征在于，所述将所述三维扫描系统的坐标系转换为3D打印修复系统的坐标系包括：

在空间固定多个固定点；

用标定过的三维扫描系统测量所述固定点，得到坐标P；

用所述3D打印修复系统测量所述固定点，得到坐标Q；

则：Q＝M×P；

其中，M为标定过的三维扫描系统坐标系o_mx_my_mz_m到3D打印修复系统坐标系o_rx_ry_rz_r的齐次变换矩阵。

10.根据权利要求2所述的用于再制造修复的破损模型解算方法，其特征在于，所述利用转换后的三维扫描系统获取修复零件表面三维点云数据包括：

投影数幅特定编码的结构光到修复零件上，并采用两个相机同步采集条纹图像；

对所述条纹图像进行解码和相位解算；

利用匹配技术和三角测量原理，计算出两个相机公共视区内像素点的三维坐标。

所述对所述三维点云数据进行优化处理，得到修复零件的测量模型包括：

对多次测量的点云数据进行融合、简化处理；

对简化处理后的点云数据进行降噪、三角化处理，得到修复零件的测量模型。