CN107067469A - 获取损伤零件缺损部位模型的系统 - Google Patents
获取损伤零件缺损部位模型的系统 Download PDFInfo
- Publication number
- CN107067469A CN107067469A CN201611226131.7A CN201611226131A CN107067469A CN 107067469 A CN107067469 A CN 107067469A CN 201611226131 A CN201611226131 A CN 201611226131A CN 107067469 A CN107067469 A CN 107067469A
- Authority
- CN
- China
- Prior art keywords
- point
- model
- scanned
- injuring part
- injuring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Abstract
本发明涉及一种获取损伤零件缺损部位模型的系统,包括计算机及与计算机电连接的扫描仪;建模方法包括如下步骤:①对待扫描损伤零件进行扫描前准备;②对扫描仪进行校准;③系统进行参数配置;④通过扫描仪扫描获得初始模型数据;⑤对初始模型数据进行处理获得点云模型数据;⑥对点云模型数据通过网格重建算法处理从而获得曲面重构模型;⑦将曲面重构模型与标准零件模型进行配准对齐;⑧获取待扫描损伤零件的缺损部位模型:模型配准对齐后,将曲面重构模型与标准零件模型作相减布尔操作,得到待扫描损伤零件的缺损部位的数字化模型。本发明建模效率高、精度好。
Description
技术领域
本发明涉及增材再制造技术领域,特别涉及一种获取损伤零件缺损部位模型的系统。
背景技术
增材再制造技术是近年来迅速发展起来的一种恢复损伤零(构)件的缺损尺寸和服役性能的先进成形修复技术。该技术是以零(构)件的全寿命“价值”周期理论为基础,以损伤零(构)件为对象,以优质、高效、节能、节材和环保为准则,以多学科融合为特征的多种先进技术为手段,最大限度地利用损伤零(构)件的“剩余价值”,在恢复其原始几何尺寸的同时,服役性能也得以恢复甚至提升的技术手段的总称。其突出特点是:缺损尺寸恢复及服役性能可达到甚至超过新品,降低成本50%、节能60%、节材70%、节时80%以上。增材再制造工艺过程可分为以下4个过程:1)通过扫描实现缺损零件的三维数字化捕捉,并与零件原始数字化模型配准对比,得到损伤零件的三维缺损模型;2)对三维缺损模型(点云)进行降维处理得到二维平面;3)结合激光、弧焊、电子束等工艺堆积特点,对缺损模型进行路径规划;4)对缺损区域逐层堆积,实现零件缺损区域的填充修复。
对缺损零件模型的快速、精确、数字化反求捕捉,得到损伤零件的三维缺损模型是增材再制造的关键步骤。其主要步骤是通过扫描缺损零件点云数据及模型重建,得到缺损零件的三维模型;然后,与零件标准模型对齐比较,得到缺损部位的三维模型。可见,用于增材再制造的数字化捕捉技术不同于传统逆向工程直接制造中的数字化捕捉技术。同时缺损零件的种类多、尺寸范围大、损伤形式也多种多样,现场条件及快速性等要求均对数字化捕捉效率、精度及操作性能等均提出了更高的要求。
中国专利文献CN101236660A公开了一种三维扫描仪及其三维模型重构方法,属于三维扫描领域中以采用光学方法为特征的计量设备及其计量方法,发明中所提及的三维扫描仪属于一种光栅扫描设备。然而该扫描仪及三维模型重构方法所处理的数据量庞大,模型重构的效率和精度不高。中国专利文献CN103017676B公开了一种三维扫描装置和三维扫描方法、中国专利文献CN1011738815B公开了一种激光三维扫描装置和激光三维扫描方法、中国专利文献CN1041136657A公开了一种手持高速三维扫描成像显示一体机及其数据传输方法,然而上述专利所述扫描装置和方法均无法提供损伤零件缺损部位的模型。
零件缺损模型的三维数字化捕捉效率、精度、适用性和便捷性直接决定成形时间和最终修复质量,该技术是增材再制造技术的核心技术之一,也是制约增材再制造技术应用和发展的主要瓶颈。
发明内容
本发明要解决的技术问题是提供一种效率高且精度高的获取损伤零件缺损部位模型的系统。
实现本发明目的的技术方案是提供一种获取损伤零件缺损部位模型的系统,所述获取损伤零件缺损部位模型的系统包括计算机及与计算机电连接的扫描仪;所述扫描仪包括2个线激光器、2个CCD摄像机、图像采集卡、LED灯、控制按钮以及用于安置前述各部件的外壳;
获取损伤零件缺损部位模型的系统的建模方法包括如下几个步骤:
①对待扫描损伤零件进行扫描前准备处理:扫描前彻底清洗待扫描损伤零件表面的油污,并在其表面粘贴高反光标志点;
②对扫描仪进行校准;
③对获取损伤零件缺损部位模型的系统进行参数配置:根据待扫描损伤零件的表面反光程度、环境亮度因素调整CCD摄像机的快门时间;
④通过扫描仪对待扫描损伤零件进行扫描并传输至计算机从而获得初始模型数据;
⑤对初始模型数据进行坏点去除、平滑滤波、精简及背景去除处理后,获得待扫描损伤零件的点云模型数据;
⑥对点云模型数据通过网格重建算法处理从而获得待扫描损伤零件的曲面重构模型:基于区域增长的网格重建算法在构建网格时,由“种子”三角形开始,按照从平滑点集到高曲率点集最后至边界点集的顺序,即由简单到复杂的次序以最优点选取的方法作为基础,增加二面角和“已用点”等限定条件,并设立相应的内边邻接表完成对点云的重建,从而获得待扫描损伤零件的曲面重构模型;
⑦将曲面重构模型与标准零件模型进行配准对齐;
⑧获取待扫描损伤零件的缺损部位模型:模型配准对齐后,将曲面重构模型与标准零件模型作相减布尔操作,得到待扫描损伤零件的缺损部位的数字化模型。
进一步的,所述获取损伤零件缺损部位模型的系统的扫描仪的2个线激光器为光源,每个线激光器可发射3束线激光,组成三束交叉十字激光束;2个CCD摄像机用于摄取待采集损伤零件的变形光栅图像,将被测目标图像转换为模拟电信号;图像采集卡通过A-D转换器将被测目标图像的模拟电信号转换为数字图像信号,并将数字图像信号传输到计算机。线激光器与CCD摄像机按照激光三角测量法原理放置,与图像采集卡组装在外壳中;2个线激光器位于正中,2个CCD摄像机直线对称设置在线激光器的两侧,LED灯环绕每个CCD摄像机设置;线激光器的激光波长650nm,出瞳功率为2.5mW。
进一步的,步骤①中,高反光标志点的粘贴应遵循以下原则:
1、相邻高反光标志点的距离:在20mm到100mm之间;
2、平坦区域:需要的标志点较少:1-5个/cm2;
3、弯曲区域:需要的标志点较多:≥5个/cm2;
4、避免在弯曲率较高的表面上添加标点;
5、避免靠近边缘或细部添加标点;
6、避免使用损坏或不完整的标点;
7、避免使用油腻、多灰、脏污或隐藏的标点;
8、不要成组堆放标点,也不要将标点整齐地排列成一条线。
进一步的,步骤②中,扫描校准依靠校准板由硬件系统的计算机程序自动控制完成,在高度、左右、前后方向上分别移动扫描仪使扫描仪必须指向校准板中心;若系统处于连续工作状态,则不需要进行此步操作。
进一步的,步骤③的具体过程如下:首先,要确保激光线完全平铺在要扫描的表面上,扫描仪的CCD摄像机的拍摄方向与待扫描损伤零件表面垂直;然后调整扫描仪的线激光器使得激光线平铺在待扫描损伤零件的表面上,计算机控制扫描仪根据待扫描损伤零件的表面反光程度、环境亮度因素优化调整CCD摄像机的快门时间。
进一步的,步骤④中,扫描时遵循以下规则:
1、扫描时应保证单幅视图中至少有四个以上的有效标志点;
2、扫描仪与待扫描损伤零件的距离应适当,优选为30cm左右;扫描时,计算机的屏幕左侧会显示测距仪,通过线激光器指示扫描仪和待扫描损伤零件之间的距离;扫描仪上的LED灯也可以指示距离;
3、扫描仪与待扫描损伤零件表面尽量保持垂直,入射角越大,模型的精确度越高;
4、对于无法粘贴反光标志点的待扫描损伤零件或当无法直接将反光标志点置于待扫描损伤零件上时,可在待扫描损伤零件的周围粘贴反光标志点;而对于超大型零件,单次扫描会使用过多内存,这时可分为多个会话进行扫描,最后合并多个扫描会话完成整个零件的扫描。
进一步的,步骤⑤的具体处理过程如下:
A、坏点去除处理:通过基于FPGA的图像坏点修正算法或者用肉眼观察与截面数据点集偏离较大的点,判断出“坏点”并删除;
B、平滑滤波处理:采用高斯滤波法进行平滑滤波处理;
C、精简处理:采用非均匀网络法进行精简处理,在保留待扫描损伤零件原来面貌的同时减少点云的数量;
D、背景去除处理:在扫描时可能会摄入背景信息,干扰三维成像的整体精度,而且背景信息经常是一片片的出现,所形成的模型数据也具有很高的密度;交互式背景去除的依据是空间解析几何原理:即设空间任意一点K的坐标为(x0,y0,z0),所画剪切平面的方程为:Ax+By+Cz+D=0,这个平面把三维空间分成三个部分,正面、背面和平面本身。把点K的坐标值代入平面方程,如果所得结果大于0,则点K处在平面的正面,小于0则在负面,等于0则在平面上;在Geomagic Studio集成环境中定义剪切平面,去除剪切平面外的背景点云。可以使用XY、XZ或YZ平面,也可以由任意3顶点定义剪切平面。
进一步的,步骤⑥的具体过程如下:
A、将点云模型数据的所有点云分为平坦点集、高曲率点集以及边界点集,并令每个点的属性值T为0,表明所有点均未参与网格重建;
B、在平坦点集中,选取种子三角形S0,将S0的三边加入活跃边队列中,同时将该三角形的二个顶点的T值设为l;
C、取活跃边队列的队头元素,判断该活跃边是否具有可扩张性;如果可对其进行扩张,转D;否则,删除队头元素,对下一元素进行判断,直到该元素具备可扩张性,若活跃边的队列为空时,进入高曲率点集中进行网格重建;
D、按照最优点选取规则,搜索当前活跃边的扩张点;若没找到,则表明该边是边界边,转F;否则,进行E;
E、将当前的活跃边两端点与所选取的扩张点相连,构成新三角形S与两条“新”边;将该扩张点的T值置1,同时分别检测两条“新”边:如果是己存在的边,则标识该边为内边;否则为活跃边,加入至活跃边队列;更新此边两个端点的内边邻接点列表;
F、在平坦点内,如果活跃队列不为空,删除该队头的元素,取新的对头元素,转C;否则,进入高曲率点集中进行网格重建;
G、按照上述方法,分别遍历高曲率点集和边界点集,完成曲面重构。
进一步的,步骤⑦的具体过程如下:
1、基于邻域几何特征的初始对齐:
a.设定阈值ε1>0,ε2>0,Z>0,ε1和ε2是用来判断迭代是否终止的条件,Z用于限定有效点对的数量;
b.计算P和Q中每个有效点的邻域重心和该点到邻域重心的距离,分别记为Oi、Oj、di、dj;其中P为目标点集,Q为参考点集,Oi为P中点pi的邻域重心,di为pi到Oi间的距离,Oj为Q中点qj的邻域重心,dj为qi到Oj间的距离;
c.计算P和Q中有效点的角度特征量,记为θi、θj,并构建几何特征集合S1、S2;其中,S1={si|i=1,2,·········,N}和S2={sj|j=1,2,,········,M};
d.通过判断约束条件来确定最优匹配点对:(||di-dj||<ε1)&&(||cosθi-cosθj||<ε2);
e.记最优匹配点对的数量为S,若S>Z,转f;否则转d;
f.对最优匹配点对使用四元数法,计算刚体变换矩阵R和T;
g.将刚体变换矩阵R和T代入目标点集P,完成初始配准;
2、基于最近点迭代法的精确对齐:
a.设定阈值ε>0,用来判断迭代是否终止;
b.对于目标点集FP中的每个点pi',从参考点集FQ中找出与之距离最近的点;设初始配准后的目标点集为FP={pi'|pi'∈R3;i=1,2,,N},初始配准后的参考点集为FQ={qj'|qj'∈R3;j=1,2,,M},其中N≤M;
c.通过四元数法计算目标点集FP和参考点集FQ的刚体变换矩阵R和T;
d.将R和T作用于目标点集FP,此时便得到了新的目标点集FP'=Rpi'+T,目标点集FP'中的每个点为pi”;
e.计算均方误差:
f.若dm-dm+1<ε,则停止迭代;否则反复执行第c~e步。
进一步的,步骤⑧的具体过程如下:
a、模型配准对齐后,定义标准模型为运算对象A,待扫描损伤零件的曲面重构模型为运算对象B。
b、将配准对齐的模型进行Subtraction(A-B)布尔相减操作,进而得到待扫描损伤零件的缺损部位的数字化模型A-B。
本发明具有积极的效果:(1)本发明针对零件三维缺损模型捕捉过程中存在的零件位姿要求苛刻、环境适应性差、效率低、模型精度不高和后处理复杂等问题,采用基于激光三角形法原理的数据采集技术,通过对点云数据处理及曲面重构、模型配准对比等手段,实现了缺损件增材再制造数字化模型的高效精确获取,可实现轴类件、齿类件、盘类件、平板类等典型缺损零件的在线、快速、高效、精确三维捕捉。
(2)本发明所述的曲面重构过程采用基于测量点云的三角网络曲面重建方法,在区域增长法的基础上,提出并实现了一种散乱点云的三角网格重构算法。所述算法只需要输入密度均匀的散乱点云,无须输入法矢或拓扑形状等信息,算法简单易实现、计算量小,极大地提高了获取损伤零件缺损部位的数字化模型的速度。
(3)本发明所述的模型配准对齐过程将基于邻域几何特征的初始对齐和基于最近点迭代法的精确对齐相结合,实现了损伤零件的三角网格模型与标准零件模型的配置对齐,并作相减布尔运算,最终构建所需的损伤零件缺损部位的数字化模型,既能做到精确建模又能获得缺损部位的模型。
附图说明
图1为本发明的获取损伤零件缺损部位模型的系统的扫描仪的结构示意图。
上述附图中的标记如下:
LED灯1,CCD摄像机2,线激光器3。
具体实施方式
(实施例1)
本实施例的一种获取损伤零件缺损部位模型的系统采用激光三角法数据测试技术,所述硬件系统包括计算机及与计算机电连接的扫描仪;见图1,所述扫描仪包括2个线激光器3、2个CCD摄像机2、图像采集卡、LED灯1、控制按钮以及用于安置前述各部件的外壳;所述线激光器3、CCD摄像机2及图像采集卡均与计算机电连接。其中,2个线激光器3为光源,每个线激光器3可发射3束线激光,组成三束交叉十字激光束;2个CCD摄像机2用于摄取待采集损伤零件的变形光栅图像,将被测目标图像转换为模拟电信号;图像采集卡通过A-D转换器将被测目标图像的模拟电信号转换为数字图像信号,并将数字图像信号传输到计算机。激光波长650nm,出瞳功率为2.5mW,属于人眼安全级别。整个扫描装置尺寸为122×77×294mm。线激光器3与CCD摄像机2按照激光三角测量法原理放置,与图像采集卡组装在外壳中;2个线激光器3位于正中,2个CCD摄像机直线对称设置在线激光器3的两侧,LED灯1环绕每个CCD摄像机设置。
本实施例的一种获取损伤零件缺损部位模型的系统的建模方法包括如下几个步骤:
①对待扫描损伤零件进行扫描前准备处理:扫描前应彻底清洗待扫描损伤零件表面的油污,并在其表面粘贴高反光标志点。高反光标志点的粘贴应遵循以下原则:
1、相邻高反光标志点的距离:在20mm到100mm之间;
2、平坦区域:需要的标志点较少:1-5个/cm2;
3、弯曲区域:需要的标志点较多:≥5个/cm2;
4、避免在弯曲率较高的表面上添加标点;
5、避免靠近边缘或细部添加标点;
6、避免使用损坏或不完整的标点;
7、避免使用油腻、多灰、脏污或隐藏的标点;
8、不要成组堆放标点,也不要将标点整齐地排列成一条线。
②对扫描仪进行校准:受环境温度与压力等因素的影响,扫描仪在长时间未用时,为保证扫描精度需对扫描仪校准。校准依靠校准板由硬件系统的计算机程序自动控制完成,在高度、左右、前后方向上分别移动扫描仪使扫描仪必须指向校准板中心。若系统处于连续工作状态,则不需要进行此步操作。
③对获取损伤零件缺损部位模型的系统进行参数配置:根据待扫描损伤零件的表面反光程度、环境亮度等因素调整CCD摄像机的快门时间。首先,要确保激光线完全平铺在要扫描的表面上,扫描仪的CCD摄像机2的拍摄方向与待扫描损伤零件表面垂直;然后调整扫描仪的线激光器3使得激光线平铺在待扫描损伤零件的表面上,计算机控制扫描仪根据待扫描损伤零件的表面反光程度、环境亮度等因素优化调整CCD摄像机2的快门时间。
④通过扫描仪对待扫描损伤零件进行扫描并传输至计算机从而获得初始模型数据,扫描时遵循以下规则:
1、扫描时应保证单幅视图中至少有四个以上的有效标志点;
2、扫描仪与待扫描损伤零件的距离应适当,优选为30cm左右。扫描时,计算机的屏幕左侧会显示测距仪,通过线激光器3指示扫描仪和待扫描损伤零件之间的距离。扫描仪上的LED灯1也可以指示距离;
3、扫描仪与待扫描损伤零件表面尽量保持垂直,入射角越大,模型的精确度越高;
4、对于无法粘贴反光标志点的待扫描损伤零件或当无法直接将反光标志点置于待扫描损伤零件上时,可在待扫描损伤零件的周围粘贴反光标志点。而对于超大型零件,单次扫描会使用过多内存,这时可分为多个会话进行扫描,最后合并多个扫描会话完成整个零件的扫描。
⑤对初始模型数据进行坏点去除、平滑滤波、精简及背景去除处理后,获得待扫描损伤零件的点云模型数据,具体处理过程如下:
A、坏点去除处理:通过基于FPGA的图像坏点修正算法或者用肉眼观察与截面数据点集偏离较大的点,判断出“坏点”并删除。
B、平滑滤波处理:采用高斯滤波法进行平滑滤波处理。
C、精简处理:采用非均匀网络法进行精简处理,在保留待扫描损伤零件原来面貌的同时减少点云的数量。
D、背景去除处理:在扫描时可能会摄入背景信息,干扰三维成像的整体精度,而且背景信息经常是一片片的出现,所形成的模型数据也具有很高的密度。交互式背景去除的依据是空间解析几何原理:即设空间任意一点K的坐标为(x0,y0,z0),所画剪切平面的方程为:Ax+By+Cz+D=0,这个平面把三维空间分成三个部分,正面、背面和平面本身。把点K的坐标值代入平面方程,如果所得结果大于0,则点K处在平面的正面,小于0则在负面,等于0则在平面上。在Geomagic Studio集成环境中定义剪切平面,去除剪切平面外的背景点云。可以使用XY、XZ或YZ平面,也可以由任意3顶点定义剪切平面。
⑥对点云模型数据通过网格重建算法处理从而获得待扫描损伤零件的曲面重构模型:基于区域增长的网格重建算法在构建网格时,由“种子”三角形开始,按照从平滑点集到高曲率点集最后至边界点集的顺序,即由简单到复杂的次序以最优点选取的方法作为基础,增加二面角和“已用点”等限定条件,并设立相应的内边邻接表完成对点云的重建,从而获得待扫描损伤零件的曲面重构模型;其具体过程如下:
A、将点云模型数据的所有点云分为平坦点集、高曲率点集以及边界点集,并令每个点的属性值T为0,表明所有点均未参与网格重建。
B、在平坦点集中,选取种子三角形S0,将S0的三边加入活跃边队列中,同时将该三角形的二个顶点的T值设为l。
C、取活跃边队列的队头元素,判断该活跃边是否具有可扩张性。如果可对其进行扩张,转D;否则,删除队头元素,对下一元素进行判断,直到该元素具备可扩张性,若活跃边的队列为空时,进入高曲率点集中进行网格重建。
D、按照最优点选取规则,搜索当前活跃边的扩张点。若没找到,则表明该边是边界边,转F。否则,进行E。
E、将当前的活跃边两端点与所选取的扩张点相连,构成新三角形S与两条“新”边。将该扩张点的T值置1,同时分别检测两条“新”边:如果是己存在的边,则标识该边为内边;否则为活跃边,加入至活跃边队列。更新此边两个端点的内边邻接点列表。
F、在平坦点内,如果活跃队列不为空,删除该队头的元素,取新的对头元素,转C;否则,进入高曲率点集中进行网格重建。
G、按照上述方法,分别遍历高曲率点集和边界点集,完成曲面重构。
⑦将曲面重构模型与标准零件模型进行配准对齐,其具体过程如下:
1、基于邻域几何特征的初始对齐:
a.设定阈值ε1>0,ε2>0,Z>0,ε1和ε2是用来判断迭代是否终止的条件,Z用于限定有效点对的数量。
b.计算P和Q中每个有效点的邻域重心和该点到邻域重心的距离,分别记为Oi、Oj、di、dj。其中P为目标点集,Q为参考点集,Oi为P中点pi的邻域重心,di为pi到Oi间的距离,Oj为Q中点qj的邻域重心,dj为qi到Oj间的距离。
c.计算P和Q中有效点的角度特征量,记为θi、θj,并构建几何特征集合S1、S2。其中,S1={si|i=1,2,·········,N}和S2={sj|j=1,2,,········,M}。
d.通过判断约束条件来确定最优匹配点对:(||di-dj||<ε1)&&(||cosθi-cosθj||<ε2)。
e.记最优匹配点对的数量为S,若S>Z,转f;否则转d。
f.对最优匹配点对使用四元数法,计算刚体变换矩阵R和T。
g.将刚体变换矩阵R和T代入目标点集P,完成初始配准。
2、基于最近点迭代法的精确对齐:
a.设定阈值ε>0,用来判断迭代是否终止。
b.对于目标点集FP中的每个点pi',从参考点集FQ中找出与之距离最近的点。设初始配准后的目标点集为FP={pi'|pi'∈R3;i=1,2,,N},初始配准后的参考点集为FQ={qj'|qj'∈R3;j=1,2,,M},其中N≤M。
c.通过四元数法计算目标点集FP和参考点集FQ的刚体变换矩阵R和T。
d.将R和T作用于目标点集FP,此时便得到了新的目标点集FP'=Rpi'+T,目标点集FP'中的每个点为pi”。
e.计算均方误差:
f.若dm-dm+1<ε,则停止迭代;否则反复执行第c~e步。
⑧获取待扫描损伤零件的缺损部位模型:模型配准对齐后,将曲面重构模型与标准零件模型作相减布尔操作,得到待扫描损伤零件的缺损部位的数字化模型;具体过程如下:
a、模型配准对齐后,定义标准模型为运算对象A,待扫描损伤零件的曲面重构模型为运算对象B。
b、将配准对齐的模型进行Subtraction(A-B)布尔相减操作,进而得到待扫描损伤零件的缺损部位的数字化模型A-B。
通过上述获取损伤零件缺损部位模型的系统的建模方法分别对损伤传动齿轮、损伤喷水推进器、损伤曲轴的数字化模型进行捕捉获得损伤零件的缺损部位的数字化模型,最大测量误差如表1所示,可见最大测量误差均小于0.05mm。
表1
单位 | 传动齿轮 | 喷水推进器 | 曲轴 | |
损伤模型捕捉时间 | 分钟 | 17 | 21 | 25 |
最大测量误差 | mm | 0.0344 | 0.0436 | 0.0317 |
显然,上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (10)
1.一种获取损伤零件缺损部位模型的系统,其特征在于:所述获取损伤零件缺损部位模型的系统包括计算机及与计算机电连接的扫描仪;所述扫描仪包括2个线激光器(3)、2个CCD摄像机(2)、图像采集卡、LED灯(1)、控制按钮以及用于安置前述各部件的外壳;
获取损伤零件缺损部位模型的系统的建模方法包括如下几个步骤:
①对待扫描损伤零件进行扫描前准备处理:扫描前彻底清洗待扫描损伤零件表面的油污,并在其表面粘贴高反光标志点;
②对扫描仪进行校准;
③对获取损伤零件缺损部位模型的系统进行参数配置:根据待扫描损伤零件的表面反光程度、环境亮度因素调整CCD摄像机(2)的快门时间;
④通过扫描仪对待扫描损伤零件进行扫描并传输至计算机从而获得初始模型数据;
⑤对初始模型数据进行坏点去除、平滑滤波、精简及背景去除处理后,获得待扫描损伤零件的点云模型数据;
⑥对点云模型数据通过网格重建算法处理从而获得待扫描损伤零件的曲面重构模型:基于区域增长的网格重建算法在构建网格时,由“种子”三角形开始,按照从平滑点集到高曲率点集最后至边界点集的顺序,即由简单到复杂的次序以最优点选取的方法作为基础,增加二面角和“已用点”等限定条件,并设立相应的内边邻接表完成对点云的重建,从而获得待扫描损伤零件的曲面重构模型;
⑦将曲面重构模型与标准零件模型进行配准对齐;
⑧获取待扫描损伤零件的缺损部位模型:模型配准对齐后,将曲面重构模型与标准零件模型作相减布尔操作,得到待扫描损伤零件缺损部位的数字化模型。
2.根据权利要求1所述的获取损伤零件缺损部位模型的系统,其特征在于:所述获取损伤零件缺损部位模型的系统的扫描仪的2个线激光器(3)为光源,每个线激光器(3)可发射3束线激光,组成三束交叉十字激光束;2个CCD摄像机(2)用于摄取待采集损伤零件的变形光栅图像,将被测目标图像转换为模拟电信号;图像采集卡通过A-D转换器将被测目标图像的模拟电信号转换为数字图像信号,并将数字图像信号传输到计算机;线激光器(3)与CCD摄像机(2)按照激光三角测量法原理放置,与图像采集卡组装在外壳中;2个线激光器(3)位于正中,2个CCD摄像机直线对称设置在线激光器(3)的两侧,LED灯(1)环绕每个CCD摄像机设置;线激光器(3)的激光波长650nm,出瞳功率为2.5mW。
3.根据权利要求1或2所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤①中,高反光标志点的粘贴应遵循以下原则:
1、相邻高反光标志点的距离:在20mm到100mm之间;
2、平坦区域:需要的标志点较少:1-5个/cm2;
3、弯曲区域:需要的标志点较多:≥5个/cm2;
4、避免在弯曲率较高的表面上添加标点;
5、避免靠近边缘或细部添加标点;
6、避免使用损坏或不完整的标点;
7、避免使用油腻、多灰、脏污或隐藏的标点;
8、不要成组堆放标点,也不要将标点整齐地排列成一条线。
4.根据权利要求1或2所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤②中,扫描校准依靠校准板由硬件系统的计算机程序自动控制完成,在高度、左右、前后方向上分别移动扫描仪使扫描仪必须指向校准板中心;若系统处于连续工作状态,则不需要进行此步操作。
5.根据权利要求1或2所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤③的具体过程如下:首先,要确保激光线完全平铺在要扫描的表面上,扫描仪的CCD摄像机(2)的拍摄方向与待扫描损伤零件表面垂直;然后调整扫描仪的线激光器(3)使得激光线平铺在待扫描损伤零件的表面上,计算机控制扫描仪根据待扫描损伤零件的表面反光程度、环境亮度因素优化调整CCD摄像机(2)的快门时间。
6.根据权利要求1或2所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤④中,扫描时遵循以下规则:
1、扫描时应保证单幅视图中至少有四个以上的有效标志点;
2、扫描仪与待扫描损伤零件的距离应适当,优选为30cm左右;扫描时,计算机的屏幕左侧会显示测距仪,通过线激光器(3)指示扫描仪和待扫描损伤零件之间的距离;扫描仪上的LED灯(1)也可以指示距离;
3、扫描仪与待扫描损伤零件表面尽量保持垂直,入射角越大,模型的精确度越高;
4、对于无法粘贴反光标志点的待扫描损伤零件或当无法直接将反光标志点置于待扫描损伤零件上时,可在待扫描损伤零件的周围粘贴反光标志点;而对于超大型零件,单次扫描会使用过多内存,这时可分为多个会话进行扫描,最后合并多个扫描会话完成整个零件的扫描。
7.根据权利要求1或2所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤⑤的具体处理过程如下:
A、坏点去除处理:通过基于FPGA的图像坏点修正算法或者用肉眼观察与截面数据点集偏离较大的点,判断出“坏点”并删除;
B、平滑滤波处理:采用高斯滤波法进行平滑滤波处理;
C、精简处理:采用非均匀网络法进行精简处理,在保留待扫描损伤零件原来面貌的同时减少点云的数量;
D、背景去除处理:在扫描时可能会摄入背景信息,干扰三维成像的整体精度,而且背景信息经常是一片片的出现,所形成的模型数据也具有很高的密度;交互式背景去除的依据是空间解析几何原理:即设空间任意一点K的坐标为(x0,y0,z0),所画剪切平面的方程为:Ax+By+Cz+D=0,这个平面把三维空间分成三个部分,正面、背面和平面本身;把点K的坐标值代入平面方程,如果所得结果大于0,则点K处在平面的正面,小于0则在负面,等于0则在平面上;在Geomagic Studio集成环境中定义剪切平面,去除剪切平面外的背景点云;可以使用XY、XZ或YZ平面,也可以由任意3顶点定义剪切平面。
8.根据权利要求1、2或7所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤⑥的具体过程如下:
A、将点云模型数据的所有点云分为平坦点集、高曲率点集以及边界点集,并令每个点的属性值T为0,表明所有点均未参与网格重建;
B、在平坦点集中,选取种子三角形S0,将S0的三边加入活跃边队列中,同时将该三角形的二个顶点的T值设为l;
C、取活跃边队列的队头元素,判断该活跃边是否具有可扩张性;如果可对其进行扩张,转D;否则,删除队头元素,对下一元素进行判断,直到该元素具备可扩张性,若活跃边的队列为空时,进入高曲率点集中进行网格重建;
D、按照最优点选取规则,搜索当前活跃边的扩张点;若没找到,则表明该边是边界边,转F;否则,进行E;
E、将当前的活跃边两端点与所选取的扩张点相连,构成新三角形S与两条“新”边;将该扩张点的T值置1,同时分别检测两条“新”边:如果是己存在的边,则标识该边为内边;否则为活跃边,加入至活跃边队列;更新此边两个端点的内边邻接点列表;
F、在平坦点内,如果活跃队列不为空,删除该队头的元素,取新的对头元素,转C;否则,进入高曲率点集中进行网格重建;
G、按照上述方法,分别遍历高曲率点集和边界点集,完成曲面重构。
9.根据权利要求1、2或8所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤⑦的具体过程如下:
1、基于邻域几何特征的初始对齐:
a.设定阈值ε1>0,ε2>0,Z>0,ε1和ε2是用来判断迭代是否终止的条件,Z用于限定有效点对的数量;
b.计算P和Q中每个有效点的邻域重心和该点到邻域重心的距离,分别记为Oi、Oj、di、dj;其中P为目标点集,Q为参考点集,Oi为P中点pi的邻域重心,di为pi到Oi间的距离,Oj为Q中点qj的邻域重心,dj为qi到Oj间的距离;
c.计算P和Q中有效点的角度特征量,记为θi、θj,并构建几何特征集合S1、S2;其中,S1={si|i=1,2,·········,N}和S2={sj|j=1,2,,········,M};
d.通过判断约束条件来确定最优匹配点对:(||di-dj||<ε1)&&(||cosθi-cosθj||<ε2);
e.记最优匹配点对的数量为S,若S>Z,转f;否则转d;
f.对最优匹配点对使用四元数法,计算刚体变换矩阵R和T;
g.将刚体变换矩阵R和T代入目标点集P,完成初始配准;
2、基于最近点迭代法的精确对齐:
a.设定阈值ε>0,用来判断迭代是否终止;
b.对于目标点集FP中的每个点pi',从参考点集FQ中找出与之距离最近的点;设初始配准后的目标点集为FP={pi'|pi'∈R3;i=1,2,,N},初始配准后的参考点集为FQ={qj'|qj'∈R3;j=1,2,,M},其中N≤M;
c.通过四元数法计算目标点集FP和参考点集FQ的刚体变换矩阵R和T;
d.将R和T作用于目标点集FP,此时便得到了新的目标点集FP'=Rpi'+T,目标点集FP'中的每个点为pi”;
e.计算均方误差:
f.若dm-dm+1<ε,则停止迭代;否则反复执行第c~e步。
10.根据权利要求1、2或9所述的获取损伤零件缺损部位模型的系统,其特征在于:步骤⑧的具体过程如下:
a、模型配准对齐后,定义标准模型为运算对象A,待扫描损伤零件的曲面重构模型为运算对象B。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226131.7A CN107067469B (zh) | 2016-12-27 | 2016-12-27 | 获取损伤零件缺损部位模型的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611226131.7A CN107067469B (zh) | 2016-12-27 | 2016-12-27 | 获取损伤零件缺损部位模型的系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107067469A true CN107067469A (zh) | 2017-08-18 |
CN107067469B CN107067469B (zh) | 2022-03-22 |
Family
ID=59623749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611226131.7A Active CN107067469B (zh) | 2016-12-27 | 2016-12-27 | 获取损伤零件缺损部位模型的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107067469B (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525487A (zh) * | 2017-08-30 | 2017-12-29 | 齐泰兴精工科技(苏州)有限公司 | 一种汽车部件的扫描检测分析方法 |
CN108062433A (zh) * | 2017-11-26 | 2018-05-22 | 中国人民解放军陆军装甲兵学院 | 基于增材再制造点云模型的梯度曲面分层方法 |
CN108759669A (zh) * | 2018-05-31 | 2018-11-06 | 武汉中观自动化科技有限公司 | 一种室内自定位三维扫描方法及系统 |
CN108941892A (zh) * | 2018-09-04 | 2018-12-07 | 武汉大学 | 一种利用飞秒激光破坏目标物的智能系统及方法 |
CN109345523A (zh) * | 2018-09-21 | 2019-02-15 | 中国科学院苏州生物医学工程技术研究所 | 表面缺陷检测和三维建模方法 |
CN109458994A (zh) * | 2018-10-24 | 2019-03-12 | 北京控制工程研究所 | 一种空间非合作目标激光点云icp位姿匹配正确性判别方法及系统 |
CN109523633A (zh) * | 2018-09-30 | 2019-03-26 | 先临三维科技股份有限公司 | 模型扫描方法、装置、设备、存储介质和处理器 |
CN109658515A (zh) * | 2017-10-11 | 2019-04-19 | 阿里巴巴集团控股有限公司 | 点云网格化方法、装置、设备及计算机存储介质 |
CN109685147A (zh) * | 2018-12-27 | 2019-04-26 | 武汉益模科技股份有限公司 | 一种基于三维模型的差异性对比方法 |
CN110052569A (zh) * | 2019-05-22 | 2019-07-26 | 安庆市吉安汽车零件锻轧有限公司 | 一种智能化齿轮轴锻轧工艺 |
CN110176071A (zh) * | 2019-05-06 | 2019-08-27 | 南京航空航天大学 | 一种基于特征模板的三维点云重构方法 |
CN110618832A (zh) * | 2018-06-19 | 2019-12-27 | 清华大学 | 数据处理方法、装置、计算机设备及可读存储介质 |
CN110969693A (zh) * | 2018-09-30 | 2020-04-07 | 天津理工大学 | 一种获取锻模缺损部位模型的方法 |
CN111489331A (zh) * | 2020-03-25 | 2020-08-04 | 和超高装(中山)科技有限公司 | 一种超导腔虚拟切频方法 |
CN112184637A (zh) * | 2020-09-14 | 2021-01-05 | 中国质量认证中心 | 一种3d打印成形件缺陷在线测评装置 |
CN112902905A (zh) * | 2021-01-20 | 2021-06-04 | 西安电子科技大学 | 一种基于高清3d扫描的地物谱测试方法及系统 |
CN113096457A (zh) * | 2021-04-12 | 2021-07-09 | 浙江万里学院 | 一种大学计算机基础辅助教学装置 |
CN113168730A (zh) * | 2019-01-31 | 2021-07-23 | 西门子股份公司 | 模型简化特征的识别方法、装置和设备 |
CN113569346A (zh) * | 2021-06-04 | 2021-10-29 | 中信重工机械股份有限公司 | 基于3d扫描和点云后处理分析的磨机衬板设计方法 |
CN113870326A (zh) * | 2021-09-01 | 2021-12-31 | 浙江大学 | 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法 |
CN114818162A (zh) * | 2021-01-29 | 2022-07-29 | 欧特克公司 | 自动生成用于表面检查和零件对准的探测路径 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4224352A1 (de) * | 1992-07-23 | 1994-01-27 | Forschungsgesellschaft Fuer Dr | Verfahren zur Ansteuerung eines Aufzeichnungsgerätes mit Bilddaten eines Halbtonbildes |
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN104484508A (zh) * | 2014-11-26 | 2015-04-01 | 华中科技大学 | 复杂曲面零件非接触式三维匹配检测优化方法 |
-
2016
- 2016-12-27 CN CN201611226131.7A patent/CN107067469B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4224352A1 (de) * | 1992-07-23 | 1994-01-27 | Forschungsgesellschaft Fuer Dr | Verfahren zur Ansteuerung eines Aufzeichnungsgerätes mit Bilddaten eines Halbtonbildes |
CN104299260A (zh) * | 2014-09-10 | 2015-01-21 | 西南交通大学 | 一种基于sift和lbp的点云配准的接触网三维重建方法 |
CN104484508A (zh) * | 2014-11-26 | 2015-04-01 | 华中科技大学 | 复杂曲面零件非接触式三维匹配检测优化方法 |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107525487A (zh) * | 2017-08-30 | 2017-12-29 | 齐泰兴精工科技(苏州)有限公司 | 一种汽车部件的扫描检测分析方法 |
CN109658515B (zh) * | 2017-10-11 | 2022-11-04 | 阿里巴巴集团控股有限公司 | 点云网格化方法、装置、设备及计算机存储介质 |
CN109658515A (zh) * | 2017-10-11 | 2019-04-19 | 阿里巴巴集团控股有限公司 | 点云网格化方法、装置、设备及计算机存储介质 |
CN108062433A (zh) * | 2017-11-26 | 2018-05-22 | 中国人民解放军陆军装甲兵学院 | 基于增材再制造点云模型的梯度曲面分层方法 |
CN108062433B (zh) * | 2017-11-26 | 2021-06-18 | 中国人民解放军陆军装甲兵学院 | 基于增材再制造点云模型的梯度曲面分层方法 |
CN108759669A (zh) * | 2018-05-31 | 2018-11-06 | 武汉中观自动化科技有限公司 | 一种室内自定位三维扫描方法及系统 |
CN108759669B (zh) * | 2018-05-31 | 2020-07-21 | 武汉中观自动化科技有限公司 | 一种室内自定位三维扫描方法及系统 |
CN110618832A (zh) * | 2018-06-19 | 2019-12-27 | 清华大学 | 数据处理方法、装置、计算机设备及可读存储介质 |
CN108941892A (zh) * | 2018-09-04 | 2018-12-07 | 武汉大学 | 一种利用飞秒激光破坏目标物的智能系统及方法 |
CN109345523A (zh) * | 2018-09-21 | 2019-02-15 | 中国科学院苏州生物医学工程技术研究所 | 表面缺陷检测和三维建模方法 |
CN109345523B (zh) * | 2018-09-21 | 2022-08-16 | 中国科学院苏州生物医学工程技术研究所 | 表面缺陷检测和三维建模方法 |
CN109523633A (zh) * | 2018-09-30 | 2019-03-26 | 先临三维科技股份有限公司 | 模型扫描方法、装置、设备、存储介质和处理器 |
CN109523633B (zh) * | 2018-09-30 | 2023-06-02 | 先临三维科技股份有限公司 | 模型扫描方法、装置、设备、存储介质和处理器 |
CN110969693A (zh) * | 2018-09-30 | 2020-04-07 | 天津理工大学 | 一种获取锻模缺损部位模型的方法 |
CN109458994A (zh) * | 2018-10-24 | 2019-03-12 | 北京控制工程研究所 | 一种空间非合作目标激光点云icp位姿匹配正确性判别方法及系统 |
CN109685147B (zh) * | 2018-12-27 | 2023-08-11 | 武汉益模科技股份有限公司 | 一种基于三维模型的差异性对比方法 |
CN109685147A (zh) * | 2018-12-27 | 2019-04-26 | 武汉益模科技股份有限公司 | 一种基于三维模型的差异性对比方法 |
CN113168730A (zh) * | 2019-01-31 | 2021-07-23 | 西门子股份公司 | 模型简化特征的识别方法、装置和设备 |
CN110176071A (zh) * | 2019-05-06 | 2019-08-27 | 南京航空航天大学 | 一种基于特征模板的三维点云重构方法 |
CN110176071B (zh) * | 2019-05-06 | 2023-02-10 | 南京航空航天大学 | 一种基于特征模板的三维点云重构方法 |
CN110052569A (zh) * | 2019-05-22 | 2019-07-26 | 安庆市吉安汽车零件锻轧有限公司 | 一种智能化齿轮轴锻轧工艺 |
CN111489331A (zh) * | 2020-03-25 | 2020-08-04 | 和超高装(中山)科技有限公司 | 一种超导腔虚拟切频方法 |
CN112184637A (zh) * | 2020-09-14 | 2021-01-05 | 中国质量认证中心 | 一种3d打印成形件缺陷在线测评装置 |
CN112902905A (zh) * | 2021-01-20 | 2021-06-04 | 西安电子科技大学 | 一种基于高清3d扫描的地物谱测试方法及系统 |
CN114818162A (zh) * | 2021-01-29 | 2022-07-29 | 欧特克公司 | 自动生成用于表面检查和零件对准的探测路径 |
CN113096457A (zh) * | 2021-04-12 | 2021-07-09 | 浙江万里学院 | 一种大学计算机基础辅助教学装置 |
CN113569346A (zh) * | 2021-06-04 | 2021-10-29 | 中信重工机械股份有限公司 | 基于3d扫描和点云后处理分析的磨机衬板设计方法 |
CN113870326A (zh) * | 2021-09-01 | 2021-12-31 | 浙江大学 | 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法 |
CN113870326B (zh) * | 2021-09-01 | 2023-11-28 | 浙江大学 | 一种基于图像和三维点云配准的结构损伤映射、量化及可视化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107067469B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107067469A (zh) | 获取损伤零件缺损部位模型的系统 | |
CN109410256B (zh) | 基于互信息的点云与影像自动高精度配准方法 | |
Furukawa et al. | Accurate camera calibration from multi-view stereo and bundle adjustment | |
Bosch et al. | A multiple view stereo benchmark for satellite imagery | |
JP5778237B2 (ja) | ポイントクラウド内の埋め戻しポイント | |
Furukawa et al. | Accurate, dense, and robust multiview stereopsis | |
WO2015188684A1 (zh) | 三维模型重建方法与系统 | |
CN108090960A (zh) | 一种基于几何约束的目标重建方法 | |
CN109000557B (zh) | 一种核燃料棒位姿自动识别方法 | |
CN108734728A (zh) | 一种基于高分辨序列图像的空间目标三维重构方法 | |
CN105931234A (zh) | 一种地面三维激光扫描点云与影像融合及配准的方法 | |
CN107767456A (zh) | 一种基于rgb‑d相机的物体三维重建方法 | |
CN110796694A (zh) | 一种基于KinectV2的果实三维点云实时获取方法 | |
CN109325995B (zh) | 基于人手参数模型的低分辨率多视角手部重建方法 | |
CN112991458A (zh) | 一种基于体素的快速三维建模方法及系统 | |
CN113192200B (zh) | 一种基于空三并行计算算法的城市实景三维模型的构建方法 | |
CN106097433A (zh) | 物体工业与影像模型的叠加方法及系统 | |
CN115082446B (zh) | 一种基于图像边界提取的飞机蒙皮铆钉的测量方法 | |
CN107610219A (zh) | 一种三维场景重构中几何线索感知的像素级点云稠密化方法 | |
CN112270698A (zh) | 基于最邻近曲面的非刚性几何配准方法 | |
CN114463521B (zh) | 一种面向空地影像数据融合的建筑目标点云快速生成方法 | |
CN108830921A (zh) | 基于入射角度的激光点云反射强度纠正方法 | |
CN110517348A (zh) | 基于图像前景分割的目标物体三维点云重建方法 | |
CN114202610A (zh) | 一种倾斜摄影建筑物单体化模型纹理映射方法 | |
CN112002007B (zh) | 基于空地影像的模型获取方法及装置、设备、存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |