CN107796332B - 一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法 - Google Patents

Abstract

本发明公开了一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法，包括如下步骤：—获得蜂窝芯表面的三维面形数据，—建立蜂窝芯的平面图像，进行蜂窝芯顶点的识别；并将图像缩小一定比例识别顶点；根据测量数据确定角点检测算法的阈值；—对识别的顶点逐个分析，确定以其为端点的蜂窝边；为分析角点建立搜索窗口；判断分析角点的类型；确定分析角点的目标角点；为蜂窝边建立矩形区域。

Description

一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法

技术领域

本发明涉及一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法。

背景技术

蜂窝芯作为极佳的高强度和超轻型结构，广泛应用于航空、航天、船舶和高速列车等领域。蜂窝芯是夹层结构的轻质芯材，其上下表面经数控加工形成特定曲面，与上下两层具有相反形状的薄板用胶粘接在一起，构成蜂窝芯夹层结构。蜂窝芯曲面加工质量的好坏和加工精度的高低，决定了其与上下薄板粘接的可靠性、进而影响整个蜂窝夹层结构的性能。因此在加工后粘接前，必须对蜂窝芯复杂曲面的加工精度进行检测，检测合格的构件才能粘接薄板形成蜂窝芯夹层构件。因此需要一种测量方法，用于检测蜂窝芯加工后的复杂曲面形状精度。

蜂窝芯加工表面具有非连续特征。蜂窝芯是一种多孔薄壁结构，蜂窝壁厚0.05mm-0.1mm，壁形状多为正六边形，壁边长2-5mm，蜂窝壁截面占其总表面积的比例小于10％，这种非连续特征导致蜂窝芯构件复杂曲面形状精度的测量困难。

目前航空航天制造企业主要有两种方法检测蜂窝芯加工精度。第一种是采用标准卡板配合塞尺、依赖工人经验检测蜂窝芯表面形状精度，这种方法方便易用但测量精度有限，一般用在加工现场、特别是手动切割修形加工现场。第二种是采用和被检测蜂窝表面形状相反的金属模板，贴均匀厚度的胶膜后与蜂窝芯加工表面对靠，通过检查胶膜上压印的均匀性判断蜂窝芯加工表面的形状精度。这种方法的检测精度取决于胶膜厚度的均匀性，可作为质检手段。但是由于每一种形状的蜂窝芯材料都需要一块金属模板，而航空制造业中涉及的蜂窝芯零件种类很多，金属模板的成本高、存放场地需求大，检测不方便。因此，如何快速准确的评价蜂窝芯的形状精度已经成为制约蜂窝芯加工质量保证和加工工艺改进的瓶颈。

在专利申请号为201310485345.6，名称为“一种组合框架结构蜂窝芯平面度的测量方法”的专利中，其利用高精度的刀口尺和成套的三等或以上精度等级的量块，结合高度差的计算方法，进行蜂窝芯的平面度测量。该专利提供了整体上测量蜂窝芯平面度的方法，对于蜂窝芯材料的具体面形测量精度有限。

申请号为201610585321.1、201610585419.7的发明专利公开了一种用于蜂窝芯面形测量方法，在待测工件表面覆上一层薄膜，以一定的真空度将薄膜吸附压在蜂窝芯表面。以激光微位移传感器测量覆膜后的工件表面，获得蜂窝芯面形的测量数据。这种方法中的覆膜压在蜂窝壁表面，能够将加工中形成的毛刺压倒，避免蜂窝壁表面毛刺对测量精度的影响。但是测量前覆膜也使得测量过程复杂、需要增加覆膜和真空吸附装置，不适合加工现场的实时测量。

如果能以激光微位移传感器测量加工后蜂窝芯表面的形貌，获得形状精度信息，将会极大简化上述过程。但由于蜂窝芯的非连续性特点，激光测量后数据的降噪和精简难以合理实现。如果能够实现对每条蜂窝边的单独处理，将对蜂窝芯面形有效数据的提取和筛选有重要意义。因此，能否从蜂窝芯表面测量数据中准确识别蜂窝边，成为激光微位移传感器直接测量蜂窝芯形貌方法能否实现的关键之一。

发明内容

本发明针对以上问题的提出，而研制的一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法，包括如下步骤：

—选定蜂窝芯板中近似六边形蜂窝中的两平行边的延伸方向或所述两平行边的垂直方向作为扫描方向对待识别的蜂窝芯板进行扫描；

—根据扫描方向建立空间坐标系，采用矩阵存储扫描结果；以所述平行边的延伸方向作为坐标系Y轴，对应所述矩阵的行信息，平行边的垂直方向作为X轴，对应矩阵的列信息；蜂窝芯板的厚度作为矩阵中元素的数值；

—采用角点检测算法识别蜂窝芯板平面投影图像，获得所述蜂窝芯板平面投影图像中的蜂窝的角点；

—针对选定的角点，建立长度方向与所述两平行边延伸方向垂直的矩形搜索窗口；将所述矩形搜索框中的底边框中点置于当前分析的角点位置，计算矩形搜索窗口内其它角点所处区域位置和与所述当前分析角点的相对位置，确定所述当前分析的角点是否为六边形沿Y轴方向/平行边延伸方向的对角顶点；

对角顶点按相对位置和连接的六边形边的形式，划分为人形顶点和Y形顶点；

—以选定的蜂窝六边形边长作为判定所述其它角点是否为六边形其它顶点的判据，识别出蜂窝的全部顶点和干扰角点，进而识别出蜂窝芯板中六边形蜂窝芯种顶点之间的边，并划分出包含所识别的边的数据的区域。

作为优选的实施方式，所述确定所述当前分析的角点是否为六边形沿Y轴方向的对角顶点具体如下：

—将所述的矩形搜索窗口划分为：平行边判定区域：α₁<α<α₂和斜边判定区域α<α₁，α>α₂；其中，α₁和α₂为平行边所在的最大角度范围；

—在矩形区域中如果在区域α₁<α<α₂中存在角点，则当前分析角点为人形顶点；否则，判定当前分析角点为Y形顶点。

更进一步的，所述步骤以选定的蜂窝六边形边长作为判定所述其它角点是否为六边形其它顶点的判据，识别出蜂窝的全部顶点和干扰角点，具体如下：

选定的所述平行边为蜂窝中的双层边，即粘接相邻蜂窝六边形的边；

在所述的矩形搜索窗口中选定与所述当前分析角点，即识别出的Y形顶点和人形顶点对应的目标角点；

当分析角点为人形顶点时，其目标角点为距离分析角点的长度最接近双层边长度的角点；分析角点和目标角点之间为蜂窝中的平行边；分析角点和目标角点之间的角点为多余角点，删除；

当分析角点为Y形顶点时，其两个目标角点在两个斜边判定区域中分别分析；在两个区域内，目标角点分别为距离分析角点的长度最接近单层边长度的角点；分析角点和目标角点之间为所要确定的分别为斜边1和斜边2；

分析角点和目标角点之间的角点为多余角点，删除。

作为优选的实施方式，采用角点检测算法识别蜂窝芯板平面投影图像之前，对采集到的蜂窝芯图像进行缩小，使在蜂窝壁宽度方向的数据点小于三个；

确定角点之后，再将角点的位置按照缩小的比例放大，获得对应蜂窝芯原始测量数据的角点。

作为优选的实施方式，角点检测算法至少包括Harris、SUSAN和CSS算法。

更进一步的，所述的角点检测算法中的角点识别阈值设定过程如下：

—设置固定尺寸能够包含整数倍的蜂窝芯单元的矩形区域：矩形区域沿蜂窝芯W方向长度为m×W_f，沿L方向长度为n×(L_f1+L_f2)，其中m、n均为正整数；

所对应的顶点数为

N_顶＝2×m×n个

对应要识别的角点数为

N_角＝ω×N_顶＝ω×2×m×n(ω>1)

在阈值范围[a,b]区间内，取P个值，不断增大阈值，在矩形区域内识别蜂窝芯角点，从中选择出角点数最接近N_角的阈值。

附图说明

为了更清楚的说明本发明的实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的算法流程图。

图2是蜂窝边和角点分类示意图。

图3是实施例中的蜂窝芯实物图。

图4是实施例中的蜂窝芯激光测量结果，其中蓝点为识别的角点。

图5是分析角点搜索窗口示意图。

图6是蜂窝芯角点类型判断和目标角点确定示意图。

图7是蜂窝边区域划分示意图。

图8是蜂窝边区域划分应用效果图。

图9是实施例中样件一的蜂窝边识别结果图。

图10是实施例中样件二的蜂窝边识别结果图。

图11是实施例中样件三的蜂窝边识别结果图。

具体实施方式

为使本发明的实施例的目的、技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1-9所示：一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法，主要包括如下步骤：

1.获取蜂窝芯表面的三维面形数据

通过激光位移传感器对蜂窝芯的表面进行扫描测量，扫描方向沿着蜂窝芯平行边或者垂直于平行边方向。激光入射方向沿着蜂窝壁方向。扫描时采样频率和进给距离保持一定，获得的面形数据沿扫描方向和垂直于扫描方向数据间隔恒定。扫描后的面形数据以矩阵形式存储，使平行边方向为矩阵的行方向。矩阵中的数值为蜂窝芯的高度值，其所在的行和列为其在蜂窝芯中的位置。建立空间直角坐标系，以选定的平行边的延伸方向作为Y轴的方向，X轴数据存储为矩阵的列，Y轴存储为矩阵的行，Z轴数据存储为矩阵元素数值。X轴数值和Y轴数值与蜂窝芯实际尺寸存在固定的比例关系。

2.进行蜂窝芯的顶点识别

蜂窝芯顶点的识别采用已有的角点检测算法，可以是Harris、SUSAN、CSS等算法。

这些算法应用的对象是平面图像，因此，通过将蜂窝芯的高度值转化为像素值，获得蜂窝芯的平面图像，应用角点检测算法，即可获得蜂窝芯的角点的位置。

为了获得使获取的角点符合蜂窝芯的顶点，本文做了如下改进：

1)蜂窝芯图像缩小处理

实际测量的蜂窝芯为了获得高精度的数据，在蜂窝壁的厚度方向需要测得足够多的数据，使得蜂窝壁已经不再是一条曲线，而是一条较窄的条形区域。直接应用角点检测算法，在蜂窝壁不光滑的地方均可能会被识别成角点，使得蜂窝边上出现很多多余的角点。

为了更加准确地找到蜂窝芯的顶点，将蜂窝芯的图像缩小一定比例，使在蜂窝壁宽度方向的数据点小于三个。

找到角点之后，再将角点的位置按照缩小的比例放大，即可获得对应蜂窝芯原始测量数据的角点。

2)角点检测算法阈值的确定

为了在识别出全部的蜂窝边漏，需要识别出所有的蜂窝芯顶点，实际识别出的角点数应略多于顶点数。本发明所选用的角点数N_角与蜂窝芯顶点数N_顶的关系为：

N_角＝ω×N_顶(ω>1)

对于不同型号的蜂窝芯，或者同一型号毛刺程度不同的蜂窝芯，其所对应的角点检测算法的阈值均不同。因此本发明提出一种基于测量数据的，智能确定角点检测算法阈值的方法。

对于整数倍的蜂窝芯单元中，顶点数是单元数的二倍。

在同一区域，识别出的角点数会随着阈值对的增大逐渐减少，故能够找到对应角点数最接近N_角的阈值。具体实现方法如下：

首先设置固定尺寸能够包含整数倍的蜂窝芯单元的矩形区域：矩形区域沿蜂窝芯W方向长度为m×W_f，沿L方向长度为n×(L_f1+L_f2)，其中m、n均为正整数；

所对应的顶点数为

N_顶＝2×m×n个

对应要识别的角点数为

N_角＝ω×N_顶＝ω×2×m×n(ω>1)

在阈值范围[a,b]区间内，取P个值，不断增大阈值，在矩形区域内识别蜂窝芯角点，从中选择出角点数最接近N_角的阈值。

随机选择Q个矩形区域，能够获得Q个阈值，最后的阈值为其平均值。

3.进行蜂窝边区域的识别

根据所识别出的角点的位置，在原始数据中对蜂窝边区域进行识别，以提取出每条蜂窝边的数据信息。

蜂窝芯的边按照方向可分为三类：斜边1、平行边、斜边2；在蜂窝芯六边形的顶点中，定义周围边分布如“人”字的顶点为“人形顶点”，如“Y”字的顶点为“Y形顶点”，如图2所示；顺序，对识别出的角点逐个分析；且只确定在其y轴正方向以该顶点为端点的边，每识别一条蜂窝边，同时把位于该蜂窝边中间的多余角点删除。

为了识别出所有的蜂窝边，并避免蜂窝边重复识别，按照按y坐标增大的顺序进行识别。通过后文的算法能够将多余角点在分析之前删除，因此分析的角点只能是两种类型的顶点。

记正在分析的角点为分析角点，在图中表示为X_i，其将要确定的蜂窝边的另一个顶点为目标角点。

蜂窝边上识别出多余的角点在图中以C_i表示。则分析角点为人形顶点时，其对应一个目标角点，能够确定以其为端点的平行边；而Y形顶点对应的目标角点有两个，能够确定以其为端点的两个斜边。

分析角点找其目标角点后，即可根据其位置划分出包含每条蜂窝边的区域。

具体过程如下，如图5-7所示：

1)为分析角点建立搜索窗口

在当前分析角点的Y轴正方向正上方建立搜索窗口，本发明设置其为一个固定尺寸的矩形区域，满足包含有完整的需识别的蜂窝边，且尽可能不包含其它蜂窝边。本发明所选用的矩形搜索窗口的尺寸如图5。

建立的矩形检测窗口的规则是希望窗口尺寸尽可能小，即不需要包含其它边，否则会产生较大干扰，故作为优选的实施例，该窗口的长度为蜂窝平行边距离的1.5倍，宽度为蜂窝平行边长度的1.25倍。

搜索在该矩形搜索窗口中的其它角点，以从中确定目标角点。由于实际的蜂窝芯的孔格存在变形，每个蜂窝芯的孔格尺寸与其理论尺寸有所偏差。因此，该搜索窗口除了包含有目标角点外，还可能包含有蜂窝边上的多余角点和其他不是目标角点的顶点。

2)判断分析角点的类型

根据三种蜂窝边在矩形区域中存在的区域范围，将整个矩形区域分成三个区域。矩形区域内部的点相对于分析角点的偏角为α，如图4所示，三个区域分别为：

斜边1区域①:α<α₁；

平行边区域②:α₁<α<α₂；

斜边2区域③:α>α₂。

其中α₁和α₂为平行边方向所在的最大范围。

在矩形区域中如果在区域②中存在角点，该分析角点为人形顶点；否则，判定为Y形顶点。

3)确定分析角点的目标角点

确定出分析角点的类型后，对两种类型的角点分别处理，从搜索窗口中的角点中确定出目标角点。

当分析角点为人形顶点时，其目标角点为距离分析角点的长度最接近平行边长度的角点；

分析角点和目标角点之间为所要确定的平行边；

分析角点和目标角点之间的角点为多余角点，将其删除，使其不被作为分析角点分析；

当分析角点为Y形顶点时，其两个目标角点在区域①和区域③中分别分析；在两个区域内，目标角点分别为距离分析角点的长度最接近斜边长度的角点；分析角点和目标角点之间为所要确定的分别为斜边1和斜边2非平行边；分析角点和目标角点之间的角点为多余角点，将其删除。

4)为蜂窝边建立矩形区域

对于平行边，如果只选取两个角点作为顶点的矩形区域作为蜂窝壁区域，那么这种硬分割将会丢失此矩形区域外侧边缘的点，信息流失较为严重。因此将其沿两侧宽度各扩大其宽度大小，得到一个稍大的矩形区域作为平行边蜂窝壁区域。对于斜边1和斜边2，以其两端的角点为对角顶点建立矩形区域作为蜂窝壁区域。

实施例1

1.获取蜂窝芯表面的三维面形数据

本实施例所选用的激光位移传感器为基恩士公司的超高速轮廓测量仪(LJ-V7060)。

该测量仪，采用蓝色半导体激光，可以实现稳定和超高速测量，采样间隔可达16μs，其Z轴方向重复测量精度可达0.4μm，测量轮廓数据间隔20μm，测量的激光线长度为15mm。测量时，将轮廓测量仪测头安装在三轴数控机床上，蜂窝芯样件固定在机床工作台，由机床控制轮廓测量仪测头的运动，对蜂窝芯的表面进行扫描。蜂窝芯进行扫描时，沿蜂窝芯L方向扫描，获得的数据点密度为40点/mm×50点/mm。选用的纸蜂窝芯的如图3，其激光微位移传感器测量数据结果如图4。

2.进行蜂窝芯的顶点识别

本实施例选用的角点检测算法为Harris角点检测算法。并进行：

1)蜂窝芯图像缩小处理

首先将蜂窝壁的高度值转换为像素值，从而得到平面图像。本实例将该平面图像缩小5倍。找到角点之后，再将角点的位置放大5倍，即可确定蜂窝芯原始测量数据相对应的角点得位置。

2)角点检测算法阈值的确定

本实例所设置的固定尺寸的矩形区域为：矩形区域沿蜂窝芯W方向长度为5×W_f，沿L方向长度为5×(Lf₁+Lf₂)，所对应的顶点数

N_顶＝50

ω的取值取决蜂窝芯的型号和毛刺程度，本发明中测试的样件均设为1.05，则该矩形区域对应的角点数

N_角＝1.1×50＝55

将阈值范围[0，1]区间内等间距取20个点，不断增大阈值，在矩形区域内识别蜂窝芯角点，从中选择出角点数最接近55的阈值。

并随机选择20个矩形搜索区域，获得20个阈值结果，最后的阈值为他们的均值。

角点的识别结果如图4中蓝点。

3.进行蜂窝边区域的识别

根据所识别出的角点的位置，在原始数据中对蜂窝边区域进行识别，以提取出每条蜂窝边的数据信息。

蜂窝芯的边按照方向可分为三类：斜边1、平行边、斜边2；在蜂窝芯六边形的顶点中，定义周围边分布如“人”字的顶点为“人形顶点”，如“Y”字的顶点为“Y形顶点”，如图2所示；

为了识别出所有的蜂窝边，并避免蜂窝边重复识别，按照按y坐标增大的顺序，对识别出的角点逐个分析，且只确定在其y轴正方向以该顶点为端点的边，每识别一条蜂窝边，同时把位于该蜂窝边中间的多余角点删除。

通过后文的算法能够将多余角点在分析之前删除，因此分析的角点只能是两种类型的顶点。

记正在分析的角点为分析角点，在图中表示为X_i，其将要确定的蜂窝边的另一个顶点为目标角点。蜂窝边上识别出多余的角点在图中以C_i表示。则分析角点为人形顶点时，其对应一个目标角点，能够确定以其为端点的平行边；而Y形顶点对应的目标角点有两个，能够确定以其为端点的两个斜边。

分析角点找其目标角点后，即可根据其位置划分出包含每条蜂窝边的区域。

具体过程如下，如图5-7所示：

1)为分析角点建立搜索窗口

在分析角点的正上方建立搜索窗口，本发明设置其为一个固定尺寸的矩形区域，满足包含有完整的需识别的蜂窝边，且尽可能不包含其它蜂窝边。本发明所选用的矩形搜索窗口的尺寸如图5。

搜索在该矩形搜索窗口中的其它角点，以从中确定目标角点。

由于实际的蜂窝芯的孔格存在变形，每个蜂窝芯的孔格尺寸与其理论尺寸有所偏差。因此，该搜索窗口除了包含有目标角点外，还可能包含有蜂窝边上的多余角点和其他不是目标角点的顶点。

2)判断分析角点的类型

根据三种蜂窝边在矩形区域中存在的区域范围，将整个矩形区域分成三个区域。

矩形区域内部的点相对于分析角点的偏角为α，如图6所示，三个区域分别为：

斜边1区域①:α<110°

平行边区域②:70°<α<110°

斜边2区域③:α>70°

在矩形区域中如果在区域②中存在角点，该分析角点为人形顶点；否则，判定为Y形顶点。

3)确定分析角点的目标角点

确定出分析角点的类型后，对两种类型的角点分别处理，从搜索窗口中的角点中确定出目标角点。

当分析角点为人形顶点时，其目标角点为距离分析角点的长度最接近平行边长度的角点；

分析角点和目标角点之间为所要确定的平行边；分析角点和目标角点之间的角点为多余角点，将其删除，使其不被作为分析角点分析；

当分析角点为Y形顶点时，其两个目标角点在区域①和区域③中分别分析；在两个区域内，目标角点分别为距离分析角点的长度最接近斜边长度的角点；分析角点和目标角点之间为所要确定的分别为斜边1和斜边2；分析角点和目标角点之间的角点为多余角点，将其删除。

4)为蜂窝边建立矩形区域

对于平行边，如果只选取两个角点作为顶点的矩形区域作为蜂窝壁区域，那么这种硬分割将会丢失此矩形区域外侧边缘的点，信息流失较为严重。

因此将其沿两侧宽度各扩大其宽度大小，得到一个稍大的矩形区域作为平行边蜂 窝壁区域。对于斜边1和斜边2，以其两端的角点为对角顶点建立矩形区域作为蜂窝壁区域。 斜边1、平行边和斜边2的蜂窝边区域建立的形式如图8所示。

本发明选取三个样件进行以上方法的验证。

样件一为表面面形为平面的纸蜂窝芯；样件二为表面面形为斜面的纸蜂窝芯，其孔格尺寸与样件一不同；样件三为表面面形为曲面的铝蜂窝芯。

其结果分别如图9、10、11所示，其中(a)为它们的实物图；(b)为激光测量的结果图；(c)为蜂窝边识别的结果，其中角点识别结果在图中以蓝色“*”表示；识别出的蜂窝边通过其两个端点的连线表示，而包含每条蜂窝边的矩形区域的划分方式与图8相同，在图中将不再展示。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种从蜂窝芯表面测量数据中识别蜂窝边区域的方法，其特征在于包括如下步骤：

—选定蜂窝芯板中近似六边形蜂窝中的两平行边的延伸方向或所述两平行边的垂直方向作为扫描方向对待识别的蜂窝芯板进行扫描；

—根据扫描方向建立空间坐标系，采用矩阵存储扫描结果；以所述平行边的延伸方向作为坐标系Y轴，对应所述矩阵的行信息，平行边的垂直方向作为X轴，对应矩阵的列信息；蜂窝芯板的厚度作为矩阵中元素的数值；

—采用角点检测算法识别蜂窝芯板平面投影图像，获得所述蜂窝芯板平面投影图像中的蜂窝的角点；采用角点检测算法识别蜂窝芯板平面投影图像之前，对采集到的蜂窝芯图像进行缩小，使在蜂窝壁宽度方向的数据点小于三个；确定角点之后，再将角点的位置按照缩小的比例放大，获得对应蜂窝芯原始测量数据的角点；

—针对选定的角点，建立长度方向与所述两平行边延伸方向垂直的矩形搜索窗口；将所述矩形搜索框中的底边框中点置于当前分析的角点位置，计算矩形搜索窗口内其它角点所处区域位置和与所述当前分析角点的相对位置，确定所述当前分析的角点是否为六边形沿Y轴方向/平行边延伸方向的对角顶点；

对角顶点按相对位置和连接的六边形边的形式，划分为人形顶点和Y形顶点；

—以选定的蜂窝六边形边长作为判定所述其它角点是否为六边形其它顶点的判据，识别出蜂窝的全部顶点和干扰角点，进而识别出蜂窝芯板中六边形蜂窝芯种顶点之间的边，并划分出包含所识别的边的数据的区域。

2.根据权利要求1所述的从蜂窝芯表面测量数据中识别蜂窝边区域的方法，其特征还在于所述确定所述当前分析的角点是否为六边形沿Y轴方向的对角顶点具体如下：

—将所述的矩形搜索窗口划分为：平行边判定区域：α₁<α<α₂和斜边判定区域α<α₁，α>α₂；其中，α₁和α₂为平行边所在的最大角度范围；

—在矩形区域中如果在区域α₁<α<α₂中存在角点，则当前分析角点为人形顶点；否则，判定当前分析角点为Y形顶点。

3.根据权利要求2所述的从蜂窝芯表面测量数据中识别蜂窝边区域的方法，其特征还在于所述步骤以选定的蜂窝六边形边长作为判定所述其它角点是否为六边形其它顶点的判据，识别出蜂窝的全部顶点和干扰角点，具体如下：

选定的所述平行边为蜂窝中的双层边，即粘接相邻蜂窝六边形的边；

在所述的矩形搜索窗口中选定与所述当前分析角点，即识别出的Y形顶点和人形顶点对应的目标角点；

当分析角点为人形顶点时，其目标角点为距离分析角点的长度最接近双层边长度的角点；分析角点和目标角点之间为蜂窝中的平行边；分析角点和目标角点之间的角点为多余角点，删除；

当分析角点为Y形顶点时，其两个目标角点在两个斜边判定区域中分别分析；在两个区域内，目标角点分别为距离分析角点的长度最接近单层边长度的角点；分析角点和目标角点之间为所要确定的分别为斜边1和斜边2；

分析角点和目标角点之间的角点为多余角点，删除。

4.根据权利要求1所述的从蜂窝芯表面测量数据中识别蜂窝边区域的方法，其特征还在于角点检测算法至少包括Harris、SUSAN和CSS算法。

5.根据权利要求4所述的从蜂窝芯表面测量数据中识别蜂窝边区域的方法，其特征还在于所述的角点检测算法中的角点识别阈值设定过程如下：

—设置固定尺寸能够包含整数倍的蜂窝芯单元的矩形区域：矩形区域沿蜂窝芯W方向长度为m×W_f，沿L方向长度为n×(L_f1+L_f2)，其中m、n均为正整数；

所对应的顶点数为N_顶＝2×m×n个

对应要识别的角点数为

N_角＝ω×N_顶＝ω×2×m×n(ω>1)

在阈值范围[a,b]区间内，取P个值，不断增大阈值，在矩形区域内识别蜂窝芯角点，从中选择出角点数最接近N_角的阈值。