CN111077844A - 一种基于实测数据特征引导的零件精确加工方法 - Google Patents

Abstract

本发明公开了一种基于实测数据特征引导的零件精确加工方法，包括对实测模型点云数据的获取、数据预处理、轮廓特征提取边界、有序采样等步骤，将有序采样结果映射至数据模型作为指导数控加工的轨迹，以提高留有余量零件再加工的精度。本发明基于实测数据特征引导的零件精确加工方法，有效解决了传统工艺对留有余量零件手工再加工低效耗时的缺点，提高了加工的精度和加工的效率，且工艺规划合理，易于实现，可复制性强，适合推广使用。

Description

一种基于实测数据特征引导的零件精确加工方法

技术领域

本发明涉及数字化制造技术领域，具体为一种基于实测数据特征引导的零件精确加工方法。

背景技术

针对复合材料零件成型阶段，某些零件加工精度难以保证的情形，需要对相应的零件在生产制造时留有加工余量，在零件进行装配定位时完成最终的加工，即对留有加工余量的零件进行再加工。传统的手工再加工技术耗时费力，且在加工、运输、装夹等过程中易造成误差累计，给后续装配带来极大不便。

数字化制造技术发展至今，数字化测量技术一直扮演着非常重要的角色。随着加工制造迈向智能化，数字化测量技术也在向“智能测量、反馈控制”的目标发展。近年来，随着传感器、通信和定位定姿技术的发展，以及人工智能、深度学习、虚拟/增强现实等领域的先进技术都有所发展，对点云数据的智能化处理提出了新的要求。点云数据的特征描述、语义理解、关系表达、目标语义模型、多维可视化的等关键问题在人工智能、深度学习等先进技术的驱动下朝着自动化、智能化快速发展。

发明内容

本发明主要是通过数字化测量技术，根据装配定位好的零件的几何形状，指导加工设备自动完成对留有余量零件的再加工。

本发明公开的技术方案为：

一种基于实测数据特征引导的零件精确加工方法，其特征在于，包括：

1)扫描已完成再加工的标准零件，建立实测模型，并获取所述实测模型的三维点云数据，记为原始点云；

2)数据预处理：

2.1)对所述原始点云进行稀疏离群点和噪声点的删除，得到过滤点云；

2.2)针对所述过滤点云的几何特征，采用重采样技术，对边界过渡区域进行特征增强；

3)根据预处理后的数据，准确识别标准零件的几何特征，并提取其外形轮廓；

4)截取需要的外形轮廓部分，并对其进行有序采样，获得一组边界点云；

5)将有序采样的结果映射至留有余量的待加工零件的数据模型上，获取零件再加工部位的精确边界轮廓线，以所述精确边界轮廓线作为引导，生成刀具的加工路径。

在上述方案的基础上，进一步改进或优选的方案还包括：

步骤2.1)中，删除稀疏离群点和噪声点的过程为：

步骤a：采用3D点云数据KD-Tree对无序的原始点云进行组织，经过组织后的点云，每个点都对应二叉树的一个节点；

步骤b：计算每个点的k邻域平均距离，对于参考点(x₀，y₀，z₀)而言，(x_n，y_n，z_n)是参考点周围k邻域中的点，为k邻域中的任一点索引，n∈[1，k]，利用公式(1)计算参考点的k邻域平均距离为：

步骤c：利用公式(2)将每个点的k邻域平均距离相加再求平均值，计算所有点的平均k邻域距离为：

其中，m为点云中点的总个数，μ_i为当前参考点的k邻域平均距离；

步骤d：利用公式(3)计算所有点的k邻域距离标准差σ：

上式中，M为m-1。

步骤e：假设所有点的邻域平均距离服从高斯分布，根据高斯曲线，来设置阈值T,取

删除阈值范围外的点。

步骤2.2)中，所述有效信息区域包括尖锐边界区域，使用EAR算法对所述尖锐边界区域进行尖锐特征增强。

所述步骤3)的具体过程为：

第一步，采用主成分分析估计输入点云中每一个点的表面法线；

第二步，通过计算每一个输入点局部邻域的法线变化度获取点云中代表边界的特征点，并将其提取出来；

其中，点局部邻域的法线变化度为点p_i邻域内点的法向量和点p_i法向量的夹角的平均值，特征点提取依据为如果点邻域法线变化较大则该点的所在区域凹凸变化程度较大，如果点邻域法线变化比较平稳缓慢，则该点的所在区域点集分布较为平缓；设置一个恰当的阈值，删除点云中属于平坦区域的点，同时将大于阈值的点作为特征点。

步骤4)中，有序采样阶段，根据刀具的运动方向，从再加工轮廓形状的起始点，沿着特征点的轨迹，以一定的点间距间隔依次设置采样点。

所述点间距为不大于4mm。

在步骤5)的映射阶段，需要建立基于装配型架的参考系，以扫描的装配型架上的数个定位点作为参考，完成点云配准，将有序采样的边界点云映射至留有余量待加工零件的实测数据上。

有益效果：

1)本发明基于实测数据特征引导的零件精确加工方法，有效解决了传统留有余量手工再加工低效耗时的缺点，提高了加工的精度和加工的效率；

2)本发明基于实测数据特征引导的零件精确加工方法，工艺规划合理，易于实现，可复制性强，适合推广使用。

附图说明

图1为本发明加工方法的流程示意图；

图2为标准零件的点云数据；

图3为根据标准零件点云数据提取的外形轮廓；

图4为截取的部分外形轮廓的有序采样结果；

图5为根据边界点云生成的样条；

图6为本发明中根据输入边界点云生成刀具加工路径的示意图；

具体实施方式

为了阐明本发明的技术方案，下面结合附图与具体实施例对本发明做进一步的介绍。

本发明基于实测数据特征引导的零件精确加工方法，通过对实测模型点云数据的获取、数据预处理、轮廓特征提取边界、有序采样等步骤，将有序采样结果映射至数据模型作为指导数控加工的轨迹，以提高留有余量零件再加工的精度。

本实施例以一种薄壁结构的零件为例，加工方法的具体过程如下：

1)通过三维激光扫描仪，扫描已完成再加工的标准零件，建立实测模型，并获取所述实测模型的三维点云数据，记为原始点云。

本实施例中，输出结果为2毫米厚的影像，如图2所示，扫描仪参数设置为：扫描分辨率0.25，优化扫描网格设置为：25，简化扫描网格设置为：10；使用基于三维激光扫描仪的采集系统，得到高分辨率的模型点云数据，尽管保证了测量精度足够高，但对于尖锐边界区域的数据仍然不够理想，有时需要进一步的处理。

2)数据预处理：

2.1)对所述原始点云进行稀疏离群点和噪声点的删除，得到过滤点云；

2.2)针对所述过滤点云的几何特征，采用重采样技术，对边界过渡区域进行特征增强，即强化零件模型的轮廓边界线；

3)根据预处理后的数据，准确识别标准零件的几何特征，并提取其外形轮廓。初步提取后，可做滤波(平滑)处理，使外形轮廓更加精确；

4)截取需要的外形轮廓部分，并对其进行有序采样，获得一组边界点云；

5)将有序采样的结果映射至留有余量的待加工零件的数据模型上，获取零件再加工部位的精确边界轮廓线，以所述精确边界轮廓线作为引导，生成刀具的加工路径。

在上述过程中：

步骤2.1)中，删除稀疏离群点和噪声点的过程为：

步骤a：采用3D点云数据KD-Tree对无序的原始点云进行组织，经过组织后的点云，每个点都对应二叉树的一个节点；

步骤b：计算每个点的k邻域平均距离，对于参考点(x₀，y₀，z₀)而言，(x_n，y_n，z_n)是参考点周围k邻域中的点，为k邻域中的任一点索引，n∈[1，k]，利用公式(1)计算参考点的k邻域平均距离为：

步骤c：利用公式(2)将每个点的k邻域平均距离相加再求平均值，计算所有点的平均k邻域距离为：

其中，m为点云中点的总个数，μ_i为当前参考点的k邻域平均距离；

步骤d：利用公式(3)计算所有点的k邻域距离标准差σ：

上式中，M为m-1。

步骤e：假设所有点的邻域平均距离服从高斯分布，根据高斯曲线，来设置阈值T,取

阈值范围外的点即视为稀疏离群点和噪声点，删除阈值范围外的点。这个区间占到所有点的68.2％，对于稀疏离群点和噪声点的去除均有较好的效果。

步骤2.2)中，所述有效信息区域包括尖锐边界区域，使用EAR算法对所述尖锐边界区域进行尖锐特征增强。

所述EAR算法包括特征驱动的重采样和特征保持的增采样两个主要步骤：

第一步：借用WLOP算子,同时引入法向量差异权重,使得重采样的点能在去噪同时自然远离棱角部位,同时使用了双边滤波法获得可靠的法向量信息；

第二步：在第一步获得的可靠数据基础上进行增采样,即逐步插入新点来增强尖锐特征。插入新点的步骤如下：

2.2.1)使用测量点集局部密度的方法，快速定位当前点集最稀疏的位置,并插入一个基点；

2.2.2)通过双边滤波投影法把基点移到局部隐式曲面上,并得到相应法向量；

2.2.3)若未满足增采样条件,则返回2.2.1)。

所述步骤3)通过设置点云法线估计邻域和边界估计邻域点数，其中边界估计邻域点数越高，其边界识别的精度越高，通过法线和边界的计算得到提取的边界点云数据，结果如图3所示，具体过程包括：

第一步，采用主成分分析估计输入点云中每一个点的表面法线；

第二步，通过计算每一个输入点局部邻域的法线变化度获取点云中代表边界的特征点，并将其提取出来。其中点局部邻域的法线变化度为点p_i邻域内点的法向量和点p_i法向量的夹角的平均值，特征点提取依据为如果点邻域法线变化较大则该点的所在区域凹凸变化程度较大，如果点邻域法线变化比较平稳缓慢，则该点的所在区域点集分布较为平缓。设置一个恰当的阈值，删除点云中属于平坦区域的点，同时将大于阈值的点作为特征点。

步骤4)中，有序采样阶段，根据刀具的运动方向，从再加工轮廓形状的起始点，沿着特征点的轨迹，以一定的点间距间隔依次设置采样点，例如3mm，获得如图4所示的边界点云。

在步骤5)的映射阶段，需要建立基于装配型架的参考系，以扫描的装配型架上的数个定位点作为参考，建立定位点对之间的刚性变换矩阵，完成点云配准，将有序采样的边界点云映射至留有余量待加工零件的实测数据上。之后，将边界点云数据转为txt格式并导入GSD_PointSplineLoftFromExcel文件，通过宏命令输入至catia软件并生成样条曲线，如图5所示。以点云生成的样条曲线为引导曲线，设置数控加工设备的刀具、加工进给等参数，生成刀具的加工路径，如图6细实线所示。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，本发明要求保护范围由所附的权利要求书、说明书及其等效物界定。

Claims (7)

1.一种基于实测数据特征引导的零件精确加工方法，其特征在于，包括：

1)扫描已完成再加工的标准零件，建立实测模型，并获取所述实测模型的三维点云数据，记为原始点云；

2)数据预处理：

2.1)对所述原始点云进行稀疏离群点和噪声点的删除，得到过滤点云；

2.2)针对所述过滤点云的几何特征，采用重采样技术，对边界过渡区域进行特征增强；

3)根据预处理后的数据，准确识别标准零件的几何特征，并提取其外形轮廓；

4)截取需要的外形轮廓部分，并对其进行有序采样，获得一组边界点云；

5)将有序采样的结果映射至留有余量的待加工零件的数据模型上，获取零件再加工部位的精确边界轮廓线，以所述精确边界轮廓线作为引导，生成刀具的加工路径。

2.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，步骤2.1)中，删除稀疏离群点和噪声点的过程为：

步骤a：采用3D点云数据KD-Tree对无序的原始点云进行组织，经过组织后的点云，每个点都对应二叉树的一个节点；

步骤b：计算每个点的k邻域平均距离，对于参考点(x₀，y₀，z₀)而言，(x_n，y_n，z_n)是参考点周围k邻域中的点，为k邻域中的任一点索引，n∈[1，k]，利用公式(1)计算参考点的k邻域平均距离为：

步骤c：利用公式(2)将每个点的k邻域平均距离相加再求平均值，计算所有点的平均k邻域距离为：

其中，m为点云中点的总个数，μ_i为当前参考点的k邻域平均距离；

步骤d：利用公式(3)计算所有点的k邻域距离标准差σ：

上式中，M为m-1。

步骤e：假设所有点的邻域平均距离服从高斯分布，根据高斯曲线，来设置阈值T,取

删除阈值范围外的点。

3.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，步骤2.2)中，所述有效信息区域包括尖锐边界区域，使用EAR算法对所述尖锐边界区域进行尖锐特征增强。

4.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，所述步骤3)的具体过程为：

第一步，采用主成分分析估计输入点云中每一个点的表面法线；

第二步，通过计算每一个输入点局部邻域的法线变化度获取点云中代表边界的特征点，并将其提取出来；

其中，点局部邻域的法线变化度为点p_i邻域内点的法向量和点p_i法向量的夹角的平均值，特征点提取依据为如果点邻域法线变化较大则该点的所在区域凹凸变化程度较大，如果点邻域法线变化比较平稳缓慢，则该点的所在区域点集分布较为平缓；设置一个恰当的阈值，删除点云中属于平坦区域的点，同时将大于阈值的点作为特征点。

5.根据权利要求4所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，步骤4)中，有序采样阶段，根据刀具的运动方向，从再加工轮廓形状的起始点，沿着特征点的轨迹，以一定的点间距间隔依次设置采样点。

6.根据权利要求5所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，所述点间距为不大于4mm。

7.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法，其特征在于，在步骤5)的映射阶段，需要建立基于装配型架的参考系，以扫描的装配型架上的数个定位点作为参考，完成点云配准，将有序采样的边界点云映射至留有余量待加工零件的实测数据上。

Images