CN111540001A - 航空发动机涡轮叶片气膜孔轴线方向检测方法 - Google Patents

航空发动机涡轮叶片气膜孔轴线方向检测方法 Download PDF

Info

Publication number
CN111540001A
CN111540001A CN202010277811.1A CN202010277811A CN111540001A CN 111540001 A CN111540001 A CN 111540001A CN 202010277811 A CN202010277811 A CN 202010277811A CN 111540001 A CN111540001 A CN 111540001A
Authority
CN
China
Prior art keywords
point cloud
air film
film hole
points
plane
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
Application number
CN202010277811.1A
Other languages
English (en)
Other versions
CN111540001B (zh
Inventor
奚学程
闫晓燊
张敏
高强
朱思萌
张亚欧
赵万生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202010277811.1A priority Critical patent/CN111540001B/zh
Publication of CN111540001A publication Critical patent/CN111540001A/zh
Application granted granted Critical
Publication of CN111540001B publication Critical patent/CN111540001B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Optics & Photonics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种航空发动机涡轮叶片气膜孔轴线方向检测方法，采用带有线激光传感器的五轴线激光检测平台采集待测叶片表面三维激光点云数据，然后由法矢量精度提升算法从点云数据中确定最优邻近点个数，并在此基础上通过邻近点平面拟和确定点云单位法矢量；进一步通过基于误差敏感方向的高斯映射变换处理算法增加反向法矢量簇，使得在轮廓带所在平面内，点云高斯映射的像以原点为中心点均匀分布；再根据轮廓带基于误差敏感方向计算得到拟和平面法向量初值，最后通过随机一致性采样算法进行高斯映射轮廓带平面拟和得到的气膜孔轴线方向。本发明有效提高了法矢量求解精度。

Description

航空发动机涡轮叶片气膜孔轴线方向检测方法
技术领域
本发明涉及一种航空发动机制造领域的技术，具体涉及一种航空发动机涡轮叶片气膜孔轴线方向检测方法。
背景技术
为了保证航空发动机的涡轮叶片在高机械负载状况下的可靠性，气膜孔的孔径大多在1毫米以内，且轴线方向、位置分布、几何形状等都具有严格的精度要求。但现有气膜孔检测技术的相对缺乏，导致气膜孔加工质量的一致性无法保证，进一步影响航空发动机的可靠性。因此，针对气膜孔检测相关技术进行研究，具有重要的意义。
现有基于CCD相机和图像处理的气膜孔轴向检测技术，通过将气膜孔轴向调整至与CCD相机光轴平行位置进而确定气膜孔轴线方向，但该方法由于CCD相机自身的测量原理限制，存在光学相机无法精确聚焦叶片自由曲面空间造型，而导致气膜孔轴线方向检测精度较低的问题。另外有基于三坐标测量机和探针传感器的轴向检测方法，虽然能够对直径小于1mm的微小孔进行较为精确的测量，但其需要进行多点接触测量，测量速度慢、效率低，并不适用于自动化生产线上批量涡轮叶片气膜孔检测。
发明内容
本发明针对现有技术存在的上述不足，提出一种航空发动机涡轮叶片气膜孔轴线方向检测方法，能够显著提高气膜孔轴向检测精度。
本发明是通过以下技术方案实现的：
本发明涉及一种航空发动机涡轮叶片气膜孔轴线方向检测方法，采用带有线激光传感器的五轴线激光检测平台采集待测叶片表面三维激光点云数据，然后由法矢量精度提升算法从点云数据中确定最优邻近点个数，并在此基础上通过邻近点平面拟和确定点云单位法矢量；进一步通过基于误差敏感方向的高斯映射变换处理算法增加反向法矢量簇，使得在轮廓带所在平面内，点云高斯映射的像以原点为中心点均匀分布；再根据轮廓带基于误差敏感方向计算得到拟和平面法向量初值，最后通过随机一致性采样算法进行高斯映射轮廓带平面拟和得到的平面法向量，即气膜孔轴线方向。
所述的待测叶片表面三维激光点云数据具体为：asc格式点云数据，各点测量结果反应该点处高度信息，与现有其他设备采集到的数据的显著区别是：气膜孔区域数据采集抗干扰能力强，点云数据中包含噪点数目较少。
所述的线激光传感器的相邻测量点之间间隔为0.02mm。
所述的法矢量精度提升算法，基于针对高斯映射变换处理算法提取的气膜孔轴向提取效果评价函数V(K)，即
Figure BDA0002444617030000021
其中：D(i)为基于高斯映射算法提取的第i个气膜孔轴向，G(i)为Geomagic Studio软件提取的第i个气膜孔轴向；K为法矢量求解过程中，某点处邻近点个数；V(K)为邻近点个数为K时的轴向提取效果评价函数，具体包括：①针对滤波后的点云数据，通过邻近点个数初值为K的邻近点法计算点云法矢量；②通过高斯映射变换处理算法和随机一致性采样算法确定邻近点个数为K时的轴线方向；③通过轴向提取效果评价函数，判断邻近点个数为K时的轴向提取效果评价函数V(K)是否符合轴向提取精度；④当不符合精度要求时将邻近点个数另取为K＝K+d，其中：d为下一次邻近点增加个数，并重复步骤②、③、④，直至精度符合要求时确定最优邻近点个数。
所述的邻近点平面拟和是指：根据法矢量精度提升得到的最优邻近点个数，对激光扫描原始点云进行最小二乘法平面拟和处理得到点云单位法矢量。
所述的基于误差敏感方向的高斯映射变换处理算法是指：通过调整点云法矢量的方向，以对精度影响程度最大方向为误差敏感方向，增加反向法矢量簇，使得正向、反向法矢量的点数占比均等，高斯映射变换处理后形状为一圆形轮廓带，使得在轮廓带所在平面内，点云高斯映射的像以原点为中心点均匀分布，轮廓带上的点在平面拟和误差敏感方向间隔较远，进而提高气膜孔轴向提取精度。
所述的高斯映射变换处理算法是指：基于点云单位法矢量，将自由曲面点云映射至单位球面上。
由于线激光传感器测量原理限制，无法获取完整气膜孔入口坑道处扫描点云数据，实际测量点云数目少，为气膜孔部分壁面点云数据。其高斯映射得到的轮廓带形状近似为半圆形，轮廓带上的点在平面拟和误差敏感方向分布密集，因此采用基于误差敏感方向的高斯映射轮廓带对称化算法，减小误差敏感方向并提高轴向提取精度。
所述的随机一致性采样算法，即迭代方式从一组包含离群点的被观测数据中估算数学模型的参数代替最小二乘法，对轮廓带点云进行平面拟和，并基于误差敏感方向确定拟合平面法向量初值，具体为：①找出轮廓带点云x、y、z方向上极值点，进而确定三个方向上点云的最大梯度
Figure BDA0002444617030000022
其中：i为笛卡尔坐标系中x、y、z方向；pi为点云在i方向上坐标集合；imax、imin为点云在i方向上极大值、极小值；gi为点云在i方向上最大梯度；②梯度最小方向即为轮廓带平面拟和非误差敏感方向
Figure BDA0002444617030000031
其中：dsmin为点云非误差敏感方向。③利用剩余两个方向的极值点确定误差敏感方向上的两个极限长度矢量lm、ln，两矢量叉乘得到的矢量为拟和平面的法向量初值
Figure BDA0002444617030000032
其中：j，k为点云误差敏感方向；jmax，kmax为点云j，k方向极大值点的坐标；jmin，kmin为点云j，k方向极小值点的坐标；lo为拟和平面的法向量初值。
本发明涉及一种实现上述方法的系统，包括：运动平台模块、点云数据扫描模块、点云数据处理模块和数控系统模块，其中：运动平台模块与点云数据扫描模块、数控系统模块相连并实时采集三维激光点云数据，点云数据处理模块与点云数据扫描模块相连，通过基于误差敏感的高斯映射变换算法提取气膜孔轴向特征参数。
技术效果
本发明整体解决了自动化生产线上涡轮叶片气膜孔轴线方向检测问题，通过基于轴向提取效果评价函数的法矢量精度提升算法，有效提高了法矢量求解精度；另外，通过基于误差敏感方向的高斯映射变换处理算法以及随机一致性采样平面拟和算法，基于气膜孔部分壁面实测点云，能够较高精度拟和法矢量轮廓带平面，进而对气膜孔轴线方向实现较高精度的特征提取。目前，基于人工目视比较的检测方式，其检测精度为1°～2°。
相较于人工检测方式，本发明的检测精度可达0.530°，有效提高了气膜孔轴向检测精度。此外，本发明通过五轴线激光检测平台，在保证检测精度的基础上提高了检测速度，具有一定的工业实用意义，尤其适合自动化生产线上涡轮叶片气膜孔的轴线方向检测。
附图说明
图1为航空发动机涡轮叶片气膜孔示意图；
图2为气膜孔线激光扫描点云示意图；
图3为通过高斯映射轮廓带对称化算法得到的气膜孔点云轮廓带结果示意图；
图4为轮廓带平面拟和结果示意图；
图5为本实施例气膜孔轴向检测结果示意图；
图6为本发明检测过程流程图。
具体实施方式
如图1所示，为本实施例涉及一种航空发动机涡轮叶片气膜孔轴线方向检测方法，包括以下步骤：
步骤一、通过五轴线激光检测平台，以多位姿扫描方式采集待测叶片的表面激光点云数据。
步骤二、确定气膜孔邻近点个数K值初值，用以计算三维激光点云法矢量。
步骤三、基于邻近点个数K，通过邻近点平面拟和计算气膜孔三维激光点云法矢量。
步骤四、以误差敏感方向调整点云法矢量方向，并通过高斯映射轮廓带对称化算法增加反向法矢量簇，使得正向、反向法矢量的点数占比均等，从而使得高斯映射轮廓带上的点在平面拟和误差敏感方向间隔较远，进而提高气膜孔轴向提取精度。
步骤五、基于误差敏感方向确定拟合平面轴向初值：确定步骤四中得到的轮廓带x、y、z三个方向的最大梯度gi，其中梯度最小方向即为轮廓带平面拟和的非误差敏感方向dsmin，通过剩余两个误差敏感方向的极限长度矢量lm、ln叉乘得到的矢量即为拟和平面法向量初值lo。
步骤六、基于步骤五中平面法向量初值lo，通过随机一致性采样算法进行高斯映射轮廓带平面拟和，得到拟和平面的法向量l。
步骤七、根据气膜孔轴向提取效果评价函数V(K)，判断步骤六中提取的法向量l是否符合气膜孔轴向检测精度要求。若符合，拟和平面的法向量即为气膜孔提取的轴线方向；若不符合，则另取邻近点个数K值为K＝K+d，并重复调用步骤三直至精度符合要求时确定最优邻近点个数，并最终确定气膜孔提取的轴线方向。
基于Geomagic Studio软件及实际检测实验对所提算法进行原理可行性、精度可靠性以及实际操作性验证。
利用本方法处理带有噪声的仿真点云数据，并将提取结果与轴向真值比较。仿真数据的轴线方向真值为(0.965,0.029,0.261)，本实施例提取轴线方向为(0.965,0.021,0.263)，两者之间的偏差角度为0.472°，实验数据表明，本实施例在轴线方向检测原理上具有可行性。
利用本方法对气膜孔实测点云进行检测，并将轴向提取结果与软件GeomagicStudio进行对比。
经过具体实际实验，基于线激光扫描得到的气膜孔实测点云，以邻近点个数K＝300为最优邻近点个数运行上述算法，能够得到的实验数据是：算法的轴线方向提取精度可达0.530°。
本发明通过基于轴向提取效果评价函数的法矢量精度提升算法，有效提高了高斯映射变换处理的法矢量求解精度，通过基于误差敏感方向的高斯映射变换处理算法以及随机一致性采样平面拟和算法，解决实测点云数量少以及平面拟和精度差的问题，从而提高轴向提取精度，进而为气膜孔轴向检测提供一种有效、可行的技术方案。与现有技术相比，本方法在保证检测精度的基础上提高了检测速度，具有一定的工业实用意义，尤其适合自动化生产线上涡轮叶片气膜孔的轴线方向检测。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (9)

1.一种航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征在于，采用带有线激光传感器的五轴线激光检测平台采集待测叶片表面三维激光点云数据，然后由法矢量精度提升算法从点云数据中确定最优邻近点个数，并在此基础上通过邻近点平面拟和确定点云单位法矢量；进一步通过基于误差敏感方向的高斯映射变换处理算法增加反向法矢量簇，使得在轮廓带所在平面内，点云高斯映射的像以原点为中心点均匀分布；再根据轮廓带基于误差敏感方向计算得到拟和平面法向量初值，最后通过随机一致性采样算法进行高斯映射轮廓带平面拟和得到的平面法向量，即气膜孔轴线方向。
2.根据权利要求1所述的航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征是，所述的待测叶片表面三维激光点云数据具体为：asc格式点云数据，各点测量结果反应该点处高度信息，气膜孔区域数据采集抗干扰能力强，点云数据中包含噪点数目较少；
所述的线激光传感器的相邻测量点之间间隔为0.02mm。
3.根据权利要求1所述的航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征是，所述的法矢量精度提升算法，基于针对高斯映射变换处理算法提取的气膜孔轴向提取效果评价函数V(K)，即
Figure FDA0002444617020000011
其中：D(i)为基于高斯映射算法提取的第i个气膜孔轴向，G(i)为Geomagic Studio软件提取的第i个气膜孔轴向；K为法矢量求解过程中，某点处邻近点个数；V(K)为邻近点个数为K时的轴向提取效果评价函数，具体包括：①针对滤波后的点云数据，通过邻近点个数初值为K的邻近点法计算点云法矢量；②通过高斯映射变换处理算法和随机一致性采样算法确定邻近点个数为K时的轴线方向；③通过轴向提取效果评价函数，判断邻近点个数为K时的轴向提取效果评价函数V(K)是否符合轴向提取精度；④当不符合精度要求时将邻近点个数另取为K＝K+d，其中：d为下一次邻近点增加个数，并重复步骤②、③、④，直至精度符合要求时确定最优邻近点个数。
4.根据权利要求1所述的航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征是，所述的邻近点平面拟和是指：根据法矢量精度提升得到的最优邻近点个数，对激光扫描原始点云进行最小二乘法平面拟和处理得到点云单位法矢量。
5.根据权利要求1所述的航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征是，所述的基于误差敏感方向的高斯映射变换处理算法是指：通过调整点云法矢量的方向，以对精度影响程度最大方向为误差敏感方向，增加反向法矢量簇，使得正向、反向法矢量的点数占比均等，高斯映射变换处理后形状为一圆形轮廓带，使得在轮廓带所在平面内，点云高斯映射的像以原点为中心点均匀分布，轮廓带上的点在平面拟和误差敏感方向间隔较远，进而提高气膜孔轴向提取精度。
6.根据权利要求1所述的航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征是，所述的高斯映射变换处理算法是指：基于点云单位法矢量，将自由曲面点云映射至单位球面上；
由于线激光传感器测量原理限制，无法获取完整气膜孔入口坑道处扫描点云数据，实际测量点云数目少，为气膜孔部分壁面点云数据；其高斯映射得到的轮廓带形状近似为半圆形，轮廓带上的点在平面拟和误差敏感方向分布密集，因此采用基于误差敏感方向的高斯映射轮廓带对称化算法，减小误差敏感方向并提高轴向提取精度。
7.根据权利要求1所述的航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征是，所述的随机一致性采样算法，即迭代方式从一组包含离群点的被观测数据中估算数学模型的参数代替最小二乘法，对轮廓带点云进行平面拟和，并基于误差敏感方向确定拟合平面法向量初值。
8.根据权利要求1或7所述的航空发动机涡轮叶片气膜孔轴线方向检测方法，其特征是，所述的随机一致性采样算法，具体为：①找出轮廓带点云x、y、z方向上极值点，进而确定三个方向上点云的最大梯度
Figure FDA0002444617020000021
其中：i为笛卡尔坐标系中x、y、z方向；pi为点云在i方向上坐标集合；imax、imin为点云在i方向上极大值、极小值；gi为点云在i方向上最大梯度；②梯度最小方向即为轮廓带平面拟和非误差敏感方向
Figure FDA0002444617020000022
其中：dSmin为点云非误差敏感方向；③利用剩余两个方向的极值点确定误差敏感方向上的两个极限长度矢量lm、ln，两矢量叉乘得到的矢量为拟和平面的法向量初值
Figure FDA0002444617020000023
其中：j，k为点云误差敏感方向；jmax，kmax为点云j，k方向极大值点的坐标；jmin，kmin为点云j，k方向极小值点的坐标；lo为拟和平面的法向量初值。
9.一种实现权利要求1～8中任一所述方法的系统，其特征在于，包括：运动平台模块、点云数据扫描模块、点云数据处理模块和数控系统模块，其中：运动平台模块与点云数据扫描模块、数控系统模块相连并实时采集三维激光点云数据，点云数据处理模块与点云数据扫描模块相连，通过基于误差敏感的高斯映射变换算法提取气膜孔轴向特征参数。
CN202010277811.1A 2020-04-09 2020-04-09 航空发动机涡轮叶片气膜孔轴线方向检测方法 Active CN111540001B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010277811.1A CN111540001B (zh) 2020-04-09 2020-04-09 航空发动机涡轮叶片气膜孔轴线方向检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010277811.1A CN111540001B (zh) 2020-04-09 2020-04-09 航空发动机涡轮叶片气膜孔轴线方向检测方法

Publications (2)

Publication Number Publication Date
CN111540001A true CN111540001A (zh) 2020-08-14
CN111540001B CN111540001B (zh) 2022-08-05

Family

ID=71977097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010277811.1A Active CN111540001B (zh) 2020-04-09 2020-04-09 航空发动机涡轮叶片气膜孔轴线方向检测方法

Country Status (1)

Country Link
CN (1) CN111540001B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112344875A (zh) * 2020-10-15 2021-02-09 上海交通大学 一种涡轮叶片自动测量规划方法
CN113204871A (zh) * 2021-04-28 2021-08-03 华中科技大学 一种航空叶片气膜孔的识别方法、装置和系统
CN113865508A (zh) * 2021-09-28 2021-12-31 南京航空航天大学 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法
CN114383498A (zh) * 2020-10-16 2022-04-22 上海交通大学 应用于涡轮叶片气膜孔检测的目标点云分割方法
CN115169481A (zh) * 2022-07-21 2022-10-11 北京汉飞航空科技有限公司 一种发动机涡轮叶片质量检测的分析计算方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104200507A (zh) * 2014-08-12 2014-12-10 南京理工大学 一种三维点云点法向量估计方法
CN105469404A (zh) * 2015-11-26 2016-04-06 北京建筑大学 一种基于三维点云数据的旋转体拟合方法及装置
CN106204557A (zh) * 2016-06-30 2016-12-07 扬州大学 一种基于扩展高斯球与m估计的非完备数据对称特征的提取方法
US20170053438A1 (en) * 2014-06-13 2017-02-23 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Method and system for reconstructing a three-dimensional model of point clouds
CN106969703A (zh) * 2015-11-11 2017-07-21 通用电气公司 用于自动成型冷却孔测量的方法和系统
CN110717276A (zh) * 2019-10-14 2020-01-21 西北工业大学 基于工业ct扫描的异型气膜孔几何结构检测与评定方法
US20200043186A1 (en) * 2017-01-27 2020-02-06 Ucl Business Plc Apparatus, method, and system for alignment of 3d datasets
CN110866969A (zh) * 2019-10-18 2020-03-06 西北工业大学 基于神经网络与点云配准的发动机叶片重构方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170053438A1 (en) * 2014-06-13 2017-02-23 Shenzhen Institutes Of Advanced Technology Chinese Academy Of Sciences Method and system for reconstructing a three-dimensional model of point clouds
CN104200507A (zh) * 2014-08-12 2014-12-10 南京理工大学 一种三维点云点法向量估计方法
CN106969703A (zh) * 2015-11-11 2017-07-21 通用电气公司 用于自动成型冷却孔测量的方法和系统
CN105469404A (zh) * 2015-11-26 2016-04-06 北京建筑大学 一种基于三维点云数据的旋转体拟合方法及装置
CN106204557A (zh) * 2016-06-30 2016-12-07 扬州大学 一种基于扩展高斯球与m估计的非完备数据对称特征的提取方法
US20200043186A1 (en) * 2017-01-27 2020-02-06 Ucl Business Plc Apparatus, method, and system for alignment of 3d datasets
CN110717276A (zh) * 2019-10-14 2020-01-21 西北工业大学 基于工业ct扫描的异型气膜孔几何结构检测与评定方法
CN110866969A (zh) * 2019-10-18 2020-03-06 西北工业大学 基于神经网络与点云配准的发动机叶片重构方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112344875A (zh) * 2020-10-15 2021-02-09 上海交通大学 一种涡轮叶片自动测量规划方法
CN112344875B (zh) * 2020-10-15 2022-06-14 上海交通大学 一种涡轮叶片自动测量规划方法
CN114383498A (zh) * 2020-10-16 2022-04-22 上海交通大学 应用于涡轮叶片气膜孔检测的目标点云分割方法
CN114383498B (zh) * 2020-10-16 2022-11-01 上海交通大学 应用于涡轮叶片气膜孔检测的目标点云分割方法
CN113204871A (zh) * 2021-04-28 2021-08-03 华中科技大学 一种航空叶片气膜孔的识别方法、装置和系统
CN113204871B (zh) * 2021-04-28 2024-09-20 华中科技大学 一种航空叶片气膜孔的识别方法、装置和系统
CN113865508A (zh) * 2021-09-28 2021-12-31 南京航空航天大学 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法
CN115169481A (zh) * 2022-07-21 2022-10-11 北京汉飞航空科技有限公司 一种发动机涡轮叶片质量检测的分析计算方法

Also Published As

Publication number Publication date
CN111540001B (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN111540001B (zh) 航空发动机涡轮叶片气膜孔轴线方向检测方法
US9760986B2 (en) Method and system for automated shaped cooling hole measurement
Wang et al. A mobile robotic 3-D measurement method based on point clouds alignment for large-scale complex surfaces
CN113865508B (zh) 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法
CN109141266B (zh) 一种钢结构测量方法及系统
CN111369607A (zh) 一种基于图片解析的预制构件拼装匹配方法
CN110006372A (zh) 一种基于局部优化的三维点云平面度计算方法
CN110211174B (zh) 曲面测量装置标定的方法、设备和存储介质
CN111637851B (zh) 一种基于Aruco码的平面旋转角度视觉测量方法及装置
CN111256592B (zh) 结构光传感器的外参标定装置及方法
Ravishankar et al. Automated inspection of aircraft parts using a modified ICP algorithm
CN110716194A (zh) 同时参考球与面的多波束三维激光成像系统的检校方法
CN115578429B (zh) 一种基于点云数据的模具在线精度检测方法
Liu et al. Measuring method for micro-diameter based on structured-light vision technology
CN115358026A (zh) 一种基于多元线性回归与曲面拟合的五孔探针数据处理方法
CN113983929A (zh) 一种流道叶型板叶型孔位置度、轮廓度测量与评价方法
CN111765902A (zh) 一种基于多棱锥标靶的激光点云精度评估方法
CN110864671B (zh) 基于线结构光拟合平面的机器人重复定位精度测量方法
TWI438396B (zh) 三座標測量機編程系統及方法
CN114266776B (zh) 一种应用复合裂纹位移场函数的数字图像相关方法
CN106908010B (zh) 一种曲率测量方法及装置
JP4806767B2 (ja) 歪み測定方法及び装置
CN109470138A (zh) 零件的在线测量方法
CN116593490B (zh) 一种机翼壁板橡胶软模表面缺陷无损检测方法及系统
Yunyong et al. Geometric analysis of investment casting turbine blades based on digital measurement data.

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