CN111553087A - 一种基于三维实时感知的测量场优化方法 - Google Patents

一种基于三维实时感知的测量场优化方法 Download PDF

Info

Publication number
CN111553087A
CN111553087A CN202010374918.8A CN202010374918A CN111553087A CN 111553087 A CN111553087 A CN 111553087A CN 202010374918 A CN202010374918 A CN 202010374918A CN 111553087 A CN111553087 A CN 111553087A
Authority
CN
China
Prior art keywords
station
measuring field
model
point
dimensional
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
CN202010374918.8A
Other languages
English (en)
Other versions
CN111553087B (zh
Inventor
汪俊
丁超
张沅
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.)
Nanjing Yuntong Technology Co ltd
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010374918.8A priority Critical patent/CN111553087B/zh
Publication of CN111553087A publication Critical patent/CN111553087A/zh
Application granted granted Critical
Publication of CN111553087B publication Critical patent/CN111553087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于三维实时感知的测量场优化方法，具体包括以下步骤：S1.生成现场三维点云数模；S2.分割测量场外边界；S3.设置辅助点；S4.建立优化模型；S5.模型求解；S6.确定测站点位置。本发明利用激光扫描仪生成测量现场的三维数模，三维数模的基础上进行测量场布局优化，自动化程度高，最大限度减少对现场的干扰；建立整数线性规划模型，问题表述简洁明了，利于求解；且本发明利用蚁群算法求解模型，智能高效。

Description

一种基于三维实时感知的测量场优化方法
技术领域
本发明涉及飞机测量场技术领域，具体涉及一种基于三维实时感知的测量场优化方法。
背景技术
如今航空事业的飞速发展，新型号飞机的精度要求也日渐提高。在飞机数字化装配过程中，测量场中的ERS点和TB点的坐标都要转化到同一个坐标系中。它们的精度直接影响到飞机装配的总体精度。研究多路激光跟踪仪组网测量技术，利用平差理论提高精度。但装配现场往往工装复多，环境复杂，导致部分ERS和TB点遮挡严重，使得测量难度变大。如何选择恰当的测站点位置是关键。所以构建三维测量场数字化模型，建立测量场优化模型，解决测站点优化布局是检测过程中的重要环节。
发明内容
本发明所要解决的技术问题是提供一种基于三维实时感知的测量场优化方法来解决现有技术中工装复多，环境复杂导致部分ERS和TB点遮挡严重，使得测量难度变大的问题。
为解决以上技术问题，本发明的技术方案为：提供一种基于三维实时感知的测量场优化方法，其创新点在于：具体包括以下步骤：
S1.生成现场三维点云数模：利用激光扫描仪对测量现场进行扫描，生成三维点云数模；
S2.分割测量场外边界：在三维点云数模中，将测量场外边界分割成个m小区域σi，其中，i＝1、2、……、m；
S3.设置辅助点：在每个小区域σi内任取一点，作为待定测站点；在遮挡严重的增强坐标系点ERS和基准工艺球点TB附近设置辅助点，记为1,2，3……，t；
S4.建立优化模型：生成光路可达网路图，建立整数线性规划的目标函数，并根据公共基准点遵循的原则设置约束条件；
S5.模型求解：利用蚁群算法求解整数线性规划模型；
S6.确定测站点位置：根据步骤S5的求解结果，确定测站点位置，实现测量场的优化。
进一步的，所述步骤S3中用xi表示第i段位置是否设置为测试站点，若i段设置为测试站点时，xi＝1，若i段不设置为测试站点时，xi＝0。
进一步的，在所述步骤S4中生成的光路可达网络图中，用Ni表示站点i的可视范围的定向点集合，用Nj表示定向点j的可视范围的测站点集合，对
Figure BDA0002478901460000022
当i<k<i′时，xk＝0，xixi′＝1，则i和i′相邻。
进一步的，所述步骤S4中建立的整数线性规划的目标函数为：
Figure BDA0002478901460000021
进一步的，所述步骤S4中根据公共基准点遵循的原则设置的约束条件为：
①增强坐标系点ERS和基准工艺球点TB需最大范围覆盖当前站位被测物体的换算范围，确保达到最佳精度定位；
②任意2个公共基准点不和激光跟踪仪同处一条直线上，同处一条直线的公共基准点容易引进误差；
③与相邻站位要有3个以上相同的公共基准点，由于2台激光跟踪仪测量坐标系之间的转换，要至少测量3个相同的公共基准点才能完成。
进一步的，所述步骤S5中利用蚁群算法求解整数线性规划模型的具体过程为：令X＝(x1,x2,...xm),Z(0)为初值，Zj(i)为第i次迭代中改变决策变量第j个分量所对应的目标函数值，定义竞争力函数Pk(i,j)：
Figure BDA0002478901460000031
令转移概率为：
Figure BDA0002478901460000032
其中，τj为变量j为1时的轨迹强度；
Figure BDA0002478901460000033
为不同变量组合解的差异程度，
Figure BDA0002478901460000034
α为轨迹强度的重要性；β差异程度的相对重要性，定义信息素强度更新方程为：
Figure BDA0002478901460000035
其中，ρ为轨迹强度的持久性；
Figure BDA0002478901460000036
Q为信息常数，
具体计算过程如下：
①初始化：初始化参数nc←0，设定迭代阈值；
②生成可行解：在可行域内生成可行解，计算目标函数值；
③蚁群搜索：每个蚂蚁按照转移概率进行搜索；
④生长演化：按照植物生长竞争规则演化；
⑤信息素更新：按照信息素更新函数；
⑥nc←nc+1，迭代次数加1；
⑦当nc小于规定迭代阈值，则重复步骤②-⑥；
⑧当nc等于规定迭代阈值时，输出近似解，即最优解。
进一步的，所述步骤S6中确定测站点位置是根据步骤S5中得到的输出最优解，得到测站点的坐标所在的区域，即实现测量场的优化。
本发明和现有相比，产生的有益效果为：
(1)本发明的一种基于三维实时感知的测量场优化方法利用激光扫描仪生成测量现场的三维数模，三维数模的基础上进行测量场布局优化，自动化程度高，最大限度减少对现场的干扰；
(2)本发明的一种基于三维实时感知的测量场优化方法建立整数线性规划模型，问题表述简洁明了，利于求解；且本发明利用蚁群算法求解模型，智能高效。
附图说明
为了更清晰地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，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为本发明的一种基于三维实时感知的测量场优化方法的方法流程图。
图2为本发明的一种基于三维实时感知的测量场优化方法的飞机装配测量场示意图。
图3为图1中的利用蚁群算法求解整数线性规划模型的流程图。
具体实施方式
下面将通过具体实施方式对本发明的技术方案进行清楚、完整地描述。
本发明提供一种基于三维实时感知的测量场优化方法，其流程图如图1所示，具体包括以下步骤：
S1.生成现场三维点云数模：利用激光扫描仪对测量现场进行扫描，飞机装配测量场示意图如图2所示，将扫描的测量场生成三维点云数模；
S2.分割测量场外边界：在三维点云数模中，将测量场外边界分割成个m小区域σi，其中，i＝1、2、……、m；
S3.设置辅助点：在每个小区域σi内任取一点，作为待定测站点；在遮挡严重的增强坐标系点ERS和基准工艺球点TB附近设置辅助点，记为1,2，3……，t；其中，用xi表示第i段位置是否设置为测试站点，若i段设置为测试站点时，xi＝1，若i段不设置为测试站点时，xi＝0。
S4.建立优化模型：生成光路可达网路图，建立整数线性规划的目标函数，并根据公共基准点遵循的原则设置约束条件；其中，生成的光路可达网络图中，用Ni表示站点i的可视范围的定向点集合，用Nj表示定向点j的可视范围的测站点集合，对
Figure BDA0002478901460000051
当i<k<i′时，xk＝0，xixi′＝1，则i和i′相邻。
本发明的步骤S4中建立的整数线性规划的目标函数为：
Figure BDA0002478901460000061
根据公共基准点遵循的原则设置的约束条件为：
①增强坐标系点ERS和基准工艺球点TB需最大范围覆盖当前站位被测物体的换算范围，确保达到最佳精度定位；
②任意2个公共基准点不和激光跟踪仪同处一条直线上，同处一条直线的公共基准点容易引进误差；
③与相邻站位要有3个以上相同的公共基准点，由于2台激光跟踪仪测量坐标系之间的转换，要至少测量3个相同的公共基准点才能完成。
S5.模型求解：利用蚁群算法求解整数线性规划模型；利用蚁群算法求解整数线性规划模型的具体流程如图3所示：令X＝(x1,x2,...xm),Z(0)为初值，Zj(i)为第i次迭代中改变决策变量第j个分量所对应的目标函数值，定义竞争力函数Pk(i,j)：
Figure BDA0002478901460000062
令转移概率为：
Figure BDA0002478901460000063
其中，τj为变量j为1时的轨迹强度；
Figure BDA0002478901460000071
为不同变量组合解的差异程度，
Figure BDA0002478901460000072
α为轨迹强度的重要性；β差异程度的相对重要性，定义信息素强度更新方程为：
Figure BDA0002478901460000073
其中，ρ为轨迹强度的持久性；
Figure BDA0002478901460000074
Q为信息常数，
具体计算过程如下：
①初始化：初始化参数nc←0，设定迭代阈值；
②生成可行解：在可行域内生成可行解，计算目标函数值；
③蚁群搜索：每个蚂蚁按照转移概率进行搜索；
④生长演化：按照植物生长竞争规则演化；
⑤信息素更新：按照信息素更新函数；
⑥nc←nc+1，迭代次数加1；
⑦当nc小于规定迭代阈值，则重复步骤②-⑥；
⑧当nc等于规定迭代阈值时，输出近似解，即最优解。
S6.确定测站点位置：根据步骤S5的求解结果，确定测站点位置，确定测站点位置是根据步骤S5中得到的输出最优解，得到测站点的坐标所在的区域，即实现测量场的优化。
上面所述的实施例仅仅是本发明的优选实施方式进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计构思的前提下，本领域中普通工程技术人员对本发明的技术方案作出的各种变型和改进均应落入本发明的保护范围，本发明的请求保护的技术内容，已经全部记载在技术要求书中。

Claims (7)

1.一种基于三维实时感知的测量场优化方法，其特征在于：具体包括以下步骤：
S1.生成现场三维点云数模：利用激光扫描仪对测量现场进行扫描，生成三维点云数模；
S2.分割测量场外边界：在三维点云数模中，将测量场外边界分割成个m小区域σi，其中，i＝1、2、……、m；
S3.设置辅助点：在每个小区域σi内任取一点，作为待定测站点；在遮挡严重的增强坐标系点ERS和基准工艺球点TB附近设置辅助点，记为1,2，3……，t；
S4.建立优化模型：生成光路可达网路图，建立整数线性规划的目标函数，并根据公共基准点遵循的原则设置约束条件；
S5.模型求解：利用蚁群算法求解整数线性规划模型；
S6.确定测站点位置：根据步骤S5的求解结果，确定测站点位置，实现测量场的优化。
2.根据权利要求1所述的一种基于三维实时感知的测量场优化方法，其特征在于：所述步骤S3中用xi表示第i段位置是否设置为测试站点，若i段设置为测试站点时，xi＝1，若i段不设置为测试站点时，xi＝0。
3.根据权利要求1所述的一种基于三维实时感知的测量场优化方法，其特征在于：在所述步骤S4中生成的光路可达网络图中，用Ni表示站点i的可视范围的定向点集合，用Nj表示定向点j的可视范围的测站点集合，对
Figure FDA0002478901450000011
当i<k<i′时，xk＝0，xixi′＝1，则i和i′相邻。
4.根据权利要求1所述的一种基于三维实时感知的测量场优化方法，其特征在于：所述步骤S4中建立的整数线性规划的目标函数为：
min∑xi
Figure FDA0002478901450000021
5.根据权利要求1所述的一种基于三维实时感知的测量场优化方法，其特征在于：所述步骤S4中根据公共基准点遵循的原则设置的约束条件为：
①增强坐标系点ERS和基准工艺球点TB需最大范围覆盖当前站位被测物体的换算范围，确保达到最佳精度定位；
②任意2个公共基准点不和激光跟踪仪同处一条直线上，同处一条直线的公共基准点容易引进误差；
③与相邻站位要有3个以上相同的公共基准点，由于2台激光跟踪仪测量坐标系之间的转换，要至少测量3个相同的公共基准点才能完成。
6.根据权利要求1所述的一种基于三维实时感知的测量场优化方法，其特征在于：所述步骤S5中利用蚁群算法求解整数线性规划模型的具体过程为：令X＝(x1,x2,...xm),Z(0)为初值，Zj(i)为第i次迭代中改变决策变量第j个分量所对应的目标函数值，定义竞争力函数Pk(i,j)：
Figure FDA0002478901450000022
令转移概率为：
Figure FDA0002478901450000031
其中，τj为变量j为1时的轨迹强度；
Figure FDA0002478901450000032
为不同变量组合解的差异程度，
Figure FDA0002478901450000033
α为轨迹强度的重要性；β差异程度的相对重要性，定义信息素强度更新方程为：
Figure FDA0002478901450000034
其中，ρ为轨迹强度的持久性；
Figure FDA0002478901450000035
Q为信息常数，
具体计算过程如下：
①初始化：初始化参数nc←0，设定迭代阈值；
②生成可行解：在可行域内生成可行解，计算目标函数值；
③蚁群搜索：每个蚂蚁按照转移概率进行搜索；
④生长演化：按照植物生长竞争规则演化；
⑤信息素更新：按照信息素更新函数；
⑥nc←nc+1，迭代次数加1；
⑦当nc小于规定迭代阈值，则重复步骤②-⑥；
⑧当nc等于规定迭代阈值时，输出近似解，即最优解。
7.根据权利要求1所述的一种基于三维实时感知的测量场优化方法，其特征在于：所述步骤S6中确定测站点位置是根据步骤S5中得到的输出最优解，得到测站点的坐标所在的区域，即实现测量场的优化。
CN202010374918.8A 2020-05-06 2020-05-06 一种基于三维实时感知的测量场优化方法 Active CN111553087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010374918.8A CN111553087B (zh) 2020-05-06 2020-05-06 一种基于三维实时感知的测量场优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010374918.8A CN111553087B (zh) 2020-05-06 2020-05-06 一种基于三维实时感知的测量场优化方法

Publications (2)

Publication Number Publication Date
CN111553087A true CN111553087A (zh) 2020-08-18
CN111553087B CN111553087B (zh) 2022-03-08

Family

ID=72006067

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010374918.8A Active CN111553087B (zh) 2020-05-06 2020-05-06 一种基于三维实时感知的测量场优化方法

Country Status (1)

Country Link
CN (1) CN111553087B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114707253A (zh) * 2022-05-25 2022-07-05 南京航空航天大学 一种基于特征引导的三维测量机器人扫描轨迹优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130218499A1 (en) * 2010-07-27 2013-08-22 Thales Method for Optimally Determining the Characteristics and Arrangement of a Set of Sensors for Monitoring an Area
CN109613519A (zh) * 2019-01-11 2019-04-12 清华大学 基于多激光跟踪仪测量场的对合调姿方法
CN109872063A (zh) * 2019-02-11 2019-06-11 南昌工程学院 平原城市河网防洪、排涝、活水联合优化调度方法及系统
CN109871664A (zh) * 2019-01-08 2019-06-11 南京航空航天大学 一种面向飞机装配大尺寸多站位测量场的转站精度优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130218499A1 (en) * 2010-07-27 2013-08-22 Thales Method for Optimally Determining the Characteristics and Arrangement of a Set of Sensors for Monitoring an Area
CN109871664A (zh) * 2019-01-08 2019-06-11 南京航空航天大学 一种面向飞机装配大尺寸多站位测量场的转站精度优化方法
CN109613519A (zh) * 2019-01-11 2019-04-12 清华大学 基于多激光跟踪仪测量场的对合调姿方法
CN109872063A (zh) * 2019-02-11 2019-06-11 南昌工程学院 平原城市河网防洪、排涝、活水联合优化调度方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114707253A (zh) * 2022-05-25 2022-07-05 南京航空航天大学 一种基于特征引导的三维测量机器人扫描轨迹优化方法
CN114707253B (zh) * 2022-05-25 2022-08-26 南京航空航天大学 一种基于特征引导的三维测量机器人扫描轨迹优化方法
US11938636B2 (en) 2022-05-25 2024-03-26 Nanjing University Of Aeronautics And Astronautics Feature-guided scanning trajectory optimization method for three-dimensional measurement robot

Also Published As

Publication number Publication date
CN111553087B (zh) 2022-03-08

Similar Documents

Publication Publication Date Title
CN111427100B (zh) 一种台风中心定位方法、装置及台风路径生成方法
CN105704652B (zh) 一种wlan/蓝牙定位中的指纹库采集和优化方法
CN106056643B (zh) 一种基于点云的室内动态场景slam方法及系统
CN104703143A (zh) 一种基于wifi信号强度的室内定位方法
CN111818449B (zh) 一种基于改进的人工神经网络的可见光室内定位方法
CN114707253B (zh) 一种基于特征引导的三维测量机器人扫描轨迹优化方法
CN111553087B (zh) 一种基于三维实时感知的测量场优化方法
WO2021200249A1 (en) System and method for wind flow turbulence measurement by lidar in a complex terrain
CN110675278A (zh) 一种基于rbf神经网络的光伏功率短期预测方法
CN110955859B (zh) 一种基于预定飞行轨的实际飞行轨道气动参数的计算方法
CN111031502A (zh) 一种基于樽海鞘群算法的无线传感器网络节点定位方法
CN111539575B (zh) 一种基于遗传算法的飞机装配测量场布局方法
CN117557681A (zh) 一种基于多源测绘数据的高精度地形图生成方法及装置
CN112130166A (zh) 基于反光板网络的agv定位方法及装置
CN113554079B (zh) 一种基于二次检测法的电力负荷异常数据检测方法及系统
CN113064440B (zh) 一种基于海洋模式的自适应观测方法
Diao et al. Enhancing trilateration localization by adaptive selecting distances
Khlamov et al. Statistical Modeling for the Near-zero Apparent Motion Detection of Objects in Series of Images From data Stream
CN114492809A (zh) 海洋环境设计参数推算模型的不确定性分析方法
CN110007680B (zh) 基于拓扑关系的机器人避障算法
CN111830529A (zh) 一种基于灯光标定信息融合的激光slam方法及装置
CN110554687A (zh) 一种面向未知环境的多机器人自适应探测方法
CN116993832B (zh) 一种基于cnn的飞行目标的位置预测方法及装置
CN115638795B (zh) 一种室内多源泛在定位指纹数据库的生成与定位方法
CN117350324A (zh) 基于线性淘汰权重和种群中心的无源时差定位方法

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
CB03 Change of inventor or designer information

Inventor after: Wang Jun

Inventor after: Ding Chao

Inventor after: Zhang Yuan

Inventor after: Yi Cheng

Inventor before: Wang Jun

Inventor before: Ding Chao

Inventor before: Zhang Yuan

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220414

Address after: 210016 room 1003-1005, No. 1698, Shuanglong Avenue, Jiangning District, Nanjing, Jiangsu Province (Jiangning Development Zone)

Patentee after: Nanjing Yuntong Technology Co.,Ltd.

Address before: 210016 No. 29, Yudao street, Qinhuai District, Nanjing, Jiangsu

Patentee before: Nanjing University of Aeronautics and Astronautics

TR01 Transfer of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Measurement Field Optimization Method Based on 3D Real Time Perception

Effective date of registration: 20231010

Granted publication date: 20220308

Pledgee: Bank of Nanjing Co.,Ltd. Jiangning sub branch

Pledgor: Nanjing Yuntong Technology Co.,Ltd.

Registration number: Y2023980060601

PE01 Entry into force of the registration of the contract for pledge of patent right