CN111583318B - 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法 - Google Patents

一种基于翼身实测数据虚拟对接的整流蒙皮修配方法 Download PDF

Info

Publication number
CN111583318B
CN111583318B CN202010385403.8A CN202010385403A CN111583318B CN 111583318 B CN111583318 B CN 111583318B CN 202010385403 A CN202010385403 A CN 202010385403A CN 111583318 B CN111583318 B CN 111583318B
Authority
CN
China
Prior art keywords
point
skin
point cloud
data
cloud data
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.)
Active
Application number
CN202010385403.8A
Other languages
English (en)
Other versions
CN111583318A (zh
Inventor
汪俊
和晓歌
刘元朋
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 CN202010385403.8A priority Critical patent/CN111583318B/zh
Publication of CN111583318A publication Critical patent/CN111583318A/zh
Application granted granted Critical
Publication of CN111583318B publication Critical patent/CN111583318B/zh
Priority to US17/169,505 priority patent/US11535400B2/en
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
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/40—Maintaining or repairing aircraft
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37558—Optical sensor, scanner
    • 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
    • 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
    • G06T2207/30136—Metal
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于翼身实测数据虚拟对接的整流蒙皮修配方法，包括蒙皮配准和修配，配准包括：对翼身点云数据去噪、过滤后得到的数据集进行数据重组，得到关键点集。计算关键点集中任一关键点的法线方向特征描述子和蒙皮点云数据中任一点的法线方向特征描述子。使用K近邻树状结构搜索算法，计算两个点的特征描述子之间的欧式距离，并把相似度高的点添加到集合M中。对集合M调用聚类和霍夫投票算法，获得关键点集中与蒙皮点云数据匹配的局部点云集。通过点云迭代最近点算法，对蒙皮点云数据与局部点云集进行匹配。本发明的蒙皮配准和修配可借由计算机程序完成，可极大地节省人力，提高生产效率。同时，避免人为主观因素的影响，配准结果更为准确。

Description

一种基于翼身实测数据虚拟对接的整流蒙皮修配方法
技术领域
本发明属于三维模型处理领域，涉及一种基于翼身实测数据虚拟对接的整流蒙皮修配方法。
背景技术
在飞机制造领域中，飞机的制造过程是这样的：先将零件装配成为组件，再将组件装配成为小部件，接着将小部件装配成为飞机机身和机翼，最后将飞机机身和机翼进行对接装配。其中，飞机翼身对接是飞机总装配的重要组成部分，而在飞机翼身对接完成后，整流蒙皮修配就成为了重中之重。
飞机蒙皮类零件广泛用于机翼和机身部件中，其外形复杂多样，结构尺寸大，单机零件数量占整个钣金零件的30％左右。蒙皮是构成飞机气动力外形的重要部件，其制造不仅有外形准确度和机械性能指标的要求，也有表面质量的严格要求。在现阶段的蒙皮修配过程中，通常采用人工先比对、再划线、再修配、最后比对的方法逐步精确修配余量，人工劳动强度大，效率低，并且，蒙皮修配精度难以保证。
发明内容
本发明针对上述现有技术存在的不足，提出一种可提高修配效率和精度的基于翼身实测数据虚拟对接的整流蒙皮修配方法。
本发明所采用的技术方案为：
一种基于翼身实测数据虚拟对接的整流蒙皮修配方法，包括如下步骤：
步骤S1、整流蒙皮配准，包括：
步骤S101、获取蒙皮点云数据Q；
步骤S102、对已知对接后的翼身点云数据进行去噪和体素格滤波，得到数据集P1；采用数据重组法，重组数据集P1，得到关键点集P；同时，计算关键点集P中各关键点的法线；
步骤S103、分别计算关键点集P中任一关键点的法线方向直方图特征描述子和蒙皮点云数据Q中任一点的法线方向直方图特征描述子；
步骤S104、使用K近邻树状结构搜索算法，计算两个点的特征描述子之间的欧式距离，找到相似的直方图特征描述子，并把相似度高的点添加到集合M中，集合M初始设置为空集；
步骤S105、对集合M调用聚类和霍夫投票算法，获得关键点集P中与蒙皮点云数据Q匹配的局部点云集P'；
步骤S106、使用点云迭代最近点算法，对蒙皮点云数据Q与局部点云集P'进行匹配；
步骤S2、整流蒙皮修配。
进一步地，步骤S101中，通过三维激光扫描仪对工厂统一制造的蒙皮进行扫描，采集获取蒙皮点云数据Q。
进一步地，步骤S102包括：
步骤S102-1、对已知对接后的翼身点云数据进行预处理，剔除偏离外形轮廓的噪声点；
步骤S102-2、采用体素格滤波，对预处理后的翼身点云数据进行过滤，得到数据集P1；
步骤S102-3、取数据点集P1中任一关键点的k个最近邻点，采用k临近点查找算法—数据重组法进行搜索，将数据点集P1按照树结构重组，得到关键点集P；
步骤S102-4、对关键点集P的每个临近点通过主成分分析法进行降维，从三维平面变为二维平面，此时的二维平面为该临近点的切平面，切平面的法线则为对应关键点的法线。
进一步地，步骤S103包括：
步骤S103-1、计算关键点集P中任一关键点法线方向的局部特征描述子mi，i＝1,2,3......,k，其中，k为关键点集P中关键点的数量；
具体地：
以关键点集P中任一关键点pi为中心，构造自设定半径为R的球形区域，沿径向、方位、俯仰三个方向划分网格，其中，径向2次，方位8次，俯仰2次，将该球形区域划分为32个空间区域；
在每个空间区域，计算落入该区域中任一点的法线nN和关键点pi的法线ni之间的夹角余弦：cosθ＝nN·ni，其中，N是落入该区域中点的个数；
根据余弦值对落入每个空间区域的点数进行直方图统计，得到该关键点的法线方向的局部特征描述子mi；
步骤S103-2、采用相同的方法，计算蒙皮点云数据Q中任一点法线方向的局部特征描述子mj，j＝1,2,3……l，其中，l为蒙皮点云数据Q中点的数量。
进一步地，步骤S104包括：
步骤S104-1、利用KdTree对输入关键点集P的直方图特征描述子mi，利用FLANN进行最近邻查找；
步骤S104-2、在蒙皮点云数据Q的所有点中，找到距离关键点集P中任一关键点匹配距离为欧式距离小于σ的点，即特征点，σ＝0.3；
步骤S104-3、将所有匹配距离小于σ的点的特征点放入集合M中。
进一步地，步骤S105包括：
步骤S105-1、对蒙皮点云数据Q中的特征点和关键点集P中的特征点，计算本地参考帧；
步骤S105-2、通过霍夫投票算法进行聚类，对输入的蒙皮点云数据Q的特征点、关键点集P的特征点，设置霍夫空间的霍夫峰点的大小作为阈值；
步骤S105-3、匹配集合M，依据步骤S105-2中设置的阀值，辨认出最终的聚类集合，即局部点云集P'。
进一步地，步骤S106包括：
步骤S106-1、使用点云迭代最近点算法，对蒙皮点云数据Q与锁定的局部点云集P'进行匹配；
具体地：
计算局部点云集P'中的任一关键点在蒙皮点云数据Q中的对应近点，即对应点对；求得使上述对应点对平均距离最小的刚体变换T，求得平移参数ω和旋转参数r；把局部点云集P'按照平移ω和旋转参数r变换，得到新的变换点集P″；如果新的变换点集P″与蒙皮点云数据Q满足两点集的平均距离小于某一给定阈值，则得到粗配准后的结果；
步骤S106-2、使用全局假设验证算法，过滤掉粗配准中错误的点，最终完成蒙皮配准。
进一步地，步骤S2包括：
步骤S201、采用RANSAC提取算法提取翼身点云数据框梁和粗配准后的蒙皮点云数据Q的边界线；
步骤S202、将提取的框梁边界线投影到蒙皮点云数据Q上，计算点云Q上投影线和边界线的距离，得到蒙皮修配量；
步骤S203、裁剪蒙皮修配量，完成修配过程。
本发明的有益效果在于：
本发明中，整流蒙皮配准和整流蒙皮修配可借由计算机程序对采集的蒙皮点云数据Q和翼身点云数据处理完成，可极大地节省人力，提高生产效率。同时，避免人为主观因素的影响，配准结果更为准确。工作人员可根据蒙皮修配量对实际的蒙皮进行修配，完成整个修配过程，节省装配时间。
附图说明
图1为本发明的基于翼身实测数据虚拟对接的整流蒙皮修配方法的流程框图；
图2为本发明中，整流蒙皮配准方法的流程框图；
图3为本发明中，整流蒙皮修配方法的流程框图。
具体实施方式
下面结合附图和具体的实施例对本发明的基于翼身实测数据虚拟对接的整流蒙皮修配方法作进一步地详细说明。
如图1和图2所示，一种基于翼身实测数据虚拟对接的整流蒙皮修配方法，包括如下步骤：
步骤S1、整流蒙皮配准，包括：
步骤S101、获取蒙皮点云数据Q，具体通过三维激光扫描仪对工厂统一制造的蒙皮进行扫描，采集获取蒙皮点云数据Q。
步骤S102、对已知对接后的翼身点云数据进行去噪和体素格滤波，得到数据集P1。采用数据重组法，重组数据集P1，得到关键点集P。同时，计算关键点集P中各关键点的法线。
步骤S102具体包括：
步骤S102-1、对已知对接后的翼身点云数据进行预处理，剔除偏离外形轮廓的噪声点。
步骤S102-2、采用体素格滤波，对预处理后的翼身点云数据进行过滤，得到数据集P1。
步骤S102-3、取数据点集P1中任一关键点的k个最近邻点，采用k临近点查找算法—数据重组法进行搜索，将数据点集P1按照树结构重组，得到关键点集P。
步骤S102-4、对关键点集P的每个临近点通过主成分分析法进行降维，从三维平面变为二维平面，此时的二维平面为该临近点的切平面，切平面的法线则为对应关键点的法线。
步骤S103、分别计算关键点集P中任一关键点的法线方向直方图特征描述子和蒙皮点云数据Q中任一点的法线方向直方图特征描述子。
步骤S103具体包括：
步骤S103-1、计算关键点集P中任一关键点法线方向的局部特征描述子mi，i＝1,2,3......,k，其中，k为关键点集P中关键点的数量。
具体地：
以关键点集P中任一关键点pi为中心，构造自设定半径为R的球形区域，沿径向、方位、俯仰三个方向划分网格，其中，径向2次，方位8次，俯仰2次，将该球形区域划分为32个空间区域。
在每个空间区域，计算落入该区域中任一点的法线nN和关键点pi的法线ni之间的夹角余弦：cosθ＝nN·ni，其中，N是落入该区域中点的个数。
根据余弦值对落入每个空间区域的点数进行直方图统计，得到该关键点的法线方向的局部特征描述子mi。
步骤S103-2、采用相同的方法，计算蒙皮点云数据Q中任一点法线方向的局部特征描述子mj，j＝1,2,3……l，其中，l为蒙皮点云数据Q中点的数量。
步骤S104、使用K近邻树状结构搜索算法，计算两个点的特征描述子之间的欧式距离，找到相似的直方图特征描述子，并把相似度高的点添加到集合M中，集合M初始设置为空集。
步骤S104具体包括：
步骤S104-1、利用KdTree对输入关键点集P的直方图特征描述子mi，利用FLANN进行最近邻查找。
步骤S104-2、在蒙皮点云数据Q的所有点中，找到距离关键点集P中任一关键点匹配距离为欧式距离小于σ的点，即特征点，σ＝0.3。
步骤S104-3、将所有匹配距离小于σ的点的特征点放入集合M中。
步骤S105、对集合M调用聚类和霍夫投票算法，获得关键点集P中与蒙皮点云数据Q匹配的局部点云集P'。
步骤S105具体包括：
步骤S105-1、对蒙皮点云数据Q中的特征点和关键点集P中的特征点，计算本地参考帧。
步骤S105-2、通过霍夫投票算法进行聚类，对输入的蒙皮点云数据Q的特征点、关键点集P的特征点，设置霍夫空间的霍夫峰点的大小作为阈值。
步骤S105-3、匹配集合M，依据步骤S105-2中设置的阀值，辨认出最终的聚类集合，即局部点云集P'。
步骤S106、使用点云迭代最近点算法，对蒙皮点云数据Q与局部点云集P'进行匹配。
步骤S106具体包括：
步骤S106-1、使用点云迭代最近点算法，对蒙皮点云数据Q与锁定的局部点云集P'进行匹配。
具体地：
计算局部点云集P'中的任一关键点在蒙皮点云数据Q中的对应近点，即对应点对。求得使上述对应点对平均距离最小的刚体变换T，求得平移参数ω和旋转参数r。把局部点云集P'按照平移ω和旋转参数r变换，得到新的变换点集P″。如果新的变换点集P″与蒙皮点云数据Q满足两点集的平均距离小于某一给定阈值，则得到粗配准后的结果。
步骤S106-2、使用全局假设验证算法，过滤掉粗配准中错误的点，最终完成蒙皮配准。
步骤S2、整流蒙皮修配，参见图3，包括：
步骤S201、采用RANSAC提取算法提取翼身点云数据框梁和粗配准后的蒙皮点云数据Q的边界线；
步骤S202、将提取的框梁边界线投影到蒙皮点云数据Q上，计算点云Q上投影线和边界线的距离，得到蒙皮修配量；
步骤S203、裁剪蒙皮修配量，完成修配过程。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，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方法范围内，可轻易想到的替换或变换方法，都应该涵盖在本发明的保护范围之内。

Claims (8)

1.一种基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，包括如下步骤：
步骤S1、整流蒙皮配准，包括：
步骤S101、获取蒙皮点云数据Q；
步骤S102、对已知对接后的翼身点云数据进行去噪和体素格滤波，得到数据集P1；采用数据重组法，重组数据集P1，得到关键点集P；同时，计算关键点集P中各关键点的法线；
步骤S103、分别计算关键点集P中任一关键点的法线方向直方图特征描述子和蒙皮点云数据Q中任一点的法线方向直方图特征描述子；
步骤S104、使用K近邻树状结构搜索算法，计算两个点的特征描述子之间的欧式距离，找到相似的直方图特征描述子，并把相似度高的点添加到集合M中，集合M初始设置为空集；
步骤S105、对集合M调用聚类和霍夫投票算法，获得关键点集P中与蒙皮点云数据Q匹配的局部点云集P'；
步骤S106、使用点云迭代最近点算法，对蒙皮点云数据Q与局部点云集P'进行匹配；
步骤S2、整流蒙皮修配。
2.根据权利要求1所述的基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，步骤S101中，通过三维激光扫描仪对工厂统一制造的蒙皮进行扫描，采集获取蒙皮点云数据Q。
3.根据权利要求1所述的基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，步骤S102包括：
步骤S102-1、对已知对接后的翼身点云数据进行预处理，剔除偏离外形轮廓的噪声点；
步骤S102-2、采用体素格滤波，对预处理后的翼身点云数据进行过滤，得到数据集P1；
步骤S102-3、取数据点集P1中任一关键点的k个最近邻点，采用k临近点查找算法—数据重组法进行搜索，将数据点集P1按照树结构重组，得到关键点集P；
步骤S102-4、对关键点集P的每个临近点通过主成分分析法进行降维，从三维平面变为二维平面，此时的二维平面为该临近点的切平面，切平面的法线则为对应关键点的法线。
4.根据权利要求3所述的基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，步骤S103包括：
步骤S103-1、计算关键点集P中任一关键点法线方向的局部特征描述子mi，i＝1,2,3......,k，其中，k为关键点集P中关键点的数量；
具体地：
以关键点集P中任一关键点pi为中心，构造自设定半径为R的球形区域，沿径向、方位、俯仰三个方向划分网格，其中，径向2次，方位8次，俯仰2次，将该球形区域划分为32个空间区域；
在每个空间区域，计算落入该区域中任一点的法线nN和关键点pi的法线ni之间的夹角余弦：cosθ＝nN·ni，其中，N是落入该区域中点的个数；
根据余弦值对落入每个空间区域的点数进行直方图统计，得到该关键点的法线方向的局部特征描述子mi；
步骤S103-2、采用相同的方法，计算蒙皮点云数据Q中任一点法线方向的局部特征描述子mj，j＝1,2,3……l，其中，l为蒙皮点云数据Q中点的数量。
5.根据权利要求4所述的基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，步骤S104包括：
步骤S104-1、利用KdTree对输入关键点集P的直方图特征描述子mi，利用FLANN进行最近邻查找；
步骤S104-2、在蒙皮点云数据Q的所有点中，找到距离关键点集P中任一关键点匹配距离为欧式距离小于σ的点，即特征点，σ＝0.3；
步骤S104-3、将所有匹配距离小于σ的点的特征点放入集合M中。
6.根据权利要求5所述的基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，步骤S105包括：
步骤S105-1、对蒙皮点云数据Q中的特征点和关键点集P中的特征点，计算本地参考帧；
步骤S105-2、通过霍夫投票算法进行聚类，对输入的蒙皮点云数据Q的特征点、关键点集P的特征点，设置霍夫空间的霍夫峰点的大小作为阈值；
步骤S105-3、匹配集合M，依据步骤S105-2中设置的阀值，辨认出最终的聚类集合，即局部点云集P'。
7.根据权利要求6所述的基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，步骤S106包括：
步骤S106-1、使用点云迭代最近点算法，对蒙皮点云数据Q与锁定的局部点云集P'进行匹配；
具体地：
计算局部点云集P'中的任一关键点在蒙皮点云数据Q中的对应近点，即对应点对；求得使上述对应点对平均距离最小的刚体变换T，求得平移参数ω和旋转参数r；把局部点云集P'按照平移ω和旋转参数r变换，得到新的变换点集P”；如果新的变换点集P”与蒙皮点云数据Q满足两点集的平均距离小于某一给定阈值，则得到粗配准后的结果；
步骤S106-2、使用全局假设验证算法，过滤掉粗配准中错误的点，最终完成蒙皮配准。
8.根据权利要求7所述的基于翼身实测数据虚拟对接的整流蒙皮修配方法，其特征在于，步骤S2包括：
步骤S201、采用RANSAC提取算法提取翼身点云数据框梁和粗配准后的蒙皮点云数据Q的边界线；
步骤S202、将提取的框梁边界线投影到蒙皮点云数据Q上，计算点云Q上投影线和边界线的距离，得到蒙皮修配量；
步骤S203、裁剪蒙皮修配量，完成修配过程。
CN202010385403.8A 2020-05-09 2020-05-09 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法 Active CN111583318B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010385403.8A CN111583318B (zh) 2020-05-09 2020-05-09 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法
US17/169,505 US11535400B2 (en) 2020-05-09 2021-02-07 Fairing skin repair method based on measured wing data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010385403.8A CN111583318B (zh) 2020-05-09 2020-05-09 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法

Publications (2)

Publication Number Publication Date
CN111583318A CN111583318A (zh) 2020-08-25
CN111583318B true CN111583318B (zh) 2020-12-15

Family

ID=72113490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010385403.8A Active CN111583318B (zh) 2020-05-09 2020-05-09 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法

Country Status (2)

Country Link
US (1) US11535400B2 (zh)
CN (1) CN111583318B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112802070B (zh) * 2021-01-06 2022-03-25 南京航空航天大学 一种基于多描述子投票的飞机蒙皮局部点云定位方法
CN112784364B (zh) * 2021-04-12 2021-08-03 成都飞机工业（集团）有限责任公司 一种飞机翼身接头加工余量计算方法
CN114131293B (zh) * 2021-11-25 2022-11-01 南京航空航天大学 一种飞机结构加强件自动化加工方法
CN114373176A (zh) * 2021-12-23 2022-04-19 西北工业大学宁波研究院 一种基于不变性距离空间体素化的三维目标识别方法
CN114781056B (zh) * 2022-04-13 2023-02-03 南京航空航天大学 一种基于特征匹配的飞机整机外形测量方法
US11861793B2 (en) 2022-05-24 2024-01-02 Hunan University Method for merging surface skin three-dimensional data
CN114898069B (zh) * 2022-05-24 2024-08-09 湖南大学 一种曲面蒙皮三维数据拼合方法
CN114791270B (zh) * 2022-06-23 2022-10-25 成都飞机工业（集团）有限责任公司 一种基于pca的飞机表面关键形貌特征包络测量场构建方法
CN116182724B (zh) * 2023-02-24 2023-11-07 南京航空航天大学 一种面向飞机机翼的滑轨式测量方法及装置
CN116204990B (zh) * 2023-04-28 2023-07-07 南京航空航天大学 一种三维实测数据驱动的飞机大型骨架精准协调修配方法
CN116541638B (zh) * 2023-06-30 2023-09-12 南京航空航天大学 一种基于张量投票的飞机蒙皮修配加工路径计算方法
CN116817771B (zh) * 2023-08-28 2023-11-17 南京航空航天大学 一种基于圆柱体素特征的航天零件涂层厚度测量方法
CN117454672B (zh) * 2023-12-22 2024-04-12 湖南大学 一种基于曲面装配约束的机器人作业余量计算方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103236064B (zh) * 2013-05-06 2016-01-13 东南大学 一种基于法向量的点云自动配准方法
CN104008257B (zh) * 2014-06-16 2017-06-16 北京航空航天大学 一种针对具有复杂曲面的构件的逆向设计方法
CN105654483B (zh) * 2015-12-30 2018-03-20 四川川大智胜软件股份有限公司 三维点云全自动配准方法
CN105868498B (zh) * 2016-04-20 2018-12-04 南京航空航天大学 基于扫描线点云的蒙皮边界特征重构方法
CN105976312B (zh) * 2016-05-30 2019-03-01 北京建筑大学 基于点特征直方图的点云自动配准方法
SG10201700299QA (en) * 2017-01-13 2018-08-30 Otsaw Digital Pte Ltd Three-dimensional mapping of an environment
CN106952297A (zh) * 2017-03-22 2017-07-14 电子科技大学 一种三维激光扫描数据点云度压缩方法
CN208665528U (zh) * 2018-07-26 2019-03-29 成都飞机工业（集团）有限责任公司 一种飞机翼身整流罩
CN110148144B (zh) * 2018-08-27 2024-02-13 腾讯大地通途（北京）科技有限公司 点云数据的分割方法和装置、存储介质、电子装置
US10740987B2 (en) * 2018-10-12 2020-08-11 The Boeing Company Augmented reality system for visualizing nonconformance data for an object
CN109685080B (zh) * 2018-12-27 2023-07-25 中国科学院大学 基于霍夫变换与区域生长的多尺度平面提取方法
CN109887015B (zh) * 2019-03-08 2022-06-21 哈尔滨工程大学 一种基于局部曲面特征直方图的点云自动配准方法
CN110008207B (zh) * 2019-03-28 2020-08-07 武汉大学 基于密度直方图的机载LiDAR点云数据漏洞快速检测方法
CN109919984A (zh) * 2019-04-15 2019-06-21 武汉惟景三维科技有限公司 一种基于局部特征描述子的点云自动配准方法
CN110348310A (zh) * 2019-06-12 2019-10-18 西安工程大学 一种霍夫投票3d彩色点云识别方法
CN111080627B (zh) * 2019-12-20 2021-01-05 南京航空航天大学 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法

Also Published As

Publication number Publication date
US11535400B2 (en) 2022-12-27
US20210347501A1 (en) 2021-11-11
CN111583318A (zh) 2020-08-25

Similar Documents

Publication Publication Date Title
CN111583318B (zh) 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法
US11504731B2 (en) Method for automatic glue-spraying of stringer and inspection of glue-spraying quality
CN107610223B (zh) 基于LiDAR点云的电力塔三维重建方法
CN102004922B (zh) 基于骨架特征的高分辨率遥感影像飞机提取方法
CN104697462B (zh) 一种基于中轴线的航空叶片型面特征参数提取方法
US20210331815A1 (en) Method for controlling gap distribution of wing-fuselage joining based on measured data
CN116664889A (zh) 飞机口盖类蒙皮修配余量确定方法
CN115147834B (zh) 一种基于点云的飞机长桁平面特征提取方法、装置及设备
CN112964172B (zh) 基于结构光相机的航空叶片表面量测方法及量测设备
US11543795B2 (en) Airplane structure stiffener repair method based on measured data
CN113962945A (zh) 一种低重复度线激光点云数据拼接方法
CN113192116A (zh) 基于结构光相机的航空叶片厚度参数量测方法
CN111583309B (zh) 一种复杂曲面上实现Z-pin植入的方法
CN115222883A (zh) 一种基于地基LiDAR点云的电力杆塔重建方法
CN112200915A (zh) 一种基于靶标三维模型纹理影像的前后形变量检测方法
CN117893924A (zh) 一种基于树冠形态的无人机激光雷达点云单木分割方法
Huo et al. Research on product surface quality inspection technology based on 3D point cloud
CN116310355A (zh) 一种复杂结构件的激光点云去噪和缺陷检测方法
CN117928385A (zh) 一种基于远程无人机和传感器的工程施工智能测量方法
CN110942077A (zh) 基于权重局部变化度和l1中值优化的特征线提取方法
CN112270746B (zh) 基于邻域协方差特征参数阈值的铝合金3d打印点云精简算法
CN111563904B (zh) 一种基于三维特征描述子的机翼叉耳点云分割方法
Cao et al. Local scanned point-cloud registration of aeroengine pipeline system based on axial constraints
CN116541638B (zh) 一种基于张量投票的飞机蒙皮修配加工路径计算方法
CN115841545A (zh) 一种基于机载雷达的3d点云电力线提取与重建方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20220421

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: No. 29, Qinhuai District, Qinhuai District, Nanjing, Jiangsu

Patentee before: Nanjing University of Aeronautics and Astronautics

TR01 Transfer of patent right