CN111597504A - 一种飞机关键特征检测方法 - Google Patents
一种飞机关键特征检测方法 Download PDFInfo
- Publication number
- CN111597504A CN111597504A CN202010424905.7A CN202010424905A CN111597504A CN 111597504 A CN111597504 A CN 111597504A CN 202010424905 A CN202010424905 A CN 202010424905A CN 111597504 A CN111597504 A CN 111597504A
- Authority
- CN
- China
- Prior art keywords
- workpiece
- airplane
- theoretical model
- coordinate system
- key
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种飞机关键特征检测方法,包括以下步骤:通过超宽带定位构建全局高精度测量场;通过所述全局高精度测量场获取固定于所述全局高精度测量场内工件的位置信息,根据位置信息建立工件的位置信息与工件理论模型之间的坐标系转换矩阵;获取飞机关键特征位置测量值,根据坐标系转换映射获取飞机关键特征位置测量值的理论值,完成飞机关键特征检测。本发明实现了飞机关键特征快速检测,解决了飞机关键特征检测的误检、漏检问题,提高了飞机关键特征检测的效率和可靠性。
Description
技术领域
本发明属于飞机关键特征检测领域,具体涉及一种飞机关键特征检测方法。
背景技术
随着航空工业的发展,飞机产品的精度要求越来越高。飞机关键特征检测在飞机的设计制造中占有及其重要的地位,对提高制造精度、缩短产品生命周期、提高制造可靠性有着极为重要的意义。由于飞机部件、整机关键特征数量多、跨距大,飞机关键特征检测一直以来是个难题,目前主要靠现场操作人员手持测量设备(如游标卡尺)逐点测量,这种测量方式存在漏检、误检现象,测量结果与理论结果对比分析无法实时进行计算与反馈,且需要大量人力,自动化程度低。
发明内容
本发明针对现有技术中的不足,提供一种飞机关键特征检测方法,能够提高飞机关键特征检测的效率,同时解决人工检测存在的误检、漏检问题。
为实现上述目的,本发明采用以下技术方案:
一种飞机关键特征检测方法,包括以下步骤:
通过超宽带定位构建全局高精度测量场;
通过所述全局高精度测量场获取固定于所述全局高精度测量场内工件的位置信息,根据位置信息建立工件的位置信息与工件理论模型之间的坐标系转换矩阵;
获取飞机关键特征位置测量值,根据坐标系转换映射获取飞机关键特征位置测量值的理论值,完成飞机关键特征检测。
为优化上述技术方案,采取的具体措施还包括:
进一步地,上述通过超宽带定位构建全局高精度测量场包括以下步骤:
通过信号接收强度、基于信号到达角度、基于信号到达时间、基于信号到达时间差四种定位算法,计算多个定位器与目标的距离、角度信息;
根据距离和角度信息,通过混合定位算法获取高精度定位坐标,所述混合定位算法包括Fang算法和Taylor算法。
进一步地,上述Fang算法包括以下步骤:
通过3个基站对飞机的关键特征位置进行二维位置定位,以基站1,坐标(0,0)为原点,基站1与基站2连线的方向为x轴构建坐标系统,所述基站2的坐标为(x2,0),基站3的坐标为(x3,y3),x,y表示飞机的关键特征位置二维坐标,计算公式为:
y=g×x+h
g={(R3,1X2)/R2,1-X3}/Y3
其中,(Xi,Yi)表示基站i的坐标;i为自然数;Ri,1表示基站i与基站1到目标的距离差;g和h为中间变量,计算方法如下:
其中,d、e、f为距离系数。
进一步地,上述Taylor算法包括以下步骤:
根据Fang算法计算得出的飞机的关键特征位置二维坐标,在每一次递归中求解测量误差,利用局部最小二乘优化飞机的关键特征位置二维坐标。
进一步地,上述根据位置信息建立工件的位置信息与工件理论模型之间的坐标系转换映射包括以下步骤:
标记工件理论模型中4个显著特征点,获取工件理论模型坐标点集P;
将工件固定于全局高精度测量场内,然后将4个超宽带定位标签设置于工件理论模型中4个显著特征点对应的工件位置上,获取全局高精度测量场坐标点集Q;
根据工件理论模型坐标点集P和全局高精度测量场坐标点集Q,通过SVD分解得到全局高精度测量场坐标系和工件理论模型坐标系的坐标系转换矩阵。
进一步地,上述通过SVD分解得到全局高精度测量场坐标系和工件理论模型坐标系的坐标系转换矩阵包括以下步骤:
建立工件理论模型坐标点集P和全局高精度测量场坐标点集Q之间旋转平移矩阵的数学模型(R,t):
其中,P={p1,p2,p3,p4};Q={q1,q2,q3,q4};wi表示每组点对的权重,所述点对为工件理论模型坐标点集P和全局高精度测量场坐标点集Q之间对应的点;
其中,xi、yi分别表示P和Q去中心化后的点坐标;
扩展上述等式变换化简得到的公式,表示为矩阵相乘的形式,通过SVD分解转化为:
R=argmax tr(∑VTRU)
其中,R为旋转矩阵,t为平移矩阵,U和V为正交矩阵,T表示对正交矩阵进行转置。
进一步地,上述获取测量特征理论值的过程包括以下步骤:
将超宽带定位标签固定于测量设备上,通过全局高精度测量场定位获得测量设备位置;
获取测量设备位置在工件理论模型坐标系下的映射,得到测量设备在工件理论模型空间坐标系中的位置;
通过测量设备测量飞机关键特征,寻找工件理论模型中距测量设备距离最近的特征,得到待测特征理论值;
将待测特征理论值与实际测量值进行比较分析,完成飞机关键特征检测。
进一步地,上述寻找工件理论模型中距测量设备距离最近的特征包括以下步骤:
以测量设备位置在工件理论模型坐标系的位置为球心,取半径为r的球形邻域范围;
计算测量设备位置坐标与所有位于球形邻域范围内的点的距离;
取距离最小值的点坐标,距离最小值的点坐标对应的特征即为待测特征;
若球形邻域内未找到最近点,表示本次测量失败,需要重新测量。
本发明的有益效果是:
本发明提供的飞机关键特征检测方法通过超宽带定位构建全局高精度测量场,针对固定在测量场中的待测工件,通过定位标签确定待测工件在测量场中的实际位置,与已知工件理论模型进行匹配,建立测量场与理论模型的坐标转换关系,通过定位标签获得手持测量设备的空间位置信息,映射到理论模型空间,获取测量特征理论值,实现特征位置测量数值和理论数值的对比分析。本发明实现了飞机关键特征快速检测,解决了飞机关键特征检测的误检、漏检问题,提高了飞机关键特征检测的效率和可靠性。
附图说明
图1为本发明的检测方法流程图。
图2为本发明的测量场结构示意图。
图3为本发明的测量场和理论模型坐标转换示意图。
具体实施方式
现在结合附图1-3对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
如图1和图2所示,在本发明的其中一个实施例中,一种飞机关键特征检测方法,包括以下步骤:
步骤一:基于超宽带定位技术构建全局测量场。
图2为测量场构建及布局方案示意图,具体过程为:
(1)在场景的边缘(如角落)等放置4个超宽带定位基站;
(2)放置超宽带定位标签于待定位的点,利用RSS、AOA、TOA、TDOA四种定位方式结合的方法计算多个基站与目标的距离、角度等信息。
(3)基于距离、角度信息,利用Fang算法为主、Taylor算法为辅的混合定位方式解算目标坐标值;
(4)由上述步骤完成基站的布设和目标坐标的解算,构建全局测量场。
步骤二:利用SVD分解计算测量场与理论模型的转换矩阵,将理论模型映射到测量场空间。
如图3所示,步骤二的具体过程为:
在理论模型空间中标记从待测工件的4个显著特征点,获取理论坐标点集P={p1,p2,p3,p4};
将待测工件固定于测量场中,将4个超宽带定位标签放置于上一步骤中理论模型标记的特征位置,获取测量场坐标点集Q={q1,q2,q3,q4};
通过P、Q点集及其对应关系,通过SVD分解求得测量场与工件理论模型的旋转平移矩阵:
式中,wi表示每个点对的权重;
式中,xi、yi分别表示原点集P、Q去中心化后的点坐标;
将上述公式表示为矩阵相乘的形式,转化为:
R=argmax tr(∑VTRU)
步骤三:手持测量设备进行测量,在设备终端寻找最近特征,实时反馈进行对比分析。
将超宽带定位标签固定于手持式测量设备,通过测量场定位获得测量设备终端位置;
基于测量设备终端在测量场中的位置,获取该位置在待测工件理论模型的映射,即得到测量设备终端在待测工件理论模型空间中的位置;
手持测量设备测量飞机关键特征,基于终端在理论模型空间中的位置,取一定半径r的球形邻域范围,计算终端坐标与所有位于球形邻域范围内点的距离;取距离最小值的点坐标,对应的特征即为待测特征。
获得理论值与实际测量值进行对比,完成检测;
如图1所示,在本发明的其中一个实施例中,一种飞机关键特征检测方法包括如下操作步骤:
针对厂房级大范围场景,基于超宽带定位技术构建全局测量场,结合布局分析提高定位精度;将待测工件固定于测量场,在其理论模型中标定4个显著特征点,放置超宽带定位标签于实际工件的对应特征位置,通过SVD分解计算得到测量场坐标系和工件理论坐标系的转换关系;将定位标签固定于手持测量设备上,对关键特征进行测量,寻找理论模型中测量设备终端的最近特征点,获取理论值,即可对实际测量值进行实时对比反馈,完成飞机关键特征快速检测。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (8)
1.一种飞机关键特征检测方法,其特征在于,包括以下步骤:
通过超宽带定位构建全局高精度测量场;
通过所述全局高精度测量场获取固定于所述全局高精度测量场内工件的位置信息,根据位置信息建立工件的位置信息与工件理论模型之间的坐标系转换矩阵;
获取飞机关键特征位置测量值,根据坐标系转换映射获取飞机关键特征位置测量值的理论值,完成飞机关键特征检测。
2.根据权利要求1所述的飞机关键特征检测方法,其特征在于,所述通过超宽带定位构建全局高精度测量场包括以下步骤:
通过信号接收强度、基于信号到达角度、基于信号到达时间、基于信号到达时间差四种定位算法,计算多个定位器与目标的距离、角度信息;
根据距离和角度信息,通过混合定位算法获取高精度定位坐标,所述混合定位算法包括Fang算法和Taylor算法。
4.根据权利要求2或3所述的飞机关键特征检测方法,其特征在于,所述Taylor算法包括以下步骤:
根据Fang算法计算得出的飞机的关键特征位置二维坐标,在每一次递归中求解测量误差,利用局部最小二乘优化飞机的关键特征位置二维坐标。
5.根据权利要求1所述的飞机关键特征检测方法,其特征在于,所述根据位置信息建立工件的位置信息与工件理论模型之间的坐标系转换映射包括以下步骤:
标记工件理论模型中4个显著特征点,获取工件理论模型坐标点集P;
将工件固定于全局高精度测量场内,然后将4个超宽带定位标签设置于工件理论模型中4个显著特征点对应的工件位置上,获取全局高精度测量场坐标点集Q;
根据工件理论模型坐标点集P和全局高精度测量场坐标点集Q,通过SVD分解得到全局高精度测量场坐标系和工件理论模型坐标系的坐标系转换矩阵。
6.根据权利要求5所述的飞机关键特征检测方法,其特征在于,所述通过SVD分解得到全局高精度测量场坐标系和工件理论模型坐标系的坐标系转换矩阵包括以下步骤:
建立工件理论模型坐标点集P和全局高精度测量场坐标点集Q之间旋转平移矩阵的数学模型(R,t):
其中,P={p1,p2,p3,p4};Q={q1,q2,q3,q4};wi表示每组点对的权重,所述点对为工件理论模型坐标点集P和全局高精度测量场坐标点集Q之间对应的点;
其中,xi、yi分别表示P和Q去中心化后的点坐标;
扩展上述等式变换化简得到的公式,表示为矩阵相乘的形式,通过SVD分解转化为:
R=argmax tr(∑VTRU)
其中,R为旋转矩阵,t为平移矩阵,U和V为正交矩阵,T表示对正交矩阵进行转置。
7.根据权利要求5所述的飞机关键特征检测方法,其特征在于,所述获取测量特征理论值的过程包括以下步骤:
将超宽带定位标签固定于测量设备上,通过全局高精度测量场定位获得测量设备位置;
获取测量设备位置在工件理论模型坐标系下的映射,得到测量设备在工件理论模型空间坐标系中的位置;
通过测量设备测量飞机关键特征,寻找工件理论模型中距测量设备距离最近的特征,得到待测特征理论值;
将待测特征理论值与实际测量值进行比较分析,完成飞机关键特征检测。
8.根据权利要求7所述的基于超宽带定位的飞机关键特征快速检测方法,其特征在于,所述寻找工件理论模型中距测量设备距离最近的特征包括以下步骤:
以测量设备位置在工件理论模型坐标系的位置为球心,取半径为r的球形邻域范围;
计算测量设备位置坐标与所有位于球形邻域范围内的点的距离;
取距离最小值的点坐标,距离最小值的点坐标对应的特征即为待测特征;
若球形邻域内未找到最近点,表示本次测量失败,需要重新测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010424905.7A CN111597504B (zh) | 2020-05-19 | 2020-05-19 | 一种飞机关键特征检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010424905.7A CN111597504B (zh) | 2020-05-19 | 2020-05-19 | 一种飞机关键特征检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111597504A true CN111597504A (zh) | 2020-08-28 |
CN111597504B CN111597504B (zh) | 2022-07-01 |
Family
ID=72190356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010424905.7A Active CN111597504B (zh) | 2020-05-19 | 2020-05-19 | 一种飞机关键特征检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597504B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009097985A (ja) * | 2007-10-17 | 2009-05-07 | Enzan Kobo:Kk | 位置座標の測量方法 |
CN101938690A (zh) * | 2009-06-28 | 2011-01-05 | 澳门科技大学 | 一种蜂窝网络定位方法及蜂窝网络定位装置 |
CN103983224A (zh) * | 2014-05-29 | 2014-08-13 | 上海飞机制造有限公司 | 一种大尺度部件实测位姿拟合方法 |
CN103991555A (zh) * | 2014-03-25 | 2014-08-20 | 浙江大学 | 一种用于飞机数字化装配的自动化测量方法 |
CN104154859A (zh) * | 2014-07-31 | 2014-11-19 | 北京航空航天大学 | 一种用于飞机数字化装配的多尺度测量场集成检测方法 |
CN105215669A (zh) * | 2015-09-17 | 2016-01-06 | 中国商用飞机有限责任公司 | 基于iGPS的对接测量调姿方法 |
CN108852311A (zh) * | 2018-04-20 | 2018-11-23 | 杭州电子科技大学 | 一种基于蓝牙室内定位的老人生理数据采集系统 |
-
2020
- 2020-05-19 CN CN202010424905.7A patent/CN111597504B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009097985A (ja) * | 2007-10-17 | 2009-05-07 | Enzan Kobo:Kk | 位置座標の測量方法 |
CN101938690A (zh) * | 2009-06-28 | 2011-01-05 | 澳门科技大学 | 一种蜂窝网络定位方法及蜂窝网络定位装置 |
CN103991555A (zh) * | 2014-03-25 | 2014-08-20 | 浙江大学 | 一种用于飞机数字化装配的自动化测量方法 |
CN103983224A (zh) * | 2014-05-29 | 2014-08-13 | 上海飞机制造有限公司 | 一种大尺度部件实测位姿拟合方法 |
CN104154859A (zh) * | 2014-07-31 | 2014-11-19 | 北京航空航天大学 | 一种用于飞机数字化装配的多尺度测量场集成检测方法 |
CN105215669A (zh) * | 2015-09-17 | 2016-01-06 | 中国商用飞机有限责任公司 | 基于iGPS的对接测量调姿方法 |
CN108852311A (zh) * | 2018-04-20 | 2018-11-23 | 杭州电子科技大学 | 一种基于蓝牙室内定位的老人生理数据采集系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111597504B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104703143B (zh) | 一种基于wifi信号强度的室内定位方法 | |
CN106793086B (zh) | 一种室内定位方法 | |
CN109548141B (zh) | 基于卡尔曼滤波算法的室内环境基站坐标位置标定方法 | |
CN104619020B (zh) | 基于rssi和toa测距的wifi室内定位方法 | |
CN105469388B (zh) | 基于降维的建筑物点云配准方法 | |
CN103257342B (zh) | 三维激光传感器与二维激光传感器的联合标定方法 | |
CN105813194B (zh) | 基于指纹数据库二次校正的室内定位方法 | |
CN107044852B (zh) | 不平整状态下全站仪测量方法 | |
CN110260786A (zh) | 一种基于外部跟踪的机器人视觉测量系统及其标定方法 | |
CN103512499A (zh) | 一种基于光电扫描的单站式三维坐标测量方法 | |
CN107371133B (zh) | 一种提高基站定位精度的方法 | |
CN112802070B (zh) | 一种基于多描述子投票的飞机蒙皮局部点云定位方法 | |
CN110730418A (zh) | 一种基于最小二乘法的室内三维定位改进算法 | |
CN108458698A (zh) | 全站仪不整平测量的未知点三维坐标计算方法 | |
CN114578283A (zh) | 一种基于角度残差的nlos传输基站识别与定位方法 | |
CN111913169A (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
CN103888979A (zh) | 一种基于无线局域网的室内定位方法 | |
CN114979951A (zh) | 一种nlos环境下针对未知干扰的三维定位方法 | |
Shu et al. | 3D point cloud-based indoor mobile robot in 6-DoF pose localization using a Wi-Fi-aided localization system | |
CN112991270B (zh) | 一种大尺寸旋转体模具形变动态测量方法 | |
CN108249307B (zh) | 一种大型起重机的移动测量与反馈控制系统及方法 | |
CN111597504B (zh) | 一种飞机关键特征检测方法 | |
CN106358292B (zh) | 基于主成分分析原理的时间到达模式匹配定位方法 | |
CN116934705A (zh) | 一种基于三维激光扫描的平整度检测方法 | |
CN108225321A (zh) | 一种基于移动节点辅助下的室内定位方法 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Wang Jun Inventor after: Zhang Yuqi Inventor after: Chen Honghua Inventor after: Yi Cheng Inventor before: Wang Jun Inventor before: Zhang Yuqi Inventor before: Chen Honghua |
|
GR01 | Patent grant | ||
GR01 | Patent grant |