CN111814888A - 一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法 - Google Patents
一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法 Download PDFInfo
- Publication number
- CN111814888A CN111814888A CN202010674352.0A CN202010674352A CN111814888A CN 111814888 A CN111814888 A CN 111814888A CN 202010674352 A CN202010674352 A CN 202010674352A CN 111814888 A CN111814888 A CN 111814888A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- point cloud
- extracting
- scanning line
- 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.)
- Pending
Links
- 210000001503 joint Anatomy 0.000 title claims abstract description 29
- 238000000605 extraction Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 61
- 239000013598 vector Substances 0.000 claims abstract description 34
- 238000000513 principal component analysis Methods 0.000 claims abstract description 16
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000011438 discrete method Methods 0.000 claims abstract description 7
- 238000013178 mathematical model Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 241000287196 Asthenes Species 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011089 mechanical engineering Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，涉及智能装配技术领域；其是利用数模缝隙边界离散点作为测量位置点，结合PCA及包围盒方法提取局部点云；利用PCA‑SVM算法，使得超平面能够分割对缝两侧点云；利用对点云三角划分建立拓扑关系的方法，提取点云的边界点；根据点云的边界点与超平面的向量距离提取出边缘点，最后提取临界点，根据建立的数学模型提取间隙阶差，其具体步骤为：采用等弦长离散法获取模型缝隙边界离散点，利用SVM算法训练出分割超平面，分别对分割后两侧点云进行三角网格划分。本发明对缝点云间隙阶差提取的精度、效率和稳定性，很好地解决了点云质量缺陷对特征点提取的影响。
Description
技术领域
本发明涉及智能装配技术领域，尤其涉及一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法。
背景技术
对缝点云间隙阶差提取技术应用领域广泛，包括机械工程、航空航天等，目前在飞机装配领域中存在许多对缝间隙阶差结构，但是其间隙阶差结构多样、尺寸不均匀，导致临界点难以准确提取，尽管3D扫描技术发展较快，扫描设备获取的点云数据依然存在较多噪声与密度缺陷，这给间隙阶差提取增加了难度。
除此之外，飞行器结构对缝的点云数据十分庞大，灵活的提取所需的间隙阶差也变得具有挑战性，针对此问题，本发明提出一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法。
为了实现上述目的，本发明采用了如下技术方案：
一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，利用数模缝隙边界离散点作为测量位置点，结合PCA及包围盒方法提取局部点云；利用PCA-SVM算法，使得超平面能够分割对缝两侧点云；利用对点云三角划分建立拓扑关系的方法，提取点云的边界点；根据点云的边界点与超平面的向量距离提取出边缘点，最后提取临界点，根据建立的数学模型提取间隙阶差，具体步骤如下：
S1：采用等弦长离散法获取模型缝隙边界离散点；
S2：利用SVM算法训练出分割超平面；
S3：分别对分割后两侧点云进行三角网格划分；
S4：采用弦高差法对点云进行去噪，排除跳点对后续曲率估计的影响；
S5：对所有扫描线建立点序关系，筛选出平面拟合点；
S6：计算间隙阶差值。
优选地：所述S1中，以离散点作为测量位置点，构建测量位置点的k邻域，利用PCA方法估计对缝点云的主法向，并以此为包围盒子坐标系的z轴，以扫描线为x轴，建立包围盒，包围盒的大小由T-Scan扫描线的宽度、线间距、点间距与缝隙结构曲率确定，具体步骤如下：
A1：设当前离散节点
，离散弦长为
，下一离散节点
；
A2：对曲线进行等弦长离散，以
为圆心，做半径为
的圆，圆与曲线的交点即为
。对等弦长离散法进行编程实现，各离散点作为对缝测量位置点p；
A3：构建测量位置点的k邻域，对于点p的k邻域的拟合局部平面问题可以转化为局部邻域协方差矩阵M进行特征值分界，M最小特征值对应的特征向量即为点p的法向量，p点的局部邻域协方差矩阵如式
所示，式中：
为局部邻域重心；
A4：以测量位置点P为球心，包围盒宽度W为直径，取P点的局部邻域G1。对G1的所有点构建k邻域，半径为0.8mm，根据PCA算法，估计G1所有点的法向量，视点方向统一，对所有法向量进行最小二乘滤波去除杂点，并取中值，获取局部邻域G1的单位法向量
，根据PCA估计出的法向，以单位法向量
作为以P为原点的坐标系的z轴，以扫描线方向为x轴，其单位向量为
，则y轴单位向量为
，根据右手定则建立以点P为原点的坐标系S1。在S1坐标系下包围盒两个顶点坐标为Pmin和Pmax，根据公式
对S1下的Pmin和Pmax进行坐标变换，得到在原世界坐标系S下的两顶点的坐标；
A5：通过世界坐标系下包围盒两个顶点，建立包围盒分割点云，其中，包围盒的内点满足条件：xmin≤x≤xmax，ymin≤y≤ymax，zmin≤z≤zmax，满足上述条件的点即为子点云。
优选地：所述S2中，利用PCA-SVM算法训练出分割超平面的方法为：
B1：利用PCA估计的法向量与扫描线方向构建对齐数据坐标系与训练数据坐标系；
B2：将两坐标系对齐变换，调整超平面法向，使得点云法向对齐，
B3：对点到超平面的向量距离排序，根据有无阶跃判断是否需要调整，并使得阶跃的两点的中点在超平面上，以调整超平面位移项。
优选地：所述S3中，三角网格划分方法为：采用邻接三角形数量判断法提取两侧三角网格的边界点，定义邻接三角形的个数为1的边为边界边，个数为2的边为内部边，对每一条边做边界边判断，然后从边界边中提取边界点。
优选地：所述S4中，其具体方法为：
C1：利用公式将两侧边界点投影到坐标系S1的xoy面；
C2：设其法向量为(a,b,c)。点(xi,yi,zi)在xoy面ax+by+cz+d=0上的投影点为
，然后利用曲率筛选出对缝侧边缘角点；
C3：采用弦高差法对点云进行去噪，排除跳点对后续曲率估计的影响；
C4：分别遍历两侧点云，对所有点的k近邻点估计曲率，曲率较小的点视为角点，提取出对缝侧边缘点上下角点，即为边缘点；
C5：根据边缘点，提取点云临界点。
优选地：所述C2中，公式为
。
优选地：所述C4中，k的取值为：k=3。
优选地：所述C5中，根据所述C4中得到的边缘点，提取云临界点，由于扫描线点云是有序序列，其具体方法为：
C11：将得到的边缘点与点云所有点进行逐一比较，得出边缘点在所有点云中的序号，依照此序号即能获取单条扫描线边缘点之前的相邻若干点序号；
C12：根据第i个边缘点pi0确定的扫面线各点位置关系，pij为第i条扫描线边缘点pi0向前第j个点。
优选地：所述S5中，其具体方法如下：
D1：对单条扫描线点的k=3邻域求取曲率半径；
D2：设定阈值λ2，根据曲率半径判断是否存在大曲率边界，若存在大曲率，则获取最左侧对应点序号L，筛选出临界点区域，在临界点区域的左侧提取出平面拟合点pij(L+5≤J≤20+L)，若不存在大曲率，则说明临界点区域不明显，直接提取左侧平面拟合点即可，并采用稳健特征值法获取拟合平面。
优选地：所述S6中，设定阈值d，设dij是第i条扫描线第j个点到平面α的距离，当dij＞d，表明该点pij属于临界点区域，将属于临界点区域且dij最小的点作为临界点qij，表示第i条扫描线的第j(1≤j≤2)个临界点，随后即可根据数学模型，计算得出间隙阶差值。
本发明的有益效果为：
1.本发明对缝点云间隙阶差提取的精度、效率和稳定性，很好地解决了点云质量缺陷对特征点提取的影响。
附图说明
图1为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中测量位置点离散示意图；
图2为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中包围盒分割点云示意图；
图3为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中的PCA-SVM分割点云流程示意图；
图4为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中的超平面调整示意图；
图5为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中的边界点提取示意图；
图6为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中的边缘点提取示意图；
图7为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中的临界点提取示意图；
图8为本发明提出的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法中的数学模型结构示意图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
在本专利的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利中的具体含义。
一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，利用数模缝隙边界离散点作为测量位置点，结合PCA及包围盒方法提取局部点云；利用PCA-SVM算法，使得超平面能够分割对缝两侧点云；利用对点云三角划分建立拓扑关系的方法，提取点云的边界点；根据点云的边界点与超平面的向量距离提取出边缘点，最后提取临界点，根据建立的数学模型提取间隙阶差，具体步骤如下：
S1：采用等弦长离散法获取模型缝隙边界离散点；
S2：利用SVM算法训练出分割超平面；
S3：分别对分割后两侧点云进行三角网格划分；
S4：采用弦高差法对点云进行去噪，排除跳点对后续曲率估计的影响；
S5：对所有扫描线建立点序关系，筛选出平面拟合点；
S6：计算间隙阶差值。
所述S1中，以离散点作为测量位置点，构建测量位置点的k邻域，利用PCA方法估计对缝点云的主法向，并以此为包围盒子坐标系的z轴，以扫描线为x轴，建立包围盒，包围盒的大小由T-Scan扫描线的宽度、线间距、点间距与缝隙结构曲率确定，具体步骤如下：
A1：设当前离散节点
，离散弦长为
，下一离散节点
；
A2：对曲线进行等弦长离散，以
为圆心，做半径为
的圆，圆与曲线的交点即为
。对等弦长离散法进行编程实现，各离散点作为对缝测量位置点p；
A3：构建测量位置点的k邻域，对于点p的k邻域的拟合局部平面问题可以转化为局部邻域协方差矩阵M进行特征值分界，M最小特征值对应的特征向量即为点p的法向量，p点的局部邻域协方差矩阵如式
所示，式中：
为局部邻域重心；
A4：以测量位置点P为球心，包围盒宽度W为直径，取P点的局部邻域G1。对G1的所有点构建k邻域，半径为0.8mm，根据PCA算法，估计G1所有点的法向量，视点方向统一，对所有法向量进行最小二乘滤波去除杂点，并取中值，获取局部邻域G1的单位法向量
，根据PCA估计出的法向，以单位法向量
作为以P为原点的坐标系的z轴，以扫描线方向为x轴，其单位向量为
，则y轴单位向量为
，根据右手定则建立以点P为原点的坐标系S1。在S1坐标系下包围盒两个顶点坐标为Pmin和Pmax，根据公式
对S1下的Pmin和Pmax进行坐标变换，得到在原世界坐标系S下的两顶点的坐标；
A5：通过世界坐标系下包围盒两个顶点，建立包围盒分割点云，其中，包围盒的内点满足条件：xmin≤x≤xmax，ymin≤y≤ymax，zmin≤z≤zmax，满足上述条件的点即为子点云。
所述S2中，利用PCA-SVM算法训练出分割超平面的方法为：
B1：利用PCA估计的法向量与扫描线方向构建对齐数据坐标系与训练数据坐标系；
B2：将两坐标系对齐变换，调整超平面法向，使得点云法向对齐，
B3：对点到超平面的向量距离排序，根据有无阶跃判断是否需要调整，并使得阶跃的两点的中点在超平面上，以调整超平面位移项。
所述S3中，三角网格划分方法为：采用邻接三角形数量判断法提取两侧三角网格的边界点，定义邻接三角形的个数为1的边为边界边，个数为2的边为内部边，对每一条边做边界边判断，然后从边界边中提取边界点。
所述S4中，其具体方法为：
C1：利用公式将两侧边界点投影到坐标系S1的xoy面；
C2：设其法向量为(a,b,c)。点(xi,yi,zi)在xoy面ax+by+cz+d=0上的投影点为
，然后利用曲率筛选出对缝侧边缘角点；
C3：采用弦高差法对点云进行去噪，排除跳点对后续曲率估计的影响；
C4：分别遍历两侧点云，对所有点的k近邻点估计曲率，曲率较小的点视为角点，提取出对缝侧边缘点上下角点，即为边缘点；
C5：根据边缘点，提取点云临界点。
所述C2中，公式为
。
所述C4中，k的取值为：k=3。
所述C5中，根据所述C4中得到的边缘点，提取云临界点，由于扫描线点云是有序序列，其具体方法为：
C11：将得到的边缘点与点云所有点进行逐一比较，得出边缘点在所有点云中的序号，依照此序号即能获取单条扫描线边缘点之前的相邻若干点序号；
C12：根据第i个边缘点pi0确定的扫面线各点位置关系，pij为第i条扫描线边缘点pi0向前第j个点。
所述S5中，其具体方法如下：
D1：对单条扫描线点的k=3邻域求取曲率半径；
D2：设定阈值λ2，根据曲率半径判断是否存在大曲率边界，若存在大曲率，则获取最左侧对应点序号L，筛选出临界点区域，在临界点区域的左侧提取出平面拟合点pij(L+5≤J≤20+L)，若不存在大曲率，则说明临界点区域不明显，直接提取左侧平面拟合点即可，并采用稳健特征值法获取拟合平面。
所述S6中，设定阈值d，设dij是第i条扫描线第j个点到平面α的距离，当dij＞d，表明该点pij属于临界点区域，将属于临界点区域且dij最小的点作为临界点qij，表示第i条扫描线的第j(1≤j≤2)个临界点，随后即可根据数学模型，计算得出间隙阶差值。
以上所述，仅为本发明较佳的具体实施方式，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范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，利用数模缝隙边界离散点作为测量位置点，结合PCA及包围盒方法提取局部点云；利用PCA-SVM算法，使得超平面能够分割对缝两侧点云；利用对点云三角划分建立拓扑关系的方法，提取点云的边界点；根据点云的边界点与超平面的向量距离提取出边缘点，最后提取临界点，根据建立的数学模型提取间隙阶差，具体步骤如下：
S1：采用等弦长离散法获取模型缝隙边界离散点；
S2：利用SVM算法训练出分割超平面；
S3：分别对分割后两侧点云进行三角网格划分；
S4：采用弦高差法对点云进行去噪，排除跳点对后续曲率估计的影响；
S5：对所有扫描线建立点序关系，筛选出平面拟合点；
S6：计算间隙阶差值。
2.根据权利要求1所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述S1中，以离散点作为测量位置点，构建测量位置点的k邻域，利用PCA方法估计对缝点云的主法向，并以此为包围盒子坐标系的z轴，以扫描线为x轴，建立包围盒，包围盒的大小由T-Scan扫描线的宽度、线间距、点间距与缝隙结构曲率确定，具体步骤如下：
A1：设当前离散节点
，离散弦长为
，下一离散节点
；
A2：对曲线进行等弦长离散，以
为圆心，做半径为
的圆，圆与曲线的交点即为
，
对等弦长离散法进行编程实现，各离散点作为对缝测量位置点p；
A3：构建测量位置点的k邻域，对于点p的k邻域的拟合局部平面问题可以转化为局部邻域协方差矩阵M进行特征值分界，M最小特征值对应的特征向量即为点p的法向量，p点的局部邻域协方差矩阵如式
所示，式中：
为局部邻域重心；
A4：以测量位置点P为球心，包围盒宽度W为直径，取P点的局部邻域G1；
对G1的所有点构建k邻域，半径为0.8mm，根据PCA算法，估计G1所有点的法向量，视点方向统一，对所有法向量进行最小二乘滤波去除杂点，并取中值，获取局部邻域G1的单位法向量
，根据PCA估计出的法向，以单位法向量
作为以P为原点的坐标系的z轴，以扫描线方向为x轴，其单位向量为
，则y轴单位向量为
，根据右手定则建立以点P为原点的坐标系S1，
在S1坐标系下包围盒两个顶点坐标为Pmin和Pmax，根据公式
对S1下的Pmin和Pmax进行坐标变换，得到在原世界坐标系S下的两顶点的坐标；
A5：通过世界坐标系下包围盒两个顶点，建立包围盒分割点云，其中，包围盒的内点满足条件：xmin≤x≤xmax，ymin≤y≤ymax，zmin≤z≤zmax，满足上述条件的点即为子点云。
3.根据权利要求1所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述S2中，利用PCA-SVM算法训练出分割超平面的方法为：
B1：利用PCA估计的法向量与扫描线方向构建对齐数据坐标系与训练数据坐标系；
B2：将两坐标系对齐变换，调整超平面法向，使得点云法向对齐，
B3：对点到超平面的向量距离排序，根据有无阶跃判断是否需要调整，并使得阶跃的两点的中点在超平面上，以调整超平面位移项。
4.根据权利要求1所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述S3中，三角网格划分方法为：采用邻接三角形数量判断法提取两侧三角网格的边界点，定义邻接三角形的个数为1的边为边界边，个数为2的边为内部边，对每一条边做边界边判断，然后从边界边中提取边界点。
5.根据权利要求1所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述S4中，其具体方法为：
C1：利用公式将两侧边界点投影到坐标系S1的xoy面；
C2：设其法向量为(a,b,c)；
点(xi,yi,zi)在xoy面ax+by+cz+d=0上的投影点为
，然后利用曲率筛选出对缝侧边缘角点；
C3：采用弦高差法对点云进行去噪，排除跳点对后续曲率估计的影响；
C4：分别遍历两侧点云，对所有点的k近邻点估计曲率，曲率较小的点视为角点，提取出对缝侧边缘点上下角点，即为边缘点；
C5：根据边缘点，提取点云临界点。
6.根据权利要求5所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述C2中，公式为
。
7.根据权利要求6所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述C4中，k的取值为：k=3。
8.根据权利要求7所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述C5中，根据所述C4中得到的边缘点，提取云临界点，由于扫描线点云是有序序列，其具体方法为：
C11：将得到的边缘点与点云所有点进行逐一比较，得出边缘点在所有点云中的序号，依照此序号即能获取单条扫描线边缘点之前的相邻若干点序号；
C12：根据第i个边缘点pi0确定的扫面线各点位置关系，pij为第i条扫描线边缘点pi0向前第j个点。
9.根据权利要求1所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述S5中，其具体方法如下：
D1：对单条扫描线点的k=3邻域求取曲率半径；
D2：设定阈值λ2，根据曲率半径判断是否存在大曲率边界，若存在大曲率，则获取最左侧对应点序号L，筛选出临界点区域，在临界点区域的左侧提取出平面拟合点pij(L+5≤J≤20+L)，若不存在大曲率，则说明临界点区域不明显，直接提取左侧平面拟合点即可，并采用稳健特征值法获取拟合平面。
10.根据权利要求1所述的一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法，其特征在于，所述S6中，设定阈值d，设dij是第i条扫描线第j个点到平面α的距离，当dij＞d，表明该点pij属于临界点区域，将属于临界点区域且dij最小的点作为临界点qij，表示第i条扫描线的第j(1≤j≤2)个临界点，随后即可根据数学模型，计算得出间隙阶差值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674352.0A CN111814888A (zh) | 2020-07-14 | 2020-07-14 | 一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010674352.0A CN111814888A (zh) | 2020-07-14 | 2020-07-14 | 一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111814888A true CN111814888A (zh) | 2020-10-23 |
Family
ID=72842455
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010674352.0A Pending CN111814888A (zh) | 2020-07-14 | 2020-07-14 | 一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111814888A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113129644A (zh) * | 2021-03-05 | 2021-07-16 | 中国人民解放军国防科技大学 | 基于球面扫描线的船舶三维特征航线提取方法 |
| CN113390357A (zh) * | 2021-07-08 | 2021-09-14 | 南京航空航天大学 | 一种基于双目多线结构光的铆钉齐平度测量方法 |
| CN113793344A (zh) * | 2021-08-31 | 2021-12-14 | 无锡砺成智能装备有限公司 | 一种基于三维点云的叶轮焊缝定位方法 |
| CN114627177A (zh) * | 2022-03-25 | 2022-06-14 | 南京航空航天大学 | 一种基于图像分割的飞机蒙皮间隙与阶差测量方法 |
| CN115982864A (zh) * | 2023-03-21 | 2023-04-18 | 南京航空航天大学 | 一种大型复合材料构件装配协调边界特征的重建方法 |
| CN117213397A (zh) * | 2023-11-09 | 2023-12-12 | 成都飞机工业（集团）有限责任公司 | 飞机表面关键形貌特征的三维测量方法、系统及使用方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868498A (zh) * | 2016-04-20 | 2016-08-17 | 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 |
-
2020
- 2020-07-14 CN CN202010674352.0A patent/CN111814888A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868498A (zh) * | 2016-04-20 | 2016-08-17 | 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 |
Non-Patent Citations (1)
| Title |
|---|
| 张波等: "基于SVM的三维对缝点云间隙阶差提取方法", 《万方数据知识服务平台》, 8 May 2020 (2020-05-08), pages 1 - 8 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113129644A (zh) * | 2021-03-05 | 2021-07-16 | 中国人民解放军国防科技大学 | 基于球面扫描线的船舶三维特征航线提取方法 |
| CN113390357A (zh) * | 2021-07-08 | 2021-09-14 | 南京航空航天大学 | 一种基于双目多线结构光的铆钉齐平度测量方法 |
| CN113793344A (zh) * | 2021-08-31 | 2021-12-14 | 无锡砺成智能装备有限公司 | 一种基于三维点云的叶轮焊缝定位方法 |
| CN113793344B (zh) * | 2021-08-31 | 2023-09-29 | 无锡砺成智能装备有限公司 | 一种基于三维点云的叶轮焊缝定位方法 |
| CN114627177A (zh) * | 2022-03-25 | 2022-06-14 | 南京航空航天大学 | 一种基于图像分割的飞机蒙皮间隙与阶差测量方法 |
| CN114627177B (zh) * | 2022-03-25 | 2022-11-22 | 南京航空航天大学 | 一种基于图像分割的飞机蒙皮间隙与阶差测量方法 |
| CN115982864A (zh) * | 2023-03-21 | 2023-04-18 | 南京航空航天大学 | 一种大型复合材料构件装配协调边界特征的重建方法 |
| CN117213397A (zh) * | 2023-11-09 | 2023-12-12 | 成都飞机工业（集团）有限责任公司 | 飞机表面关键形貌特征的三维测量方法、系统及使用方法 |
| CN117213397B (zh) * | 2023-11-09 | 2024-03-19 | 成都飞机工业（集团）有限责任公司 | 飞机表面关键形貌特征的三维测量方法、系统及使用方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111814888A (zh) | 一种面向飞机蒙皮对缝的三维扫描线点云间隙阶差提取方法 | |
| CN104463871B (zh) | 基于车载LiDAR点云数据的街景面片提取及优化方法 | |
| Van Den Heuvel | Vanishing point detection for architectural photogrammetry | |
| CN110796728B (zh) | 一种基于扫描式激光雷达的非合作航天器三维重建方法 | |
| CN108765298A (zh) | 基于三维重建的无人机图像拼接方法和系统 | |
| CN111080627A (zh) | 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 | |
| CN102521884A (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
| CN109446691B (zh) | 基于激光点云与空气动力学的活立木抗风性能分析方法 | |
| WO2015096508A1 (zh) | 一种模型约束下的在轨三维空间目标姿态估计方法及系统 | |
| CN107862735B (zh) | 一种基于结构信息的rgbd三维场景重建方法 | |
| CN110222642A (zh) | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 | |
| CN108280852B (zh) | 一种基于激光点云数据的门窗点云形状检测方法及系统 | |
| CN110532602A (zh) | 一种基于平面图图像的室内自动制图与建模方法 | |
| CN108253925B (zh) | 一种基于点云剖面的隧道变形监测方法、设备及存储设备 | |
| CN111508015B (zh) | 一种基于三维实景数据的建筑物高度提取方法及其装置 | |
| CN113034694B (zh) | 自适应于流场特征的度量正交网格自动生成方法及装置 | |
| CN109886124A (zh) | 一种基于线束描述子图像匹配的无纹理金属零件抓取方法 | |
| CN112767531A (zh) | 面向移动端的虚拟试衣的人体模型脸部分区域建模方法 | |
| CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
| CN109671154A (zh) | 三角网格表示的曲面非迭代重新网格化方法 | |
| CN105184854B (zh) | 针对地下空间扫描点云成果数据的快速建模方法 | |
| CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
| CN109671109A (zh) | 密集点云生成方法及系统 | |
| CN109241822A (zh) | 一种基于mtcnn的多方位人脸检测方法及系统 | |
| CN114998395A (zh) | 一种有效的堤岸三维数据变化检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Yudaojie Nanjing 210016 Jiangsu province No. 29 Applicant after: Nanjing University of Aeronautics and Astronautics Applicant after: Suzhou Research Institute of Nanjing University of Aeronautics and Astronautics Address before: Building 6, No.78, Keling Road, science and Technology City, Suzhou high tech Zone, Suzhou, Jiangsu Province, 215010 Applicant before: Suzhou Research Institute of Nanjing University of Aeronautics and Astronautics Applicant before: Nanjing University of Aeronautics and Astronautics |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |