CN112102474B - 一种新型的车轴轴颈三维重构方法及系统 - Google Patents

Abstract

本发明公开了一种新型的圆柱三维重构方法及系统，该方法包括：获取测量机构中线激光位移传感器对轮对车轴的左、右轴颈的动态扫描数据；所述扫描数据为三维点云数据，对所述三维点云数据进行初始计算，生成车轴轴颈的初始拟合参数；利用粒子群算法对所述初始拟合参数进行迭代优化，得到最终拟合参数。该方法在后续的粒子群算法迭代时，由于提高了初次迭代的精度，减少了迭代时间，避免了粒子群算法陷入局部最优的问题，从而获取最优的拟合结果；提高了轮对轴颈的制造精度和装配精度，也提升了高铁列车运行的安全性和乘客乘车的舒适度。

Description

一种新型的车轴轴颈三维重构方法及系统

技术领域

本发明涉及机器视觉技术领域，特别涉及一种新型的车轴轴颈三维重构方法及系统。

背景技术

目前，中国铁路尤其是中国高铁实现迅猛发展，成为一张闪亮的“中国名片”，对高铁零部件质量的要求越来越高。列车轮对是高铁列车重要的走行部件，它的制造精度和装配精度直接影响到高铁列车运行的安全性和乘客的舒适度。而高铁动车的运行速度越来越快，这对列车轮对制造质量及制造尺寸，尤其是轮对轴颈部分的尺寸提出了更高的要求。

因此，不论在装配过程上，还是在退卸过程中，轮对的垂直度测量都具有重要的意义。垂直度的测量主要由直线与内侧面为测量对象而进行的，车轴作为典型的圆柱类零件，是直线的测量对象，而轮对轴颈部分是在精磨下完成的，要求很高的精度，其拟合或者说三维重构是检测车轴全尺寸的前提。但目前存在的非接触测量方法，精确度还有待提高，也存在误差。

基于此，对于同行从业人员来说，亟需一种新型的车轴轴颈三维重构方法。

发明内容

本发明的主要目的在于提供一种至少部分解决上述技术问题的一种新型的车轴轴颈三维重构方法及系统，通过三维重构方法获取轮对轴颈精确度较高的初始拟合参数，并在后期迭代过程中更快更好的完成轮对轴颈7个参数的计算,解决目前对非接触测量精确度较低和存在误差的问题。

第一方面，本发明实施例提供一种新型的车轴轴颈三维重构方法，包括：

S100、获取测量机构中线激光位移传感器对轮对车轴的左、右轴颈的动态扫描数据；

S200、所述扫描数据为三维点云数据，对所述三维点云数据进行初始计算，生成车轴轴颈的初始拟合参数；

S300、利用粒子群算法对所述初始拟合参数进行迭代优化，得到最终拟合参数。

进一步地，所述S100的测量机构，包括：直线位移平台、线激光位移传感器、激光位移传感器固定板及支撑架；

所述直线位移平台用于实现线激光位移传感器的水平方向移动。

进一步地，所述步骤S200包括：

S201、对局部三维点云数据进行平面拟合，生成第一平面；

S202、将线激光位移传感器扫描所得的全部三维点云数据投影至所述第一平面；

S203、在所述第一平面投影数据的两条边缘线上，寻找边缘线上最近两点，作第二平面经过所述最近两点连成的直线，并垂直于所述第一平面，将全部三维点云数据投影在所述第二平面上，形成二维平面圆数据；

S204、在所述二维平面圆数据中任取不共线3个点，视为A₀,B₀,C₀，构建投影坐标系；

S205、求解出所述投影坐标系与点云坐标系之间的旋转平移矩阵，根据旋转平移矩阵将点云坐标系中的点转换到投影坐标系中并拟合圆；所述点云坐标系为线激光位移传感器所采集的三维点云数据所在的坐标系；

S206、通过投影坐标系中的拟合圆获取点云坐标系中轮对轴颈轴线方向向量、轴颈轴线经过一点坐标和轴颈半径的初始拟合参数。

进一步地，所述步骤S201包括：

平面方程的表达式为：

Ax+By+Cz+D＝0，C≠0

z＝a₀x+a₁y+a₂

对于n个点,n≥3：

(x_i,y_i,z_i)，i＝1,2,3……n-1

求S的最小值：

其中，a₀,a₁,a₂为未知数；

要使S最小，应满足：

即

解上述线性方程组，得：a₀,a₁,a₂

即得到平面方程：z＝a₀x+a₁y+a₂；生成第一平面。

进一步地，所述步骤S202，包括：

三维空间平面的一般方程为：

Ax+By+Cz+D＝0

平面外一点的三维空间点坐标为(x₀,y₀,z₀)，其在平面上的投影点坐标为 (x_p,y_p,z_p)；

投影点到当前点的连线与平面垂直，根据垂直约束条件，y_p与z_p满足如下条件：

解得：

解得空间三维点到所述第一平面的投影坐标(x_p,y_p,z_p)。

进一步地，所述步骤S203，包括：

设两点的坐标分别为(x₁₁,y₁₁,z₁₁)和(x₂₂,y₂₂,z₂₂)，已知第一平面的法向量

求得所述最近两点的方向向量

及第二平面法向量

作第二平面经过所述最近两点连成的直线，并垂直于所述第一平面，将全部三维点云数据投影在所述第二平面上，形成二维平面圆数据；

得出所求二维平面圆的法向量为：

即：

已知二维平面圆的法向量与点(x₁₁,y₁₁,z₁₁)计算出二维平面圆的平面方程。

进一步地，所述步骤S204，包括：在所述二维平面圆数据中任取不共线3 个点，视为A₀,B₀,C₀；

设A₀点坐标为：(x_1a,y_1a,z_1a)，B₀点坐标为：(x_1b,y_1b,z_1b)，C₀点坐标：(x_1c,y_1c,z_1c)；

以A₀点为坐标原点O_1E,以向量

的方向为投影坐标系X_1E轴，在A₀B₀C₀平面内，经过A₀作该平面的垂线作为投影坐标系Z_1E 轴，根据右手系法则，建立投影坐标系Y_1E ；

X_1E轴方向为：

Z_1E轴方向为：

Y_1E轴方向为：

即X_1E，Z_1E，Y_1E分别为投影坐标系的三个轴。

进一步地，所述步骤S205，包括：

将所述投影在第二平面上的三维坐标转化为z轴坐标为0的二维数据集，对二维数据进行拟合圆；

即旋转矩阵为：

平移矩阵：

即平移矩阵为[a b c]^T；

综上所述，旋转平移矩阵为：

将点云坐标系中的三维点云数据左乘该矩阵，得到Z_1E轴坐标为0的二维数据集，(X_i,Y_i)i∈(1,2,3...N)为除Z_1E轴后的数据。

进一步地，所述步骤S206，包括：

所述二维数据的拟合圆的圆心在点云坐标系中的坐标作为轴颈轴线通过的任意一点(x_x,y_y,z_z),二维平面圆的法向量

作为轴颈轴线的方向向量，所述拟合圆的半径作为圆柱轴颈的半径；

所述拟合圆曲线：

R²＝(X-A_A)²+(Y-B_B)²

令a_a＝-2A_A b_b＝-2B_B

得拟合圆曲线方程的另一个形式：

求出参数a_a,b_b,c_c后，再求得圆心半径的参数：

样本集(X_i,Y_i) i∈(1,2,3...N)中点到圆心的距离为d_i：

d_i ²＝(X_i-A_A)²+(Y_i-B_B)²

点(X_i,Y_i)到圆边缘的距离的平方与半径平方的差为：

δ_i＝d_i ²-R²＝(X_i-A_A)²+(Y_i-B_B)²-R²＝X_i ²+Y_i ²+a_aX_i+b_bY_i+c_c

令Q(a_a,b_b,c_c)为δ_i的平方和；

Q(a_a,b_b,c_c)＝∑δ_i ²＝∑[(X_i ²+Y_i ²+a_aX_i+b_bY_i+c_c)]²

求参数a_a,b_b,c_c使得Q(a_a,b_b,c_c)的值最小值；

平方和Q(a_a,b_b,c_c)大于0，函数存在大于或等于0的极小值，极大值为无穷大；

F(a_a,b_b,c_c)对a_a,b_b,c_c求偏导，令偏导等于0，得到极值点，比较所有极值点的函数值即得到最小值；

求解a_a,b_b,c_c

得A_A,B_B,R的估计拟合值：

将计算的拟合圆圆心数据左乘步骤S205的旋转平移矩阵的逆矩阵，得到所述拟合圆圆心在激光位移传感器之中的三维坐标。

第二方面，本发明实施例还提供一种新型的车轴轴颈三维重构系统，包括：测量机构和计算终端；

其中，所述测量机构通过支撑架放置在待测轮对的一端或两端，用于动态扫描轮对车轴的左、右轴颈；

所述测量机构与所述计算终端通讯连接；

所述计算终端用于执行如上述实施例所述的一种新型的车轴轴颈三维重构方法。

本发明实施例提供的上述技术方案的有益效果至少包括：

本发明通过测量机构动态地对轮对车轴的轴颈进行扫描检测，获取轮对轴颈表面数据，通过轮对轴颈三维重构获得较为精确的初始拟合参数，并利用粒子群算法对初始拟合参数进行迭代优化；在后续的粒子群算法迭代时，由于提高了初次迭代的精度，减少了迭代时间，避免了粒子群算法会陷入局部最优的缺点，从而获取最优的拟合结果；提高了轮对轴颈的制造精度和装配精度，也提升了高铁列车运行的安全性和乘客乘车的舒适度。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例提供的圆柱三维重构方法的流程图；

图2为本发明实施例提供的测量机构示意图；

图3为本发明实施例提供的待测轮对机构示意图；

图4为本发明实施例提供的总体测量示意图；

图5为本发明实施例提供的测量流程示意图；

图6为本发明实施例提供的圆柱三维重构的系统结构图；

附图中：1-直线位移平台、2-线激光位移传感器、3-激光位移传感器固定板、4-支撑架、5-左轴颈、6-车轴、7-右轴颈、8-无线信号传递设备、9-计算终端。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例1：

本发明实施例提供了一种新型的车轴轴颈三维重构方法，参照图1，包括：

S100、获取测量机构中线激光位移传感器对轮对车轴的左、右轴颈的动态扫描数据；

S200、所述扫描数据为三维点云数据，对所述三维点云数据进行初始计算，生成车轴轴颈的初始拟合参数；

S300、利用粒子群算法对所述初始拟合参数进行迭代优化，得到最终拟合参数。

本实施例中，通过测量机构动态地对轮对车轴的轴颈进行扫描检测，获取轮对轴颈表面数据，通过轮对轴颈三维重构获得较为精确的初始拟合参数，并利用粒子群算法对初始拟合参数进行迭代优化，完成轮对轴颈7个参数的计算, 得到最终拟合参数；该7个参数分别是指轴线的方向向量、通过轴线的任一点坐标以及轮对轴颈半径。

在后续的粒子群算法迭代时，由于提高了初次迭代的精度，减少了迭代时间，避免了粒子群算法会陷入局部最优的缺点，从而获取最优的拟合结果；提高了轮对轴颈的制造精度和装配精度，也提升了高铁列车运行的安全性和乘客乘车的舒适度。

下面通过更详细的实施例来说明本发明提供的一种新型的车轴轴颈三维重构方法。

具体实施时，一种新型的车轴轴颈三维重构方法，通过线激光位移传感器 2完成对轮对轴颈的扫描，得到若干三维数据点云。

参照图2，测量机构主要由直线位移平台1，线激光位移传感器2，激光位移传感器固定板3，支撑架4构成。

参照图3-4，待测轮对主要包括左轴颈5、车轴6和右轴颈7。本实施例采用对测量机构的数量不作限定，待测轮对在线激光位移传感器的测量范围内即可。

具体检测过程如下，参照图5，线激光位移传感器2投射出的激光线映射在轮对轴颈上，直线位移平台1开始运动，此时，线激光位移传感器2开始采集数据，直到线激光位移传感器2采集整个轴颈圆柱数据，采集三维数据之后，利用算法对圆柱型轴颈进行重构，得到轴颈半径，轴线等初始拟合参数；然后，再通过粒子群算法迭代寻找最优解，完成线激光位移传感器2对轮对轴颈圆柱的测量。

轮对在测量过程中，由于轮对位置被固定，直线位移平台1带动线激光位移传感器2在运动，因此传感器采集轮对轴颈表面特征信息，形成三维点云数据，得到多个数据：(x₁,y₁,z₁)，(x₂,y₂,z₂)，(x₃,y₃,z₃)......(x_i,y_i,z_i)

初值寻找：

(1)先将局部点云数据做平面拟合；

平面方程的一般表达式为：

Ax+By+Cz+D＝0，C≠0

即：z＝a₀x+a₁y+a₂

对于一系列的n个点：

(n≥3)(x_i,y_i,z_i)，i＝1,2,3……n-1

只要使下列公式取最小值：

其中a₀,a₁,a₂为未知数。

要使S最小，应满足：

即

解上述线性方程组，得：a₀,a₁,a₂

即：z＝a₀x+a₁y+a₂；生成第一平面。

(2)将线激光位移传感器扫描所得的全部三维点云数据投影至上述第一平面；

三维空间平面的一般方程为：

Ax+By+Cz+D＝0

假定不在平面上的三维空间点坐标为(x₀,y₀,z₀)，其在平面上的投影点坐标为(x_p,y_p,z_p)。

因为投影点到当前点与平面垂直，根据垂直约束条件，易知y_p与z_p满足如下条件：

解得：

由此解得空间三维点到平面的投影坐标(x_p,y_p,z_p)。

(3)拟合平面投影数据的两条边缘线，并寻找边缘线上最近两点；然后作一平面(第二平面)经过上述两个点连成的直线，并垂直于上述面(第一平面)；再利用第二步的方法，全部三维点云数据投影在第二平面上，形成二维平面圆；

获取两点的坐标(x₁₁,y₁₁,z₁₁)和(x₂₂,y₂₂,z₂₂)，已知第一平面的法向量

求得最近两点的方向向量

及第二平面(二维平面圆所在平面)法向量

得出所求二维平面圆的法向量为：

即：

已知二维平面圆的法向量与点(x₁₁,y₁₁,z₁₁)计算出二维平面圆的平面方程。

(4)在所述二维平面圆上任取不共线3个点(视为A₀,B₀,C₀)，构建投影坐标系；

A₀点坐标：(x_1a,y_1a,z_1a)

B₀点坐标：(x_1b,y_1b,z_1b)

C₀点坐标：(x_1c,y_1c,z_1c)

首先以A₀点为坐标原点O_1E,以向量

的方向为投影坐标系X_1E轴，在 A₀B₀C₀平面内，经过A₀作该平面的垂线作为投影坐标系Z_1E 轴，根据右手系法则，建立投影坐标系Y_1E ；

X_1E轴方向为：

Z_1E轴方向为：

Y_1E轴方向为：

即X_1E，Z_1E，Y_1E分别为坐标系的三个轴。

(5)求解出所述投影坐标系与点云坐标系之间的旋转平移矩阵，根据旋转平移矩阵将点云坐标系中的点转换到投影坐标系中；

将投影在第二平面上点(二维平面圆)的三维坐标转化为z轴坐标为0的二维数据集，对二维数据进行拟合圆，将拟合出的圆心坐标左乘旋转平移矩阵的逆矩阵，得到该点在点云坐标系中的坐标；

即旋转矩阵为：

平移矩阵：

即平移矩阵为[a b c]^T

综上，旋转平移矩阵为：

将点云坐标系中的三维点云数据左乘该矩阵，得到Z_1E轴坐标为0的二维数据集,(X_i,Y_i)i∈(1,2,3...N)为除Z_1E轴的数据。

(6)获取车轴轴线方向向量、轴线经过一点坐标和轴颈半径的初始拟合参数；

所述二维数据的拟合圆的圆心在点云坐标系中的坐标作为轴颈轴线通过的任意一点(x_x,y_y,z_z),垂直面的法向量

作为轴颈轴线的方向向量，所述拟合圆的半径作为圆柱轴颈的半径；

拟合圆曲线：R²＝(X-A_A)²+(Y-B_B)²

令a_a＝-2A_A b_b＝-2B_B

可得拟合圆曲线方程的另一个形式：

只要求出参数a_a,b_b,c_c就可以求得圆心半径的参数：

样本集(X_i,Y_i) i∈(1,2,3...N)中点到圆心的距离为d_i：

d_i ²＝(X_i-A_A)²+(Y_i-B_B)²

点(X_i,Y_i)到圆边缘的距离的平方与和半径平方的差为：

δ_i＝d_i ²-R²＝(X_i-A_A)²+(Y_i-B_B)²-R²＝X_i ²+Y_i ²+a_aX_i+b_bY_i+c_c

令Q(a_a,b_b,c_c)为δ_i的平方和

Q(a_a,b_b,c_c)＝∑δ_i ²＝∑[(X_i ²+Y_i ²+a_aX_i+b_bY_i+c_c)]²

求参数a_a,b_b,c_c使得Q(a_a,b_b,c_c)的值最小值

解：

平方和Q(a_a,b_b,c_c)大于0，因此函数存在大于或等于0的极小值，极大值为无穷大。

F(a_a,b_b,c_c)对a_a,b_b,c_c求偏导，令偏导等于0，得到极值点，比较所有极值点的函数值即可得到最小值。

求解a_a,b_b,c_c

得A_A,B_B,R的估计拟合值：

将计算的拟合圆圆心数据左乘步骤S205的旋转平移矩阵的逆矩阵，得到所述拟合圆圆心在激光位移传感器之中的三维坐标(x_x,y_y,z_z)，获取初始拟合参数。

(7)利用粒子群算法对参数进行迭代优化，最终找到最优解。

将计算得出的轴线的方向向量

与轴线通过的任意一点x_x,y_y,z_z，以及半径R等7个初始拟合参数作为粒子群算法的初始解。利用粒子群算法，对轮对表面数据进行迭代寻优，找到圆柱各个参数最优解，完成轮对轴颈重构。

基于粒子群算法寻求圆柱各个参数原理如下：

step1种群初始化，可以进行随机初始化或者根据被优化的问题设计特定的初始化方法，然后计算个体的适应值(将上诉计算出的7个初始值作为特定的初始化粒子的位置与当前解)，从而选择出个体的局部最优位置向量和种群的全局最优位置向量。在此处，将上诉算出的7个已知数作为粒子群算法的初始解，由于初始解较为接近最终解，使得粒子群算法在迭代过程中，大幅度降低了迭代次数，不易陷入局部最优解。

step2迭代设置：设置迭代次数，并令当前迭代次数为1；

step3速度更新：更新每个个体的速度向量；

step4位置更新：更新每个个体的位置向量；

step5局部位置和全局位置向量更新：更新每个个体的局部最优解和种群的全局最优解；

step6终止条件判断：判断迭代次数时都达到最大迭代次数，如果满足，输出全局最优解，否则继续进行迭代，跳转至step3。

最终输出最优解，得到轮对轴颈圆柱重构参数。

参照轴颈初始拟合参数与最终拟合参数对比表：

对计算所得的初始拟合参数和最终拟合参数进行数据分析，轮对轴颈的轴线的方向向量、轴线通过的任意一点和半径7个初始拟合参数大部分与最终拟合数据相近，具有较高的准确性，可使在粒子群算法迭代过程中，减少迭代次数，改善容易陷入局部最优的特性。

实施例2：

本发明实施例还提供了一种新型的车轴轴颈三维重构系统，参照图6，包括测量机构和计算终端9；

其中，测量机构通过支撑架4放置在待测轮对的一端或两端；用于动态扫描轮对车轴的左、右轴颈；

比如测量机构通过路由器8与计算终端9通讯连接；实际测量时，将测量机构的支撑架4固定于待测轮对的一端或两端，通过直线位移平台1带动线激光位移传感器2对待测轮对一端或两端的轴颈进行动态扫描，通过上述实施例三维重构方法获取初始拟合参数，再通过粒子群算法迭代出最优拟合参数。

计算终端9用于执行上述实施例1圆柱三维重构方法的步骤。

S100、获取测量机构中线激光位移传感器对轮对车轴的左、右轴颈的动态扫描数据；

S200、所述扫描数据为三维点云数据，对所述三维点云数据进行初始计算，生成车轴轴颈的初始拟合参数；

S300、利用粒子群算法对所述初始拟合参数进行迭代优化，得到最终拟合参数。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种新型的车轴轴颈三维重构方法，其特征在于，包括：

S100、获取测量机构中线激光位移传感器对轮对车轴的左、右轴颈的动态扫描数据；

S200、所述扫描数据为三维点云数据，对所述三维点云数据进行初始计算，生成车轴轴颈的初始拟合参数；

S300、利用粒子群算法对所述初始拟合参数进行迭代优化，得到最终拟合参数；

所述步骤S200包括：

S201、对局部三维点云数据进行平面拟合，生成第一平面；

S202、将线激光位移传感器扫描所得的全部三维点云数据投影至所述第一平面；

S203、在所述第一平面投影数据的两条边缘线上，寻找边缘线上最近两点，作第二平面经过所述最近两点连成的直线，并垂直于所述第一平面，将全部三维点云数据投影在所述第二平面上，形成二维平面圆数据；

S204、在所述二维平面圆数据中任取不共线3个点，视为A₀,B₀,C₀，构建投影坐标系；

S205、求解出所述投影坐标系与点云坐标系之间的旋转平移矩阵，根据旋转平移矩阵将点云坐标系中的点转换到投影坐标系中并拟合圆；所述点云坐标系为线激光位移传感器所采集的三维点云数据所在的坐标系；

S206、通过投影坐标系中的拟合圆获取点云坐标系中轮对轴颈轴线方向向量、轴颈轴线经过一点坐标和轴颈半径的初始拟合参数。

2.如权利要求1所述的一种新型的车轴轴颈三维重构方法，其特征在于，所述S100的测量机构，包括：直线位移平台、线激光位移传感器、激光位移传感器固定板及支撑架；

所述直线位移平台用于实现线激光位移传感器的水平方向移动。

3.如权利要求1所述的一种新型的车轴轴颈三维重构方法，其特征在于，所述步骤S201包括：

平面方程的表达式为：

Ax+By+Cz+D＝0，C≠0

z＝a₀x+a₁y+a₂

对于n个点,n≥3：

(x_i,y_i,z_i)，i＝1,2,3……n-1

求S的最小值：

其中，a₀,a₁,a₂为未知数；

要使S最小，应满足：

即

解上述线性方程组，得：a₀,a₁,a₂

即得到平面方程：z＝a₀x+a₁y+a₂；生成第一平面。

4.如权利要求3所述的一种新型的车轴轴颈三维重构方法，其特征在于，所述步骤S202，包括：

第一平面的一般方程为：

Ax+By+Cz+D＝0

第一平面外一点的三维空间点坐标为(x₀,y₀,z₀)，其在第一平面上的投影点坐标为(x_p,y_p,z_p)；

投影点到当前点的连线与第一平面垂直，根据垂直约束条件，y_p与z_p满足如下条件：

解得：

解得空间三维点到所述第一平面的投影坐标(x_p,y_p,z_p)。

5.如权利要求4所述的一种新型的车轴轴颈三维重构方法，其特征在于，所述步骤S203，包括：

设两点的坐标分别为(x₁₁,y₁₁,z₁₁)和(x₂₂,y₂₂,z₂₂)，求得所述最近两点的方向向量

及所述第一平面的法向量

作第二平面经过所述最近两点连成的直线，并垂直于所述第一平面，将全部三维点云数据投影在所述第二平面上，形成二维平面圆数据；

得出所求二维平面圆的法向量为：

即：

已知二维平面圆的法向量与点(x₁₁,y₁₁,z₁₁)计算出二维平面圆的平面方程。

6.如权利要求5所述的一种新型的车轴轴颈三维重构方法，其特征在于，所述步骤S204，包括：在所述二维平面圆数据中任取不共线3个点，视为A₀,B₀,C₀；

设A₀点坐标为：(x_1a,y_1a,z_1a)，B₀点坐标为：(x_1b,y_1b,z_1b)，C₀点坐标：(x_1c,y_1c,z_1c)；

以A₀点为坐标原点O_1E,以向量

的方向为投影坐标系X_1E轴，在A₀B₀C₀平面内经过A₀作该平面的垂线作为投影坐标系Z_1E 轴，根据右手系法则，建立投影坐标系Y_1E ；

X_1E轴方向为：

Z_1E轴方向为：

Y_1E轴方向为：

即X_1E，Z_1E，Y_1E分别为投影坐标系的三个轴。

7.如权利要求6所述的一种新型的车轴轴颈三维重构方法，其特征在于，所述步骤S205，包括：

将点云坐标系中三维点云数据的三维坐标转化为Z_1E轴坐标为0的二维数据集，对二维数据进行拟合圆；

即旋转矩阵为：

平移矩阵：

即平移矩阵为[a b c]^T；

综上所述，旋转平移矩阵为：

将点云坐标系中的三维点云数据左乘该矩阵，得到Z_1E轴坐标为0的二维数据集，(X_i,Y_i)i∈(1,2,3...N)为除Z_1E轴后的数据。

8.如权利要求7所述的一种新型的车轴轴颈三维重构方法，其特征在于，所述步骤S206，包括：

所述二维数据的拟合圆的圆心在点云坐标系中的坐标作为轴颈轴线通过的任意一点(x_x,y_y,z_z),二维平面圆的法向量

作为轴颈轴线的方向向量，所述拟合圆的半径作为车轴轴颈的半径；

所述拟合圆曲线：

R²＝(X-A_A)²+(Y-B_B)²

令a_a＝-2A_A b_b＝-2B_B

得拟合圆曲线方程的另一个形式：

求出参数a_a,b_b,c_c后，再求得圆心半径的参数：

二维数据集(X_i,Y_i)i∈(1,2,3...N)中点到圆心的距离为d_i：

d_i ²＝(X_i-A_A)²+(Y_i-B_B)²

点(X_i,Y_i)到圆边缘的距离的平方与半径平方的差为：

δ_i＝d_i ²-R²＝(X_i-A_A)²+(Y_i-B_B)²-R²＝X_i ²+Y_i ²+a_aX_i+b_bY_i+c_c

令Q(a_a,b_b,c_c)为δ_i的平方和；

Q(a_a,b_b,c_c)＝∑δ_i ²＝∑[(X_i ²+Y_i ²+a_aX_i+b_bY_i+c_c)]²

求参数a_a,b_b,c_c使得Q(a_a,b_b,c_c)的值最小；

平方和Q(a_a,b_b,c_c)大于0，函数存在大于或等于0的极小值，极大值为无穷大；

Q(a_a,b_b,c_c)对a_a,b_b,c_c求偏导，令偏导等于0，得到极值点，比较所有极值点的函数值即得到最小值；

求解a_a,b_b,c_c

得A_A,B_B,R的估计拟合值：

将计算的拟合圆圆心数据左乘步骤S205的旋转平移矩阵的逆矩阵，得到所述拟合圆圆心在激光位移传感器之中的三维坐标。

9.一种新型的车轴轴颈三维重构系统，其特征在于，包括：测量机构和计算终端；

其中，所述测量机构通过支撑架放置在待测轮对的一端或两端，用于动态扫描轮对车轴的左、右轴颈；

所述测量机构与所述计算终端通讯连接；

所述计算终端用于执行如权利要求1所述的一种新型的车轴轴颈三维重构方法。

Images