CN112964172A - 基于结构光相机的航空叶片表面量测方法及量测设备 - Google Patents

基于结构光相机的航空叶片表面量测方法及量测设备 Download PDF

Info

Publication number
CN112964172A
CN112964172A CN202011422453.5A CN202011422453A CN112964172A CN 112964172 A CN112964172 A CN 112964172A CN 202011422453 A CN202011422453 A CN 202011422453A CN 112964172 A CN112964172 A CN 112964172A
Authority
CN
China
Prior art keywords
blade
point cloud
structured light
section
point
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
CN202011422453.5A
Other languages
English (en)
Other versions
CN112964172B (zh
Inventor
熊鑫鑫
陈浩
杨光
梁天为
韩建勋
郑军
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.)
Matrixtime Robotics Shanghai Co ltd
Original Assignee
Matrixtime Robotics Shanghai Co ltd
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 Matrixtime Robotics Shanghai Co ltd filed Critical Matrixtime Robotics Shanghai Co ltd
Priority to CN202011422453.5A priority Critical patent/CN112964172B/zh
Publication of CN112964172A publication Critical patent/CN112964172A/zh
Application granted granted Critical
Publication of CN112964172B publication Critical patent/CN112964172B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • 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
    • 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
    • G01B11/255—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring radius of curvature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205—Re-meshing
    • 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
    • G06T3/073—Transforming surfaces of revolution to planar images, e.g. cylindrical surfaces to planar images
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及一种基于结构光相机的航空叶片表面量测方法及量测设备，包括以下步骤：通过两台相对设置的结构光相机采集航空叶片两个表面的点云数据，形成三维的叶片点云；对所述叶片点云沿着轴向切片，获得截面点云，所述轴向为叶片截面法矢方向；将所述截面点云降维至二维空间中；在所述二维空间中对所述截面点云进行轮廓提取，形成叶片截面多边形；通过迭代搜索方法获得所述叶片截面多边形的最大内切圆半径，从而获得叶片厚度。与现有技术相比，本发明在保证量测精度的同时，提高航空叶片的量测效率。

Description

基于结构光相机的航空叶片表面量测方法及量测设备
技术领域
本发明涉及航空发动机参数测量技术领域，尤其是涉及一种基于结构光相机 的航空叶片表面量测方法及量测设备。
背景技术
航空发动机叶片制造水平对发动机研制起着至关重要的作用。现阶段航空发动机叶片制造通常无法一步到位做到无余量加工，需要在前序加工后开展精密测量工 序，并且由测量结果进一步指导后续加工。发动机叶片维修过程中同样需要对叶片 开展叶片测量来提取叶片磨损量等型面参数，从而保证修复精度。并且，航空发动 机叶片作为航空发动机的一种核心部件，同时它又是一种典型的高精度自由曲面零 件，其精确的物理尺寸参数直接影响了航空发动机的性能。在航空发动机内部，绝 不允许有微弱的装配尺寸误差，而且航空发送机的内部构造十分复杂，况且叶片又 是发动机内部工作环境最为恶劣的零件之一，正因为叶片要在恶劣复杂的环境下长 时间持续工作，若叶片的设计尺寸出现差错，极易导致发动机在正常运转时叶身受 到不均匀的循环应力，产生断裂失效的风险。目前，航空叶片检测存在一系列难题， 包括：1)测量精度要求高，叶片型面测量精度直接影响到叶片制造精度。2)测量 效率要求高。由于叶片是大批量生产的零件，生产数量成千上万，提高测量速度和 效率是非常重要的一项任务。3)测量可靠性要求高。叶片测量数据处理结果要准 确反应叶片的实际状态，这样才可以保证叶片的制造质量达到要求。
当前，为满足航空叶片高精度的量测要求，传统航空叶片的量测方法使用三坐 标机对航空叶片进行表面量测。三坐标机测量法是一种高精度的三维空间检测方法， 主要通过测量叶片轮廓上各测量点的坐标值，再利用一些建模与数据分析软件，得 到叶片截面参数和形状误差等。作为接触式测量方法，三坐标测量机是目前叶片检 测手段中精度最高的一种。然而，三坐标测量机测量时需要接触被测物表面，将不 可避免地对叶片造成一定的损伤，并且，三坐标测量机测量范围小、体积大且不易 拆卸，受被测工件的尺寸限制大，叶片点云生成速度慢。这些都给快速精确量测叶 片参数带来挑战。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于结构光 相机的航空叶片表面量测方法及量测设备，在保证量测精度的同时，提高航空叶片 的量测效率。
本发明的目的可以通过以下技术方案来实现：
一种基于结构光相机的航空叶片表面量测方法，包括以下步骤：
通过两台相对设置的结构光相机采集航空叶片两个表面的点云数据，形成三维的叶片点云；
对所述叶片点云沿着轴向切片，获得截面点云，所述轴向为叶片截面法矢方向；
将所述截面点云降维至二维空间中；
在所述二维空间中对所述截面点云进行轮廓提取，形成叶片截面多边形；
通过迭代搜索方法获得所述叶片截面多边形的最大内切圆半径，从而获得叶片厚度。
进一步地，两台所述结构光相机经标定后进行所述点云数据的采集，所述标定 具体为：
将一标定块放置于两台结构光相机中间，该标定块至两台结构光相机的距离相等；
使用结构光相机采集该标定块的点云数据；
使用迭代最邻近点算法将标定块的两帧点云匹配到同一坐标框架下，得到的旋转矩阵和平移矩阵，即获得结构光相机的相机外参，完成标定。
进一步地，所述标定块为0.1微米精度的标定块。
进一步地，所述获得截面点云具体为：
采用一组平行平面沿轴向对所述叶片点云进行划分，形成所述截面点云。
进一步地，通过主成分分析对截面点云进行处理，将所述截面点云降维至二维 空间中。
进一步地，所述主成分分析中，截面点云的第一主成分分量指向x轴，第二主 成分分量指向y轴。
进一步地，所述轮廓提取具体为：
采用Graham法构建截面点云的二维凸包多边形，提取凸包点，剩余点为凹包 点，将凹包点作为候选点；
对于每个候选点，遍历计算其到所述凸包多边形相邻顶点连线的距离，将该候 选点插入距离最小的两个相邻顶点之间，更新凸包多边形；
重复上述步骤，直至将所有候选点插入凸包多边形中，最终形成所述叶片截面 多边形。
进一步地，计算每个所述候选点到所述凸包多边形相邻顶点连线的距离时，按 候选点与所述连线的不同位置关系，采用不同的距离计算方式。
进一步地，采用Graham法构建所述二维凸包多边形。
进一步地，所述最大内切圆半径通过以下步骤获得：
a)对所述叶片截面多边形形成的二维空间进行格网划分，记录每个格网中心 点的坐标；
b)对于每个格网中心点，计算其到叶片截面多边形上每个点的距离，并记录 最小距离，得到最小距离的集合，记录集合中最大值为内切圆半径rf，此时对应的 格网点中心记为圆心Of，格网大小记为Sf；
c)对于步骤b)中得到的圆心，对圆心周围1.5Sf的圆形空间进行二维格网划 分，并且按照步骤b)计算得到新的内切圆半径rb、圆心Ob以及格网大小Sb；
d)计算圆心Of与圆心Ob之间的距离，若大于给定阈值，则重复步骤c)，若 小于等于给定阈值，则结束迭代过程，此时，得到航空叶片截面的最大内切圆半径 为rb和圆心为Ob。
本发明还提供一种量测设备，包括：
一个或多个处理器；
存储器；和
被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于结构光相机的航空叶片表面量测方法的指令。
与现有技术相比，本发明具有如下有益效果：
1)本发明通过结构光相机采集叶片点云的方式对叶片厚度进行量测，能够快 速、准确地测量出航空发动机的尺寸参数。
2)本发明的结构光相机经标定后使用，方便将两帧叶片三维点云配准到同一 坐标框架下，提高了量测精度。
3)本发明结构光相机标定时采用0.1微米精度的标定块，使得整体量测精度 保证在10μm，保证量测精度。
4)本发明对叶片点云按照法矢方向进行点云切片，从而得到更为精确的叶片 截面。
5)本发明在进行测量时使用主成分分析将三维空间中点云降维至二维空间中，简化计算复杂性。
6)本发明中使用迭代搜索的方法搜索最大内切圆的圆心和半径，具有极高的 参数计算精度。
7)本发明整套流程无需人工干预，效率极高，并且，由实验结果可知，本发 明提出的厚度量测方法具较高精度。本发明在保证量测精度的同时，提高航空叶片 的量测效率，确保航空发动机叶片的高质量和高性能要求，能够较好地将硬件平台 以及软件算法平台整合在一起，实现航空叶片“产线化”检测。
附图说明
图1为本发明的流程示意图；
图2为本发明采集数据时的结构示意图，其中，(2a)为主视图，(2b)为侧 视图，(2c)为俯视图；
图3为航空叶片三维点云示意图；
图4为航空叶片截面示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范 围不限于下述的实施例。
为了确保航空发动机叶片的高质量和高性能要求，快速、准确地测量出航空发 动机的尺寸参数，本发明提供一种基于结构光相机的航空叶片表面量测方法，参考 图1所示，包括以下步骤：
通过两台相对设置的结构光相机采集航空叶片两个表面的点云数据，形成三维的叶片点云，其中，结构光相机经标定后进行所述点云数据的采集；
对所述叶片点云沿着轴向切片，获得截面点云，所述轴向为叶片截面法矢方向；
将所述截面点云降维至二维空间中；
在所述二维空间中对所述截面点云进行轮廓提取，形成叶片截面多边形；
通过迭代搜索方法获得所述叶片截面多边形的最大内切圆半径，从而获得叶片厚度。
1、相机标定
如图2所示，该方法通过两台结构光1相机进行点云数据的采集，将各个相机 接入同一数据处理单元，上料机器人2用于从上料箱中抓取航空叶片。其中，结构 光相机采用面结构光相机。将该结构光相机固定在云台板上，令两台面结构光相机 能够最大程度照射航空叶片的两面，并与计算机进行通信链接。云台板通过三角支 架进行安装，并与参考平面保持垂直。将航空叶片置于上料箱中，利用另一结构光 相机与上料机器人组合实现机器人自动抓取，并且将航空叶片送入指定位置，进行 叶片表面点云量测，计算机记录结构光相机返回的叶片表面点云数据并进行处理， 最终得到航空叶片任意位置的厚度信息。
两台结构光相机对航空叶片的两个表面分别进行量测后，可以得到叶片两侧表面的三维点云，如图3所示。然而，两帧叶片三维点云均处于以相机光心为原点的 三维直角坐标系中，因此，必须将两帧点云配准到同一坐标框架下。本实施例中采 用0.1微米精度的标定块标定两台对向放置的结构光相机进行线扫相机精密标定。 标定过程具体为：将标定块放置于两台结构光相机中间，该标定块至两台结构光相 机的距离相等；使用结构光相机采集该标定块的点云数据；使用迭代最邻近点算法 (Iteration Closest Point,ICP)将标定块的两帧点云匹配到同一坐标框架下，得到的 旋转矩阵和平移矩阵，即为两台结构光相机的标定参数，以下称该结构光相机标定 参数为相机外参，完成标定。
高精度标定块的尺寸信息可以通过结构光相机采集到的点云计算得到，将该尺寸信息与高精度标定块的真实制作尺寸对比，点云与真实物理模型最大误差为10 μm，认为整套数据采集系统的精度为10μm。
2、点云切片
为了简化叶片厚度的计算流程，将叶片点云沿着轴向切片，对切片点云进行处理，得到的切片的厚度值即为叶片在切片位置的厚度值。常见的点云切片算法常常 在坐标轴方向对点云进行切片，并对得到的叶片截面点云进行编号排序，然而，在 航空叶片量测过程中，叶片的轴向不一定与坐标轴方向精密重合，因此，本发明按 照法矢方向进行点云切片，将叶片点云的轴向设置为法矢方向，从而得到更为精确 的叶片截面，如图4所示。
点云切片的生成可描述为采用一组平行平面按给定方向对三维点云进行划分。假设有一组法矢指向叶片轴向的平面集T，设zpitch为点云切片厚度，计算叶片点云 中每个点到平面Ti的距离，沿轴向方向所有满足距离小于zpitch的点构成一个点云切 片。
3、主成分分析
对点云进行切片处理得到了航空叶片的截面点云，然而，由于点云处于三维空 间直角坐标系中，并且，考虑到截面点云仅在两个方向具有较大的方差分量，在另 一方向由于切片厚度zpitch较小，因而，方差分量接近于零，此时，使用主成分分析 (PrincipleComponent Analysis，PCA)对截面点云进行处理，将三维空间中点云 降维至二维空间(xoy平面)中，降低数据处理的复杂度。主成分分析中，截面点 云的第一主成分分量指向x轴，第二主成分分量指向y轴。
4、航空叶片轮廓提取
a)二维凸包构建，使用Graham法构建叶片截面点云的二维凸包多边形，并 且把凸包点提取出来，剩下的点即为凹包点(候选点)。
b)对于每个候选点，遍历凸包多边形上所有相邻顶点，计算候选点到每一相 邻顶点连线的距离。计算每个所述候选点到所述凸包多边形相邻顶点连线的距离时， 按候选点与所述连线的不同位置关系，采用不同的距离计算方式，如可以候选点到 连线的垂直距离或候选点到某一顶点的距离作为最终距离。
c)根据最小化点至线段距离的原则，将候选点插入距离最小的两个相邻顶点 之间，更新凸包多边形。
d)重复上述步骤，直至将所有候选点插入凸包多边形中，最终形成所述叶片 截面多边形。
基于上述叶片截面多边形及截面点云的排序可以获得航空叶片表面轮廓。
5、厚度解算
航空叶片截面多边形为非规则多边形，因此不能通过常规的凸多边形最大内切圆算法计算其最大内切圆。本发明使用一种基于空间划分的算法迭代计算，计算多 边形的最大内切圆，具体步骤如下：
a)对所述叶片截面多边形形成的二维空间进行格网划分，记录每个格网中心 点的坐标；
b)对于每个格网中心点，计算其到叶片截面多边形上每个点的距离，并记录 最小距离，得到最小距离的集合，记录集合中最大值为内切圆半径rf，此时对应的 格网点中心记为圆心Of，格网大小记为Sf；
c)对于步骤b)中得到的圆心，对圆心周围1.5Sf的圆形空间进行二维格网划 分，并且按照步骤b)计算得到新的内切圆半径rb、圆心Ob以及格网大小Sb；
d)计算圆心Of与圆心Ob之间的距离，若大于给定阈值，则重复步骤c)，若 小于等于给定阈值，则结束迭代过程，此时，得到航空叶片截面的最大内切圆半径 为rb和圆心为Ob。
通过上述方法，某一实验中获得的航空叶片各位置处的叶片厚度如表1所示。
表1不同切片位置叶片厚度值
Figure BDA0002823061420000071
上述基于结构光相机的航空叶片量测方法，使用两台对向放置的结构光相机， 自动采集航空叶片表面的点云数据，进行航空叶片厚度量测，整套流程无需人工干 预，效率极高，并且，由实验结果可知，本发明具较高精度，可以在保证航空叶片 检测精度的同时，大大提高其检测的效率，为航空叶片的检测提供了新方法。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质 上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形 式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一 台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实 施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读 存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在另一实施例中提供一种量测设备，包括一个或多个处理器、存储器和被存储 在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于结 构光相机的航空叶片表面量测方法的指令。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员 无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领 域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的 实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种基于结构光相机的航空叶片表面量测方法，其特征在于，包括以下步骤：
通过两台相对设置的结构光相机采集航空叶片两个表面的点云数据，形成三维的叶片点云；
对所述叶片点云沿着轴向切片，获得截面点云，所述轴向为叶片截面法矢方向；
将所述截面点云降维至二维空间中；
在所述二维空间中对所述截面点云进行轮廓提取，形成叶片截面多边形；
通过迭代搜索方法获得所述叶片截面多边形的最大内切圆半径，从而获得叶片厚度。
2.根据权利要求1所述的基于结构光相机的航空叶片表面量测方法，其特征在于，两台所述结构光相机经标定后进行所述点云数据的采集，所述标定具体为：
将一标定块放置于两台结构光相机中间，该标定块至两台结构光相机的距离相等；
使用结构光相机采集该标定块的点云数据；
使用迭代最邻近点算法将标定块的两帧点云匹配到同一坐标框架下，得到的旋转矩阵和平移矩阵，即获得结构光相机的相机外参，完成标定。
3.根据权利要求2所述的基于结构光相机的航空叶片表面量测方法，其特征在于，所述标定块为0.1微米精度的标定块。
4.根据权利要求1所述的基于结构光相机的航空叶片表面量测方法，其特征在于，所述获得截面点云具体为：
采用一组平行平面沿轴向对所述叶片点云进行划分，形成所述截面点云。
5.根据权利要求1所述的基于结构光相机的航空叶片表面量测方法，其特征在于，通过主成分分析对截面点云进行处理，将所述截面点云降维至二维空间中。
6.根据权利要求1所述的基于结构光相机的航空叶片表面量测方法，其特征在于，所述轮廓提取具体为：
构建截面点云的二维凸包多边形，提取凸包点，剩余点为凹包点，将凹包点作为候选点；
对于每个候选点，遍历计算其到所述凸包多边形相邻顶点连线的距离，将该候选点插入距离最小的两个相邻顶点之间，更新凸包多边形；
重复上述步骤，直至将所有候选点插入凸包多边形中，最终形成所述叶片截面多边形。
7.根据权利要求6所述的基于结构光相机的航空叶片表面量测方法，其特征在于，计算每个所述候选点到所述凸包多边形相邻顶点连线的距离时，按候选点与所述连线的不同位置关系，采用不同的距离计算方式。
8.根据权利要求6所述的基于结构光相机的航空叶片表面量测方法，其特征在于，采用Graham法构建所述二维凸包多边形。
9.根据权利要求1所述的基于结构光相机的航空叶片表面量测方法，其特征在于，所述最大内切圆半径通过以下步骤获得：
a)对所述叶片截面多边形形成的二维空间进行格网划分，记录每个格网中心点的坐标；
b)对于每个格网中心点，计算其到叶片截面多边形上每个点的距离，并记录最小距离，得到最小距离的集合，记录集合中最大值为内切圆半径rf，此时对应的格网点中心记为圆心Of，格网大小记为Sf；
c)对于步骤b)中得到的圆心，对圆心周围1.5Sf的圆形空间进行二维格网划分，并且按照步骤b)计算得到新的内切圆半径rb、圆心Ob以及格网大小Sb；
d)计算圆心Of与圆心Ob之间的距离，若大于给定阈值，则重复步骤c)，若小于等于给定阈值，则结束迭代过程，此时，得到航空叶片截面的最大内切圆半径为rb和圆心为Ob。
10.一种量测设备，其特征在于，包括：
一个或多个处理器；
存储器；和
被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-9任一所述基于结构光相机的航空叶片表面量测方法的指令。
CN202011422453.5A 2020-12-08 2020-12-08 基于结构光相机的航空叶片表面量测方法及量测设备 Active CN112964172B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011422453.5A CN112964172B (zh) 2020-12-08 2020-12-08 基于结构光相机的航空叶片表面量测方法及量测设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011422453.5A CN112964172B (zh) 2020-12-08 2020-12-08 基于结构光相机的航空叶片表面量测方法及量测设备

Publications (2)

Publication Number Publication Date
CN112964172A true CN112964172A (zh) 2021-06-15
CN112964172B CN112964172B (zh) 2022-08-26

Family

ID=76271303

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011422453.5A Active CN112964172B (zh) 2020-12-08 2020-12-08 基于结构光相机的航空叶片表面量测方法及量测设备

Country Status (1)

Country Link
CN (1) CN112964172B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114643382A (zh) * 2021-12-24 2022-06-21 无锡黎曼机器人科技有限公司 基于机器人系统的叶片批量化自动上下料的方法
CN114734448A (zh) * 2022-05-11 2022-07-12 上海交通大学 一种用于船舶理料装备的板材零件抓取方法及装置
CN116051565A (zh) * 2023-04-03 2023-05-02 广州水木星尘信息科技有限公司 基于结构光3d点云的接触网缺陷目标检测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101046893A (zh) * 2007-01-26 2007-10-03 北京国泰清济科技发展有限公司 快速不规则三角网生成方法
US20100110451A1 (en) * 2008-10-31 2010-05-06 Siemens Energy, Inc. Coating Evaluation Process
CN102332047A (zh) * 2011-10-09 2012-01-25 西安交通大学 一种可实现六面体网格划分的螺栓有限元参数化建模方法
CN102749041A (zh) * 2012-07-13 2012-10-24 合肥工业大学 一种螺旋桨型面轮廓误差测量仪及测量方法
CN102914501A (zh) * 2012-07-26 2013-02-06 南京大学 一种利用激光点云计算三维森林冠层消光系数的方法
CN103733022A (zh) * 2011-06-10 2014-04-16 荷马里光电子公司 3d机器视觉扫描信息提取系统
CN106327536A (zh) * 2016-08-26 2017-01-11 上海工程技术大学 一种基于切面点云的领围测量方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101046893A (zh) * 2007-01-26 2007-10-03 北京国泰清济科技发展有限公司 快速不规则三角网生成方法
US20100110451A1 (en) * 2008-10-31 2010-05-06 Siemens Energy, Inc. Coating Evaluation Process
CN103733022A (zh) * 2011-06-10 2014-04-16 荷马里光电子公司 3d机器视觉扫描信息提取系统
CN102332047A (zh) * 2011-10-09 2012-01-25 西安交通大学 一种可实现六面体网格划分的螺栓有限元参数化建模方法
CN102749041A (zh) * 2012-07-13 2012-10-24 合肥工业大学 一种螺旋桨型面轮廓误差测量仪及测量方法
CN102914501A (zh) * 2012-07-26 2013-02-06 南京大学 一种利用激光点云计算三维森林冠层消光系数的方法
CN106327536A (zh) * 2016-08-26 2017-01-11 上海工程技术大学 一种基于切面点云的领围测量方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LEE, BR: "Development of laser-vision system for three-dimensional circle detection and radius measurement", 《 OPTIK 》 *
张现东: "空心涡轮叶片复杂陶芯弯扭变形分析方法比较", 《航空制造技术》 *
徐岳琳: "内切圆弦长法计算空心涡轮叶片蜡模壁厚", 《航空学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114643382A (zh) * 2021-12-24 2022-06-21 无锡黎曼机器人科技有限公司 基于机器人系统的叶片批量化自动上下料的方法
CN114643382B (zh) * 2021-12-24 2023-12-26 无锡黎曼机器人科技有限公司 基于机器人系统的叶片批量化自动上下料的方法
CN114734448A (zh) * 2022-05-11 2022-07-12 上海交通大学 一种用于船舶理料装备的板材零件抓取方法及装置
CN114734448B (zh) * 2022-05-11 2023-11-07 上海交通大学 一种用于船舶理料装备的板材零件抓取方法及装置
CN116051565A (zh) * 2023-04-03 2023-05-02 广州水木星尘信息科技有限公司 基于结构光3d点云的接触网缺陷目标检测方法及装置

Also Published As

Publication number Publication date
CN112964172B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
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
CN113192116A (zh) 基于结构光相机的航空叶片厚度参数量测方法
CN104697462B (zh) 一种基于中轴线的航空叶片型面特征参数提取方法
US7578178B2 (en) Method of inspecting turbine internal cooling features using non-contact scanners
US20140257542A1 (en) System and method for positioning error compensation during manufacturing of complex-shaped gas turbine engine parts
Li et al. A case study of blade inspection based on optical scanning method
CN110703686B (zh) 一种整体叶盘叶片截面在线测量路径规划方法
He et al. A robust and accurate automated registration method for turbine blade precision metrology
CN116452583B (zh) 点云缺陷检测方法、装置、系统及存储介质
CN112461175A (zh) 一种风扇整体叶盘宽弦、大扭角叶型测量方法
CN110097588B (zh) 一种航发叶片陶瓷型芯点云模型的修型边缘提取方法
CN116402866A (zh) 基于点云的零件数字孪生几何建模与误差评定方法及系统
CN111540001B (zh) 航空发动机涡轮叶片气膜孔轴线方向检测方法
CN111199549B (zh) 基于叶片型面测量点云的叶型提取方法
Xiao et al. A measurement method of the belt grinding allowance of hollow blades based on blue light scanning
CN110672032A (zh) 一种基于弦线的叶片加工扭曲度误差测量方法
CN114608478A (zh) 一种高精度曲面薄片的前后缘参数量测方法
US11543795B2 (en) Airplane structure stiffener repair method based on measured data
Ghorbani et al. Accurate registration of point clouds of damaged aeroengine blades
Huang et al. A global-to-local registration and error evaluation method of blade profile lines based on parameter priority
CN115797414A (zh) 一种考虑测头半径的复杂曲面测量点云数据配准方法
CN110966969A (zh) 一种燃气轮机涡轮静叶片关键结构检测装置和处理方法
CN116255930A (zh) 一种基于点云切片的截面提取及测量方法及系统
Li et al. Blade profile extraction and edge completion method based on structured light measurement point cloud
Lin et al. The CMM measurement path planning for blade surface based on the contour measurement

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