CN113192116A - 基于结构光相机的航空叶片厚度参数量测方法 - Google Patents
基于结构光相机的航空叶片厚度参数量测方法 Download PDFInfo
- Publication number
- CN113192116A CN113192116A CN202110505572.5A CN202110505572A CN113192116A CN 113192116 A CN113192116 A CN 113192116A CN 202110505572 A CN202110505572 A CN 202110505572A CN 113192116 A CN113192116 A CN 113192116A
- Authority
- CN
- China
- Prior art keywords
- blade
- point cloud
- point
- aviation
- aviation blade
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
- 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
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明具体公开了一种基于结构光相机的航空叶片厚度参数量测方法,通过布设两台线扫相机,采用对向摄影方式采集航空叶片表面三维点云数据。同时,将各个相机接入同一数据处理单元。通过线扫相机精密标定得到两个线扫相机之间的位姿变换参数,将两相机得到的点云数据配准到同一坐标框架之下,然后利用算法将点云按照指定的方向进行切片得到航空叶片的截面点云数据,通过对截面点云排序,提取航空叶片表面轮廓,最后通过最大内切圆算法迭代计算出航空叶片轮廓的厚度值。本发明提出方法无需人工干预,效率极高,并且厚度量测算法具较高精度,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。
Description
技术领域
本发明涉及航空叶片厚度测量技术领域,特别涉及一种基于结构光相机的航空叶片厚度参数量测方法。
背景技术
航空发动机的发展是当前国家制造强国战略重要部署之一,其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,通常要求测量精度达到0.01mm,甚至0.005mm,即要求达到10μm以内;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,提高测来给你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。
综上所述,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,有必要提出一种基于结构光相机的航空叶片表面量测技术。
发明内容
本发明的目的在于提一种基于结构光相机的航空叶片表面量测方法,在提高航空叶片的量测效率的同时保证量测精度,实现航空叶片产线化检测。
鉴于此,本发明的方案如下:
一种基于结构光相机的航空叶片厚度参数量测方法,其特征在于,包括如下步骤:
S1.获取同一坐标框架下的航空叶片的两表面的三维点云;
S2.将叶片点云沿着轴向切片;
S3.将三维空间中截面点云降维至二维空间,提取叶片截面轮廓;
S4.计算轮廓最大内切圆即可得到叶片厚度。
根据本发明的实施例,所述同一坐标框架下的设置方法为:将标定块置于两台结构光相机中间,保证标定块与两相机等距,采集该标定块的点云数据;再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。
根据本发明的实施例,所述步骤S3使用主成分分析法对截面点云进行处理,将三维空间中点云降维至二维空间。
根据本发明的实施例,所述步骤S3提取叶片轮廓方法为:
S301.构建二维凸包并提取凸包点;
S302.计算每个点Pc到凸包多边形上所有相邻顶点的距离d,相邻两点连成线段;
S303.将Pc插入使得d最小的两个相邻顶点之间,更新多边形;
S304.重复上述步骤,直至将所有点Pc插入多边形中。
根据本发明的实施例,所述步骤S4中计算轮廓最大内切圆的方法为:
S401.对叶片截面点云中相邻两点连线,构成多边形,对多边形包围的空间二维空间进行格网划分并记录每个格网中心点的坐标;
S402.对于每个格网中心点,计算其到点云中每个点的距离得到最小距离di,记录di的最大值为内切圆半径,此时对应的格网点中心记为圆心Of;
S403.在Of周围大于内切圆半径的圆形空间中,继续进行二维格网划分,并计算得到新的内接圆半径rb、圆心Ob;
S404.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S402和步骤S403,否则结束迭代,即得到航空叶片截面的最大内切圆半径为rb,圆心为Ob。
相对于现有技术,本发明的有益效果为:
1.本发明通过获取同一坐标框架之下的叶片两侧面三维点云,通过沿轴向切片获得截面并降维获得轮廓进而可算得厚度,整体效率大大提高,实现航空叶片产线化检测。
2.本发明的系统精度保证在10μm,因此,在保证航空叶片量测精度的的前提下,可大大提高了航空叶片的量测效率;
3.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,在算法上具有极高的参数计算精度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明航空叶片厚度参数量测方法技术流程图。
图2为本发明使用的高精度的标定块示意图。
图3为本发明航空叶片表面点云示意图。
图4为本发明航空叶片点云切片示意图。
具体实施方式
为了使本发明的目的、技术方案和有益技术效果更加清晰明白,以下结合附图和具体实施方式,对本发明进行进一步详细说明。应当理解的是,本说明书中描述的具体实施方式仅仅是为了解释本发明,并不是为了限定本发明。
本发明提出一种基于结构光相机的航空叶片厚度参数量测方法,通过布设两台线扫相机,采用对向摄影方式采集航空叶片表面三维点云数据。同时,将各个相机接入同一数据处理单元。首先通过线扫相机精密标定得到两个线扫相机之间的位姿变换参数,将两相机得到的点云数据配准到同一坐标框架之下,然后利用算法将点云按照指定的方向进行切片得到航空叶片的截面点云数据,通过对截面点云排序,提取航空叶片表面轮廓,最后通过最大内切圆算法迭代计算出航空叶片轮廓的厚度值。其技术流程图如图1所示。
步骤一,相机标定:
本发明采用两台结构光相机对航空叶片的两个表面分别进行量测,可以得到叶片两侧表面的三维点云。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。本发明采用高精度的标定块(如图2所示)标定两台对向放置的结构光相机。首先,将标定块放置于两台结构光相机中间,保证标定块至两结构光相机的距离相等,此时,使用结构光相机采集该标定块的点云数据;然后,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。式(1)为ICP算法的基本原理,其中T为待求解的相机外参,Pi和Pi’为待标定的两块点云中的点,n为点云中点的个数。通过最小化(1)式中的目标函数,使用非线性优化的方法不断迭代,就能找到使目标函数最小的T,即为相机外参。
通过对向放置的3D相机,可以得到高精度标定块两个侧面的点云信息,通过ICP算法可将两点云精确配准,然而,由于标定块在两3D相机连线的方向具有一定的厚度,这样配准得到的点云并不能真实表示标定块的实际形状,本发明通过在目标函数中加入标定块厚度参数作为先验信息,精确配准标定块点云。
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,可以得到整套数据采集系统的精度为10μm。
步骤二,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。常见的的点云切片算法常常在坐标轴方向对点云进行切片,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。
设有散乱点集:P={p1,p2,...,pn},pi=(xi,yi,zi)∈R3
,R3表示三维欧氏空间,则点集P的坐标范围是(xmin,ymin,zmin)~(xmax,ymax,zmax)。
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,所有满足距离小于Zpitch的点构成一个点云切片。
步骤三,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中,降低数据处理的复杂度。
步骤四,航空叶片轮廓提取:
a)二维凸包构建,使用二维凸包构建方法构建叶片截面点云的二维凸包,并且把凸包点提取出来,剩下的点即为凹包点(候选点);
构建凸包之前,必须先将叶片截面点云通过PCA算法降维至xoy平面,其中,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;
b)对于每个候选点Pc,遍历凸包多边形上所有相邻顶点Vi和Vi+1,计算Pc至线段ViVi+1的距离d。
将凸包中相邻两点连成线段,线段的两端点分别是Vi和Vi+1;
c)根据最小化点至线段距离的原则,将Pc插入使得d最小的两个相邻顶点之间,更新多边形。
d)重复上述步骤,直至将所有候选点插入多边形中。
步骤五,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,可以计算出任意多边形的最大内切圆,算法步骤如下。
a)基于步骤四中提出的算法,对叶片截面点云排序,提取出截面点云的轮廓,记排序后点云为Qs;
b)对排序后的点云Qs,将Qs中相邻两点连线,构成多边形Qpoly,对多边形Qpoly包围的空间二维空间进行格网划分,格网数量为D*D,并记录每个格网中心点的坐标pi,i=1,2,……,n;
c)对于每个格网中心点,计算其到点云Qs中每个点的距离,并记录最小距离,得到最小距离的集合di,i=1,2,……,n,记录di的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;
d)对于c)中得到的圆心O,对圆心O周围1.5Sf的圆形空间中,同步骤b),进行二维格网划分,并且按照c)中算法计算得到新的内接圆半径rb、圆心Ob以及格网大小Sb;
e)计算圆心Of与圆心Ob之间的距离,若大于给定阈值t,则重复步骤c)和步骤d),若小于等于t,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,圆心为Ob。
本发明使用结构光相机采集航空叶片表面的点云数据后,通过预先标定好的相机外参,将两个不同工位的相机采集到的点云数据配准到同一坐标框架下,此时,得到航空叶片表面点云如图3所示。为了得到航空叶片的厚度参数,将得到的叶片表面点云数据沿着叶片的轴向方向(截面法矢方向)对点云进行切片,图4为叶片点云切片示意图,图中,沿截面法矢方向对叶片截面ID进行编号,得到航空叶片截面点云数据;然后,针对每帧叶片截面点云数据,使用主成分分析算法,点云轮廓提取算法,将截面点云数据降维至二维有序点云数据,在有序点云的基础上,提取截面点云的最大内切圆,从而得到航空叶片的厚度参数如表1中所示。
表1:不同切片位置叶片厚度值
本发明并不仅仅限于说明书和实施方式中所描述,因此对于熟悉领域的人员而言可容易地实现另外的优点和修改,故在不背离权利要求及等同范围所限定的一般概念的精神和范围的情况下,本发明并不限于特定的细节、代表性的设备和这里示出与描述的图示示例。
Claims (5)
1.一种基于结构光相机的航空叶片厚度参数量测方法,其特征在于,包括如下步骤:
S1.获取同一坐标框架下的航空叶片的两表面的三维点云;
S2.将叶片点云沿着轴向切片;
S3.将三维空间中截面点云降维至二维空间,提取叶片截面轮廓;
S4.计算轮廓最大内切圆即可得到叶片厚度。
2.根据权利要求1所述的航空叶片厚度参数量测方法,其特征在于,所述同一坐标框架下的设置方法为:将标定块置于两台结构光相机中间,保证标定块与两相机等距,采集该标定块的点云数据;再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。
3.根据权利要求1所述的航空叶片厚度参数量测方法,其特征在于,所述步骤S3使用主成分分析法对截面点云进行处理,将三维空间中点云降维至二维空间。
4.根据权利要求1所述的航空叶片厚度参数量测方法,其特征在于,所述步骤S3提取叶片轮廓方法为:
S301.构建二维凸包并提取凸包点;
S302.计算每个点Pc到凸包多边形上所有相邻顶点的距离d,相邻两点连成线段;
S303.将Pc插入使得d最小的两个相邻顶点之间,更新多边形;
S304.重复上述步骤,直至将所有点Pc插入多边形中。
5.根据权利要求1所述的航空叶片厚度参数量测方法,其特征在于,所述步骤S4中计算轮廓最大内切圆的方法为:
S401.对叶片截面点云中相邻两点连线,构成多边形,对多边形包围的空间二维空间进行格网划分并记录每个格网中心点的坐标;
S402.对于每个格网中心点,计算其到点云中每个点的距离得到最小距离di,记录di的最大值为内切圆半径,此时对应的格网点中心记为圆心Of;
S403.在Of周围大于内切圆半径的圆形空间中,继续进行二维格网划分,并计算得到新的内接圆半径rb、圆心Ob;
S404.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S402和步骤S403,否则结束迭代,即得到航空叶片截面的最大内切圆半径为rb,圆心为Ob。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110505572.5A CN113192116A (zh) | 2021-05-10 | 2021-05-10 | 基于结构光相机的航空叶片厚度参数量测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110505572.5A CN113192116A (zh) | 2021-05-10 | 2021-05-10 | 基于结构光相机的航空叶片厚度参数量测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113192116A true CN113192116A (zh) | 2021-07-30 |
Family
ID=76988615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110505572.5A Pending CN113192116A (zh) | 2021-05-10 | 2021-05-10 | 基于结构光相机的航空叶片厚度参数量测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192116A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114812408A (zh) * | 2022-04-07 | 2022-07-29 | 中车青岛四方车辆研究所有限公司 | 扫石器距离轨面高度的测量方法及测量系统 |
CN115077832A (zh) * | 2022-07-28 | 2022-09-20 | 西安交通大学 | 一种飞机耐高温构件三维表面振动疲劳损伤测量方法 |
CN115146401A (zh) * | 2022-06-07 | 2022-10-04 | 西北工业大学 | 空心涡轮叶片陶瓷型芯检测截面线点云外轮廓过滤方法 |
CN115166966A (zh) * | 2022-06-06 | 2022-10-11 | 北京理工大学 | 一种靶板三维变形快速光学扫描系统 |
CN116050032A (zh) * | 2023-04-03 | 2023-05-02 | 陕西空天信息技术有限公司 | 叶片网格切片生成方法、装置、存储介质及电子设备 |
-
2021
- 2021-05-10 CN CN202110505572.5A patent/CN113192116A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114812408A (zh) * | 2022-04-07 | 2022-07-29 | 中车青岛四方车辆研究所有限公司 | 扫石器距离轨面高度的测量方法及测量系统 |
CN114812408B (zh) * | 2022-04-07 | 2023-08-22 | 中车青岛四方车辆研究所有限公司 | 扫石器距离轨面高度的测量方法及测量系统 |
CN115166966A (zh) * | 2022-06-06 | 2022-10-11 | 北京理工大学 | 一种靶板三维变形快速光学扫描系统 |
CN115146401A (zh) * | 2022-06-07 | 2022-10-04 | 西北工业大学 | 空心涡轮叶片陶瓷型芯检测截面线点云外轮廓过滤方法 |
CN115146401B (zh) * | 2022-06-07 | 2024-02-23 | 西北工业大学 | 空心涡轮叶片陶瓷型芯检测截面线点云外轮廓过滤方法 |
CN115077832A (zh) * | 2022-07-28 | 2022-09-20 | 西安交通大学 | 一种飞机耐高温构件三维表面振动疲劳损伤测量方法 |
CN115077832B (zh) * | 2022-07-28 | 2022-11-08 | 西安交通大学 | 一种飞机耐高温构件三维表面振动疲劳损伤测量方法 |
CN116050032A (zh) * | 2023-04-03 | 2023-05-02 | 陕西空天信息技术有限公司 | 叶片网格切片生成方法、装置、存储介质及电子设备 |
CN116050032B (zh) * | 2023-04-03 | 2023-06-20 | 陕西空天信息技术有限公司 | 叶片网格切片生成方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113192116A (zh) | 基于结构光相机的航空叶片厚度参数量测方法 | |
CN106643551B (zh) | 一种叶片形状快速扫描装置及方法 | |
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 | |
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 | |
CN104392476A (zh) | 基于最小包围盒算法提取隧道三维轴线的方法 | |
CN111369607B (zh) | 一种基于图片解析的预制构件拼装匹配方法 | |
CN113865508B (zh) | 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法 | |
CN111199549B (zh) | 基于叶片型面测量点云的叶型提取方法 | |
CN114037706A (zh) | 一种基于三维点云模型的预制梁段表面平整度检测方法 | |
CN112013788A (zh) | 基于叶片局部前缘曲线特征标定转动中心的方法 | |
CN111504191A (zh) | 一种基于三维激光扫描的航空零件自动快速测量方法 | |
US11544837B2 (en) | Method for dynamically measuring deformation of rotating-body mold | |
CN116721144A (zh) | 一种基于点云切片的锥形孔尺寸测量方法 | |
CN114608461B (zh) | 一种非均匀壁厚零件的激光扫描测量方法 | |
CN114608478A (zh) | 一种高精度曲面薄片的前后缘参数量测方法 | |
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 | |
CN110672032A (zh) | 一种基于弦线的叶片加工扭曲度误差测量方法 | |
CN112990373B (zh) | 基于多尺度特征融合的卷积孪生点网络叶片轮廓拼接系统 | |
CN111882539A (zh) | 一种航空发动机叶片的自动测量方法 | |
CN114858090B (zh) | 一种阵列结构光学元件的面形误差测量方法 | |
Yue et al. | Application of 3D optical measurement system on quality inspection of turbine blade | |
CN114742765B (zh) | 一种基于激光点云测量的隧道断面特征点精确提取方法 | |
CN113239500B (zh) | 基于协方差矩阵的参考点邻域特征匹配方法 | |
Mohib et al. | Tolerance-based localization algorithm: form tolerance verification application | |
CN112015138B (zh) | 基于k最近邻迭代最近网格算法的叶片轮廓误差评价方法 |
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 |