CN113642681A - 一种飞行器模型表面标记点的匹配方法 - Google Patents

一种飞行器模型表面标记点的匹配方法 Download PDF

Info

Publication number
CN113642681A
CN113642681A CN202111193419.XA CN202111193419A CN113642681A CN 113642681 A CN113642681 A CN 113642681A CN 202111193419 A CN202111193419 A CN 202111193419A CN 113642681 A CN113642681 A CN 113642681A
Authority
CN
China
Prior art keywords
points
mark
point
point cloud
marked
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
CN202111193419.XA
Other languages
English (en)
Other versions
CN113642681B (zh
Inventor
左承林
梁磊
姜裕标
马军
魏春华
岳廷瑞
尹熹伟
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.)
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Original Assignee
Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
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 Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center
Priority to CN202111193419.XA priority Critical patent/CN113642681B/zh
Publication of CN113642681A publication Critical patent/CN113642681A/zh
Application granted granted Critical
Publication of CN113642681B publication Critical patent/CN113642681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明适用于风洞试验技术领域，提供了一种飞行器模型表面标记点的匹配方法，包括如下步骤：步骤S100：构造飞行器模型表面的标记点云，所述标记点云包括无风参考图标记点云和有风工作图标记点云；步骤S200：采用双向最近邻搜索法，对有风工作图标记点云和无风参考图标记点云的标记点到进行初始匹配；步骤S300：根据初始匹配结果，对有风工作图标记点云和无风参考图标记点云的标记点到进行精确匹配。通过本发明的方法，实现了不同飞行器模型有风状态下，飞行器模型发生非刚体弹性畸变的情况下，标记点可以自动进行匹配，减少了人工交互的工作量，调高了工作效率。

Description

一种飞行器模型表面标记点的匹配方法
技术领域
本发明涉及风洞试验技术领域，尤其是涉及一种飞行器模型表面标记点的匹配方法 。
背景技术
飞行器在空中飞行时，其表面会受到各种外界因素的影响，进而影响飞行器的飞行状态，因此，研究飞行器表面的受力情况，有利于进一步判断飞行器在不同受力情况下的飞行状态。
获取压力分布的非接触测量方法是压敏漆技术，压敏漆技术利用发光涂层分子在特定波长激发光照射下其荧光强度随压力变化的现象，是将压力大小转变为光强信息后，再对图像进行处理，然后根据图像处理后的结果，计算出模型表面压力分布，其优点为：空间的分辨率比较高、不受模型自身结构的限制、不会破坏模型表面的流畅、可实现大面积范围内压力分布测量等。目前压敏技术已经广泛应用于航空航天飞行器表面的压力测量中。
飞行器的受力情况分析一般在风洞试验中进行。飞行器模型在风洞试验中测量受力/变形表面参数中常用的标记点为圆形标记点，采用圆形标记点具有自身结构简单、受成像光照影响小、容易检测等优点。
目前，飞行器模型中采用圆形标记点进行受力分析的方法是通过无风参考图像上的标记点和有风工作图像上的标记点进行匹配后求取两幅图像的变换参数，因此，无风参考图像上的标记点和有风工作图像上的标记点的准确匹配跟踪是异常关键的问题，任何错误的匹配都将带来巨大的误差。
现有技术中，关于飞行器模型标记点中无风参考图像和有风工作图像之间进行精确匹配的方法是同为位置最近法，在有风工作图像上寻找与无风参考图像上标记点对应的标记点，但是，当遇到如下情况，如在风力的作用下，飞行器模型会发生较大尺寸的姿态改变；飞行器模型表面发生较大弹性变形时，这种方法就会失效，不能进行无风参考图像和有风工作图像之间的精确匹配。
发明内容
本发明的目的是提供一种飞行器模型表面标记点的匹配方法，来解决上述现有技术中存在的技术问题，包括如下步骤：
步骤S100：构造飞行器模型表面的标记点云，所述标记点云包括无风参考图标记点云和有风工作图标记点云；
步骤S200：采用双向最近邻搜索法，对有风工作图标记点云和无风参考图标记点云的标记点到进行初始匹配；
步骤S300：根据初始匹配结果，对有风工作图标记点云和无风参考图标记点云的标记点到进行精确匹配。
进一步地，步骤S100包括如下步骤：
步骤S110：获取含有飞行器表面标记点的有风工作图像和无风参考图像，其中，所述飞行器表面标记点沿飞行器轮廓等距布置，形成环状；
步骤S120：分别获得有风工作图像和无风参考图像中标记点的坐标；
步骤S130：以飞行器模型表面标记点中任一标记点作为原起始标记点，以原起始标记点在无风参考图像中的坐标点作为无风起始标记点，以原起始标记点在有风工作图像中的坐标点作为有风起始标记点；
步骤S140：沿无风起始标记点所在环的第一方向，搜索无风参考图像中所有标记点，形成无风参考图标记点云；沿有风起始标记点所在环的第一方向，搜索有风工作图像中所有标记点，形成有风工作图标记点云，所述第一方向为顺时针或逆时针。
进一步地，步骤S200包括如下步骤：
步骤S210：计算无风参考图标记点云和有风工作图标记点云之间的平移向量D，将有风工作图标记点云按照平移向量进行移动；
步骤S220：对有风工作图标记点云和无风参考图标记点云之间进行双向搜索匹配；对获得的双向搜索结果进行融合修正，获得无风参考图标记点云和有风工作图标记点云之间的初始匹配。
进一步地，步骤S210中包括如下步骤：
分别计算有风工作图标记点云的重心，记为
Figure 482190DEST_PATH_IMAGE001
，计算无风参考图标记点云的重心记为
Figure 699545DEST_PATH_IMAGE002
；
计算平移向量
Figure 172114DEST_PATH_IMAGE003
。
进一步地，步骤S220包括如下步骤：
步骤S221：将有风工作图标记点云与无风参考图标记点云进行正向匹配，得到正向匹配结果，所述正向匹配结果包括正向匹配标记点和正向未匹配标记点；
步骤S222：将有风工作图标记点云与无风参考图标记点云进行反向匹配，得到反向匹配结果；
步骤S223：提取所述反向匹配结果中的截取匹配点，所述截取匹配点为所述反向匹配结果中与正向未匹配标记点匹配的点；解除正向已匹配标记点中与截取匹配点有关的匹配关系；
步骤S224：在正向匹配结果中，将截取匹配点更新为与正向未匹配标记点进行匹配的标记点，完成飞行器模型表面标记点的初始匹配。
进一步地，步骤S221中将有风工作图标记点云与无风参考图标记点云进行正向匹配，包括如下步骤：
将有风工作图标记点云中的标记点记为
Figure 646083DEST_PATH_IMAGE004
，将无风参考图标记点云记为
Figure 836893DEST_PATH_IMAGE005
，其中，i为有风工作图标记点云中标记点的序号，i=1,2,3...n，n为有风工作图标记点云中标记点的总个数；j为有风工作图标记点云中标记点的序号，j=1,2,3...n，n为有风工作图标记点云中标记点的总个数；
取每个标记点
Figure 592360DEST_PATH_IMAGE004
；
遍历每一个标记点
Figure 247332DEST_PATH_IMAGE005
；
计算标记点
Figure 797262DEST_PATH_IMAGE004
的法向量和标记点
Figure 475368DEST_PATH_IMAGE005
的法向量之间的夹角
Figure 785258DEST_PATH_IMAGE006
，若
Figure 807920DEST_PATH_IMAGE007
，则计算标记点
Figure 794330DEST_PATH_IMAGE004
和标记点
Figure 694153DEST_PATH_IMAGE005
之间的距离
Figure 791422DEST_PATH_IMAGE008
；
计算
Figure 420987DEST_PATH_IMAGE009
对应的标记点，记为
Figure 578299DEST_PATH_IMAGE010
，标记点
Figure 466883DEST_PATH_IMAGE004
和标记点
Figure 367842DEST_PATH_IMAGE010
之间的距离记为
Figure 851913DEST_PATH_IMAGE011
；
当
Figure 445706DEST_PATH_IMAGE012
，则将
Figure 382438DEST_PATH_IMAGE010
作为标记点
Figure 322974DEST_PATH_IMAGE004
对应的标记点，其中
Figure 599235DEST_PATH_IMAGE013
为预设距离阈值。
进一步地，步骤S221中将有风工作图标记点云与无风参考图标记点云进行反向匹配，包括如下步骤：
将有风工作图标记点云中的标记点记为
Figure 426245DEST_PATH_IMAGE004
，将无风参考图标记点云记为
Figure 319115DEST_PATH_IMAGE005
，其中，i为有风工作图标记点云中标记点的序号，i=1,2,3...n，n为有风工作图标记点云中标记点的总个数；j为有风工作图标记点云中标记点的序号，j=1,2,3...n，n为有风工作图标记点云中标记点的总个数；
取每个标记点
Figure 860080DEST_PATH_IMAGE005
；
遍历每一个标记点
Figure 256426DEST_PATH_IMAGE004
；
计算标记点
Figure 660863DEST_PATH_IMAGE005
的法向量和标记点
Figure 775449DEST_PATH_IMAGE004
的法向量之间的夹角
Figure 618640DEST_PATH_IMAGE014
，若
Figure 869493DEST_PATH_IMAGE015
，则计算标记点
Figure 70930DEST_PATH_IMAGE005
和标记点
Figure 672812DEST_PATH_IMAGE004
之间的距离
Figure 585274DEST_PATH_IMAGE016
；
计算
Figure 192098DEST_PATH_IMAGE017
对应的标记点，记为
Figure 203916DEST_PATH_IMAGE018
，标记点
Figure 89832DEST_PATH_IMAGE019
和标记点
Figure 946930DEST_PATH_IMAGE018
之间的距离记为
Figure 172375DEST_PATH_IMAGE020
；
当
Figure 450035DEST_PATH_IMAGE021
，则将
Figure 495351DEST_PATH_IMAGE018
作为标记点
Figure 421719DEST_PATH_IMAGE019
对应的标记点，其中
Figure 563987DEST_PATH_IMAGE013
为预设距离阈值。
进一步地，步骤S30包括：采用非刚性配准方法，计算无风参考图标记点云和有风工作图标记点云之间的匹配参数。
进一步地，所述距离阈值
Figure 917608DEST_PATH_IMAGE022
,其中，
Figure 279582DEST_PATH_IMAGE023
，
Figure 9640DEST_PATH_IMAGE024
和
Figure 944098DEST_PATH_IMAGE025
分别为无风参考图像的宽度和高度，
Figure 468620DEST_PATH_IMAGE026
和
Figure 550846DEST_PATH_IMAGE027
分别为有风工作图像的宽度和高度。
本发明的有益效果至少具有以下方面：
1）本发明提供的飞行器模型表面标记点的匹配方法，首先构造有风工作图标记点云和无风参考标记点云，通过将有风工作图标记点云和无风参考图标记点云之间进行双向初始匹配，针对双向初始匹配结果中出现未匹配的标记点和匹配发生错误的标记点云的现象，通过迭代配准目标函数，计算获得有风工作图标记点云到无风参考图标记点云之间进行匹配的最优变换参数，实现有风工作图标记点云到无风参考图标记点云之间的精确匹配。
2）本发明中对有风工作图像上的标记点和无风参考图像上的标记点分别够早了沿飞行器模型轮廓分布的环状标记点云，提高了标记点云在后面匹配时的效率以及准确度。
3）本发明的标记点匹配方法实现了不同飞行器模型有风状态下，飞行器模型发生非刚体弹性畸变的情况下，标记点可以自动进行匹配，减少了人工交互的工作量，调高了工作效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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的附图。
图1是本发明的飞行器模型表面标记点的匹配方法的流程图；
图2是本发明中的有风工作图标记点云到无风参考图标记点云正向匹配结果；
图3是本发明中的无风参考图标记点云到有风工作图标记点云反向匹配结果；
图4是本发明中有风工作图标记点云到无风参考图标记点云的初始匹配结果；
图5是本发明中有风工作图和无风参考图的对比示意图；
图6是本发明中有风工作图标记点云和无风参考图标记点云的精确匹配结果；
图7是本发明中有风工作图标记点云和无风参考图标记点云的精确匹配结果效果图。
具体实施方式
以下的说明提供了许多不同的实施例、或是例子，用来实施本发明的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简的表达本发明，其仅作为例子，而并非用以限制本发明。
如图1-图7所示，本发明的目的是提供一种飞行器模型表面标记点的匹配方法，包括如下步骤：
步骤S100：构造飞行器模型表面的标记点云，所述标记点云包括无风参考图标记点云和有风工作图标记点云；
步骤S200：采用双向最近邻搜索法，对有风工作图标记点云和无风参考图标记点云进行初始匹配；
步骤S300：根据初始匹配结果，对有风工作图标记点云和无风参考图标记点云的标记点到进行精确匹配。
上述方案中，在飞行器模型表面轮廓布置有多个标记点，当对获取的标记点进行定位后获得了无风参考图像中的标记点序列和有风工作图像中的标记点序列，但是毫无关系的两个点序列导致后面的无风参考图像中的标记点和有风工作图像中的标记点进行匹配，因此，将分别对无风参考图像中的标记点序列和有风工作图像中的标记点序列构造了2D的标记点云，使得后续在匹配过程中两个标记点云之间可以有序、准确地进行匹配。
当分别构建了无风参考图标记点云和有风工作图标记点云后，首先，有风工作图标记点云在无风参考图标记点云中进行搜索匹配，使得有风工作图标记点云中的每个标记点在无风参考图标记点云中找到与其距离最近的标记点，然后反向进行搜索，无风参考图标记点云在有风工作图标记点云中进行搜索匹配，使得无风参考图标记点云中的每个标记点在有风工作图标记点云中找到与其距离最近的标记点，由于无风参考图表标记点云和有风工作图标记点云在进行搜索匹配的过程中会出现沿飞行器模型轮廓外围边缘的点没有匹配的情况，如果这种情况下直接进行标记点匹配的话，会导致在后续精确匹配的时候出现标记点整体平移的问题，因此，在无风参考图表标记点云和有风工作图标记点云完成双向的搜索匹配之后，需要对双向搜所的结果进行修正融合，获得最终的有风工作图标记点云到无风参考图标记点云的初始匹配。
在有风工作图标记点云和无风参考图标记点云完成初始匹配之后，还是会出现一些标记点之间匹配错误的问题，为了使有风工作图标记点云尽可能接近无风参考图的标记点云，通过不断地迭代优化有风工作图像标记点云尽可能接近无风参考图像的标记点云之间的变化参数，实现精确匹配。
因此，本发明提供的飞行器模型表面标记点的匹配方法，首先构造有风工作图标记点云和无风参考标记点云，通过将有风工作图标记点云和无风参考图标记点云之间进行双向初始匹配，针对双向初始匹配结果中出现未匹配的标记点和匹配发生错误的标记点云的现象，通过迭代配准目标函数，计算获得有风工作图标记点云到无风参考图标记点云之间进行匹配的最优变换参数，实现有风工作图标记点云到无风参考图标记点云之间的精确匹配。
需要说明的是，本发明中的标记点云为极稀疏标记点云
进一步地，步骤S100包括如下步骤：
步骤S110：获取含有飞行器表面标记点的有风工作图像和无风参考图像，其中，所述飞行器表面标记点沿飞行器轮廓等距布置，形成环状；
步骤S120：分别获得有风工作图像和无风参考图像中标记点的坐标；
步骤S130：以飞行器模型表面标记点中任一标记点作为原起始标记点，以原起始标记点在无风参考图像中的坐标点作为无风起始标记点，以原起始标记点在有风工作图像中的坐标点作为有风起始标记点；
步骤S140：沿无风起始标记点所在环的第一方向，搜索无风参考图像中所有标记点，形成无风参考图标记点云；沿有风起始标记点所在环的第一方向，搜索有风工作图像中所有标记点，形成有风工作图标记点云，所述第一方向为顺时针或逆时针。
上述方案中，在获取飞行器模型图像前，需要在飞行器模型表面涂覆压敏漆、布置标记点以及布置图像采集装置，其中图像采集装置由阵列式LED发光二极管构成的平行光源作为激发光源、相机；
在飞行器模型表面沿边缘轮廓布置多个标记点，且多个标记点形成与飞行器模型轮廓相似的形状。在飞行器模型表面可以布置多圈标记点，后续通过对多圈标记点之间的匹配，使得有风工作图标记点云与无风参考图标记点云的匹配度更加准确。
在此基础上，获取含有飞行器模型表面标记点的两种状态下的图像，一种是飞行器模型在无风状态下的图像，即无风参考图像，另一种是飞行器模型在有风状态下的图像，即有风工作图像，然后分别对无风参考图像和有风工作图像采用增强阈值分割法对标记点进行粗定位，采用加权阈值法对标记点进行精确定位，获取无风参考图像和有风工作图像中所有标记点的坐标信息，形成有风工作图像的标记点序列和无风参考图像的标记点序列。但是毫无关系的两个点序列导致后面的无风参考图像中的标记点和有风工作图像中的标记点进行匹配。
因此，以飞行器模型表面标记点中任何标记点作为原起始标记点，如，可以选择飞行器模型表面左下角的标记点作为原起始标记点，右下角的标记点作为原起始标记点等任何一个位置的标记点作为原起始标记点；然后在无风参考图像中将原起始标记点对应的标记点作为无风起始标记点，在有风工作图像中将原起始标记点对应的标记点作为有风起始标记点，然后沿距离飞行器模型轮廓为d范围内的无风起始标记点所在环的顺时针方向搜索下一个标记点，直至完成一圈的搜索，同时沿距离飞行器模型轮廓为d范围内的有风起始标记点所在环的顺时针方向搜索下一个标记点，完成一圈搜索；或者沿距离飞行器模型轮廓为d范围内的无风起始标记点所在环的逆时针方向搜索下一个标记点，直至完成一圈的搜索，同时沿距离飞行器模型轮廓为d范围内的有风起始标记点所在环的逆时针方向搜索下一个标记点，完成一圈搜索；在此过程中，无风起始点和有风起始点每次搜索的方向相同，使得搜索时标记点的顺序尽可能相同，使得无风参考图中的标记点和有风工作图中的标记点在后续的匹配过程中匹配精度更高，效率更快。
若飞行器模型表面的标记点布置有多圈时，则沿距离飞行器模型轮廓为d’、d’’、d’’’等范围内，距离飞行器模型轮廓为d’范围内的无风起始标记点所在环的顺时针/逆时针方向搜索下一个标记点，直至完成一圈的搜索，同时沿距离飞行器模型轮廓为d’范围内的有风起始标记点所在环的顺时针/逆时针方向搜索下一个标记点，完成一圈搜索，其中，无风起始点和有风起始点每次搜索的方向相同，两个方向都为顺时针或者都为逆时针。依次迭代循环，直到完成有风工作图像中所有标记点和无风参考图像中所有标记点的搜索。这样就构造好了沿飞行器模型轮廓分布的环状标记点云，即无风参考图标记点云和有风工作图标记点云。
进一步地，步骤S200包括如下步骤：
步骤S210：计算无风参考图标记点云和有风工作图标记点云之间的平移向量D，将有风工作图标记点云按照平移向量进行移动；
步骤S220：对有风工作图标记点云和无风参考图标记点云之间进行双向搜索匹配；对获得的双向搜索结果进行融合修正，获得无风参考图标记点云和有风工作图标记点云之间的初始匹配。
上述方案中，在构建完成无风参考图标记点云和有风工作图标记点云的基础上，计算出无风参考图标记点云和有风工作图标记点云之间的平移向量，实现无风参考图标记点云和有风工作图标记点云之间的平移，即使无风参考图标记点云和有风工作图标记点云在后续标记点进行匹配前，先使其重心重合，为后续无风参考图标记点云和有风工作图标记点云的匹配打基础，减小匹配时的工作量。
进一步地，步骤S210中包括如下步骤：
分别计算有风工作图标记点云的重心，记为
Figure 819016DEST_PATH_IMAGE001
，计算无风参考图标记点云的重心记为
Figure 425623DEST_PATH_IMAGE002
；
计算平移向量
Figure 386626DEST_PATH_IMAGE003
。
上述方案中，通过计算有风工作图标记点云的重心和无风参考图标记点云重心，计算出有风工作图标记点云和无风参考图标记点云之间的距离和方向，使得无风参考图标记点云和有风工作图标记点云在后续标记点进行匹配前，先使其重心重合。
进一步地，步骤S220包括如下步骤：
步骤S221：将有风工作图标记点云与无风参考图标记点云进行正向匹配，得到正向匹配结果，所述正向匹配结果包括正向匹配标记点和正向未匹配标记点；
步骤S222：将有风工作图标记点云与无风参考图标记点云进行反向匹配，得到反向匹配结果；
步骤S223：提取所述反向匹配结果中的截取匹配点，所述截取匹配点为所述反向匹配结果中与正向未匹配标记点匹配的点；解除正向已匹配标记点中与截取匹配点有关的匹配关系；
步骤S224：在正向匹配结果中，将截取匹配点更新为与正向未匹配标记点进行匹配的标记点，完成飞行器模型表面标记点的初始匹配。
上述方案中，首先，将有风工作图标记点云与无风参考图标记点云进行正向匹配，即是对于有风工作图标记点云中的每个点分别在无风参考图标记点中进行搜索，找到与其距离最近的点（最近邻点），有风工作图标记点云中的每一个标记点在无风参考图标记点中都找到最近邻点之后，会形成两种正向匹配结果，无风参考图标记点云中，一部分标记点（正向匹配标记点）与有风工作图标记点云中的标记点进行了匹配，另一部分标记点（正向未匹配标记点）在有风工作图标记点云中没有任何标记点与之匹配，如附图2中的标记点a和标记点b。
其次是无风参考图标记点云与有风工作图标记点云进行反向匹配，即是对于无风参考图标记点云中的每个点分别在有风工作图标记点中进行搜索，找到与其距离最近的点（最近邻点），无风参考图标记点云中的每一个标记点在有风工作图标记点中都找到最近邻点之后；会形成两种反向匹配结果，有风工作图标记点云中，一部分标记点（反向匹配标记点）与无风参考图标记点云中的标记点进行了匹配，另一部分标记点（反向未匹配标记点）在无风参考图标记点云中没有任何标记点与之匹配。
在反向匹配结果中，提取有风工作图标记点云中与无风参考图像中正向未匹配标记点的匹配的标记点（截取标记点）。
在有风工作图标记点云与无风参考图标记点云的正向匹配结果中，解除无风参考图标记点云已匹配的标记点之中，与截取标记点有之间的匹配关系。
最后，将有风工作图标记点云与无风参考图标记点云进行正向匹配的匹配结果中，无风参考图标记点云中未匹配的标记点的匹配点更新替换为有风工作图标记点云中与无风参考图像中正向未匹配标记点的匹配的标记点，完成有风工作图标记点云到无风参考图像标记点云的初始匹配。
本方案中，通过将有风工作图标记点云与无风参考图标记点云进行正向匹配，再将无风参考图标记点云与有风工作图标记点云进行反向匹配，最后对无正向匹配中无风参考图标记点云中的标记点进行修正匹配，完成初始匹配，进行双向匹配的原因是由于在飞行器模型表面布置的标记点属于稀疏标记点，只要其中一个标记点发生了错误，就会导致匹配结果产生比较大的影响，因此进行双向匹配至少使得飞行器模型轮廓外围边缘布置的标记点得到正确的匹配结果，避免后续精度匹配时，有风工作标记点云发生整体平移的错位匹配结果。
结果附图进一步进行解释说明，其中白色圆点表示无风参考图标记点云中的标记点，黑色圆点表示有风工作图标记点云中的标记点：
附图2为有风工作图标记点云与无风参考图标记点云进行正向匹配的结果图，从图中可以看出，有风工作图标记点云中没有标记点与无风参考图标记点云中有两个标记点a、b匹配，在附图3中无风参考图标记点云与有风工作图标记点云进行反向匹配，无风参考图标记点云中有两个标记点a、b分别与有风工作图标记点云中的标记点a’、b’匹配，此时将有风工作图标记点云中的标记点a’、b’提取出来，将附图2中解除正向匹配标记点中与标记点a’、b’有匹配关系的标记点，将标记点a’、b’更新修正为标记点a、b的初始匹配点，即完成了有风工作图标记点云与无风参考图标记点云之间的初始匹配，如附图4所示。
进一步地，步骤S221包括如下步骤：
将有风工作图标记点云中的标记点记为
Figure 893830DEST_PATH_IMAGE004
，将无风参考图标记点云记为
Figure 700112DEST_PATH_IMAGE005
，其中，i为有风工作图标记点云中标记点的序号，i=1,2,3...n，n为有风工作图标记点云中标记点的总个数；j为有风工作图标记点云中标记点的序号，j=1,2,3...n，n为有风工作图标记点云中标记点的总个数；
取每个标记点
Figure 671479DEST_PATH_IMAGE004
；
遍历每一个标记点
Figure 537804DEST_PATH_IMAGE005
；
计算标记点
Figure 564928DEST_PATH_IMAGE004
的法向量和标记点
Figure 971639DEST_PATH_IMAGE005
的法向量之间的夹角
Figure 735196DEST_PATH_IMAGE006
，若
Figure 38001DEST_PATH_IMAGE007
，则计算标记点
Figure 349159DEST_PATH_IMAGE004
和标记点
Figure 28402DEST_PATH_IMAGE005
之间的距离
Figure 708782DEST_PATH_IMAGE008
；
计算
Figure 916909DEST_PATH_IMAGE009
对应的标记点，记为
Figure 886002DEST_PATH_IMAGE010
，标记点
Figure 135980DEST_PATH_IMAGE004
和标记点
Figure 139708DEST_PATH_IMAGE010
之间的距离记为
Figure 846633DEST_PATH_IMAGE011
；
当
Figure 303022DEST_PATH_IMAGE012
，则将
Figure 792910DEST_PATH_IMAGE010
作为标记点
Figure 385565DEST_PATH_IMAGE004
对应的标记点，其中
Figure 30435DEST_PATH_IMAGE013
为预设距离阈值。
上述方案中，针对有风工作图标记点云中的每个标记点在无风参考标记点云中找到对应的距离最近的点。
如图2所示，具体是，在有风工作图标记点云中取出一点
Figure 708541DEST_PATH_IMAGE004
，遍历无风参考图标记点云中的每一个标记点
Figure 267699DEST_PATH_IMAGE005
，在飞行器模型表面布置标记点时，位于同一环上的标记点距离飞行器模型表面轮廓的距离相等，位于环上的标记点依次连接形成曲线，计算曲线上有风工作图标记点云中的标记点
Figure 777177DEST_PATH_IMAGE004
的法向量和计算位于曲线上的无风参考图标记点云中的标记点
Figure 265053DEST_PATH_IMAGE005
的法向量；然后分别计算取出的标记点
Figure 492772DEST_PATH_IMAGE004
的法向量和每个标记点
Figure 855620DEST_PATH_IMAGE005
法向量之间的夹角
Figure 688447DEST_PATH_IMAGE006
，若
Figure 376917DEST_PATH_IMAGE028
时，则认为标记点
Figure 531080DEST_PATH_IMAGE004
和标记点
Figure 432040DEST_PATH_IMAGE005
之间的距离为无穷大，即认为标记点
Figure 181690DEST_PATH_IMAGE004
和该标记点
Figure 244324DEST_PATH_IMAGE005
不相邻，若
Figure 384318DEST_PATH_IMAGE007
，则计算标记点
Figure 918330DEST_PATH_IMAGE004
与该标记点
Figure 194591DEST_PATH_IMAGE005
之间的距离
Figure 490443DEST_PATH_IMAGE008
，计算出距离
Figure 117733DEST_PATH_IMAGE008
的最小值，然后在无风参考图标记点云中找出与有风工作图标记点云中的标记点
Figure 626075DEST_PATH_IMAGE004
距离最短的标记点
Figure 332343DEST_PATH_IMAGE010
，将标记点
Figure 2358DEST_PATH_IMAGE004
和标记点
Figure 382524DEST_PATH_IMAGE010
之间的距离
Figure 960136DEST_PATH_IMAGE011
与给定的距离阈值
Figure 210989DEST_PATH_IMAGE013
进行比较，当
Figure 553371DEST_PATH_IMAGE012
，则将
Figure 951991DEST_PATH_IMAGE010
作为标记点
Figure 536556DEST_PATH_IMAGE004
对应距离最近的标记点，否则的话，则认为标记点
Figure 173074DEST_PATH_IMAGE004
在无风参考图中没有最近邻点。
需要说明的是，通常情况下，有风工作图标记点云中的标记点数量与无风参考标记点云中标记点的数量相同。
进一步地，步骤S221中将有风工作图标记点云与无风参考图标记点云进行反向匹配，包括如下步骤：
将有风工作图标记点云中的标记点记为
Figure 981630DEST_PATH_IMAGE004
，将无风参考图标记点云记为
Figure 572273DEST_PATH_IMAGE005
，其中，i为有风工作图标记点云中标记点的序号，i=1,2,3...n，n为有风工作图标记点云中标记点的总个数；j为有风工作图标记点云中标记点的序号，j=1,2,3...n，n为有风工作图标记点云中标记点的总个数；
取每个标记点
Figure 757267DEST_PATH_IMAGE005
；
遍历每一个标记点
Figure 982712DEST_PATH_IMAGE004
；
计算标记点
Figure 431011DEST_PATH_IMAGE005
的法向量和标记点
Figure 836847DEST_PATH_IMAGE004
的法向量之间的夹角
Figure 497635DEST_PATH_IMAGE014
，若
Figure 374324DEST_PATH_IMAGE015
，则计算标记点
Figure 993524DEST_PATH_IMAGE005
和标记点
Figure 526137DEST_PATH_IMAGE004
之间的距离
Figure 256196DEST_PATH_IMAGE016
；
计算
Figure 20014DEST_PATH_IMAGE017
对应的标记点，记为
Figure 544537DEST_PATH_IMAGE018
，标记点
Figure 157921DEST_PATH_IMAGE019
和标记点
Figure 160512DEST_PATH_IMAGE018
之间的距离记为
Figure 716520DEST_PATH_IMAGE020
；
当
Figure 5419DEST_PATH_IMAGE021
，则将
Figure 247045DEST_PATH_IMAGE018
作为标记点
Figure 318906DEST_PATH_IMAGE019
对应的标记点，其中
Figure 290273DEST_PATH_IMAGE013
为预设距离阈值。
上述方案中，针对无风参考图标记点云中的每个标记点在有风工作图标记点云中找到对应的距离最近的点。
如图3所示，具体是，在无风参考图标记点云中取出一点
Figure 392483DEST_PATH_IMAGE005
，遍历无风参考图标记点云中的每一个标记点
Figure 980460DEST_PATH_IMAGE004
，在飞行器模型表面布置标记点时，位于同一环上的标记点距离飞行器模型表面轮廓的距离相等，位于环上的标记点依次连接形成曲线，计算曲线上计算位于曲线上的无风参考图标记点云中的标记点
Figure 590432DEST_PATH_IMAGE005
的法向量和有风工作图标记点云中的标记点
Figure 353989DEST_PATH_IMAGE004
的法向量；
然后分别计算取出的标记点
Figure 187953DEST_PATH_IMAGE005
的法向量和每个标记点
Figure 233532DEST_PATH_IMAGE004
法向量之间的夹角
Figure 443933DEST_PATH_IMAGE014
，若
Figure 327575DEST_PATH_IMAGE029
时，则认为标记点
Figure 535703DEST_PATH_IMAGE005
和标记点
Figure 504796DEST_PATH_IMAGE004
之间的距离为无穷大，即认为标记点
Figure 743055DEST_PATH_IMAGE005
和该标记点
Figure 12362DEST_PATH_IMAGE004
不相邻，若
Figure 188129DEST_PATH_IMAGE015
，则计算标记点
Figure 644518DEST_PATH_IMAGE005
与该标记点
Figure 134405DEST_PATH_IMAGE004
之间的距离
Figure 494105DEST_PATH_IMAGE014
，计算出距离
Figure 106351DEST_PATH_IMAGE014
的最小值，然后在有风工作图标记点云中找出与无风参考图标记点云中的标记点
Figure 174671DEST_PATH_IMAGE005
距离最短的标记点
Figure 704134DEST_PATH_IMAGE018
，将标记点
Figure 744771DEST_PATH_IMAGE005
和标记点
Figure 731182DEST_PATH_IMAGE018
之间的距离
Figure 896584DEST_PATH_IMAGE020
与给定的距离阈值
Figure 790591DEST_PATH_IMAGE013
进行比较，当
Figure 859303DEST_PATH_IMAGE021
，则将
Figure 751036DEST_PATH_IMAGE018
作为标记点
Figure 997209DEST_PATH_IMAGE005
对应距离最近的标记点，否则的话，则认为标记点
Figure 632590DEST_PATH_IMAGE005
在无风参考图中没有最近邻点。
进一步地，步骤S300包括：采用非刚性配准方法，计算无风参考图标记点云和有风工作图标记点云之间的匹配参数。
上述方案中，根据初始匹配的结果，有风工作图标记点云中的标记点和无风参考图标记点云中的标记点完成了初始匹配，如图4所示，无风参考标记点云中存在标记点未与有风工作图标记点云中的任何标记点匹配、无风参考图标记点云的一个标记点同时与有风工作图标记点云中的两个标记点进行匹配，因此，需要通过精确匹配来解决出现的这种情况。
精确匹配的原理是，使无风参考图标记点云位置保持不动，有风工作图标记点云向无风参考标记点云移动匹配，或者是有风工作图标记点云位置保持不动，无风参考图标记点云向有风工作标记点云移动进行匹配；两者在移动的过程中需要满足一定的约束条件，否则，标记点云会沿着任意方向或者距离移动，导致匹配结果错乱，不理想。
下面以有风工作图标记点云到无风参考标记点云的精确匹配过程为例：
采用非刚体匹配目标函数，公式如下：
Figure 54344DEST_PATH_IMAGE030
，
其中，第一项
Figure 211918DEST_PATH_IMAGE031
是配准错误精度，用于衡量点的配准精度，第二项
Figure 86333DEST_PATH_IMAGE032
是形状模型，是正则约束项，用于约束形变。
Figure 790984DEST_PATH_IMAGE033
是权重参数，随着迭代逐步渐少。配准错误精度
Figure 129562DEST_PATH_IMAGE031
的值越小，表示有风工作图标记点云到无风参考标记点云之间的匹配越准确。
具体地，配准错误精度
Figure 894255DEST_PATH_IMAGE031
的计算公式如下，本方案中采用局部二次逼近，
Figure 23011DEST_PATH_IMAGE034
其中，
Figure 796932DEST_PATH_IMAGE035
和
Figure 193278DEST_PATH_IMAGE036
分别是标记点
Figure 863294DEST_PATH_IMAGE005
Frenet标架下的单位切线和单位外法线。
Figure 305776DEST_PATH_IMAGE037
是标记点
Figure 322536DEST_PATH_IMAGE005
的曲率半径，
Figure 838968DEST_PATH_IMAGE027
是标记点
Figure 476623DEST_PATH_IMAGE004
和标记点
Figure 78505DEST_PATH_IMAGE005
的符号距离，如果标记点
Figure 397491DEST_PATH_IMAGE004
和单位外发现
Figure 597791DEST_PATH_IMAGE036
同侧则
Figure 344030DEST_PATH_IMAGE027
为正，否则
Figure 495525DEST_PATH_IMAGE027
为负。
由于二维坐标点匹配的信息量比较少，结合飞行器模型整体刚性、局部非刚性、弹性形变的特点，采用弹簧约束的变形场拓扑保持方法，自由形变模型通过附加在数据2D空间上的一个控制网格表示形变场，计算公式如下：
Figure 883781DEST_PATH_IMAGE038
其中，
Figure 843647DEST_PATH_IMAGE039
是三次样条基函数用于保
Figure 26367DEST_PATH_IMAGE040
证连续。
Figure 912763DEST_PATH_IMAGE041
是数据2D空间上的大小为
Figure 573551DEST_PATH_IMAGE042
的控制网格。
通过对配准错误精度
Figure 981399DEST_PATH_IMAGE031
迭代计算，实现有风工作图标记点云到无风参考标记点云的精确匹配。
进一步地，所述距离阈值
Figure 600599DEST_PATH_IMAGE043
，其中，
Figure 133212DEST_PATH_IMAGE044
，
Figure 895894DEST_PATH_IMAGE024
和
Figure 361510DEST_PATH_IMAGE025
分别为无风参考图像的宽度和高度，
Figure 151611DEST_PATH_IMAGE026
和
Figure 968258DEST_PATH_IMAGE027
分别为有风工作图像的宽度和高度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种飞行器模型表面标记点的匹配方法，其特征在于，包括如下步骤：
步骤S100：构造飞行器模型表面的标记点云，所述标记点云包括无风参考图标记点云和有风工作图标记点云；
步骤S200：采用双向最近邻搜索法，对有风工作图标记点云和无风参考图标记点云的标记点到进行初始匹配；
步骤S300：根据初始匹配结果，对有风工作图标记点云和无风参考图标记点云的标记点到进行精确匹配。
2.如权利要求1所述的标记点的匹配方法，其特征在于，步骤S100包括如下步骤：
步骤S110：获取含有飞行器表面标记点的有风工作图像和无风参考图像，其中，所述飞行器表面标记点沿飞行器轮廓等距布置，形成环状；
步骤S120：分别获得有风工作图像和无风参考图像中标记点的坐标；
步骤S130：以飞行器模型表面标记点中任一标记点作为原起始标记点，以原起始标记点在无风参考图像中的坐标点作为无风起始标记点，以原起始标记点在有风工作图像中的坐标点作为有风起始标记点；
步骤S140：沿无风起始标记点所在环的第一方向，搜索无风参考图像中所有标记点，形成无风参考图标记点云；沿有风起始标记点所在环的第一方向，搜索有风工作图像中所有标记点，形成有风工作图标记点云，所述第一方向为顺时针或逆时针。
3.如权利要求1所述的标记点的匹配方法，其特征在于，步骤S200包括如下步骤：
步骤S210：计算无风参考图标记点云和有风工作图标记点云之间的平移向量D，将有风工作图标记点云按照平移向量进行移动；
步骤S220：对有风工作图标记点云和无风参考图标记点云之间进行双向搜索匹配；对获得的双向搜索结果进行融合修正，获得无风参考图标记点云和有风工作图标记点云之间的初始匹配。
4.如权利要求3所述的标记点的匹配方法，其特征在于，步骤S210中包括如下步骤：
分别计算有风工作图标记点云的重心，记为
Figure 52227DEST_PATH_IMAGE002
，计算无风参考图标记点云的重心记为
Figure 500526DEST_PATH_IMAGE004
；
计算平移向量
Figure 873739DEST_PATH_IMAGE006
。
5.如权利要求3所述的标记点的匹配方法，其特征在于，步骤S220包括如下步骤：
步骤S221：将有风工作图标记点云与无风参考图标记点云进行正向匹配，得到正向匹配结果，所述正向匹配结果包括正向匹配标记点和正向未匹配标记点；
步骤S222：将有风工作图标记点云与无风参考图标记点云进行反向匹配，得到反向匹配结果；
步骤S223：提取所述反向匹配结果中的截取匹配点，所述截取匹配点为所述反向匹配结果中与正向未匹配标记点匹配的点；解除正向已匹配标记点中与截取匹配点有关的匹配关系；
步骤S224：在正向匹配结果中，将截取匹配点更新为与正向未匹配标记点进行匹配的标记点，完成飞行器模型表面标记点的初始匹配。
6.如权利要求5所述的标记点的匹配方法，其特征在于，步骤S221包括如下步骤：
将有风工作图标记点云中的标记点记为
Figure 800106DEST_PATH_IMAGE008
，将无风参考图标记点云记为
Figure 67008DEST_PATH_IMAGE010
，其中，i为有风工作图标记点云中标记点的序号，i=1,2,3...n，n为有风工作图标记点云中标记点的总个数；j为有风工作图标记点云中标记点的序号，j=1,2,3...n，n为有风工作图标记点云中标记点的总个数；
取每个标记点
Figure 295996DEST_PATH_IMAGE008
；
遍历每一个标记点
Figure 484400DEST_PATH_IMAGE010
；
计算标记点
Figure 886563DEST_PATH_IMAGE008
的法向量和标记点
Figure 86600DEST_PATH_IMAGE010
的法向量之间的夹角
Figure DEST_PATH_IMAGE012
，若
Figure 676369DEST_PATH_IMAGE014
，则计算标记点
Figure 961857DEST_PATH_IMAGE008
和标记点
Figure 620240DEST_PATH_IMAGE010
之间的距离
Figure 346888DEST_PATH_IMAGE016
；
计算
Figure DEST_PATH_IMAGE018
对应的标记点，记为
Figure 698103DEST_PATH_IMAGE020
，标记点
Figure 142991DEST_PATH_IMAGE008
和标记点
Figure 73907DEST_PATH_IMAGE020
之间的距离记为
Figure 982957DEST_PATH_IMAGE022
；
当
Figure 724648DEST_PATH_IMAGE024
，则将
Figure 909029DEST_PATH_IMAGE020
作为标记点
Figure 519002DEST_PATH_IMAGE008
对应的标记点，其中
Figure 689084DEST_PATH_IMAGE026
为预设距离阈值。
7.如权利要求5所述的标记点的匹配方法，其特征在于，步骤S222包括如下步骤：
将有风工作图标记点云中的标记点记为
Figure 913260DEST_PATH_IMAGE008
，将无风参考图标记点云记为
Figure 4844DEST_PATH_IMAGE010
，其中，i为有风工作图标记点云中标记点的序号，i=1,2,3...n，n为有风工作图标记点云中标记点的总个数；j为有风工作图标记点云中标记点的序号，j=1,2,3...n，n为有风工作图标记点云中标记点的总个数；
取每个标记点
Figure 418508DEST_PATH_IMAGE010
；
遍历每一个标记点
Figure 223522DEST_PATH_IMAGE008
；
计算标记点
Figure 572595DEST_PATH_IMAGE010
的法向量和标记点
Figure 276109DEST_PATH_IMAGE008
的法向量之间的夹角
Figure 149256DEST_PATH_IMAGE028
，若
Figure 293929DEST_PATH_IMAGE030
，则计算标记点
Figure 281082DEST_PATH_IMAGE010
和标记点
Figure 737471DEST_PATH_IMAGE008
之间的距离
Figure 351992DEST_PATH_IMAGE032
；
计算
Figure 616751DEST_PATH_IMAGE034
对应的标记点，记为
Figure 822473DEST_PATH_IMAGE036
，标记点
Figure 766158DEST_PATH_IMAGE038
和标记点
Figure 997420DEST_PATH_IMAGE036
之间的距离记为
Figure 834794DEST_PATH_IMAGE040
；
当
Figure 290047DEST_PATH_IMAGE042
，则将
Figure 596394DEST_PATH_IMAGE036
作为标记点
Figure 617964DEST_PATH_IMAGE038
对应的标记点，其中
Figure 185212DEST_PATH_IMAGE026
为预设距离阈值。
8.如权利要求1所述的标记点的匹配方法，其特征在于，步骤S300包括：采用非刚性配准方法，计算无风参考图标记点云和有风工作图标记点云之间的匹配参数。
9.如权利要求6-7之一所述的标记点识别匹配方法，其特征在于，所述距离阈值
Figure 952311DEST_PATH_IMAGE044
，其中，
Figure 791960DEST_PATH_IMAGE046
，
Figure DEST_PATH_IMAGE047
和
Figure 833865DEST_PATH_IMAGE048
分别为无风参考图像的宽度和高度，
Figure DEST_PATH_IMAGE049
和
Figure DEST_PATH_IMAGE050
分别为有风工作图像的宽度和高度。
CN202111193419.XA 2021-10-13 2021-10-13 一种飞行器模型表面标记点的匹配方法 Active CN113642681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111193419.XA CN113642681B (zh) 2021-10-13 2021-10-13 一种飞行器模型表面标记点的匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111193419.XA CN113642681B (zh) 2021-10-13 2021-10-13 一种飞行器模型表面标记点的匹配方法

Publications (2)

Publication Number Publication Date
CN113642681A true CN113642681A (zh) 2021-11-12
CN113642681B CN113642681B (zh) 2022-01-04

Family

ID=78426640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111193419.XA Active CN113642681B (zh) 2021-10-13 2021-10-13 一种飞行器模型表面标记点的匹配方法

Country Status (1)

Country Link
CN (1) CN113642681B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114323543A (zh) * 2022-03-10 2022-04-12 中国空气动力研究与发展中心高速空气动力研究所 一种提高压敏漆试验效率的方法
CN115482195A (zh) * 2022-08-03 2022-12-16 西南交通大学 一种基于三维点云的列车部件变形检测方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398229A (zh) * 2017-12-27 2018-08-14 中国航天空气动力技术研究院 一种飞行器三维表面流动分布风洞测量方法
CN108844524A (zh) * 2018-07-05 2018-11-20 空气动力学国家重点实验室 一种基于振动修正的直升机旋翼桨叶运动参数测量方法
CN109087342A (zh) * 2018-07-12 2018-12-25 武汉尺子科技有限公司 一种基于特征匹配的三维点云全局配准方法及系统
CN110223355A (zh) * 2019-05-15 2019-09-10 大连理工大学 一种基于双重极线约束的特征标志点匹配方法
US20200408518A1 (en) * 2019-06-26 2020-12-31 Aurora Flight Sciences Corporation, a subsidiary of The Boeing Company Aircraft Imaging System Using Projected Patterns on Featureless Surfaces
CN112256589A (zh) * 2020-11-11 2021-01-22 腾讯科技（深圳）有限公司 一种仿真模型的训练方法、点云数据的生成方法及装置
CN113223078A (zh) * 2021-05-27 2021-08-06 深圳数马电子技术有限公司 标志点的匹配方法、装置、计算机设备和存储介质
CN113240740A (zh) * 2021-05-06 2021-08-10 四川大学 基于相位引导双目视觉密集标记点匹配的姿态测量方法
US20210247517A1 (en) * 2020-02-08 2021-08-12 The Boeing Company De-jitter of point cloud data for target recognition
CN113313200A (zh) * 2021-06-21 2021-08-27 中国科学院自动化研究所苏州研究院 一种基于法向约束的点云精匹配方法
CN113390605A (zh) * 2021-07-20 2021-09-14 中国空气动力研究与发展中心设备设计与测试技术研究所 一种风洞试验飞机机翼变形全场测量方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108398229A (zh) * 2017-12-27 2018-08-14 中国航天空气动力技术研究院 一种飞行器三维表面流动分布风洞测量方法
CN108844524A (zh) * 2018-07-05 2018-11-20 空气动力学国家重点实验室 一种基于振动修正的直升机旋翼桨叶运动参数测量方法
CN109087342A (zh) * 2018-07-12 2018-12-25 武汉尺子科技有限公司 一种基于特征匹配的三维点云全局配准方法及系统
CN110223355A (zh) * 2019-05-15 2019-09-10 大连理工大学 一种基于双重极线约束的特征标志点匹配方法
US20200408518A1 (en) * 2019-06-26 2020-12-31 Aurora Flight Sciences Corporation, a subsidiary of The Boeing Company Aircraft Imaging System Using Projected Patterns on Featureless Surfaces
US20210247517A1 (en) * 2020-02-08 2021-08-12 The Boeing Company De-jitter of point cloud data for target recognition
CN112256589A (zh) * 2020-11-11 2021-01-22 腾讯科技（深圳）有限公司 一种仿真模型的训练方法、点云数据的生成方法及装置
CN113240740A (zh) * 2021-05-06 2021-08-10 四川大学 基于相位引导双目视觉密集标记点匹配的姿态测量方法
CN113223078A (zh) * 2021-05-27 2021-08-06 深圳数马电子技术有限公司 标志点的匹配方法、装置、计算机设备和存储介质
CN113313200A (zh) * 2021-06-21 2021-08-27 中国科学院自动化研究所苏州研究院 一种基于法向约束的点云精匹配方法
CN113390605A (zh) * 2021-07-20 2021-09-14 中国空气动力研究与发展中心设备设计与测试技术研究所 一种风洞试验飞机机翼变形全场测量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MÁTÉ SZKE等: "Developing a numerical model of the Virginia Tech stability wind tunnel for uncertainty quantification based on real-world geometry", 《SCITECH FORUM 2020》 *
刘巍: "基于彩色编码的副油箱风洞模型位姿测量方法", 《航空学报》 *
刘庆龙: "风洞环境中标志点的识别与跟踪及机翼弹性变形测量", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 *
刘捷: "风洞试验模型弹性变形视频测量系统设计及实现", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114323543A (zh) * 2022-03-10 2022-04-12 中国空气动力研究与发展中心高速空气动力研究所 一种提高压敏漆试验效率的方法
CN114323543B (zh) * 2022-03-10 2022-05-17 中国空气动力研究与发展中心高速空气动力研究所 一种提高压敏漆试验效率的方法
CN115482195A (zh) * 2022-08-03 2022-12-16 西南交通大学 一种基于三维点云的列车部件变形检测方法
CN115482195B (zh) * 2022-08-03 2023-06-20 西南交通大学 一种基于三维点云的列车部件变形检测方法

Also Published As

Publication number Publication date
CN113642681B (zh) 2022-01-04

Similar Documents

Publication Publication Date Title
CN113834625B (zh) 一种飞行器模型表面压力测量方法及系统
CN111080627B (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
CN113642681B (zh) 一种飞行器模型表面标记点的匹配方法
CN109900713B (zh) 摄像引导的无人机风电叶片缺陷动态检测系统及其方法
CN105096317A (zh) 一种复杂背景中的高性能相机全自动标定方法
JP2013542435A (ja) タイヤ表面の検査に用いられるタイヤ表面の三次元画像を前処理する方法
CN103210417A (zh) 使用连续b样条变形预处理轮胎表面的三维图像的方法
CN101896937A (zh) 处理轮胎表面的三维图像以便其能够用来检查所述表面的方法
CN109559346B (zh) 一种3d点云测量中的待测部位的定位及分割方法、扫描仪
CN105335973A (zh) 运用于带钢加工生产线的视觉处理方法
CN105574527A (zh) 一种基于局部特征学习的快速物体检测方法
CN111915517B (zh) 适用于室内光照不利环境下rgb-d相机全局定位方法
CN109035329A (zh) 基于深度特征的相机姿态估计优化方法
CN113643371B (zh) 一种飞行器模型表面标记点的定位方法
CN103617328A (zh) 一种飞机三维姿态解算方法
CN110363054B (zh) 道路标识线识别方法、装置和系统
CN109242774B (zh) 一种基于多维空间不变特征的平板类零件点云拼接方法
CN112184765A (zh) 一种基于视觉的水下航行器自主跟踪方法
CN113592961B (zh) 一种基于精度控制场和点云特征相似性的点云拼接方法
CN113706588B (zh) 基于改进四点快速鲁棒匹配算法的环形锻件点云配准方法
CN115790539B (zh) 一种合作靶标水下摄影测量方法
CN113688819B (zh) 一种基于标记点的目标物期望点跟踪匹配方法
CN113554705B (zh) 一种变化场景下的激光雷达鲁棒定位方法
CN115908562A (zh) 一种异面点合作标志器及测量方法
CN113850866A (zh) 一种基于特征反向投影的自主空中加油锥套位姿解算方法

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
GR01 Patent grant
GR01 Patent grant