CN113834625A - 一种飞行器模型表面压力测量方法及系统 - Google Patents

一种飞行器模型表面压力测量方法及系统 Download PDF

Info

Publication number
CN113834625A
CN113834625A CN202111193426.XA CN202111193426A CN113834625A CN 113834625 A CN113834625 A CN 113834625A CN 202111193426 A CN202111193426 A CN 202111193426A CN 113834625 A CN113834625 A CN 113834625A
Authority
CN
China
Prior art keywords
image
points
point cloud
matching
mark
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
CN202111193426.XA
Other languages
English (en)
Other versions
CN113834625B (zh
Inventor
梁磊
姜裕标
左承林
魏春华
马军
高志升
岳廷瑞
尹熹伟
李付华
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
Xihua University
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 Xihua University, Low Speed Aerodynamics Institute of China Aerodynamics Research and Development Center filed Critical Xihua University
Priority to CN202111193426.XA priority Critical patent/CN113834625B/zh
Publication of CN113834625A publication Critical patent/CN113834625A/zh
Application granted granted Critical
Publication of CN113834625B publication Critical patent/CN113834625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/02—Wind tunnels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/06—Measuring arrangements specially adapted for aerodynamic testing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M9/00—Aerodynamic testing; Arrangements in or on wind tunnels
    • G01M9/08—Aerodynamic models

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压力测量方法及系统，包括：S100：在飞行器模型表面涂覆压敏漆，并沿飞行器模型表面轮廓布置多个标记点；S200：将飞行器模型布置于风洞试验段中；采集飞行器模型的无风参考图像和有风工作图像；S300：分别对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定位；S400：根据所述定位结果，分别构建无风参考图标记点云和有风工作图标记点云；S500：将无风参考图标记点云和有风工作图标记点云进行匹配；S600：计算飞行器模型表面的压力分布。通过本文的方法和系统，获得有风工作状态下飞行器模型表面的压力分布的压力值误差小、精确度高。

Description

一种飞行器模型表面压力测量方法及系统
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压力测量方法及系统。
背景技术
目前，我国在航空航天领域的发展快速，而飞行器在飞行过程中会受到各种外界压力，通常情况下飞行器测压是在风洞试验中进行。目前压敏漆技术已经广泛应用于航空航天飞行器表面的压力测量中，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。
由于飞行器模型表面压力分布的测量是有风工作图像和无风参考图像相除，而图像的相除运算要求有风工作图像和无风参考图像中飞行器模型的位置固定不动，若两幅图像之间的模型位置发生任何位移，均会严重影响压力测量的精度，因此，在计算飞行器模型表面压力的关键是必须保证两幅图像像素点对应。但是在风洞中进行试验时，由于存在空气动力载荷，飞行器模型会发生较大尺度的姿态改变和弹性变形，在这种情况下将有风工作图和无风参考图进行精确匹对压力的计算结果起着重要的影响。
发明内容
本发明的目的是提供一种飞行器模型表面压力测量方法，来解决现有技术中存在的技术问题，包括如下步骤：
步骤S100：在飞行器模型表面涂覆压敏漆，并沿飞行器模型表面轮廓布置多个标记点；
步骤S200：将飞行器模型布置于风洞试验段中；采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；
步骤S300：分别对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定位；
步骤S400：根据所述定位结果，分别构建无风参考图标记点云和有风工作图标记点云；
步骤S500：将无风参考图标记点云和有风工作图标记点云进行匹配；
步骤S600：计算飞行器模型表面的压力分布。
进一步地，步骤S300包括如下步骤：
步骤S310：采用增强阈值分割法对采集到的图像中的标记点进行粗定位，获得标记点的粗位置
Figure 176062DEST_PATH_IMAGE001
；
步骤S320：根据标记点的粗定位结果，采用加权阈值方法对标记点进行精确定位获得标记点的精确位置
Figure 235023DEST_PATH_IMAGE002
。
进一步地，步骤S310包括如下步骤：
对采集到的图像进行黑帽运算，获得黑帽图像；
采用自适应阈值分割法对黑帽图像进行处理，获得粗定位二值化图像；
计算粗定位二值化图像中的所有连通区域，并计算每个连通区域的面积
Figure 383108DEST_PATH_IMAGE003
和位置；
若
Figure 266750DEST_PATH_IMAGE004
，则将连通区域的位置作为标记点的粗位置
Figure 287927DEST_PATH_IMAGE005
，其中，
Figure 257020DEST_PATH_IMAGE006
为面积阈值。
进一步地，步骤S320包括如下步骤：
获取图像中包含粗位置
Figure 943216DEST_PATH_IMAGE005
的图像块，并计算包含粗位置
Figure 946944DEST_PATH_IMAGE005
的图像块中的像素最小值
Figure 640487DEST_PATH_IMAGE007
；
根据像素最小值
Figure 565718DEST_PATH_IMAGE007
计算阶梯阈值
Figure 586763DEST_PATH_IMAGE008
，
Figure 726889DEST_PATH_IMAGE009
，其中，
Figure 542398DEST_PATH_IMAGE010
为阶梯系数，
Figure 220504DEST_PATH_IMAGE011
=1，2，......n，n为阶梯系数的个数；
对图像中包含粗位置
Figure 248503DEST_PATH_IMAGE005
的图像块进行二值化处理，若
Figure 210512DEST_PATH_IMAGE012
，则像素
Figure 728081DEST_PATH_IMAGE013
=1，区域记为
Figure 893483DEST_PATH_IMAGE014
；若
Figure 741484DEST_PATH_IMAGE015
，则像素
Figure 371049DEST_PATH_IMAGE013
=0，区域记为
Figure 262781DEST_PATH_IMAGE016
，获 得精确定位二值化图像
Figure 155958DEST_PATH_IMAGE017
，其中，
Figure 56918DEST_PATH_IMAGE018
为二值化图像
Figure 275410DEST_PATH_IMAGE017
的像素，
Figure 354355DEST_PATH_IMAGE019
为图像 的像素；
计算区域
Figure 963191DEST_PATH_IMAGE014
的中心坐标
Figure 402263DEST_PATH_IMAGE020
；
对
Figure 740840DEST_PATH_IMAGE021
个中心坐标
Figure 489222DEST_PATH_IMAGE020
进行加权，获得加权坐标
Figure 562537DEST_PATH_IMAGE022
，将加权坐标
Figure 37512DEST_PATH_IMAGE022
作为标记点的精确位置
Figure 441949DEST_PATH_IMAGE002
。
进一步地，步骤S400包括如下步骤；
根据获得的精确定位结果，获得无风参考图像中标记点的坐标和有风工作图像中标记点的坐标；
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；
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S500包括如下步骤：
步骤S510：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S520：根据初始匹配结果，计算有风工作图标记点云和无风参考图标记点云的标记点之间的匹配参数，进行精确匹配；
进一步地，步骤S510包括如下步骤：
步骤S511：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，获得正向匹配结果，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S512：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，获得反向匹配结果，反向匹配结果包括反向匹配标记点和反向未匹配标记点；
步骤S513：将正向匹配结果和反向匹配结果进行修正融合，完成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。
进一步地，步骤S513包括如下步骤：
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；
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S520包括：
采用二维非刚体匹配法，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；
根据所述匹配参数，将有风工作图标记点云向无风参考图移动，完成精确匹配。
本发明还提供了一种采用所述的飞行器模型表面压力测量方法的压力测量系统，包括：图像采集模块、图像定位模块、标记点云生成模块、图像匹配模块、压力计算模块；
图像采集模块：用于采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；
图像定位模块：用于计算无风参考图像中标记点的位置和有风工作图像中标记点；
标记点云生成模块：用于生成无风参考图标记点云和有风工作图标记点云；
图像匹配模块：用于将无风参考图标记点云和有风工作图标记点云进行匹配；
压力计算模块：用于计算飞行器模型表面的压力分布。
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压力测量方法，通过对获取的有风工作图像和无风参考图像中的标记点进行定位、构造标记点云、然后对有风工作图像和无风参考图像进行精确匹配，此时计算出飞行器模型表面压力分布的压力值精度高，适用于不同飞行器模型表面的压力测量，工作效率高。
2）通过本发明的飞行器模型表面压力测量方法，实现了有风工作图像和无风图像的精确匹配，匹配精度高，然后根据高精度的匹配结果，将有风工作图像和无风参考图像相除，获得有风工作状态下飞行器模型表面的压力分布，此时获得的压力值误差小、精确度高。除此之外，通过获得的高精度压力值，可以积分得到准确度高的气动载荷，如得到增升装置的气动力，控制舵的铰链力矩等关键的气动载荷。
3）本发明提供的飞行器模型表面标记点的定位方法，通过对无风参考图像上的标记点和有风工作图像上的标记点采用增强阈值分割法和加权阈值方法进行两次定位，来获取标记点的精确位置，采用本发明的定位方法，可以获得飞行器模型表面标记点的精确坐标，定位准确度高，有助于飞行器模型表面标记点的精确匹配和受力情况的准确分析。
4）本发明提供的飞行器模型表面标记点的匹配方法，根据获得的标记点位置信息，构造有风工作图像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。
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是本发明中飞行器模型表面压力测量方法的流程图；
图2是本发明中采集到的飞行器模型的图像；
图3（a）是阈值分割三维图，图3（b）是标记点的精确位置图；
图4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5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6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；
图8是本发明中有风工作图和无风参考图的对比示意图；
图9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。
实施例1：
如附图1-图9所示，本发明实施例1提供了一种飞行器模型表面压力测量方法，来解决现有技术中存在的技术问题，包括如下步骤：
步骤S100：在飞行器模型表面涂覆压敏漆，并沿飞行器模型表面轮廓布置多个标记点；
步骤S200：将飞行器模型布置于风洞试验段中；采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；
步骤S300：分别对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定位；
步骤S400：根据所述定位结果，分别构建无风参考图标记点云和有风工作图标记点云；
步骤S500：将无风参考图标记点云和有风工作图标记点云进行匹配；
步骤S600：计算飞行器模型表面的压力分布。
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，然后将飞行器模型布置于风洞试验段中，图像采集装置布置与飞行器模型周围；本发明实施例中图像采集装置采用由阵列式LED发光二极管构成的平行光源作为激发光源，相机采用科学级灰度CCD相机，采集飞行器模型图像时，激发光源发出激发光至飞行器模型表面，相机接收飞行器模型表面的反射光，获取飞行器模型图像，相机获得的图像如图2所示。
在获取飞行器模型图像时，需要获取飞行器模型两种状态下的图像，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，利用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，根据匹配结果分析飞行器模型表面的受力情况。
需要说明的是，在对有图像进行的定位处理计算过程，均指的是对无风参考图像和有风工作图像，两者都会进行同样的处理步骤。
具体地，现有技术中对标记点的定位通常采用最小二乘法等方法只进行一次定位，获得的标记点的坐标不准确，本发明对采集到的有风工作图像和无风参考图像中的标记点采用两次进行定位，首先对有风工作图像和无风参考图像中的标记点采用增强阈值分割法进行粗定位，然后再采用加权阈值方法对标记点进行精确定位，通过两次定位获得的标记点定位准确度高，且有助于飞行器模型表面标记点的精确匹配和受力情况的准确分析。
根据获得的标记点坐标序列，构建有风工作图标记点云和无风参考图标记点云，即对有风工作图和无风参考图中标记点进行排序，为后续标记点的匹配做准备；然后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，然后再采用非刚体配准法，有风工作图标记点云和无风参考图标记点云进行精确匹配，使得有风工作图标记点云中的所有标记点和无风参考图标记点云中所有的标记点均能形成一一映射匹配的关系。
根据精确匹配结果，将有风工作图像和无风参考图像相除，获得有风工作状态下飞行器模型表面的压力分布，此时获得的压力值误差小、精确度高。除此之外，进而可以积分得到气动载荷，如得到增升装置的气动力，控制舵的铰链力矩等关键的气动载荷。
优选地，在飞行器模型表面沿边缘至中心的方向可以布置多圈标记点，位于同一圈上的每一个标记点距飞行器模型边缘的距离相等。
在获取飞行器模型图像
Figure 556535DEST_PATH_IMAGE023
时，需要获取飞行器模型两种状态下的图像，一种是飞行器模型在无风状态下的图像，即无风参考图像
Figure 386344DEST_PATH_IMAGE024
，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
Figure 902776DEST_PATH_IMAGE025
，利用无风参考图像
Figure 478114DEST_PATH_IMAGE024
上的标记点
Figure 79997DEST_PATH_IMAGE026
和有风工作图像
Figure 212032DEST_PATH_IMAGE025
上的标记点
Figure 317391DEST_PATH_IMAGE026
进行匹配，根据匹配结果分析飞行器模型表面的受力情况。
进一步地，步骤S300包括如下步骤：
步骤S310：采用增强阈值分割法对采集到的图像中的标记点进行粗定位，获得标记点的粗位置
Figure 329210DEST_PATH_IMAGE001
；
步骤S320：根据标记点的粗定位结果，采用加权阈值方法对标记点进行精确定位获得标记点的精确位置
Figure 621651DEST_PATH_IMAGE002
。
当获取了飞行器模型表面的图像后，首先需要将图像转化为灰度图像，然后对灰度图像采用黑帽运算，对图像进行去噪进而减小背景带来的干扰，增强标记点所在的区域，得到黑帽图像，在此基础上，对黑帽图像采用自适应阈值分割的方法，针对图像中的不同区域，自适应计算不同的阈值，对图像进行分割，得到二值化图像，计算二值化图像中所有的连通区域，并计算每一个连通区域的面积和位置，此时由技术人员根据实际经验设置面积阈值，将连通区域面积小于面积阈值的连通区域保留，并将连通区域中面积小于面积阈值的连通区域的位置作为标记点的粗位置，将连通区域面积不小于面积阈值的连通区域进行过滤，依次将每一个连通区域的面积与面积阈值进行比较，获得每一个标记点的粗位置，即在对图像进行了自适应阈值分割的基础上，对图像又根据面积阈值进行了一次增强阈值分割，因此，对采集到的飞行器模型图像通过增强阈值的分割办法实现了对标记点的粗定位。
进一步地，步骤S310包括如下步骤：
对采集到的图像进行黑帽运算，获得黑帽图像；
采用自适应阈值分割法对黑帽图像进行处理，获得粗定位二值化图像；
计算粗定位二值化图像中的所有连通区域，并计算每个连通区域的面积
Figure 55912DEST_PATH_IMAGE003
和位置；
若
Figure 546936DEST_PATH_IMAGE004
，则将连通区域的位置作为标记点的粗位置
Figure 480388DEST_PATH_IMAGE005
，其中，
Figure 853601DEST_PATH_IMAGE006
为面积阈值。
上述方案中，首先将相机获得的图像
Figure 779969DEST_PATH_IMAGE023
进行灰度化处理，转化为灰度图像，然后对灰度图像采用黑帽运算，对图像进行去噪进而减小背景带来的干扰，增强标记点所在的区域，得到黑帽图像
Figure 846538DEST_PATH_IMAGE027
，黑帽图像
Figure 262476DEST_PATH_IMAGE027
的计算公式如下：
Figure 60668DEST_PATH_IMAGE028
其中，
Figure 275879DEST_PATH_IMAGE023
输入的原始图像，
Figure 538233DEST_PATH_IMAGE029
是形态学运算滤波器，
Figure 577603DEST_PATH_IMAGE030
表示闭运算，
Figure 207298DEST_PATH_IMAGE031
是黑帽运算。
在此基础上，对黑帽图像采用自适应阈值分割的方法，针对图像中的不同区域，自适应计算不同的阈值，对图像进行分割，得到粗定位二值化图像
Figure 741048DEST_PATH_IMAGE032
，并计算粗定位二值化图像
Figure 375685DEST_PATH_IMAGE032
中所有的连通区域，即找到所有可能是标记点所在的区域，分别计算每一个连通区域的面积
Figure 805529DEST_PATH_IMAGE033
和位置
Figure 47154DEST_PATH_IMAGE034
，其中，面积
Figure 119016DEST_PATH_IMAGE033
和位置
Figure 841115DEST_PATH_IMAGE034
的计算公式如下：
Figure 441861DEST_PATH_IMAGE035
其中，
Figure 279105DEST_PATH_IMAGE036
表示坐标的序号，
Figure 889077DEST_PATH_IMAGE037
表示像素的坐标，
Figure 652634DEST_PATH_IMAGE038
表示连通区域像素的个数。
当计算得到每个连通区域的面积
Figure 440593DEST_PATH_IMAGE033
和位置
Figure 984706DEST_PATH_IMAGE034
后，由技术人员根据实际经验设置面积阈值
Figure 398370DEST_PATH_IMAGE039
，将每个连通区域的面积分别
Figure 280349DEST_PATH_IMAGE033
与面积阈值
Figure 550794DEST_PATH_IMAGE040
进行比较，对图像进行阈值分割，若
Figure 536198DEST_PATH_IMAGE041
，则将连通区域中面积小于面积阈值的连通区域作为标记点所在的区域，并将连通区域中面积小于面积阈值的连通区域的位置
Figure 487974DEST_PATH_IMAGE042
作为标记点
Figure 288440DEST_PATH_IMAGE026
的粗位置
Figure 916736DEST_PATH_IMAGE005
；若
Figure 841967DEST_PATH_IMAGE043
，则将连通区域中面积大于面积阈值的连通区域过滤。
进一步地，步骤S320包括如下步骤：
获取图像中包含粗位置
Figure 331854DEST_PATH_IMAGE005
的图像块，并计算包含粗位置
Figure 986826DEST_PATH_IMAGE005
的图像块中的像素最小值
Figure 553068DEST_PATH_IMAGE007
；
根据像素最小值
Figure 231174DEST_PATH_IMAGE007
计算阶梯阈值
Figure 524752DEST_PATH_IMAGE008
，
Figure 286428DEST_PATH_IMAGE009
，其中，
Figure 272838DEST_PATH_IMAGE010
为阶梯系数，
Figure 438241DEST_PATH_IMAGE011
=1，2，......n，n为阶梯系数的个数；
对图像中包含粗位置
Figure 535510DEST_PATH_IMAGE005
的图像块进行二值化处理，若
Figure 650227DEST_PATH_IMAGE012
，则像素
Figure 276381DEST_PATH_IMAGE013
=1，区域记为
Figure 929079DEST_PATH_IMAGE014
；若
Figure 564460DEST_PATH_IMAGE015
，则像素
Figure 297798DEST_PATH_IMAGE013
=0，区域记为
Figure 173481DEST_PATH_IMAGE044
，获得精确定位二值化图像
Figure 110213DEST_PATH_IMAGE017
，其中，
Figure 332641DEST_PATH_IMAGE013
为二值化图像
Figure 671218DEST_PATH_IMAGE017
的像素，
Figure 170333DEST_PATH_IMAGE045
为图像的像素；
计算区域
Figure 282776DEST_PATH_IMAGE014
的中心坐标
Figure 587856DEST_PATH_IMAGE020
；
对
Figure 233469DEST_PATH_IMAGE021
个中心坐标
Figure 903485DEST_PATH_IMAGE020
进行加权，获得加权坐标
Figure 814809DEST_PATH_IMAGE022
，将加权坐标
Figure 346416DEST_PATH_IMAGE022
作为标记点的精确位置
Figure 597269DEST_PATH_IMAGE002
。
具体地，当
Figure 438186DEST_PATH_IMAGE046
时，
Figure 89003DEST_PATH_IMAGE047
、
Figure 407989DEST_PATH_IMAGE048
、
Figure 778928DEST_PATH_IMAGE049
、
Figure 338216DEST_PATH_IMAGE050
，在此
Figure 161816DEST_PATH_IMAGE010
的值在此不做限制，在进行定位的时候，
Figure 284492DEST_PATH_IMAGE010
的值可以根据图像的实际情况进行取值。
图3（a）为在不同阶梯阈值下的对应的阈值分割三维图，比较图像
Figure 509937DEST_PATH_IMAGE023
的像素
Figure 738662DEST_PATH_IMAGE045
与阶梯阈值
Figure 315137DEST_PATH_IMAGE008
的大小，对图像
Figure 975926DEST_PATH_IMAGE023
中包含粗位置
Figure 603347DEST_PATH_IMAGE005
的图像块进行二值化处理，获得精确定位二值化图像
Figure 222547DEST_PATH_IMAGE017
，将精确定位二值化图像
Figure 755160DEST_PATH_IMAGE017
划分为区域
Figure 460118DEST_PATH_IMAGE014
和区域
Figure 456893DEST_PATH_IMAGE051
，区域
Figure 246994DEST_PATH_IMAGE014
为精确定位二值化图像
Figure 752056DEST_PATH_IMAGE017
中像素
Figure 82543DEST_PATH_IMAGE013
=1的区域，区域
Figure 137087DEST_PATH_IMAGE051
精确定位二值化图像
Figure 816199DEST_PATH_IMAGE017
中像素
Figure 588983DEST_PATH_IMAGE013
=0的区域；
计算区域
Figure 457582DEST_PATH_IMAGE014
的中心坐标
Figure 382943DEST_PATH_IMAGE052
，其中，
Figure 514847DEST_PATH_IMAGE053
为第
Figure 558283DEST_PATH_IMAGE011
阶区域
Figure 168256DEST_PATH_IMAGE014
的中心像素点的行坐标，
Figure 276020DEST_PATH_IMAGE054
为第
Figure 313247DEST_PATH_IMAGE011
阶区域
Figure 795044DEST_PATH_IMAGE014
的中心像素点的列坐标；
中心坐标
Figure 677549DEST_PATH_IMAGE052
的计算方法如下：
Figure 561191DEST_PATH_IMAGE055
Figure 815324DEST_PATH_IMAGE056
其中，
Figure 49996DEST_PATH_IMAGE057
表示区域
Figure 814821DEST_PATH_IMAGE014
中像素点的个数，N表示行坐标和列坐标的序号，
Figure 552970DEST_PATH_IMAGE058
表示区域
Figure 931999DEST_PATH_IMAGE014
中像素点的行坐标；
Figure 640585DEST_PATH_IMAGE059
表示区域
Figure 192789DEST_PATH_IMAGE014
中像素点的列坐标。
对
Figure 51024DEST_PATH_IMAGE011
个中心坐标
Figure 351686DEST_PATH_IMAGE020
进行加权，获得加权坐标
Figure 826530DEST_PATH_IMAGE022
，将加权坐标
Figure 385687DEST_PATH_IMAGE022
作为标记点
Figure 82117DEST_PATH_IMAGE026
的精确位置
Figure 68527DEST_PATH_IMAGE002
，获得的标记点的精确位置如图3（b）所示。其中，加权坐标
Figure 296246DEST_PATH_IMAGE022
的计算公式如下：
Figure 144248DEST_PATH_IMAGE060
其中，
Figure 445916DEST_PATH_IMAGE061
为第
Figure 183321DEST_PATH_IMAGE011
个阶梯阈值
Figure 570440DEST_PATH_IMAGE008
下区域
Figure 471400DEST_PATH_IMAGE014
中心的权重。
上述方案中，当
Figure 706203DEST_PATH_IMAGE062
时，
Figure 34417DEST_PATH_IMAGE063
、
Figure 908832DEST_PATH_IMAGE064
、
Figure 925067DEST_PATH_IMAGE065
、
Figure 466907DEST_PATH_IMAGE066
，在此，
Figure 700442DEST_PATH_IMAGE010
的值在此不做限制，在进行定位的时候，
Figure 875202DEST_PATH_IMAGE010
的值可以根据图像的实际情况进行取值。
获取图像
Figure 117965DEST_PATH_IMAGE023
中包含粗位置
Figure 514311DEST_PATH_IMAGE005
的图像块的方法是根据标记点的粗定位坐标
Figure 244981DEST_PATH_IMAGE005
，在图像上
Figure 93988DEST_PATH_IMAGE023
上截取包括坐标
Figure 874862DEST_PATH_IMAGE005
的图像块，图像块的大小只要包括标记点所在的区域即可。对获得的图像块进行灰度处理，并计算图像块中的像素值，得到像素的最小值
Figure 142027DEST_PATH_IMAGE007
，根据
Figure 779681DEST_PATH_IMAGE009
计算阶梯阈值
Figure 630832DEST_PATH_IMAGE008
，当阶梯系数
Figure 215397DEST_PATH_IMAGE010
取不同值时会得到不同的阶梯阈值
Figure 383073DEST_PATH_IMAGE008
，根据不同的阶梯阈值对图像进行阈值分割，当图像的像素的像素值小于阶梯阈值时，将该像素所在的区域标记为
Figure 411203DEST_PATH_IMAGE014
，计算该区域的中心坐标，最后将不同阶梯下带有权重的标记点位置坐标进行加权，将此时的加权坐标作为标记点的精确位置坐标
Figure 297119DEST_PATH_IMAGE002
，即完成了对标记点的精确定位。
本发明实施中，对图像采用加权阈值定位的方法，为了便于理解，可以认为将一个图像分成了多层，对每一层的图像进行阈值分割，然后计算该层的中心坐标，然后将每一层的中心坐标通过加权得到标记点的精确坐标。
进一步地，步骤S500包括如下步骤；
根据获得的精确定位结果，获得无风参考图像中标记点的坐标和有风工作图像中标记点的坐标；
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；
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。
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。
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S500包括如下步骤：
步骤S510：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S520：根据初始匹配结果，计算有风工作图标记点云和无风参考图标记点云的标记点之间的匹配参数，进行精确匹配；
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，有风工作图像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像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，为了使有风工作图像标记点云尽可能接近无风参考图像的标记点云，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。
进一步地，步骤S510包括如下步骤：
步骤S511：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，获得正向匹配结果，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S512：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，获得反向匹配结果，反向匹配结果包括反向匹配标记点和反向未匹配标记点；
步骤S513：将正向匹配结果和反向匹配结果进行修正融合，完成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。
进一步地，步骤S513包括如下步骤：
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；
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4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4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5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6所示。
优选地，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，得到正向匹配结果的步骤如下：
将有风工作图标记点云中的标记点记为
Figure 671993DEST_PATH_IMAGE067
，将无风参考图标记点云记为
Figure 428597DEST_PATH_IMAGE068
，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 158786DEST_PATH_IMAGE067
；
遍历每一个标记点
Figure 735261DEST_PATH_IMAGE068
；
计算标记点
Figure 707634DEST_PATH_IMAGE067
的法向量和标记点
Figure 53165DEST_PATH_IMAGE068
的法向量之间的夹角
Figure 141207DEST_PATH_IMAGE069
，若
Figure 939398DEST_PATH_IMAGE070
，则计算标记点
Figure 748085DEST_PATH_IMAGE067
和标记点
Figure 682543DEST_PATH_IMAGE068
之间的距离
Figure 52738DEST_PATH_IMAGE071
；
计算 对应的标记点，记为
Figure 419446DEST_PATH_IMAGE073
，标记点
Figure 473989DEST_PATH_IMAGE067
和标记点
Figure 153101DEST_PATH_IMAGE073
之间的距离记为
Figure 925885DEST_PATH_IMAGE074
Figure 794484DEST_PATH_IMAGE075
；
当
Figure 188688DEST_PATH_IMAGE075
，则将
Figure 320592DEST_PATH_IMAGE073
作为标记点
Figure 111830DEST_PATH_IMAGE067
对应的标记点，其中
Figure 239579DEST_PATH_IMAGE076
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4所示，具体是，在有风工作图标记点云中取出一点
Figure 737557DEST_PATH_IMAGE067
，遍历无风参考图标记点云中的每一个标记点
Figure 118991DEST_PATH_IMAGE068
，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 600788DEST_PATH_IMAGE067
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 748872DEST_PATH_IMAGE068
的法向量；然后分别计算取出的标记点
Figure 678520DEST_PATH_IMAGE067
的法向量和每个标记点
Figure 152227DEST_PATH_IMAGE068
法向量之间的夹角
Figure 855740DEST_PATH_IMAGE069
，若
Figure 73095DEST_PATH_IMAGE077
时，则认为标记点
Figure 358714DEST_PATH_IMAGE067
和标记点
Figure 3322DEST_PATH_IMAGE068
之间的距离为无穷大，即认为标记点
Figure 194132DEST_PATH_IMAGE067
和该标记点
Figure 986814DEST_PATH_IMAGE068
不相邻，若
Figure 845049DEST_PATH_IMAGE070
，则计算标记点
Figure 129400DEST_PATH_IMAGE067
与该标记点
Figure 823818DEST_PATH_IMAGE068
之间的距离
Figure 179713DEST_PATH_IMAGE071
，计算出距离
Figure 892454DEST_PATH_IMAGE071
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 862553DEST_PATH_IMAGE067
距离最短的标记点
Figure 27955DEST_PATH_IMAGE073
，将标记点
Figure 938273DEST_PATH_IMAGE067
和标记点
Figure 771100DEST_PATH_IMAGE073
之间的距离
Figure 725149DEST_PATH_IMAGE074
与给定的距离阈值
Figure 895624DEST_PATH_IMAGE076
进行比较，当
Figure 796584DEST_PATH_IMAGE075
，则将
Figure 31387DEST_PATH_IMAGE073
作为标记点
Figure 359600DEST_PATH_IMAGE067
对应距离最近的标记点，否则的话，则认为标记点
Figure 234016DEST_PATH_IMAGE067
在无风参考图中没有最近邻点。
优选地，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，得到反向匹配结果的步骤如下：
取每个标记点
Figure 719092DEST_PATH_IMAGE068
；
遍历每一个标记点
Figure 260932DEST_PATH_IMAGE067
；
计算标记点
Figure 494467DEST_PATH_IMAGE068
的法向量和标记点
Figure 669228DEST_PATH_IMAGE067
的法向量之间的夹角
Figure 177570DEST_PATH_IMAGE078
，若
Figure 573916DEST_PATH_IMAGE079
，则计算标记点
Figure 292867DEST_PATH_IMAGE068
和标记点
Figure 407453DEST_PATH_IMAGE067
之间的距离
Figure 188327DEST_PATH_IMAGE080
；
计算
Figure 517809DEST_PATH_IMAGE081
对应的标记点，记为
Figure 93146DEST_PATH_IMAGE082
，标记点
Figure 944297DEST_PATH_IMAGE083
和标记点
Figure 325599DEST_PATH_IMAGE082
之间的距离记为
Figure 696538DEST_PATH_IMAGE084
；
当
Figure 193509DEST_PATH_IMAGE085
，则将
Figure 282688DEST_PATH_IMAGE082
作为标记点
Figure 719879DEST_PATH_IMAGE083
对应的标记点，其中
Figure 273220DEST_PATH_IMAGE076
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5所示，具体是，在无风参考图标记点云中取出一点
Figure 472252DEST_PATH_IMAGE068
，遍历有风参考图标记点云中的每一个标记点
Figure 517568DEST_PATH_IMAGE067
，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 552258DEST_PATH_IMAGE068
的法向量和有风工作图标记点云中的标记点
Figure 632209DEST_PATH_IMAGE067
的法向量；
然后分别计算取出的标记点
Figure 533300DEST_PATH_IMAGE068
的法向量和每个标记点
Figure 331492DEST_PATH_IMAGE067
法向量之间的夹角
Figure 795971DEST_PATH_IMAGE078
，若
Figure 400321DEST_PATH_IMAGE086
时，则认为标记点
Figure 190422DEST_PATH_IMAGE068
和标记点
Figure 554539DEST_PATH_IMAGE067
之间的距离为无穷大，即认为标记点
Figure 557130DEST_PATH_IMAGE068
和该标记点
Figure 860941DEST_PATH_IMAGE067
不相邻，若
Figure 149840DEST_PATH_IMAGE079
，则计算标记点
Figure 938935DEST_PATH_IMAGE068
与该标记点
Figure 541955DEST_PATH_IMAGE067
之间的距离
Figure 703202DEST_PATH_IMAGE080
，计算出距离
Figure 897423DEST_PATH_IMAGE080
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 282137DEST_PATH_IMAGE068
距离最短的标记点
Figure 892110DEST_PATH_IMAGE082
，将标记点
Figure 655667DEST_PATH_IMAGE068
和标记点
Figure 505942DEST_PATH_IMAGE082
之间的距离
Figure 987739DEST_PATH_IMAGE084
与给定的距离阈值
Figure 135824DEST_PATH_IMAGE076
进行比较，当
Figure 19466DEST_PATH_IMAGE085
，则将
Figure 338845DEST_PATH_IMAGE082
作为标记点
Figure 58671DEST_PATH_IMAGE068
对应距离最近的标记点，否则的话，则认为标记点
Figure 807184DEST_PATH_IMAGE068
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
具体地，所述距离阈值
Figure 545333DEST_PATH_IMAGE087
，其中，
Figure 439208DEST_PATH_IMAGE088
，
Figure 692335DEST_PATH_IMAGE089
和
Figure 464113DEST_PATH_IMAGE090
分别为无风参考图像的宽度和高度，
Figure 56769DEST_PATH_IMAGE091
和
Figure 669016DEST_PATH_IMAGE092
分别为有风工作图像的宽度和高度。
进一步地，步骤S520包括：
采用二维非刚体匹配法，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；
根据所述匹配参数，将有风工作图标记点云向无风参考图移动，完成精确匹配。
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 599319DEST_PATH_IMAGE093
，其中，第一项
Figure 158476DEST_PATH_IMAGE094
是配准错误精度，用于衡量点的配准精度，第二项
Figure 667955DEST_PATH_IMAGE095
是形状模型，是正则约束项，用于约束形变。
Figure 139519DEST_PATH_IMAGE096
是权重参数，随着迭代逐步渐少，N d 表示有风工作图标记点的总个数。配准错误精度
Figure 304921DEST_PATH_IMAGE094
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 198927DEST_PATH_IMAGE094
的计算公式如下，本方案中采用局部二次逼近，
Figure 281022DEST_PATH_IMAGE097
其中，
Figure 907175DEST_PATH_IMAGE098
和
Figure 825453DEST_PATH_IMAGE099
分别是标记点
Figure 273883DEST_PATH_IMAGE068
在Frenet标架下的单位切线和单位外法线。
Figure 695637DEST_PATH_IMAGE100
是标记点
Figure 758271DEST_PATH_IMAGE068
的曲率半径，
Figure 898265DEST_PATH_IMAGE101
是标记点
Figure 640132DEST_PATH_IMAGE067
和标记点
Figure 916393DEST_PATH_IMAGE068
的符号距离，如果标记点
Figure 415507DEST_PATH_IMAGE067
和单位外发现
Figure 590267DEST_PATH_IMAGE099
同侧则
Figure 833030DEST_PATH_IMAGE101
为正，否则
Figure 963797DEST_PATH_IMAGE101
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 883080DEST_PATH_IMAGE102
其中，
Figure 59984DEST_PATH_IMAGE103
是三次样条基函数，
Figure 591590DEST_PATH_IMAGE104
是数据2D空间上的大小为
Figure 904760DEST_PATH_IMAGE105
的控制网格。
通过对配准错误精度
Figure 745677DEST_PATH_IMAGE094
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，如图7所示，图8是有风工作图和无风参考图的对比；图9是精确匹配完成后的实物效果图，可以看出每个标记点都匹配到了正确的对应点。
实施例2：
本发明实施例2提供了一种采用所述的飞行器模型表面压力测量方法的压力测量系统，包括：图像采集模块、图像定位模块、标记点云生成模块、图像匹配模块、压力计算模块；
图像采集模块：用于采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；
图像定位模块：用于计算无风参考图像中标记点的位置和有风工作图像中标记点；
标记点云生成模块：用于生成无风参考图标记点云和有风工作图标记点云；
图像匹配模块：用于将无风参考图标记点云和有风工作图标记点云进行匹配；
压力计算模块：用于计算飞行器模型表面的压力分布。
上述方案中，当飞行器模型表面涂覆完压敏漆和布置标记点后，通过图像采集模块采集飞行器模型的两种状态下的图像，在无风即静止状态下的无风参考图像和有空气动力载荷状态下的有风工作图像；然后采用图像定位模块，计算无风参考图像的标记点和有风工作图像的标记点中的每个标记点的位置，获得无风参考图像标记点序列和有风工作图像标记点序列，点云生成模块将这些点序列进行排序，生成无风参考图标记点云和有风工作图标记点云；在此基础上对无风参考图标记点云和有风工作图标记点云采用图像匹配模块进行精确匹配，使得标记点云中的标记点精确匹配，压力计算模块将匹配后的无风参考图和有风工作图中的像素点进行计算，计算出飞行器模型表面的分布的压力值。
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 (10)

1.一种飞行器模型表面压力测量方法，其特征在于，包括如下步骤：
步骤S100：在飞行器模型表面涂覆压敏漆，并沿飞行器模型表面轮廓布置多个标记点；
步骤S200：将飞行器模型布置于风洞试验段中；采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；
步骤S300：分别对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定位；
步骤S400：根据所述定位结果，分别构建无风参考图标记点云和有风工作图标记点云；
步骤S500：将无风参考图标记点云和有风工作图标记点云进行匹配；
步骤S600：计算飞行器模型表面的压力分布。
2.如权利要求1所述的压力测量方法，其特征在于，步骤S300包括如下步骤：
步骤S310：采用增强阈值分割法对采集到的图像中的标记点进行粗定位，获得标记点的粗位置
Figure DEST_PATH_IMAGE001
；
步骤S320：根据标记点的粗定位结果，采用加权阈值方法对标记点进行精确定位 获得标记点的精确位置
Figure 584667DEST_PATH_IMAGE002
。
3.如权利要求2所述的压力测量方法，其特征在于，步骤S310包括如下步骤：
对采集到的图像进行黑帽运算，获得黑帽图像；
采用自适应阈值分割法对黑帽图像进行处理，获得粗定位二值化图像；
计算粗定位二值化图像中的所有连通区域，并计算每个连通区域的面积
Figure DEST_PATH_IMAGE003
和位置；
若
Figure 610130DEST_PATH_IMAGE004
，则将连通区域的位置作为标记点的粗位置
Figure DEST_PATH_IMAGE005
，其中，
Figure 937337DEST_PATH_IMAGE006
为面积阈值。
4.如权利要求2所述的压力测量方法，其特征在于，步骤S320包括如下步骤：
获取图像中包含粗位置
Figure 660443DEST_PATH_IMAGE005
的图像块，并计算包含粗位置
Figure 5973DEST_PATH_IMAGE005
的图像块中的像素最小值
Figure DEST_PATH_IMAGE007
；
根据像素最小值
Figure 674108DEST_PATH_IMAGE007
计算阶梯阈值
Figure 472300DEST_PATH_IMAGE008
，
Figure DEST_PATH_IMAGE009
，其中，
Figure 218670DEST_PATH_IMAGE010
为阶梯系数，
Figure DEST_PATH_IMAGE011
=1，2，......n，n为阶梯系数的个数；
对图像中包含粗位置
Figure 995871DEST_PATH_IMAGE005
的图像块进行二值化处理，若
Figure 989235DEST_PATH_IMAGE012
，则像素
Figure DEST_PATH_IMAGE013
=1，区域记为
Figure 337040DEST_PATH_IMAGE014
；若
Figure DEST_PATH_IMAGE015
，则像素
Figure 621522DEST_PATH_IMAGE016
=0，区域记为
Figure DEST_PATH_IMAGE017
，获得精确定位二值化图像
Figure 267878DEST_PATH_IMAGE018
，其中，
Figure 228880DEST_PATH_IMAGE013
为二值化图像
Figure 736085DEST_PATH_IMAGE018
的像素，
Figure DEST_PATH_IMAGE019
为图像的像素；
计算区域
Figure 620996DEST_PATH_IMAGE014
的中心坐标
Figure 530046DEST_PATH_IMAGE020
；
对
Figure DEST_PATH_IMAGE021
个中心坐标
Figure 973534DEST_PATH_IMAGE020
进行加权，获得加权坐标
Figure 233614DEST_PATH_IMAGE022
，将加权坐标
Figure 578008DEST_PATH_IMAGE022
作为标记点的精确位置
Figure 357876DEST_PATH_IMAGE002
。
5.如权利要求1所述的压力测量方法，其特征在于，步骤S400包括如下步骤；
根据获得的精确定位结果，获得无风参考图像中标记点的坐标和有风工作图像中标记点的坐标；
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；
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。
6.如权利要求1所述的压力测量方法，其特征在于，步骤S500包括如下步骤：
步骤S510：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S520：根据初始匹配结果，计算有风工作图标记点云和无风参考图标记点云的标记点之间的匹配参数，进行精确匹配。
7.如权利要求6所述的压力测量方法，其特征在于，步骤S510包括如下步骤：
步骤S511：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，获得正向匹配结果，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S512：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，获得反向匹配结果，反向匹配结果包括反向匹配标记点和反向未匹配标记点；
步骤S513：将正向匹配结果和反向匹配结果进行修正融合，完成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。
8.如权利要求7所述的压力测量方法，其特征在于，步骤S513包括如下步骤：
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；
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。
9.如权利要求6所述的压力测量方法，其特征在于，步骤S520包括：
采用二维非刚体匹配法，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；
根据所述匹配参数，将有风工作图标记点云向无风参考图移动，完成精确匹配。
10.一种采用如权利要求1-9任一项所述的飞行器模型表面压力测量方法的压力测量系统，其特征在于，包括：图像采集模块、图像定位模块、标记点云生成模块、图像匹配模块、压力计算模块；
图像采集模块：用于采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；
图像定位模块：用于计算无风参考图像中标记点的位置和有风工作图像中标记点；
标记点云生成模块：用于生成无风参考图标记点云和有风工作图标记点云；
图像匹配模块：用于将无风参考图标记点云和有风工作图标记点云进行匹配；
压力计算模块：用于计算飞行器模型表面的压力分布。
CN202111193426.XA 2021-10-13 2021-10-13 一种飞行器模型表面压力测量方法及系统 Active CN113834625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111193426.XA CN113834625B (zh) 2021-10-13 2021-10-13 一种飞行器模型表面压力测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111193426.XA CN113834625B (zh) 2021-10-13 2021-10-13 一种飞行器模型表面压力测量方法及系统

Publications (2)

Publication Number Publication Date
CN113834625A true CN113834625A (zh) 2021-12-24
CN113834625B CN113834625B (zh) 2022-02-25

Family

ID=78968864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111193426.XA Active CN113834625B (zh) 2021-10-13 2021-10-13 一种飞行器模型表面压力测量方法及系统

Country Status (1)

Country Link
CN (1) CN113834625B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114486152A (zh) * 2021-12-29 2022-05-13 中国航空工业集团公司西安飞机设计研究所 一种压敏漆测压数据修正方法
CN114509203A (zh) * 2022-04-21 2022-05-17 中国空气动力研究与发展中心低速空气动力研究所 一种试验模型表面psp测量压力的融合方法
CN115615345A (zh) * 2022-12-16 2023-01-17 中南大学 一种基于摄影测量彩色点云配准的地表形变监测方法
CN115824573A (zh) * 2023-01-06 2023-03-21 中国航空工业集团公司沈阳空气动力研究所 一种应用于风洞冰形三维测量的定位装置及方法
CN117409226A (zh) * 2023-12-15 2024-01-16 中国空气动力研究与发展中心高速空气动力研究所 一种压敏漆图像标记点自动识别与配准方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10146199A1 (de) * 2001-09-13 2003-04-10 Prettl Rolf Druckmeßanordnung
DE10225616A1 (de) * 2002-06-07 2004-01-08 Eads Deutschland Gmbh Verfahren und Vorrichtung zur Bestimmung der aerodynamischen Wandschubspannungen an der Oberfläche eines umströmten Körpers
JP2006064600A (ja) * 2004-08-27 2006-03-09 Japan Aerospace Exploration Agency Ａ−ｐｒｉｏｒｉ／Ｉｎ−ｓｉｔｕＨｙｂｒｉｄ感圧塗料データ処理手法
JP2008082735A (ja) * 2006-09-26 2008-04-10 Japan Aerospace Exploration Agency 感圧塗料による非定常圧力場の画像計測方法
CN101290259A (zh) * 2008-06-13 2008-10-22 西北工业大学 光学压力敏感涂料测量压力的精度提高方法
JP2009092615A (ja) * 2007-10-12 2009-04-30 Japan Aerospace Exploration Agency ３層構造の感圧塗料薄膜センサー
CN102928192A (zh) * 2012-10-10 2013-02-13 中国航空工业集团公司沈阳空气动力研究所 一种用于psp测量的压力分布修正方法
CN103217238A (zh) * 2013-03-13 2013-07-24 西北工业大学 压力敏感涂料测量结果的高精度显示方法
CN104075870A (zh) * 2014-07-08 2014-10-01 中国空气动力研究与发展中心低速空气动力研究所 一种基于纤维线的低速风洞荧光丝线及其流动显示方法
CN108318215A (zh) * 2018-02-08 2018-07-24 中国空气动力研究与发展中心高速空气动力研究所 一种压敏漆试验图像采集幅数的确定方法
CN108362469A (zh) * 2018-01-16 2018-08-03 上海交通大学 基于压敏漆与光场相机的尺寸与表面压力测量方法与装置
CN108680336A (zh) * 2018-07-05 2018-10-19 空气动力学国家重点实验室 一种低速风洞试验中直升机旋翼振动位移测量方法
CN109141806A (zh) * 2018-10-15 2019-01-04 福州大学 一种基于压敏/温敏漆的真空羽流气动力热全场测量系统
WO2019139491A2 (es) * 2018-01-12 2019-07-18 Pedro Saavedra Pacheco Generador eólico con palas de angulo diedro psp re-perfeccionado

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10146199A1 (de) * 2001-09-13 2003-04-10 Prettl Rolf Druckmeßanordnung
DE10225616A1 (de) * 2002-06-07 2004-01-08 Eads Deutschland Gmbh Verfahren und Vorrichtung zur Bestimmung der aerodynamischen Wandschubspannungen an der Oberfläche eines umströmten Körpers
JP2006064600A (ja) * 2004-08-27 2006-03-09 Japan Aerospace Exploration Agency Ａ−ｐｒｉｏｒｉ／Ｉｎ−ｓｉｔｕＨｙｂｒｉｄ感圧塗料データ処理手法
JP2008082735A (ja) * 2006-09-26 2008-04-10 Japan Aerospace Exploration Agency 感圧塗料による非定常圧力場の画像計測方法
JP2009092615A (ja) * 2007-10-12 2009-04-30 Japan Aerospace Exploration Agency ３層構造の感圧塗料薄膜センサー
CN101290259A (zh) * 2008-06-13 2008-10-22 西北工业大学 光学压力敏感涂料测量压力的精度提高方法
CN102928192A (zh) * 2012-10-10 2013-02-13 中国航空工业集团公司沈阳空气动力研究所 一种用于psp测量的压力分布修正方法
CN103217238A (zh) * 2013-03-13 2013-07-24 西北工业大学 压力敏感涂料测量结果的高精度显示方法
CN104075870A (zh) * 2014-07-08 2014-10-01 中国空气动力研究与发展中心低速空气动力研究所 一种基于纤维线的低速风洞荧光丝线及其流动显示方法
WO2019139491A2 (es) * 2018-01-12 2019-07-18 Pedro Saavedra Pacheco Generador eólico con palas de angulo diedro psp re-perfeccionado
CN108362469A (zh) * 2018-01-16 2018-08-03 上海交通大学 基于压敏漆与光场相机的尺寸与表面压力测量方法与装置
CN108318215A (zh) * 2018-02-08 2018-07-24 中国空气动力研究与发展中心高速空气动力研究所 一种压敏漆试验图像采集幅数的确定方法
CN108680336A (zh) * 2018-07-05 2018-10-19 空气动力学国家重点实验室 一种低速风洞试验中直升机旋翼振动位移测量方法
CN109141806A (zh) * 2018-10-15 2019-01-04 福州大学 一种基于压敏/温敏漆的真空羽流气动力热全场测量系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Y. LE SANT, B. DELEGLISE AND Y. MEBARKI: ""An automatic image alignment method applied to pressure sensitive paint measurements"", 《ICIASF"97 RECORD. INTERNATIONAL CONGRESS ON INSTRUMENTATION IN AEROSPACE SIMULATION FACILITIES》 *
梁诚 等: ""结合灰度信息的压敏漆图像配准"", 《光电工程》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114486152A (zh) * 2021-12-29 2022-05-13 中国航空工业集团公司西安飞机设计研究所 一种压敏漆测压数据修正方法
CN114486152B (zh) * 2021-12-29 2024-04-12 中国航空工业集团公司西安飞机设计研究所 一种压敏漆测压数据修正方法
CN114509203A (zh) * 2022-04-21 2022-05-17 中国空气动力研究与发展中心低速空气动力研究所 一种试验模型表面psp测量压力的融合方法
CN115615345A (zh) * 2022-12-16 2023-01-17 中南大学 一种基于摄影测量彩色点云配准的地表形变监测方法
CN115824573A (zh) * 2023-01-06 2023-03-21 中国航空工业集团公司沈阳空气动力研究所 一种应用于风洞冰形三维测量的定位装置及方法
CN117409226A (zh) * 2023-12-15 2024-01-16 中国空气动力研究与发展中心高速空气动力研究所 一种压敏漆图像标记点自动识别与配准方法
CN117409226B (zh) * 2023-12-15 2024-03-19 中国空气动力研究与发展中心高速空气动力研究所 一种压敏漆图像标记点自动识别与配准方法

Also Published As

Publication number Publication date
CN113834625B (zh) 2022-02-25

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
CN110866969B (zh) 基于神经网络与点云配准的发动机叶片重构方法
CN111340797A (zh) 一种激光雷达与双目相机数据融合检测方法及系统
CN111640158B (zh) 基于对应掩模的端到端的摄像头与激光雷达外参标定方法
CN103727930B (zh) 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法
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
JP2014500484A (ja) 連続ｂ‐スプライン変形を利用してタイヤ表面の三次元画像を前処理する方法
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
CN105574527A (zh) 一种基于局部特征学习的快速物体检测方法
CN113642681B (zh) 一种飞行器模型表面标记点的匹配方法
CN114332348B (zh) 一种融合激光雷达与图像数据的轨道三维重建方法
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
CN106952262B (zh) 一种基于立体视觉的船板加工精度分析方法
CN111915517A (zh) 一种适用于室内光照不利环境下rgb-d相机全局定位方法
CN113643371A (zh) 一种飞行器模型表面标记点的定位方法
CN114659514A (zh) 一种基于体素化精配准的LiDAR-IMU-GNSS融合定位方法
CN114998395A (zh) 一种有效的堤岸三维数据变化检测方法及系统
CN110046563B (zh) 一种基于无人机点云的输电线路断面高程修正方法
CN113295171B (zh) 一种基于单目视觉的旋转刚体航天器姿态估计方法
CN115790539B (zh) 一种合作靶标水下摄影测量方法
CN116758234A (zh) 一种基于多点云数据融合的山地地形建模方法
CN116563377A (zh) 一种基于半球投影模型的火星岩石测量方法
CN116202487A (zh) 一种基于三维建模的实时目标姿态测量方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220329

Address after: 621000 No.6, south section of the Second Ring Road, Fucheng District, Mianyang City, Sichuan Province

Patentee after: Institute of Low Speed Aerodynamics, China Aerodynamic Research and Development Center

Address before: 621000 No.6, south section of the Second Ring Road, Fucheng District, Mianyang City, Sichuan Province

Patentee before: Institute of Low Speed Aerodynamics, China Aerodynamic Research and Development Center

Patentee before: Xihua University