CN114608478A - 一种高精度曲面薄片的前后缘参数量测方法 - Google Patents
一种高精度曲面薄片的前后缘参数量测方法 Download PDFInfo
- Publication number
- CN114608478A CN114608478A CN202210285903.3A CN202210285903A CN114608478A CN 114608478 A CN114608478 A CN 114608478A CN 202210285903 A CN202210285903 A CN 202210285903A CN 114608478 A CN114608478 A CN 114608478A
- Authority
- CN
- China
- Prior art keywords
- blade
- point
- point cloud
- fitting
- points
- 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
- 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
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种高精度曲面薄片的前后缘参数量测方法,其方法步骤为:相机标定;点云切片;主成分分析;叶片轮廓提取;前后缘参数解算。本发明的有益效果:本发明使用高精度标定块对相机进行标定,通过量测相机标定块点云的尺寸与真实标定块的尺寸进行对比,采用相机的系统精度保证在10μm,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;使用迭代搜索的方法搜索叶片前后缘半径及圆心,在算法上具有极高的参数计算精度;无需人工干预,较好地将硬件平台以及算法平台整合在一起,实现航空叶片“产线化”检测。
Description
技术领域
本发明涉及发动机叶片测量技术领域,尤其是一种高精度曲面薄片的前后缘参数量测方法。
背景技术
航空发动机是当前国家制造强国战略重要部署之一,航空机械产品以其高标准、高定位的要求,凭借着高精度、高可靠性的优点在历次航空航天发射,宇航飞行中扮演着举住轻重的角色,近年来,随着航天任务难度的增加以及飞行指标的不断提升,各种机械组件结构越来越复杂,其中以一些不规则曲面轮廓零件尤为突出,如何测量不规则曲面轮廓,获取准确的结果,将成为提高产品可靠性的重要支撑。本发明以航空叶片为例,详细阐述一种非规则曲面薄片的前后缘参数量测方法。
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。这些都给航空发动机叶片检测提出了更高的要求。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,提高量测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;传统航空叶片量测通常采用三坐标机进行量测,其过程复杂,操作时间较长,并且较为依赖仪器操作人员的熟练程度,这些都给航空叶片的高效,高精度量测带来挑战。
为了确保航空发动机叶片的高质量和高性能要求,需要快速、准确地测量出航空发动机的尺寸参数。
因此,针对上述问题提出一种高精度曲面薄片的前后缘参数量测方法。
发明内容
针对上述现有技术中存在的不足,本发明的目的在于提供一种高精度曲面薄片的前后缘参数量测方法,在保证量测精度的同时,提高航空叶片的量测效率。
一种高精度曲面薄片的前后缘参数量测方法,其方法步骤为:
步骤1;相机标定;
步骤2:点云切片;
步骤3:主成分分析;
步骤4:叶片轮廓提取;
步骤5:前后缘参数解算。
其中步骤1中的相机标定方法为:a、采用高精度的标定块标定两台对向放置的结构光相机,将标定块放置于两台结构光相机中间,保证标定块处于两结构光相机的量测范围中;b、使用结构光相机采集该标定块的点云数据; c、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。
其中步骤2的点云切片是将叶片点云沿着轴向切片,对切片点云进行处理,得到的切片点云前后缘即为叶片在切片位置的前后缘。
其中步骤3的主成分分析(Principle Component 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。
其中步骤4的叶片轮廓提取将无序的点云转换为有序的点云,其步骤为:
S1、二维凸包构建,使用Graham线扫描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);
S2、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,按下式计算PC至线段ViVi+1的距离d;
S3、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;
S4、重复上述步骤,直至将所有候选点插入多边形中;
式中ρ值的大小表达PC与ViVi+1的相对位置分布,i表示点云索引:若ρ∈(-∞,0],表明ViPC在ViVi+1上的投影落在ViVi+1的左延长线上;若ρ∈(0,1),表明投影落在ViVi+1上;若ρ∈[1,+∞),表明投影落在ViVi+1的右延长线上;ρ值的计算公式为:
其中步骤5的前后缘参数解算在测量叶片前、后缘半径之前需要拟合叶片前、后缘圆弧,其中拟合叶片前、后缘圆弧的步骤为:
(1)确定位于前、后缘圆弧上的一个测量点为种子点。经过主成分分析后,坐标极限点必定位于前缘和后缘的圆弧上,查找轮廓提取后的截面点云中X坐标或Y坐标的极大值以及极小值点,即为叶片的前缘圆弧以及后缘圆弧上的点;
(2)查找极限点前后方向各两个测量点,基于这5个测量点数据按照最小二乘法拟合圆弧;
(3)分别计算各测量点到拟合圆弧的距离,如果距离全部小于给定阈值,则在测量点中沿前后方向增加相邻点组成新的圆弧拟合点集,并且以新的点集按照最小二乘法拟合圆弧;如果测量点与拟合圆弧的距离大于限定值,则判定该点不属于前、后缘圆弧,如果该点序号在拟合圆弧点集中属于最大(或者最小)索引点,则后续增加测量点只能增加序号为最小(或者最大)索引点的相邻点;如果增加的测量点全部超过限定值,则去掉新增加的点,保持原圆弧拟合点集;
(4)重复步骤(3),当拟合圆弧点集中最大与最小索引的点到拟合圆弧的距离均大于给定阈值,此时结束步骤(3)的迭代过程;
(5)采用最小二乘法拟合圆弧,拟合结果即为叶片前、后缘圆弧,根据拟合结果可以得到叶片前、后缘半径以及圆弧中心坐标。
与现有技术相比,本发明的有益效果:
1、本发明使用高精度标定块对相机进行标定,通过量测相机标定块点云的尺寸与真实标定块的尺寸进行对比,得到本发明采用相机的系统精度保证在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;
2、本发明中使用迭代搜索的方法搜索叶片前后缘半径及圆心,在算法上具有极高的参数计算精度;
3、本发明无需人工干预,较好地将硬件平台以及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为本发明的高精度航空发动机叶片前后缘参数测量方法示意图;
图2至图4为本发明的候选点至线段的距离示意图;
图5为本发明的航空叶片三维点云示意图;
图6为本发明的航空叶片截面示意图;
图7为本发明的截面前缘圆细部图;
图8为本发明的截面后缘圆细部图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
如图1并结合图2至图8所示,一种高精度航空发动机叶片前后缘参数测量方法,其方法步骤为:
步骤一,相机标定
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各自相机光心为原点的三维直角坐标系中,必须将两帧点云配准到同一坐标框架下;采用高精度的标定块标定两台对向放置的结构光相机;将标定块放置于两台结构光相机中间,保证标定块处于两结构光相机的量测范围中;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(IterationClosest 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。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
为了简化叶片前后缘参数的计算流程,将叶片点云沿着轴向切片,对切片点云进行处理,得到的切片点云前后缘即为叶片在切片位置的前后缘。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,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,i 表示点云索引;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,由于点云处于三维空间直角坐标系中,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,方差分量接近于零,使用主成分分析 (Principle Component 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,叶片轮廓提取
针对降维后的散乱切片点云,由于散乱点云不具备有序的拓扑结构,给后续的算法处理带来了极高的复杂度,因此采用基于凸包的点云排序算法,如图2-4所示,将无序的点云转换为有序的点云;具体步骤如下:
(1)二维凸包构建,使用Graham线扫描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);
(2)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,按下式计算PC至线段ViVi+1的距离d;
(3)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。
(4)重复上述步骤,直至将所有候选点插入多边形中;
式中ρ值的大小表达PC与ViVi+1的相对位置分布,i表示点云索引:若ρ∈(-∞,0],表明ViPC在ViVi+1上的投影落在ViVi+1的左延长线上,如图2所示候选点ρ∈(-∞,0]至线段的距离;若ρ∈(0,1),表明投影落在ViVi+1上,如图3所示候选点ρ∈(0,1)至线段的距离;若ρ∈[1,+∞),表明投影落在ViVi+1的右延长线上,如图4所示候选点ρ∈[1,+∞)至线段的距离;ρ值的计算公式为:
步骤五,前后缘参数解算
测量叶片前、后缘半径之前需要拟合叶片前、后缘圆弧;要在叶片截面点云中分辨出属于前、后缘圆弧的测量点;确定前、后缘圆弧测量点之后,采用最小二乘圆拟合算法可以得到前、后缘半径以及圆弧的圆心坐标;拟合叶片前、后缘圆弧的步骤如下所示:
(1)确定位于前、后缘圆弧上的一个测量点为种子点;经过主成分分析后,坐标极限点必定位于前缘和后缘的圆弧上,查找轮廓提取后的截面点云中X坐标或Y坐标的极大值以及极小值点,即为叶片的前缘圆弧以及后缘圆弧上的点;
(2)查找极限点前后方向各两个测量点,基于这5个测量点数据按照最小二乘法拟合圆弧;
(3)分别计算各测量点到拟合圆弧的距离,如果距离全部小于给定阈值,则在测量点中沿前后方向增加相邻点组成新的圆弧拟合点集,并且以新的点集按照最小二乘法拟合圆弧;如果测量点与拟合圆弧的距离大于限定值,则判定该点不属于前、后缘圆弧,如果该点序号在拟合圆弧点集中属于最大(或者最小)索引点,则后续增加测量点只能增加序号为最小(或者最大)索引点的相邻点;如果增加的测量点全部超过限定值,则去掉新增加的点,保持原圆弧拟合点集;
(4)重复步骤(3),当拟合圆弧点集中最大与最小索引的点到拟合圆弧的距离均大于给定阈值,此时结束步(3)的迭代过程;
(5)采用最小二乘法拟合圆弧,拟合结果即为叶片前、后缘圆弧,根据拟合结果可以得到叶片前、后缘半径以及圆弧中心坐标。
与现有技术相比,本发明的有益效果:
1、本发明使用高精度标定块对相机进行标定,通过量测相机标定块点云的尺寸与真实标定块的尺寸进行对比,得到本发明采用相机的系统精度保证在10μm,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;
2、本发明中使用迭代搜索的方法搜索叶片前后缘半径及圆心,在算法上具有极高的参数计算精度;
3、本发明无需人工干预,较好地将硬件平台以及算法平台整合在一起,实现航空叶片“产线化”检测。
本发明根据测量模型设计了一套结构光三维扫描测量系统,为系统总体结构框架图,由硬件系统和算法系统组成;该系统基于面结构光相机进行测;为量测设备基台,基台上安装两台对向放置的面结构光相机,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;将航空叶片置于上料箱中,利用机器人抓取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前后缘参数信息。
本发明中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;通过结构光相机精密标定得到两个相机之间的位姿变换参数,从而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其法矢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,最后通过本专利中算法迭代计算出航空叶片轮廓的前后缘参数。
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,得到航空叶片表面点云如图5所示;为了得到航空叶片的前、后缘参数,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,如图6所示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,提取截面点云的前、后缘参数,得到叶片前缘圆细部图如图7所示,后缘圆细部图如图8所示。
以上所述仅为发明的优选实施例,并非因此限制本发明的专利范围,凡是利用发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种高精度曲面薄片的前后缘参数量测方法,其特征在于:其方法步骤为:
步骤1;相机标定;
步骤2:点云切片;
步骤3:主成分分析;
步骤4:叶片轮廓提取;
步骤5:前后缘参数解算。
2.如权利要求1所述的一种高精度曲面薄片的前后缘参数量测方法,其特征在于:
其中步骤1中的相机标定方法为:a、采用高精度的标定块标定两台对向放置的结构光相机,将标定块放置于两台结构光相机中间,保证标定块处于两结构光相机的量测范围中;b、使用结构光相机采集该标定块的点云数据;c、然后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为两台结构光相机的标定参数。
3.如权利要求1所述的一种高精度曲面薄片的前后缘参数量测方法,其特征在于:其中步骤2的点云切片是将叶片点云沿着轴向切片,对切片点云进行处理,得到的切片点云前后缘即为叶片在切片位置的前后缘。
4.如权利要求1所述的一种高精度曲面薄片的前后缘参数量测方法,其特征在于:其中步骤3的主成分分析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。
5.如权利要求1所述的一种高精度曲面薄片的前后缘参数量测方法,其特征在于:其中步骤4的叶片轮廓提取将无序的点云转换为有序的点云,其步骤为:
S1、二维凸包构建,使用Graham线扫描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;
S2、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,按下式计算PC至线段ViVi+1的距离d;
S3、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;
S4、重复上述步骤S3,直至将所有候选点插入多边形中;
式中ρ值的大小表达PC与ViVi+1的相对位置分布,i表示点云索引:若ρ∈(-∞,0],表明ViPC在ViVi+1上的投影落在ViVi+1的左延长线上;若ρ∈(0,1),表明投影落在ViVi+1上;若ρ∈[1,+∞),表明投影落在ViVi+1的右延长线上;ρ值的计算公式为:
6.如权利要求1所述的一种高精度曲面薄片的前后缘参数量测方法,其特征在于:其中步骤5的前后缘参数解算在测量叶片前、后缘半径之前需要拟合叶片前、后缘圆弧,其中拟合叶片前、后缘圆弧的步骤为:
(1)确定位于前、后缘圆弧上的一个测量点为种子点;经过主成分分析后,坐标极限点必定位于前缘和后缘的圆弧上,查找轮廓提取后的截面点云中X坐标或Y坐标的极大值以及极小值点,即为叶片的前缘圆弧以及后缘圆弧上的点;
(2)查找极限点前后方向各两个测量点,基于这5个测量点数据按照最小二乘法拟合圆弧;
(3)分别计算各测量点到拟合圆弧的距离,如果距离全部小于给定阈值,则在测量点中沿前后方向增加相邻点组成新的圆弧拟合点集,并且以新的点集按照最小二乘法拟合圆弧;如果测量点与拟合圆弧的距离大于限定值,则判定该点不属于前、后缘圆弧,如果该点序号在拟合圆弧点集中属于最大索引点,则后续增加测量点只能增加序号为最小索引点的相邻点;如果增加的测量点全部超过限定值,则去掉新增加的点,保持原圆弧拟合点集;
(4)重复步骤(3),当拟合圆弧点集中最大与最小索引的点到拟合圆弧的距离均大于给定阈值,此时结束步骤(3)的迭代过程;
(5)采用最小二乘法拟合圆弧,拟合结果即为叶片前、后缘圆弧,根据拟合结果可以得到叶片前、后缘半径以及圆弧中心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285903.3A CN114608478A (zh) | 2022-03-22 | 2022-03-22 | 一种高精度曲面薄片的前后缘参数量测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210285903.3A CN114608478A (zh) | 2022-03-22 | 2022-03-22 | 一种高精度曲面薄片的前后缘参数量测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114608478A true CN114608478A (zh) | 2022-06-10 |
Family
ID=81865443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210285903.3A Pending CN114608478A (zh) | 2022-03-22 | 2022-03-22 | 一种高精度曲面薄片的前后缘参数量测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114608478A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117450955A (zh) * | 2023-12-21 | 2024-01-26 | 成都信息工程大学 | 基于空间环形特征的薄型物体三维测量方法 |
-
2022
- 2022-03-22 CN CN202210285903.3A patent/CN114608478A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117450955A (zh) * | 2023-12-21 | 2024-01-26 | 成都信息工程大学 | 基于空间环形特征的薄型物体三维测量方法 |
CN117450955B (zh) * | 2023-12-21 | 2024-03-19 | 成都信息工程大学 | 基于空间环形特征的薄型物体三维测量方法 |
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 | |
US11106932B2 (en) | Method for extracting robot processing boundary of thin-walled part with small curvature based on three-dimensional point cloud | |
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 | |
CN111583318B (zh) | 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法 | |
CN110202318B (zh) | 一种基于双侧超声滚压加工的航空叶片定位与姿态调节方法 | |
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 | |
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 | |
CN109858124B (zh) | 一种航空发动机叶片的测量与磨削量计算方法 | |
CN110987389B (zh) | 一种应力集中系数不小于3的外物损伤缺口标定方法 | |
CN112446123B (zh) | 一种整体叶盘三坐标测量机测头位姿规划方法 | |
CN115409886B (zh) | 一种基于点云的零件几何特征测量方法、装置及系统 | |
CN113793344B (zh) | 一种基于三维点云的叶轮焊缝定位方法 | |
CN114383498B (zh) | 应用于涡轮叶片气膜孔检测的目标点云分割方法 | |
CN114608478A (zh) | 一种高精度曲面薄片的前后缘参数量测方法 | |
CN117272522B (zh) | 一种便携式飞机曲面蒙皮铆钉孔轮廓测量系统及其方法 | |
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 | |
CN115682989A (zh) | 一种涡轮叶片基于六点定位的形面测量方法 | |
CN113587807A (zh) | 一种飞机壁板加工特征面的扫描路径生成方法 | |
CN116642904A (zh) | 一种基于三维点云的飞机蒙皮缺陷检测及测量方法 | |
CN110672032A (zh) | 一种基于弦线的叶片加工扭曲度误差测量方法 | |
CN111563904B (zh) | 一种基于三维特征描述子的机翼叉耳点云分割方法 | |
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 | |
CN114417524A (zh) | 基于点云薄壁圆筒尺寸精度分析与ar可视化方法 | |
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 |