CN115795579B - 无特征复杂曲面测量误差分析的快速坐标对齐方法 - Google Patents
无特征复杂曲面测量误差分析的快速坐标对齐方法 Download PDFInfo
- Publication number
- CN115795579B CN115795579B CN202211663693.3A CN202211663693A CN115795579B CN 115795579 B CN115795579 B CN 115795579B CN 202211663693 A CN202211663693 A CN 202211663693A CN 115795579 B CN115795579 B CN 115795579B
- Authority
- CN
- China
- Prior art keywords
- alignment
- calculating
- curved surface
- points
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
一种无特征复杂曲面测量误差分析的快速坐标对齐方法,解决效率高、精度高,稳定性好等问题。采用的方法是,通过对测量点云进行区域特征构建,在构建的特征区域内提取体积最大的四面体,通过在被测零件的CAD数模的抽样点上进行搜索,寻找相似最大四面体,获得初始对齐变换矩阵,在此基础上,通过非线性优化获得最终的精对齐变换矩阵。本发明的有益效果是:本发明的无特征复杂曲面快速、精确坐标系对齐方法,可有效解决复杂曲面测量过程中由于曲面特征不明显造成的对齐效率低、容易出错的难题,具有对齐速度快、配准精度高、稳定性好等优点。
Description
技术领域
本发明属于复杂曲面精密检测领域,具体涉及一种无特征复杂曲面测量误差分析的快速坐标对齐方法。
技术背景
随着碳达标、碳中和目标的提出,为实现节能减排的目标,对发动机类产品性能提出了更高的要求,为此,无特征复杂曲面在航空(发动机整体叶轮)、核电(汽轮机叶片)、舰船(大型螺旋桨桨叶)等关系国计民生的行业中应用越来越广泛。现有的基于扫描的三坐标测量和基于结构光的扫描测量都能够快速获取无特征复杂曲面的高精度三维点云,但是如何对这类无特征复杂曲面进行快速的坐标系对齐,也就是将测量点云和其CAD模型快速精确的统一到同一坐标系下,一直是困扰复杂曲面误差分析的影响效率、提高速度、减少复杂运算的难点问题。
坐标系对齐是复杂曲面精度分析的关键步骤,一般分为预对齐和精对齐两步来完成。数据预对齐是后续精对齐优化的重要前提条件,好的预对齐结果会加快精对齐优化的收敛速度、提高精对齐优化的精度和稳定性。数据预对齐主要有以下两种方法:①人机交互的方法,该方法耗时,效率低,无法实现数据预对齐的自动化。②数值计算的方法,通过提取测量数据和其CAD模型的不变特征来计算刚体变化矩阵实现数对齐,是实现不依靠任何先验知识的自动数据对齐的最有前景的方法。常用的不变特征有曲线、体积等简单几何信息,法矢、曲率等微分信息,Spin-Image、Surface Signatures等局部曲面片特征信息。但是这些方法针对无特征复杂曲面,存在计算效率低、不稳地,甚至是无法完成对齐的问题。为了解决上述难题,发明了一种无特征复杂曲面误差分析的快速坐标对齐方法。
发明内容
本发明的目的在于提供一种无特征复杂曲面误差分析的快速坐标对齐方法,解决无特征复杂曲误差分析过程中坐标系对齐难度大、耗时和不稳定等问题。实现无特征复杂曲面的快速误差分析,该方法具有速度快、精度高、稳定性好等特点。
本发明实现发明目的采用的技术方案具体由以下步骤实现:
步骤1.计算扫描获得的复杂曲面三维点P={pi(xi,yi,zi),i=1,2,…,n},的最大内接球的球心c=[xc,yc,zc]T和内接球的半径R,半径R为球心c到点云边界的最小距离;
步骤2.计算出复杂曲面三维点云中与内接圆的相交的三维点,并由相交的三维点构成一个环形区域;
步骤3.通过步骤1建立的球体内的三维点拟合平面M,将平面M沿着该平面M法向量v移动平面M,将步骤1建立的球体的球心点c设置在平面M上,获得新的平面Mn,然后计算步骤2中获得的环形区域点与平面Mn的距离,并将其存储在列表H中;
步骤5.将CAD三维模型抽样成三维点Q={qi(xi,yi,zi),i=1,2,...,m},并按步骤1计算Q的中心c′和内接球半径R′;
步骤7.使用步骤6计算的ε和n,以及步骤1计算的半径R在CAD三维模型Q上选择对应位置,以生成候选区域;
步骤10.使用所有计算的T将P变换为Q,并计算匹配率h阈值,当匹配率h大于匹配率h阈值,将计算出的变换矩阵为初对齐变换矩阵;
步骤11.在步骤10的基础上,采用迭代最近点(ICP,Iterative Closest Point)算法计算最佳精对齐变换矩阵,完成测量点云与CAD设计数模坐标精对齐。
本发明的有益效果是:本发明的无特征复杂曲面快速、精确坐标系对齐方法,可有效解决复杂曲面测量过程中由于曲面特征不明显造成的对齐效率低、容易出错的难题,具有对齐速度快、配准精度高、稳定性好等优点。
下面结合附图对本发明进行详细描述。
附图1为本发明的流程图。
具体实施方式
参看附图,
本发明的目的是实现无特征复杂曲面点云与其CAD模型快速对齐问题,为进行复杂曲面的快速精确误差分析提供保障,具体由以下步骤实现:
步骤1.计算扫描获得的复杂曲面三维点P={pi(xi,yi,zi),i=1,2,…,n},的最大内接球的球心c=[xc,yc,zc]i和内接球的半径R,半径R为球心c到点云边界的最小距离。
为了提高后续对齐计算的稳定性,内接球半径要尽可能的最大化,该步骤计算球心c的方法可以采用公知的重心法来求解,半径R通过计算球心c到点云边界的最小距离来确定,具体为:给定的复杂曲面三维离散点云P={pi(xi,yi,zi),i=1,2,…,n},则三维离散点云的重心用pG来代替内接球的球心坐标c=[xc,yc,zc]T,计算c点到点云边界的最小距离,该距离作为内接球的最大半径R。
步骤2.计算出复杂曲面三维点云中与内接圆的相交的三维点,并由相交的三维点构成一个环形区域;
步骤3.通过步骤1建立的球体内的三维点拟合平面M,将平面M沿着该平面M的法向量v移动平面M,将步骤1建立的球体的球心点c设置在平面M上,获得新的平面Mn,然后计算步骤2中获得的环形区域点与平面Mn的距离,并将其存储在列表H中;
步骤5.将三维模型抽样成三维点Q={qi(xi,yi,zi),i=1,2,...,m},并计算Q的中心c′和内接球半径R′,R′和R采用同样的方法计算;
步骤7.使用步骤6计算的ε和n,以及步骤1计算的半径R在模板Q上选择合理的对应位置,以生成最佳候选区域。
步骤10.使用所有计算的T将P变换为Q,并计算匹配率h阈值,当匹配率h大于匹配率h阈值,将计算出的变换矩阵为初对齐变换矩阵;
步骤11.在步骤10的基础上,采用迭代最近点(ICP,Iterative Closest Point)算法计算最佳精对齐变换矩阵,完成测量点云与CAD设计数模坐标精对齐。
本发明实施例中,所述的步骤1中,该步骤计算球心c的方法为重心法来求解。
本发明实施例中,所述的步骤10中,匹配率h阈值设置为80-90%。匹配率h阈值设置大于根据要求的误差精度决定匹配率h阈值的取值范围。
Claims (3)
1.无特征复杂曲面测量误差分析的快速坐标对齐方法,该方法借助于非线性优化算法计算出测量点云的精对齐变换矩阵实现与CAD设计数模坐标对齐,其特征在于:该方法由以下步骤实现:
步骤1.计算扫描获得的复杂曲面三维点P={pi(xi,yi,zi),i=1,2,...,n},的最大内接球的球心c=[xc,yc,zc]T和内接球的半径R,半径R为球心c到点云边界的最小距离;
步骤2.计算出复杂曲面三维点云中与内接球的相交的三维点,并由相交的三维点构成一个环形;
步骤3.通过步骤1建立的球体内的三维点拟合平面M,将平面M沿着该平面M的法向量v移动平面M,将步骤1建立的球体的球心点c设置在平面M上,获得新的平面Mn,然后计算步骤2中获得的圆形区域点与平面Mn的距离,并将其存储在列表H中;
步骤5.将CAD三维模型抽样成三维点Q={qi(xi,yi,zi),i=1,2,...,m},并按步骤1计算Q的中心c′和内接球半径R′;
步骤7.使用步骤6计算的ε和n,以及步骤1计算的半径R在CAD三维模型Q上选择对应位置,以生成候选区域;
步骤10.使用所有计算的T将P变换为Q,并计算匹配率h阈值,当匹配率h大于匹配率h阈值,将计算出的变换矩阵为初对齐变换矩阵;
步骤11.在步骤10的基础上,采用迭代最近点,算法计算最佳精对齐变换矩阵,完成测量点云与CAD设计数模坐标精对齐。
2.根据权利要求1所述的无特征复杂曲面测量误差分析的快速坐标对齐方法,其特征在于:所述的步骤1中,该步骤计算球心c的方法为重心法来求解。
3.根据权利要求1所述的无特征复杂曲面测量误差分析的快速坐标对齐方法,其特征在于:所述的步骤10中,匹配率h阈值设置为80-90%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211663693.3A CN115795579B (zh) | 2022-12-23 | 2022-12-23 | 无特征复杂曲面测量误差分析的快速坐标对齐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211663693.3A CN115795579B (zh) | 2022-12-23 | 2022-12-23 | 无特征复杂曲面测量误差分析的快速坐标对齐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115795579A CN115795579A (zh) | 2023-03-14 |
CN115795579B true CN115795579B (zh) | 2023-06-27 |
Family
ID=85427803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211663693.3A Active CN115795579B (zh) | 2022-12-23 | 2022-12-23 | 无特征复杂曲面测量误差分析的快速坐标对齐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115795579B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
EP3757861A1 (en) * | 2019-06-25 | 2020-12-30 | Faro Technologies, Inc. | Conversion of point cloud data points into computer-aided design (cad) objects |
US11037346B1 (en) * | 2020-04-29 | 2021-06-15 | Nanjing University Of Aeronautics And Astronautics | Multi-station scanning global point cloud registration method based on graph optimization |
CN113269673A (zh) * | 2021-04-26 | 2021-08-17 | 西安交通大学 | 一种基于标准球架的三维点云拼接方法 |
CN114266783A (zh) * | 2021-12-15 | 2022-04-01 | 江苏集萃智能光电系统研究所有限公司 | 一种高效高精度计算刚性点云曲面之间距离的方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
HK1095987A2 (en) * | 2006-02-03 | 2007-05-18 | Univ Hong Kong Polytechnic | Methods and apparatus of aligning surfaces |
CN101692257B (zh) * | 2009-09-25 | 2012-05-16 | 华东理工大学 | 一种复杂曲面的配准方法 |
CN108780112A (zh) * | 2016-03-11 | 2018-11-09 | 赛博光学公司 | 三维非接触式扫描系统的场校准 |
WO2018061010A1 (en) * | 2016-09-28 | 2018-04-05 | Pixtier Maps Ltd. | Point cloud transforming in large-scale urban modelling |
CN106875439B (zh) * | 2017-02-20 | 2019-06-07 | 天津大学 | 基于三维点云模型的单晶硅棒外形尺寸测量方法 |
CN111488709A (zh) * | 2020-04-16 | 2020-08-04 | 湖北汽车工业学院 | 一种零件平面度误差分析方法、误差分析系统及计算机 |
CN112451093B (zh) * | 2021-01-26 | 2021-05-04 | 浙江大学 | 图像引导机器人微创外科手术的物理空间与图像空间配准方法 |
CN112837356B (zh) * | 2021-02-06 | 2024-05-31 | 湖南大学 | 一种基于wgan的无监督多视角三维点云联合配准方法 |
CN113052881A (zh) * | 2021-03-24 | 2021-06-29 | 王程 | 提取极点的室内三维点云自动化配准方法 |
CN113327275B (zh) * | 2021-06-18 | 2022-11-08 | 哈尔滨工业大学 | 一种基于多约束点到局部曲面投影的点云双视角精配准方法 |
CN115187676A (zh) * | 2022-08-03 | 2022-10-14 | 重庆中科摇橹船信息科技有限公司 | 一种高精度线激光三维重建标定方法 |
-
2022
- 2022-12-23 CN CN202211663693.3A patent/CN115795579B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392488A (zh) * | 2014-12-11 | 2015-03-04 | 福州大学 | 针对激光扫描仪与三坐标测量臂的点云数据自动配准方法 |
EP3757861A1 (en) * | 2019-06-25 | 2020-12-30 | Faro Technologies, Inc. | Conversion of point cloud data points into computer-aided design (cad) objects |
US11037346B1 (en) * | 2020-04-29 | 2021-06-15 | Nanjing University Of Aeronautics And Astronautics | Multi-station scanning global point cloud registration method based on graph optimization |
CN113269673A (zh) * | 2021-04-26 | 2021-08-17 | 西安交通大学 | 一种基于标准球架的三维点云拼接方法 |
CN114266783A (zh) * | 2021-12-15 | 2022-04-01 | 江苏集萃智能光电系统研究所有限公司 | 一种高效高精度计算刚性点云曲面之间距离的方法 |
Non-Patent Citations (2)
Title |
---|
New insights into the membrane topology of the phagocyte NADPH oxidase: Characterization of an anti-gp91-phox conformational monoclonal antibody;Yannick Campion;;Biochimie;第89卷(第9期);1145-1158 * |
微细特征三维测量系统标定的精确椭圆提取方法;何万涛 等;;传感器与微系统;第38卷(第11期);23-25+30 * |
Also Published As
Publication number | Publication date |
---|---|
CN115795579A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101692257B (zh) | 一种复杂曲面的配准方法 | |
Li et al. | A modified ICP algorithm based on dynamic adjustment factor for registration of point cloud and CAD model | |
CN104697462B (zh) | 一种基于中轴线的航空叶片型面特征参数提取方法 | |
CN102169579A (zh) | 密集点云模型快速精确配准方法 | |
CN105118059A (zh) | 一种多尺度坐标轴夹角特征的点云快速配准方法 | |
CN102880737B (zh) | 基于柔性装配中的工件配准方法及系统 | |
CN107703480A (zh) | 基于机器学习的混合核函数室内定位方法 | |
CN104008257B (zh) | 一种针对具有复杂曲面的构件的逆向设计方法 | |
CN104484508A (zh) | 复杂曲面零件非接触式三维匹配检测优化方法 | |
CN112132752B (zh) | 一种大型复杂曲面多视扫描点云的精拼接方法 | |
CN112446123B (zh) | 一种整体叶盘三坐标测量机测头位姿规划方法 | |
CN110103071B (zh) | 一种变形复杂零件的数字化寻位加工方法 | |
CN115409886B (zh) | 一种基于点云的零件几何特征测量方法、装置及系统 | |
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 | |
CN113204871B (zh) | 一种航空叶片气膜孔的识别方法、装置和系统 | |
CN109598081A (zh) | 基于数据降维及多二维流面的径流式透平气动优化方法 | |
CN107492120A (zh) | 点云配准方法 | |
CN113587807A (zh) | 一种飞机壁板加工特征面的扫描路径生成方法 | |
CN113033668A (zh) | 基于样本欧氏距离的ls-svm算法测深训练样本抽稀方法 | |
CN113961738A (zh) | 一种多特征铸件三维模型检索方法及装置 | |
CN115795579B (zh) | 无特征复杂曲面测量误差分析的快速坐标对齐方法 | |
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 | |
CN109389626B (zh) | 一种基于采样球扩散的复杂异形曲面点云配准方法 | |
CN201576308U (zh) | 一种复杂曲面的配准系统 | |
CN116563715A (zh) | 用于工程碳计量的变电站倾斜摄影与设计模型比对方法 |
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 |