CN116204990A - 一种三维实测数据驱动的飞机大型骨架精准协调修配方法 - Google Patents

一种三维实测数据驱动的飞机大型骨架精准协调修配方法 Download PDF

Info

Publication number
CN116204990A
CN116204990A CN202310473101.XA CN202310473101A CN116204990A CN 116204990 A CN116204990 A CN 116204990A CN 202310473101 A CN202310473101 A CN 202310473101A CN 116204990 A CN116204990 A CN 116204990A
Authority
CN
China
Prior art keywords
point cloud
point
compensated
real
framework
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
CN202310473101.XA
Other languages
English (en)
Other versions
CN116204990B (zh
Inventor
汪俊
王元耿
陈红华
张凯钧
张沅
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202310473101.XA priority Critical patent/CN116204990B/zh
Publication of CN116204990A publication Critical patent/CN116204990A/zh
Application granted granted Critical
Publication of CN116204990B publication Critical patent/CN116204990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/15—Vehicle, aircraft or watercraft design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/18—Manufacturability analysis or optimisation for manufacturability
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Numerical Control (AREA)

Abstract

本发明涉及飞机装配技术领域，解决了传统方法需多次重复测量和修配而导致的装配效率和精度均较低的技术问题，尤其涉及一种三维实测数据驱动的飞机大型骨架精准协调修配方法，包括以下步骤：S1、获取飞机大型骨架的点云数据，并对获取的点云数据进行去噪处理，得到无噪声的实测点云N；S2、建立实测点云N中数据之间的K‑D树拓扑关系，得到有数据组织的点云P，对点云P进行区域生长分割，得到分割后的点云组Q；S3、提取点云组Q中水平定位面与定位孔的特征；S4、获取实测点云N与理论数模的配准约束，将实测点云N与理论数模在所获得的配准约束下配准。本发明提高飞机骨架与蒙皮装配连接的精度，达到精准协调修配的目的。

Description

一种三维实测数据驱动的飞机大型骨架精准协调修配方法
技术领域
本发明涉及飞机装配技术领域，尤其涉及一种三维实测数据驱动的飞机大型骨架精准协调修配方法。
背景技术
飞机装配在飞机制造过程中占有很大一部分的比重，飞机骨架与蒙皮装配连接是飞机装配过程中的关键步骤，装配质量直接影响飞机的气动外形和隐身性能。由于骨架由多种框梁类零件组成，其装配后的表面与理论模型之间存在差异；同时，由于飞机蒙皮也存在制造误差，造成了骨架与蒙皮装配过程中会存在装配间隙而无法满足装配精度要求。
为了保证装配精度同时避免装配过程中出现由于间隙值过大导致的过应力装配，传统的解决方法是在骨架与蒙皮不进行连接的试装配情况下，由铺设于骨架外形的传感器获取测量点处的间隙值，根据不同测量位置的间隙值进行加垫或铣削，再在试装配情况下多次重复测量和修配直至满足装配要求。传统方法不仅效率低，而且由多次测量和修配造成的测量和加工的误差累计无法避免，最终的装配精度不高，特别是针对大型骨架时，上述问题尤为突出。
因此，如何在单次测量的情况下就能获得准确的装配间隙，并在骨架上的准确位置进行加垫和准确铣削，是提高飞机骨架与蒙皮装配连接精度和装配效率的关键所在。
发明内容
针对现有技术的不足，本发明提供了一种三维实测数据驱动的飞机大型骨架精准协调修配方法，解决了传统方法需多次重复测量和修配而导致的装配效率和精度均较低的技术问题，本发明提高飞机骨架与蒙皮装配连接的精度，达到精准协调修配的目的。
为解决上述技术问题，本发明提供了如下技术方案：一种三维实测数据驱动的飞机大型骨架精准协调修配方法，包括以下步骤：
S1、获取飞机大型骨架的点云数据，并对获取的点云数据进行去噪处理，得到无噪声的实测点云N；
S2、建立实测点云N中数据之间的K-D树拓扑关系，得到有数据组织的点云P，对点云P进行区域生长分割，得到分割后的点云组Q；
S3、提取点云组Q中水平定位面与定位孔的特征；
S4、获取实测点云N与理论数模的配准约束，将实测点云N与理论数模在所获得的配准约束下配准；
S5、计算实测点云N的点到理论数模的距离，获取实测点云N相对于理论数模的骨架与蒙皮配合的配合面的待补偿区域；
S6、将待补偿区域坐标变换至机器人末端执行器坐标系上，由机器人在实际骨架与蒙皮配合的配合面待补偿区域涂抹液体垫片；
S7、将由理论数模获取的铣削轨迹导入数控机床，由数控机床对实际骨架与蒙皮配合的配合面进行铣削，完成飞机大型骨架的精准协调修配。
进一步地，在步骤S1中，具体过程包括以下步骤：
S11、采用三维激光扫描仪扫描待测飞机大型骨架，获得待测飞机大型骨架的散乱的三维点云数据；
S12、对三维点云数据进行去噪，计算三维点云数据中任意一点
Figure SMS_1
的双边滤波权因子/>
Figure SMS_2
得到滤波后的点/>
Figure SMS_3
；
S13、重复步骤S12直至处理完三维点云数据中的所有的点，得到无噪声的实测点云N。
进一步地，在步骤S2中，具体过程包括以下步骤：
S21、对实测点云N进行K-D树搜索，实测点云N由散乱的点云数据形成具有拓扑关系的点云P；
S22、遍历点云P，计算点云P中每个点的曲率，选取曲率最小的点
Figure SMS_4
作为种子点，记种子点/>
Figure SMS_5
的曲率为/>
Figure SMS_6
；
S23、遍历种子点
Figure SMS_9
的邻近点，计算第i个邻近点/>
Figure SMS_10
的法线与种子点/>
Figure SMS_13
的法线之间的夹角/>
Figure SMS_8
，设定平滑阈值/>
Figure SMS_11
，若/>
Figure SMS_12
，则将邻近点/>
Figure SMS_14
与种子点/>
Figure SMS_7
聚合；
S24、计算第i个邻近点
Figure SMS_15
的曲率/>
Figure SMS_16
，设定曲率变化阈值/>
Figure SMS_17
，若/>
Figure SMS_18
，则将邻近点/>
Figure SMS_19
加入到种子点/>
Figure SMS_20
序列S当中；
S25、遍历完种子点
Figure SMS_21
的邻近点之后，删除当前种子点/>
Figure SMS_22
，并在序列S中重新选择新的种子点，重复步骤S23-S24直至序列S为空，得到分割后的点云组Q。
进一步地，在步骤S3中，具体过程包括以下步骤：
S31、从平面
Figure SMS_24
中取出水平定位面/>
Figure SMS_27
，采用RANSAC算法对水平定位面/>
Figure SMS_30
进行拟合，得到拟合后的水平定位面/>
Figure SMS_25
的中心点/>
Figure SMS_28
，水平定位面/>
Figure SMS_29
的法向量/>
Figure SMS_31
，进而得到实测点云N中水平定位面/>
Figure SMS_23
的几何特征/>
Figure SMS_26
；
S32、从垂直定位面中取出定位孔圆柱面
Figure SMS_34
，采用RANSAC算法对定位孔圆柱面/>
Figure SMS_35
进行拟合，得到拟合后的定位孔圆柱面/>
Figure SMS_39
的中心线/>
Figure SMS_33
，定位孔圆柱面/>
Figure SMS_37
的高度为/>
Figure SMS_38
，半径
Figure SMS_40
，进而得到实测点云N中定位孔圆柱面/>
Figure SMS_32
的几何特征/>
Figure SMS_36
。
进一步地，在步骤S4中，具体过程包括以下步骤：
S41、提取理论数模水平定位面
Figure SMS_41
的中心点/>
Figure SMS_42
和法向量/>
Figure SMS_43
，得到理论数模水平定位面/>
Figure SMS_44
的几何特征/>
Figure SMS_45
；
S42、提取实测点云N定位孔圆柱面
Figure SMS_46
的中心线/>
Figure SMS_47
的方向向量/>
Figure SMS_48
并放入集合/>
Figure SMS_49
中，得到集合/>
Figure SMS_50
；
提取理论数模垂直定位面中定位孔圆柱面
Figure SMS_51
的中心线/>
Figure SMS_52
的方向向量/>
Figure SMS_53
并放入集合/>
Figure SMS_54
中，得到集合/>
Figure SMS_55
；/>
S43、将水平定位面
Figure SMS_56
的几何特征/>
Figure SMS_57
与集合/>
Figure SMS_58
取并集，得到实测点云N的配准特征
Figure SMS_59
；
将理论数模水平定位面
Figure SMS_60
的几何特征/>
Figure SMS_61
与集合/>
Figure SMS_62
取并集，得到理论数模的配准特征/>
Figure SMS_63
；
S44、建立坐标转化关系
Figure SMS_64
，其中/>
Figure SMS_65
为旋转变换矩阵，/>
Figure SMS_66
为平移变换矩阵；由实测点云N的配准特征/>
Figure SMS_67
与理论数模的配准特征/>
Figure SMS_68
中对三个应点构建方程组，解出/>
Figure SMS_69
与/>
Figure SMS_70
；
S45、遍历点云P，对点
Figure SMS_71
作坐标变换/>
Figure SMS_72
，遍历结束，完成实测点云N与理论数模的配准。
进一步地，在步骤S5中，具体过程包括以下步骤：
S51、设定最小采样距离
Figure SMS_73
和采样次数/>
Figure SMS_74
，通过泊松盘采样方法对理论数模进行采样，将理论数模离散化为点的数量与实测点云P相近的理论点云I；
S52、遍历点云P，求出点
Figure SMS_75
的法向量/>
Figure SMS_76
；
若
Figure SMS_77
的z轴分量小于0，则将令/>
Figure SMS_78
将其方向取反，计算点/>
Figure SMS_79
与理论点云I中距离最近的点/>
Figure SMS_80
的方向向量/>
Figure SMS_81
；
计算点
Figure SMS_82
与点/>
Figure SMS_83
之间的距离/>
Figure SMS_84
，若/>
Figure SMS_85
，则将点/>
Figure SMS_86
加入待补偿点集合B中；
S53、对待补偿点集合B中每个点
Figure SMS_87
进行K临近搜索，将点/>
Figure SMS_88
与点/>
Figure SMS_89
的属于集合B的邻近点组成邻近待补偿点集合/>
Figure SMS_90
，将包含共同点的邻近待补偿点集合取并集，得到待补偿区域/>
Figure SMS_91
；
S54、从待补偿区域
Figure SMS_92
中选出位于配合曲面/>
Figure SMS_93
中的配合面待补偿区域/>
Figure SMS_94
。
进一步地，在步骤S6中：
将待补偿区域坐标变换至机器人末端执行器坐标系上是通过标定骨架上的特定点确定转换关系完成的；
由机器人在实际骨架与蒙皮配合面待补偿区域涂抹液体垫片，涂抹液体垫片的厚度可大于待补偿区域实测点云到理论数模的距离。
进一步地，在步骤S7中：
由数控机床对实际骨架与蒙皮配合面进行铣削是在步骤S6中涂抹的液体垫片凝固后进行的，步骤S6中液体垫片的厚度大于待补偿区域实测点云到理论数模距离的部分在此步骤中将被切除。
借由上述技术方案，本发明提供了一种三维实测数据驱动的飞机大型骨架精准协调修配方法，至少具备以下有益效果：
1、本发明通过实测三维数据与理论数模进行对比分析准确获得装配间隙所处位置和间隙值，由机器人在准确的位置涂抹液体垫片后由数控机床进行精确铣削，解决了传统方法需多次重复测量和修配而导致的装配效率和精度均较低的问题，从而提高飞机大型骨架与蒙皮装配连接的精度，达到精准协调修配的目的。
2、本发明在实测数据与理论数模对比分析过程中，结合飞机骨架所具有的垂直定位面、水平定位面和定位孔等定位特征，由具有创新性的特征匹配方法实现实测数据与理论数模的配准，配准精度相比于迭代最近点等具有随机性的方法得到较大提高，保证了飞机大型骨架的精准协调修配。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明飞机大型骨架精准协调修配方法的流程图；
图2为本发明实施对象飞机大型骨架待补偿区域和待铣削区的示意图。
图中：1、待补偿区域；2、理论模型边界；3、实际模型边界；4、待铣削区域。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
请参照图1-图2，示出了本实施例的一种具体实施方式，本实施例通过实测三维数据与理论数模进行对比分析准确获得装配间隙所处位置和间隙值，由机器人在准确的位置涂抹液体垫片后由数控机床进行精确铣削，从而提高飞机大型骨架与蒙皮装配连接的精度，达到精准协调修配的目的。
请参照图1，本实施例提出了一种三维实测数据驱动的飞机大型骨架精准协调修配方法，该方法包括以下步骤：
S1、获取飞机大型骨架的点云数据，并对获取的点云数据进行去噪处理，得到无噪声的实测点云N；
作为步骤S1的优选实施方式，具体过程包括以下步骤：
S11、采用三维激光扫描仪扫描待测飞机大型骨架，获得待测飞机大型骨架的散乱的三维点云数据；
S12、对三维点云数据进行去噪，计算三维点云数据中任意一点
Figure SMS_95
的双边滤波权因子/>
Figure SMS_96
得到滤波后的点/>
Figure SMS_97
；
双边滤波权因子
Figure SMS_98
的计算公式如下：
Figure SMS_99
/>
其中，
Figure SMS_101
为点/>
Figure SMS_104
的邻域，/>
Figure SMS_106
为点/>
Figure SMS_100
邻域中任意一点，/>
Figure SMS_103
表示过点/>
Figure SMS_105
的法向量，
Figure SMS_107
、/>
Figure SMS_102
分别为与两点间距离和两点间法向量夹角有关的权重因子。
计算滤波后的点
Figure SMS_108
，计算公式如下：
Figure SMS_109
S13、重复步骤S12直至处理完三维点云数据中的所有的点，得到无噪声的实测点云N。
S2、建立实测点云N中数据之间的K-D树拓扑关系，得到有数据组织的点云P，对点云P进行区域生长分割，得到分割后的点云组Q；
作为步骤S2的优选实施方式，具体过程包括以下步骤：
S21、对实测点云N进行K-D树搜索，实测点云N由散乱的点云数据形成具有拓扑关系的点云P；
S22、遍历点云P，计算点云P中每个点的曲率，选取曲率最小的点
Figure SMS_110
作为种子点，记种子点/>
Figure SMS_111
的曲率为/>
Figure SMS_112
；
S23、遍历种子点
Figure SMS_115
的邻近点，计算第i个邻近点/>
Figure SMS_117
的法线与种子点/>
Figure SMS_119
的法线之间的夹角/>
Figure SMS_114
，设定平滑阈值/>
Figure SMS_116
，若/>
Figure SMS_118
，则将邻近点/>
Figure SMS_120
与种子点/>
Figure SMS_113
聚合；
S24、计算第i个邻近点
Figure SMS_121
的曲率/>
Figure SMS_122
，设定曲率变化阈值/>
Figure SMS_123
，若/>
Figure SMS_124
，则将邻近点/>
Figure SMS_125
加入到种子点/>
Figure SMS_126
序列S当中；
S25、遍历完种子点
Figure SMS_127
的邻近点之后，删除当前种子点/>
Figure SMS_128
，并在序列S中重新选择新的种子点，重复步骤S23-S24直至序列S为空，得到分割后的点云组Q。
在点云组Q中，平面记为
Figure SMS_129
，/>
Figure SMS_130
为平面数量，圆柱面记为/>
Figure SMS_131
，/>
Figure SMS_132
为圆柱面数量，配合曲面记为/>
Figure SMS_133
，/>
Figure SMS_134
为配合曲面数量。
S3、提取点云组Q中水平定位面与定位孔的特征；
作为步骤S3的优选实施方式，具体过程包括以下步骤：
S31、从平面
Figure SMS_136
中取出水平定位面/>
Figure SMS_140
，采用RANSAC算法对水平定位面/>
Figure SMS_142
进行拟合，得到拟合后的水平定位面/>
Figure SMS_137
的中心点/>
Figure SMS_139
，水平定位面/>
Figure SMS_141
的法向量/>
Figure SMS_143
，进而得到实测点云N中水平定位面/>
Figure SMS_135
的几何特征/>
Figure SMS_138
；
水平定位面
Figure SMS_144
的几何特征/>
Figure SMS_145
为：
Figure SMS_146
S32、从垂直定位面中取出定位孔圆柱面
Figure SMS_148
，采用RANSAC算法对定位孔圆柱面/>
Figure SMS_151
进行拟合，得到拟合后的定位孔圆柱面/>
Figure SMS_153
的中心线/>
Figure SMS_149
，定位孔圆柱面/>
Figure SMS_152
的高度为/>
Figure SMS_154
，半径
Figure SMS_155
，进而得到实测点云N中定位孔圆柱面/>
Figure SMS_147
的几何特征/>
Figure SMS_150
。
定位孔圆柱面
Figure SMS_156
的几何特征/>
Figure SMS_157
为：
Figure SMS_158
S4、获取实测点云N与理论数模的配准约束，将实测点云N与理论数模在所获得的配准约束下配准，配准约束即实测点云N配准特征的坐标到理论数模配准特征的坐标的转换关系，此处为常规的已知转换关系，本实施例在此处不再详细赘述。
作为步骤S4的优选实施方式，具体过程包括以下步骤：
S41、提取理论数模水平定位面
Figure SMS_159
的中心点/>
Figure SMS_160
和法向量/>
Figure SMS_161
，得到理论数模水平定位面/>
Figure SMS_162
的几何特征/>
Figure SMS_163
；
理论数模水平定位面
Figure SMS_164
的几何特征/>
Figure SMS_165
为：
Figure SMS_166
S42、提取实测点云N定位孔圆柱面
Figure SMS_167
的中心线/>
Figure SMS_168
的方向向量/>
Figure SMS_169
并放入集合/>
Figure SMS_170
中，得到集合/>
Figure SMS_171
；
提取理论数模垂直定位面中定位孔圆柱面
Figure SMS_172
的中心线/>
Figure SMS_173
的方向向量/>
Figure SMS_174
并放入集合/>
Figure SMS_175
中，得到集合/>
Figure SMS_176
；
S43、将水平定位面
Figure SMS_177
的几何特征/>
Figure SMS_178
与集合/>
Figure SMS_179
取并集，得到实测点云N的配准特征
Figure SMS_180
；
实测点云N的配准特征
Figure SMS_181
为：
Figure SMS_182
实测点云N的配准特征
Figure SMS_183
相当于中心点/>
Figure SMS_184
、法向量/>
Figure SMS_185
和方向向量/>
Figure SMS_186
三个点的集合。
将理论数模水平定位面
Figure SMS_187
的几何特征/>
Figure SMS_188
与集合/>
Figure SMS_189
取并集，得到理论数模的配准特征/>
Figure SMS_190
；
理论数模的配准特征
Figure SMS_191
为：
Figure SMS_192
理论数模的配准特征
Figure SMS_193
相当于中心点/>
Figure SMS_194
、法向量/>
Figure SMS_195
和方向向量/>
Figure SMS_196
三个点的集合。
S44、建立坐标转化关系
Figure SMS_197
，其中/>
Figure SMS_198
为旋转变换矩阵，/>
Figure SMS_199
为平移变换矩阵；由实测点云N的配准特征/>
Figure SMS_200
与理论数模的配准特征/>
Figure SMS_201
中对三个应点构建方程组，解出/>
Figure SMS_202
与/>
Figure SMS_203
；
S45、遍历点云P，对点
Figure SMS_204
作坐标变换/>
Figure SMS_205
，遍历结束，完成实测点云N与理论数模的配准。
S5、计算实测点云N的点到理论数模的距离，获取实测点云N相对于理论数模的骨架与蒙皮配合的配合面的待补偿区域；
作为步骤S5的优选实施方式，具体过程包括以下步骤：
S51、设定最小采样距离
Figure SMS_206
和采样次数/>
Figure SMS_207
，通过泊松盘采样方法对理论数模进行采样，将理论数模离散化为点的数量与实测点云P相近的理论点云I；
S52、遍历点云P，求出点
Figure SMS_208
的法向量/>
Figure SMS_209
；
若
Figure SMS_210
的z轴分量小于0，则将令/>
Figure SMS_211
将其方向取反，计算点/>
Figure SMS_212
与理论点云I中距离最近的点/>
Figure SMS_213
的方向向量/>
Figure SMS_214
；
Figure SMS_215
上式中，
Figure SMS_216
为点/>
Figure SMS_217
的坐标，/>
Figure SMS_218
为点/>
Figure SMS_219
的坐标。
计算点
Figure SMS_220
与点/>
Figure SMS_221
之间的距离/>
Figure SMS_222
，若/>
Figure SMS_223
，则将点/>
Figure SMS_224
加入待补偿点集合B中；
Figure SMS_225
上式中，
Figure SMS_226
为点/>
Figure SMS_227
的法向量，/>
Figure SMS_228
为点/>
Figure SMS_229
的方向向量。
S53、对待补偿点集合B中每个点
Figure SMS_230
进行K临近搜索，将点/>
Figure SMS_231
与点/>
Figure SMS_232
的属于集合B的邻近点组成邻近待补偿点集合/>
Figure SMS_233
，将包含共同点的邻近待补偿点集合取并集，得到待补偿区域/>
Figure SMS_234
，/>
Figure SMS_235
为待补偿区域个数；
S54、从待补偿区域
Figure SMS_236
中选出位于配合曲面/>
Figure SMS_237
中的配合面待补偿区域/>
Figure SMS_238
，
Figure SMS_239
为配合曲面数量，/>
Figure SMS_240
,/>
Figure SMS_241
为配合面待补偿区域个数。
S6、将待补偿区域坐标变换至机器人末端执行器坐标系上，由机器人在实际骨架与蒙皮配合的配合面待补偿区域涂抹液体垫片；
具体的，将待补偿区域坐标变换至机器人末端执行器坐标系上是通过标定骨架上的特定点确定转换关系完成的；由机器人在实际骨架与蒙皮配合面待补偿区域涂抹液体垫片，涂抹液体垫片的厚度可大于待补偿区域实测点云到理论数模的距离。
S7、将由理论数模获取的铣削轨迹导入数控机床，由数控机床对实际骨架与蒙皮配合的配合面进行铣削，完成飞机大型骨架的精准协调修配；
具体的，由数控机床对实际骨架与蒙皮配合面进行铣削是在步骤S6中涂抹的液体垫片凝固后进行的，步骤S6中液体垫片的厚度大于待补偿区域实测点云到理论数模距离的部分在此步骤中将被切除。
请参照图1，示出了本实施例采用飞机大型骨架精准协调修配方法，对实施对象飞机大型骨架待补偿区域和待铣削区的示意图，理论模型边界2为铣削轨迹，以图2为基础能够更好的理解本实施例所提出的修配方法。
因此，本实施例在实测数据与理论数模对比分析过程中，结合飞机骨架所具有的垂直定位面、水平定位面和定位孔等定位特征，由具有创新性的特征匹配方法实现实测数据与理论数模的配准，配准精度相比于迭代最近点等具有随机性的方法得到较大提高，保证了飞机大型骨架的精准协调修配。
以上实施方式对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种三维实测数据驱动的飞机大型骨架精准协调修配方法，其特征在于，包括以下步骤：
S1、获取飞机大型骨架的点云数据，并对获取的点云数据进行去噪处理，得到无噪声的实测点云N；
S2、建立实测点云N中数据之间的K-D树拓扑关系，得到有数据组织的点云P，对点云P进行区域生长分割，得到分割后的点云组Q；
S3、提取点云组Q中水平定位面与定位孔的特征；
S4、获取实测点云N与理论数模的配准约束，将实测点云N与理论数模在所获得的配准约束下配准；
S5、计算实测点云N的点到理论数模的距离，获取实测点云N相对于理论数模的骨架与蒙皮配合的配合面的待补偿区域；
S6、将待补偿区域坐标变换至机器人末端执行器坐标系上，由机器人在实际骨架与蒙皮配合的配合面待补偿区域涂抹液体垫片；
S7、将由理论数模获取的铣削轨迹导入数控机床，由数控机床对实际骨架与蒙皮配合的配合面进行铣削，完成飞机大型骨架的精准协调修配。
2.根据权利要求1所述的飞机大型骨架精准协调修配方法，其特征在于：在步骤S1中，具体过程包括以下步骤：
S11、采用三维激光扫描仪扫描待测飞机大型骨架，获得待测飞机大型骨架的散乱的三维点云数据；
S12、对三维点云数据进行去噪，计算三维点云数据中任意一点
Figure QLYQS_1
的双边滤波权因子/>
Figure QLYQS_2
得到滤波后的点/>
Figure QLYQS_3
；
S13、重复步骤S12直至处理完三维点云数据中的所有的点，得到无噪声的实测点云N。
3.根据权利要求1所述的飞机大型骨架精准协调修配方法，其特征在于：在步骤S2中，具体过程包括以下步骤：
S21、对实测点云N进行K-D树搜索，实测点云N由散乱的点云数据形成具有拓扑关系的点云P；
S22、遍历点云P，计算点云P中每个点的曲率，选取曲率最小的点
Figure QLYQS_4
作为种子点，记种子点/>
Figure QLYQS_5
的曲率为/>
Figure QLYQS_6
；
S23、遍历种子点
Figure QLYQS_8
的邻近点，计算第i个邻近点/>
Figure QLYQS_10
的法线与种子点/>
Figure QLYQS_12
的法线之间的夹角
Figure QLYQS_9
，设定平滑阈值/>
Figure QLYQS_11
，若/>
Figure QLYQS_13
，则将邻近点/>
Figure QLYQS_14
与种子点/>
Figure QLYQS_7
聚合；
S24、计算第i个邻近点
Figure QLYQS_15
的曲率/>
Figure QLYQS_16
，设定曲率变化阈值/>
Figure QLYQS_17
，若/>
Figure QLYQS_18
，则将邻近点/>
Figure QLYQS_19
加入到种子点/>
Figure QLYQS_20
序列S当中；
S25、遍历完种子点
Figure QLYQS_21
的邻近点之后，删除当前种子点/>
Figure QLYQS_22
，并在序列S中重新选择新的种子点，重复步骤S23-S24直至序列S为空，得到分割后的点云组Q。
4.根据权利要求1所述的飞机大型骨架精准协调修配方法，其特征在于：在步骤S3中，具体过程包括以下步骤：
S31、从平面
Figure QLYQS_23
中取出水平定位面/>
Figure QLYQS_27
，采用RANSAC算法对水平定位面/>
Figure QLYQS_30
进行拟合，得到拟合后的水平定位面/>
Figure QLYQS_24
的中心点/>
Figure QLYQS_28
，水平定位面/>
Figure QLYQS_29
的法向量/>
Figure QLYQS_31
，进而得到实测点云N中水平定位面/>
Figure QLYQS_25
的几何特征/>
Figure QLYQS_26
；
S32、从垂直定位面中取出定位孔圆柱面
Figure QLYQS_33
，采用RANSAC算法对定位孔圆柱面/>
Figure QLYQS_36
进行拟合，得到拟合后的定位孔圆柱面/>
Figure QLYQS_38
的中心线/>
Figure QLYQS_34
，定位孔圆柱面/>
Figure QLYQS_37
的高度为/>
Figure QLYQS_39
，半径/>
Figure QLYQS_40
，进而得到实测点云N中定位孔圆柱面/>
Figure QLYQS_32
的几何特征/>
Figure QLYQS_35
。
5.根据权利要求1所述的飞机大型骨架精准协调修配方法，其特征在于：在步骤S4中，具体过程包括以下步骤：
S41、提取理论数模水平定位面
Figure QLYQS_41
的中心点/>
Figure QLYQS_42
和法向量/>
Figure QLYQS_43
，得到理论数模水平定位面
Figure QLYQS_44
的几何特征/>
Figure QLYQS_45
；
S42、提取实测点云N定位孔圆柱面
Figure QLYQS_46
的中心线/>
Figure QLYQS_47
的方向向量/>
Figure QLYQS_48
并放入集合/>
Figure QLYQS_49
中，得到集合/>
Figure QLYQS_50
；
提取理论数模垂直定位面中定位孔圆柱面
Figure QLYQS_51
的中心线/>
Figure QLYQS_52
的方向向量/>
Figure QLYQS_53
并放入集合/>
Figure QLYQS_54
中，得到集合/>
Figure QLYQS_55
；
S43、将水平定位面
Figure QLYQS_56
的几何特征/>
Figure QLYQS_57
与集合/>
Figure QLYQS_58
取并集，得到实测点云N的配准特征/>
Figure QLYQS_59
；
将理论数模水平定位面
Figure QLYQS_60
的几何特征/>
Figure QLYQS_61
与集合/>
Figure QLYQS_62
取并集，得到理论数模的配准特征/>
Figure QLYQS_63
；
S44、建立坐标转化关系
Figure QLYQS_64
，其中/>
Figure QLYQS_65
为旋转变换矩阵，/>
Figure QLYQS_66
为平移变换矩阵；由实测点云N的配准特征/>
Figure QLYQS_67
与理论数模的配准特征/>
Figure QLYQS_68
中对三个应点构建方程组，解出/>
Figure QLYQS_69
与/>
Figure QLYQS_70
；
S45、遍历点云P，对点
Figure QLYQS_71
作坐标变换/>
Figure QLYQS_72
，遍历结束，完成实测点云N与理论数模的配准。
6.根据权利要求1所述的飞机大型骨架精准协调修配方法，其特征在于：在步骤S5中，具体过程包括以下步骤：
S51、设定最小采样距离
Figure QLYQS_73
和采样次数/>
Figure QLYQS_74
，通过泊松盘采样方法对理论数模进行采样，将理论数模离散化为点的数量与实测点云P相近的理论点云I；
S52、遍历点云P，求出点
Figure QLYQS_75
的法向量/>
Figure QLYQS_76
；
若
Figure QLYQS_77
的z轴分量小于0，则将令/>
Figure QLYQS_78
将其方向取反，计算点/>
Figure QLYQS_79
与理论点云I中距离最近的点/>
Figure QLYQS_80
的方向向量/>
Figure QLYQS_81
；
计算点
Figure QLYQS_82
与点/>
Figure QLYQS_83
之间的距离/>
Figure QLYQS_84
，若/>
Figure QLYQS_85
，则将点/>
Figure QLYQS_86
加入待补偿点集合B中；
S53、对待补偿点集合B中每个点
Figure QLYQS_87
进行K临近搜索，将点/>
Figure QLYQS_88
与点/>
Figure QLYQS_89
的属于集合B的邻近点组成邻近待补偿点集合/>
Figure QLYQS_90
，将包含共同点的邻近待补偿点集合取并集，得到待补偿区域/>
Figure QLYQS_91
；
S54、从待补偿区域
Figure QLYQS_92
中选出位于配合曲面/>
Figure QLYQS_93
中的配合面待补偿区域/>
Figure QLYQS_94
。/>
7.根据权利要求1所述的飞机大型骨架精准协调修配方法，其特征在于：在步骤S6中：
将待补偿区域坐标变换至机器人末端执行器坐标系上是通过标定骨架上的特定点确定转换关系完成的；
由机器人在实际骨架与蒙皮配合面待补偿区域涂抹液体垫片，涂抹液体垫片的厚度可大于待补偿区域实测点云到理论数模的距离。
8.根据权利要求1所述的飞机大型骨架精准协调修配方法，其特征在于：在步骤S7中：
由数控机床对实际骨架与蒙皮配合面进行铣削是在步骤S6中涂抹的液体垫片凝固后进行的，步骤S6中液体垫片的厚度大于待补偿区域实测点云到理论数模距离的部分在此步骤中将被切除。
CN202310473101.XA 2023-04-28 2023-04-28 一种三维实测数据驱动的飞机大型骨架精准协调修配方法 Active CN116204990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310473101.XA CN116204990B (zh) 2023-04-28 2023-04-28 一种三维实测数据驱动的飞机大型骨架精准协调修配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310473101.XA CN116204990B (zh) 2023-04-28 2023-04-28 一种三维实测数据驱动的飞机大型骨架精准协调修配方法

Publications (2)

Publication Number Publication Date
CN116204990A true CN116204990A (zh) 2023-06-02
CN116204990B CN116204990B (zh) 2023-07-07

Family

ID=86513244

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310473101.XA Active CN116204990B (zh) 2023-04-28 2023-04-28 一种三维实测数据驱动的飞机大型骨架精准协调修配方法

Country Status (1)

Country Link
CN (1) CN116204990B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116817771A (zh) * 2023-08-28 2023-09-29 南京航空航天大学 一种基于圆柱体素特征的航天零件涂层厚度测量方法
CN117494534A (zh) * 2024-01-03 2024-02-02 南京航空航天大学 一种基于点云与有限元分析的飞机蒙皮修配方法
CN117647220A (zh) * 2024-01-25 2024-03-05 安徽省交通规划设计研究总院股份有限公司 一种基于激光点云数据的沥青路面沉陷处治方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553078A (zh) * 2020-04-29 2020-08-18 南京航空航天大学 基于实测数据引导的飞机结构加强件修配方法
CN111583318A (zh) * 2020-05-09 2020-08-25 南京航空航天大学 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法
CN112053361A (zh) * 2020-10-15 2020-12-08 南京航空航天大学 一种基于大规模点云的飞机蒙皮对缝检测方法
CN114741793A (zh) * 2022-04-22 2022-07-12 成都飞机工业（集团）有限责任公司 飞机部件框梁间隙设计方法、装置、设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553078A (zh) * 2020-04-29 2020-08-18 南京航空航天大学 基于实测数据引导的飞机结构加强件修配方法
CN111583318A (zh) * 2020-05-09 2020-08-25 南京航空航天大学 一种基于翼身实测数据虚拟对接的整流蒙皮修配方法
CN112053361A (zh) * 2020-10-15 2020-12-08 南京航空航天大学 一种基于大规模点云的飞机蒙皮对缝检测方法
CN114741793A (zh) * 2022-04-22 2022-07-12 成都飞机工业（集团）有限责任公司 飞机部件框梁间隙设计方法、装置、设备和存储介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116817771A (zh) * 2023-08-28 2023-09-29 南京航空航天大学 一种基于圆柱体素特征的航天零件涂层厚度测量方法
CN116817771B (zh) * 2023-08-28 2023-11-17 南京航空航天大学 一种基于圆柱体素特征的航天零件涂层厚度测量方法
CN117494534A (zh) * 2024-01-03 2024-02-02 南京航空航天大学 一种基于点云与有限元分析的飞机蒙皮修配方法
CN117494534B (zh) * 2024-01-03 2024-03-22 南京航空航天大学 一种基于点云与有限元分析的飞机蒙皮修配方法
CN117647220A (zh) * 2024-01-25 2024-03-05 安徽省交通规划设计研究总院股份有限公司 一种基于激光点云数据的沥青路面沉陷处治方法
CN117647220B (zh) * 2024-01-25 2024-04-26 安徽省交通规划设计研究总院股份有限公司 一种基于激光点云数据的沥青路面沉陷处治方法

Also Published As

Publication number Publication date
CN116204990B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN116204990B (zh) 一种三维实测数据驱动的飞机大型骨架精准协调修配方法
CN109272524B (zh) 一种基于阈值分割的小尺度点云噪声去噪方法
CN109919984A (zh) 一种基于局部特征描述子的点云自动配准方法
CN110095060A (zh) 基于三维扫描技术的钢结构快速质量检测方法
CN107301648B (zh) 基于重叠区域边界角度的冗余点云去除方法
CN109934855A (zh) 一种基于点云的带电作业场景电力部件三维重建方法
CN104392476B (zh) 基于最小包围盒算法提取隧道三维轴线的方法
CN109918755B (zh) 一种基于点云数据的低刚度制件装配变形预测方法
CN104515478A (zh) 一种高精度的航空发动机叶片自动三维测量方法和系统
CN110728667A (zh) 一种基于灰度图像概率的刀具磨损量自动精确测量方法
CN112762899B (zh) 一种激光点云加bim模型在可视化变电站中与视频信息的融合方法
CN110328674A (zh) 一种激光切割机器人
CN112802070B (zh) 一种基于多描述子投票的飞机蒙皮局部点云定位方法
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
CN114055255A (zh) 一种基于实时点云的大型复杂构件表面打磨路径规划方法
CN113192116A (zh) 基于结构光相机的航空叶片厚度参数量测方法
WO2023142608A1 (zh) 获得飞机面型的系统和方法
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
CN114353690A (zh) 大型铝合金环形锻件圆度在线检测装置及其检测方法
CN115203778A (zh) 隧道超欠挖检测方法、装置、终端设备及存储介质
CN115018249A (zh) 一种基于激光扫描技术的地铁站施工质量评价方法
CN116541638B (zh) 一种基于张量投票的飞机蒙皮修配加工路径计算方法
CN112179282B (zh) 一种适用于装配间隙数字化测量的点云数据模型虚拟装配方法
CN116563350A (zh) 基于3d ndt-icp算法的掘进巷道点云配准方法
CN112581521B (zh) 一种磁浮轨道中心线提取方法

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