本发明属于先进测量技术领域，涉及一种叶片光学快速扫描方法，特别是采用两种非接触式激光位移传感器相结合的方法。
背景技术：
光学测量方式是现代工业检测领域炙手可热的先进测量手段。对于叶片这一类复杂型面物体，其表面特征多样化，且表面曲率变化范围较大，相较于接触式测量方式，采用光学测量手段可以在短时间内迅速完成物体三维形貌的测量，其测量效率高，采样数据量大，不仅在逆向工程领域具有卓越的成就，并且为后续的参数分析提供了高精度的数据支持。
然而，仅利用单一的激光式位移传感器难以满足多角度全方位的三维扫描。虽已有四轴测量机配备到工业测量中，但其以转台作为第四轴的运动方式仅能实现工件在单一测量平面内的360°旋转，对于上下端面都有测量要求的叶片来说无法对其进行完整角度的测量。因此，在四轴测量系统的基础上，配备两个以固定角度放置的激光测头，使其测量范围进行相互补偿，便可以实现叶片全部三维模型的重建，并可以进一步提高测量的精确度。
技术实现要素：
本发明的目的在于提供一种基于双测头四轴测量系统的叶片光学快速测量方案。该方法在同一四轴测量系统上将两台非基础式激光位移传感器相结合，在各自的工作范围内分别实现对于叶片的某一特定范围的测量，进而将两台传感器的测量结果相互融合，获取完整角度的物体的三维点云数据，最终实现对于叶片的精确测量。
具体步骤如下：
第一步，根据叶片的初始设计模型进行叶片表面点法矢量的计算。涉及模型的取点采样、采样点的k-近邻计算以及采样点处法矢量的计算。
第二步，计算两激光位移传感器之间的安装夹角。利用第一步中计算出的各采样点处的法矢量，以及单一传感器的测量范围，生成该传感器在四轴测量机机器坐标系中沿旋转轴的朝向。使得另一台传感器的测量范围与第一台传感器的测量范围相互补偿，以便于叶片表面的采样点被完全测到。
第三步，安装测头并进行两台非接触式激光测头之间位置关系的标定。获得两测头之间的位置转换矩阵，包含旋转矩阵和平移矩阵。
第四步，实现第一台测头的非接触式扫描。使用第一台非接触式激光测头配合四轴测量机对于叶片进行快速三维扫描，获取物体在单一测量范围内的三维点云数据。
第五步，实现第二台测头的非接触式扫描。采用和上述步骤相似的方式，使用第二台非接触式激光测头配合四轴测量机对于叶片进行再次快速三维扫描，获取物体在另一测量范围内的三维点云数据。
第六步，点云后处理。将第三步、第四步中得到的点云数据，采用k-近邻法对其进行降噪、滤波操作，经处理后的点云数据便于下一步的融合拼接。
第七步，点云融合。利用上述步骤中得到的经过后处理后的点云数据，结合两测头之间的相对位置关系，采用基于曲面法矢量的icp拼接算法进行计算融合。
有益效果
(1)本发明采用两个非接触式激光测头相结合的方式对于物体进行三维测量，有效的弥补了由于单一测头的测量所带来的数据不全面等问题，尤其对于叶片，其工件本身形貌复杂，曲率多样，使用两个安装方向不同的测头相当于在四轴测量机的基础上加入了第五个移动方位，可以获取完整的物体模型。
(2)本发明依据被测物的实际模型对其表面的法矢量进行计算分类，进而计算两测头之间的安装角度，使得测量流程更加自动化、多样化，解决了固定测量方位所带来的某些点角度点云数据缺失的问题，提高了测量精度。
附图说明：
图1为基于四轴测量机的多测头光学系统示意图；
其中：1为第一激光测头；2为第二激光测头；3为被测物体。
具体实施方式：
下面结合附图对本发明或者发明做进一步详细描述：
参见图1，一种叶片形状快速扫描方法，具体包括以下步骤：
第一步，利用叶片初始模型进行表面点法矢量的计算。
1)利用叶片的初始设计模型，对其进行取点采样，获取初始设计模型的点云数据。
2)采用最小二乘平面拟合的算法，对上述取样点逐点进行法矢量方向的求取。
(1)首先计算每一个测点xi的k-近邻。目前常见的k-近邻计算方法有空间单元格法、八叉树法和k-d树法。本发明中采用空间单元格法。其算法原理如下。
设p＝{p1,p2,...,pn}是未知的待重建曲面s上的一个采样点集，s中与待测点pi距离最近的k个待测点成为这一点的k-近邻，记做nb(p)。该算法首先读入测量点集文件，将数据点的坐标存入三个一组数组中分别得到测量点集在x、y、z方向上的最大值和最小值。利用三个方向的极值形成一个与坐标轴平行的最小长方体包围盒，并根据测点的数量和分布将长方体包围盒按三个坐标方向划分出m×n×l个子立方体，然后判断每个数据点所在的子立方体，将数据点的序号添加到该子立方体对应的线性链表中。
如果定义三个方向上最小坐标值为：sub_min_x,sub_min_y,sub_min_z；最大坐标为：sub_max_x,sub_max_y,sub_max_z；子立方体的长度为sub_size；当前点的三维坐标值为：p_x,p_y,p_z；那么子立方体在三个坐标轴方向的个数分别为：
则当前点在子立方体中三个坐标轴方向的索引号分别为：
如此一来，在计算某个散乱点pi的k-近邻时，首先计算该点所在子立方体的索引号，然后对其所在子立方体及相邻的上下、左右、前后共27(3x3x3)个子立方体中查找k个最近邻的点。为每个数据点建立一个链表数据结构，pi与子立方体总数据点的距离由小到大排列于该链表中，取前k个节点即为所求。当然，这种搜索方法会造成有些点(例如边界点)的k-近邻点的个数少于k，所以要对该点的近邻进行修正，让其临近点的个数大于等于k，即把那些k-近邻的个数小于k的点查找出来，在更大的范围中求这些点的二次k-近邻，从而使这些点的近邻点的个数大于等于k。
(2)利用这些近邻点拟合一个最小二乘平面p(xi)作为待重建曲面在该点处的切平面，方法如下:
平面方程的一般表达式为：
ax+by+cz+d＝0,(c≠0)
记：
则：z＝a0x+a1y+a2
平面方程拟合：
对于测点附近的k个邻域点：
(xi,yi,zi),i＝0,1,…,k-1
要用点(xi,yi,zi),i＝0,1,…,k-1拟合计算出最小二乘平面，则使：
要使得s最小，应满足：
即：
有，
或，
解上述线性方程组，得：a0,a1,a2
即：z＝a0x+a1y+a2
(3)计算上述切平面的单位法矢ni，ni作为测点xi的法矢量。
第二步，计算两激光位移传感器之间的安装夹角。
利用第一步中计算出的各采样点处的法矢量，计算每点处法矢量方向与四轴测量机坐标系中z轴方向的夹角，该夹角即为非接触式激光位移传感器进行扫描测量时沿旋转轴方向的夹角。求取上述夹角的平均值作为阈值，将测量点分布在两台激光器的测量范围内。可使得所有测量点被完全覆盖的两激光器之间的夹角即为所求夹角。
第三步，标定两激光测头之间的坐标对应关系。
1)在安装座上安装好激光测头，保证安装位置正确可靠。
2)分别用两台非接触式测头对测量机工作台面上固定位置的标准球进行测量。
3)对测量所得数据进行处理，分别拟合出标准球的球心坐标，在第一台非接触式测量坐标系oxyz下球心坐标p(x,y,z)，在第二台非接触式测量坐标系o′x′y′z′下球心坐标p′(x′,y′,z′)。
4)在这两个坐标系下球心的坐标位置关系为：
由上式可知，方程有12个未知数，因此重复上述测量步骤，测得12组以上球心坐标数据，采用n>12组对应球心坐标建立超静定方程组，应用最小二乘法求解。其中：
第四步，实现第一台测头的非接触式扫描。
1)建立工件坐标系。为方便实现测试系统的自动测量，需建立工件坐标系。选择叶片一固定特征点或叶片夹具某一固定特征点为工件坐标系原点，测量机的三个导轨方向为坐标轴xyz方向，以此建立工件坐标系。
2)利用第一台非接触式测头配合四轴测量机对叶片全身进行三维扫描，得到该测量范围内全部的叶片点云数据。
第五步，实现第二台测头的非接触式扫描。利用第二台非接触式测头对叶片全身进行三维扫描，得到该测量范围内全部的叶片点云数据。
第六步，点云后处理。利用k-近邻法对叶片点云数据进行平滑去噪，包括两部分，即第一步中包含的k-近邻搜索和基于k-近邻的噪声点去除。
1)k-近邻搜索
步骤同第一步中k-近邻搜索。
2)基于k-近邻的噪声点去除
建立好散乱点之间的拓扑关系之后，原则上就可以借助图像处理中的滤波算法对数据点进行去噪处理。搜索到每个点的k-近邻之后，文献采用邻域平均法进行噪声点去除。具体算法描述如下：
(1)读入三维散乱数据点云；
(2)利用空间单元格法建立点云拓扑关系；
(3)搜索点云中任意一点pi∈s的k-近邻nb(p)；
(4)计算当前点pi与其k-近邻内各点之间的距离，取其平均值dmid(pi)，即：
(5)判断该平均距离dmid(pi)是否超过设定的阈值dσ，若超过，即：
dmid(pi)＞dσ，则认为该点是离群噪声点，将其删除；
(6)重复(3)-(5)，直到处理完点云中所有数据点。
第七步，点云融合。采用基于曲面法矢量的icp拼接算法对由两独立激光测头测量得到的叶片点云进行计算融合，包含了两个部分，不同坐标系下的坐标转换以及基于曲面法矢量的icp点云拼接。
1)不同坐标系下的坐标转换。
以第一个激光测头所在的坐标系作为基准坐标系，将第二个激光测头所测量出的数据转换到基准坐标系下。设由第二个激光测头测量得到点p(x,y,z)，转换到基准坐标系后对应为点p′(x′,y′,z′)，其转换关系为：
2)基于曲面法矢量的icp点云拼接
(1)点云重叠区域判定
由于在旋转台上得到的点云有很多误差较大的边缘点。为了减少因为两点云间不共同的部分和误差较大的点所造成的匹配。同时为了减少点云匹配查找匹配点时不必要的大量查找工作，因此在进行初始配准前，首先通过判定两点云重叠区域来缩小点云共同区域的考虑范围。根据点云数据获得每部分点云的区域范围，检查每个点云中的点是否处于另一个点云的范围之内，来剔除不符合要求，即不属于所定义的重叠范围内的点具体判定步骤如下：
(a)快速计算出参考点云中的点在x、y、z轴三个方向的最大值和最小值，并将得到的xmax,ymax,zmax，xmin,ymin,zmin设置为下一步的判定阈值
(b)将目标点云中的点逐一与以上六个阈值比较。(x,y,z)是目标点云中的点的三维坐标：
如果x＜xmin或者x＞xmax则剔除该点；
如果y＜ymin或者y＞ymax则剔除该点；
如果z＜zmin或者z＞zmax则剔除该点；
(c)同理将新生成的目标点云代入步骤(a)，将参考点云代人步骤(b).进行重叠区域判断。
(2)利用点法向量特征的icp匹配
利用曲面的特征信息，通过计算点云中通过重叠区域判定的点所在曲面的法向量，来作为判断匹配点的约束条件。考虑到得到的点云间不仅仅有平移量，而且还有一定的旋转量，所以将考虑匹配点的法向量夹角设定一定的阈值.如夹角设为0，即法向量夹角在0以下的点可以进行最小距离函数的判定。因此采用两步法，即先通过法向量判断约束减少误匹配可能，再利用最近点算法匹配，具体方法如下：
(a)选取参考点云中一点，从目标点云中获得待匹配点，将两点法向量进行单位化，进行向量点乘运算，获得两向量夹角的余弦值。
(b)如果余弦值小于设定的阈值cos0，则返回步骤(a)，否则进入下一步：
(c)利用最小距离函数，查找计算出最近匹配点并存储。
通过以上的利用曲面法向量约束的最近点对判断方法，可以较为准确的找到参考点云和目标点云对应部分的点，成功实现对基于旋转平台的光学三维检测系统所获得的三维点云的初始配准
3)精确icp拼接
具体步骤如下：
(a)计算得到的所有点对的标准方差距离，记为l；
(b)对每个点对的距离与3xl进行比较，如果距离大于此阈值，则剔除，否则保存入匹配点对。
至此，便实现了两台不同激光测头下的数据融合，实现了全角度的叶片三维模型的建立。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内，当可利用上述揭示的方法及技术内容作出些许的更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，仍属于本发明技术方案的范围内。