复杂曲面零件非接触式三维匹配检测优化方法
【专利摘要】本发明公开了一种复杂曲面零件非接触式三维匹配检测优化方法，包括：对待检测的复杂曲面零件CAD模型与扫描模型执行采样；将复杂曲面零件CAD模型与扫描模型执行重心对齐；计算复杂曲面CAD模型与扫描模型之间的对应点对；基于布谷鸟算法得到转换矩阵；根据转换矩阵更新复杂曲面零件的扫描模型；复杂曲面零件扫描模型与CAD模型之间执行匹配误差计算，并执行迭代更新。通过本发明，能够有效解决现有技术中计算收敛速度慢、且易陷入局部最优的问题，并尤其适用于大型复杂曲面零件如航空发动机叶片的高精度质量检测用途。
【专利说明】复杂曲面零件非接触式三维匹配检测优化方法
【技术领域】
[0001] 本发明属于零件加工及检测【技术领域】，更具体地，涉及一种复杂曲面零件非接触 式三维匹配检测优化方法。
【背景技术】
[0002] 目前，对于较高精度的复杂曲面零件检测主要有两类方法：接触式测量法和非接 触式测量法。接触式测量采用传统的三坐标测量机对零件进行逐点采样，测量精度较高，但 该方法测量效率低，而且对被测零件的材质有特殊要求。随着计算机视觉及模式识别技术 的不断发展，非接触式测量技术以其较高的测量速度和精度在复杂曲面零件检测领域得到 越来越广泛的应用。
[0003] 非接触式测量利用光学扫描仪获得不同角度的扫描点集，然后对这些点集进行拼 合，得到完整的零件扫描点集，通过扫描点集与CAD模型点集匹配分析获得零件的误差信 息。在标准的检测环节，一般主要考虑加工误差，却忽略了测量误差对检测结果的影响；事 实上，但是如果匹配本身的误差并没有达到理想的数量级，则会得到错误的测量结果，尤其 在高精度复杂曲面零件的匹配检测过程中更要使匹配误差降到最低。
[0004] 现有技术中的匹配检测技术应用最为广泛的是Besl等人于1992年提出的 ICP(Iterative Closest Point)算法，美国Geomagic公司著名的Geomagic Studio软件 以及斯坦福大学开发的Scanalyze软件都是基于ICP算法实现点集匹配。但是，ICP算法 在执行匹配时对两片点云的初始位置有要求，即在算法执行前需对两片点集进行粗匹配操 作，且该算法利用奇异值分解或四元数法获得刚体变换矩阵，容易陷入局部最优，对一些复 杂的模型不能保证得到匹配的最优解。CN101847262A公布了一种快速三维点云搜索匹配 法，匹配过程包括低精度搜索和高精度搜索，相应增加了算法的复杂性；CN102034104A公 布了一种三维点云中基于随机采样一致性的特征线检测方法，该方法的关键环节是获得点 云的特征线，但对一些尖锐特征不明显或曲率变化比较平滑的零件，该检测方法同样存在 较大误差。
【发明内容】
[0005] 针对现有技术的以上缺陷或改进需求，本发明提供了一种复杂曲面零件非接触式 三维匹配检测优化方法，其中通过结合复杂曲面零件自身的结构特点，采用优化后的布谷 鸟算法来设计其三维匹配检测工艺同时对其关键工艺流程进行改进，测试表明能够有效解 决现有技术中收敛速度慢、且易陷入局部最优的问题，并尤其适用于大型复杂曲面零件如 航空发动机叶片的高精度质量检测用途。
[0006] 为实现上述目的，按照本发明的一个方面，提供了一种复杂曲面零件非接触式三 维匹配检测优化方法，其特征在于，该方法包括下列步骤：
[0007] (a)对待检测的复杂曲面零件执行首次扫描以获得多个三维测量点，然后对对 三维测量点及对应的CAD模型离散点分别二次采样进行精简，由此获得作为匹配比较对 象的两片点云；此外，将对应CAD模型的点云设定为2 =以,J，对应零件的测量点云设定为 户=彳/),」_，其中j= 1，. ..，rVi= 1，. . .，np,nq、np分别表示点云Q和点云P的点的总数；
[0008] (b)基于以下公式（一）和（二）分别计算出两片点云Q、P各自的重心么和4， 然后将两片点云移动至同一XYZ坐标系下，并将其各自的重心与坐标原点相重合，其中 元_、/),.分别表示两片点云Q、P中的各个点，且每个点以三维坐标值的形式表示：
【权利要求】
1. 一种复杂曲面零件非接触式三维匹配检测优化方法，其特征在于，该方法包括下列 步骤： (a) 对待检测的复杂曲面零件执行首次扫描以获得多个三维测量点，然后对三维测量 点及对应的CAD模型离散点分别二次采样进行精简，由此获得作为匹配比较对象的两片 点云；此外，将对应CAD模型的点云设定为2=丨元丨，对应复杂曲面零件的测量点云设定为 尸=彳A!_，其中j= 1，. ..，rVi= 1，. . .，np,ripnp分别表示点云Q和点云P的点的总数； (b) 基于以下公式（一）和（二）分别计算出两片点云Q、P各自的重心这和然后 将两片点云移动至同一XYZ坐标系下，并将其各自的重心与坐标原点相重合，其中&、A: 分别表示两片点云Q、P中的各个点，且每个点以三维坐标值的形式表示：
(c) 保持点云Q固定不动，依次遍历点云P中的每一个点，在点云Q中寻找相对距离最 近的点作为对应点，进而形成点对，即使得系与A4目对应； (d) 基于布谷鸟算法，在上述XYZ坐标系内将点云P以绕着xyz三轴执行角度旋转和沿 着xyz三轴执行距离平移的方式，随机生成6个变量，然后将其进行编码作为个体并组成布 谷鸟种群；接着，在进行迭代计算时，对个体进行解码生成包含旋转矩阵4和平移矩阵;f两 部分的转换矩阵$，其中旋转矩阵及表示点云P分别沿着所述xyz三轴执行角度旋转而获 得的3行X3列的旋转矩阵，平移矩阵f表示点云P分别沿着所述xyz三轴执行距离平移 所获得的3行X1列的平移向量，然后，依照下列的函数式（三）对点云P执行更新：
(e) 基于以下公式（四）计算点云P与点云Q之间的匹配误差值ER:
其中，免表示点云Q中与点戶距离最近的对应点，且每个点以三维坐标值的形式表 示；IIX||表示对X取绝对值；并且当计算出的匹配误差值大于预设的匹配阈值时，基于步 骤（d)的函数式对点云P执行迭代更新，直至计算出的匹配误差值小于或等于所述匹配阈 值时为止，并获得当前对应下的最优转换矩阵； (f) 基于步骤（e)所得到的当前最优转换矩阵对点云P进行更新，然后同样基于所述公 式（四）来计算更新后的点云P与点云Q之间的匹配误差值，并且当计算出的匹配误差值 大于所述匹配阈值时，返回至步骤（c)重新计算点云Q与点云P的对应点对，并继续进行循 环，直至计算出的匹配误差值小于或等于所述匹配阈值时为止，由此完成整个的三维匹配 检测优化过程。
2. 如权利要求1所述的三维匹配检测优化方法，其特征在于，在步骤（a)中，利用近似 模型理论来执行所述二次采样。
3. 如权利要求1或2所述的三维匹配检测优化方法，其特征在于，在步骤（c)中，优选 采用K-D树法来加速对两片点云Q、P之间点对的寻找。
4. 如权利要求1-3任意一项所述的三维匹配检测优化方法，其特征在于，所述复杂曲 面零件优选为航空发动机叶片。
5. -种复杂曲面零件非接触式三维匹配检测优化方法，其特征在于，该方法包括下列 步骤： (i) 对待检测的复杂曲面零件执行首次扫描以获得多个三维测量点，然后对三维测量 点及对应的CAD模型离散点分别二次采样进行精简，由此获得作为匹配比较对象的两片 点云；此外，将对应CAD模型的点云设定为（?=以丨，对应复杂曲面零件的测量点云设定为 尸=.丨A_!，其中j= 1，. . .，rVi= 1，. . .，np,ripnp分别表示点云Q和点云P的点的总数； (ii) 基于以下公式（一）和（二）分别计算出两片点云Q、P各自的重心泛和然后 将两片点云移动至同一XYZ坐标系下，并将其各自的重心与坐标原点相重合，其中元_、A分别表示两片点云Q、P中的各个点，且每个点以三维坐标值的形式表示：
(iii) 保持点云Q固定不动，依次遍历点云P中的每一个点，在点云Q中寻找相对距离 最近的点作为对应点，进而形成点对，即使得名与A相对应； (iv) 基于布谷鸟算法，在上述XYZ坐标系内将点云P以绕着xyz三轴执行角度旋转和 沿着xyz三轴执行距离平移的方式，随机生成6个变量，然后将其进行编码作为个体并组成 布谷鸟种群；接着，在进行迭代计算时，对个体进行解码生成包含旋转矩阵及和平移矩阵f 两部分的转换矩阵fs，其中旋转矩阵及表示点云P分别沿着所述XYZ坐标系的xyz三轴执 行角度旋转而获得的3行X3列的旋转矩阵，平移矩阵7_'表示点云P分别沿着所述XYZ坐 标系的xyz三轴执行距离平移所获得的3行X1列的平移向量，然后，依照下列的函数式 (三）对点云P执行更新：
(v) 基于以下公式（四）计算点云P与点云Q之间的匹配误差值ER:
其中，系表示点云Q中与点距离最近的对应点，且每个点以三维坐标值的形式表 示；IIX||表示对X取绝对值；并且当计算出的匹配误差值大于预设的匹配阈值时，基于步 骤（iv)的所述函数式对点云P执行迭代更新，并返回至步骤（iii)重新计算点云Q与点云 P的对应点对，然后继续进行循环，直至计算出的匹配误差值小于或等于所述匹配阈值时为 止，由此完成整个的三维匹配检测优化过程。
【文档编号】G06F17/50GK104484508SQ201410699839
【公开日】2015年4月1日 申请日期:2014年11月26日 优先权日:2014年11月26日
【发明者】高亮, 李太峰, 李新宇, 肖蜜 申请人:华中科技大学