基于自适应迭代最小二乘的叶片后缘参数估计

为了解决燃气轮机叶片后缘轮廓参数辨识的难题,提出了自适应迭代最小二乘法.通过三维激光测量系统得到叶片后缘三维轮廓点云数据,测量精度±5μm,使用该算法对后缘所有截面进行拟合,拟合精度±0.001 mm.通过在不同程度高斯噪声下仿真后缘测量数据,对比分析了两种算法的拟合效果.自适应迭代最小二乘法对叶片后缘轮廓的高精度、高效率参数辨识有着重要意义.     

基于稀疏图像序列的雕塑点自动云三维重构方法

为了提高对雕塑点稀疏图像的点云三维重建的分析能力,提出一种基于稀疏图像序列的雕塑点自动云三维重构方法,基于稀疏散乱点三维重建和锐化模板特征匹配方法进行图像三维重建。采用三维角点检测和边缘轮廓特征提取方法,进行雕塑点稀疏图像三维点云特征检测,对检测的雕塑点稀疏图像点云数据进行信息融合处理,采用梯度运算方法进行特征分解,实现对雕塑点稀疏图像的信息增强和融合滤波。结合局部均值降噪方法进行图像的提纯处理,提高雕塑点稀疏图像轮廓重建能力,采用锐化模板特征匹配和块分割技术,实现雕塑点自动云三维重构。仿真结果表明,采用该方法进行雕塑点自动云三维重构的准确性较高,图像匹配能力较好,且重构输出信噪比较高。     

三维轮廓光切法测量的图像获取及处理

介绍了基于光切法的脚型三维轮廓测量原理，针对多CCD光切测量系统组成，提出一种使用中轴跟踪和改进测偏原理相结合的高精度提取轮廓光带中心线的新方法，详述了光切面轮廓图像的提取及处理过程，并通过对提取中心线的坐标变换，获得了完整的脚型断面轮廓数据。实验结果表明该方法处理效果令人满意。     

基于改进LMedS算法和贪心估计的相位立体匹配

为了改善基于相位测量轮廓术的测量系统测量效率低、系统稳定性差等缺陷,提出一种基于改进LMedS算法和贪心估计策略的快速相位立体匹配方法.首先在LMedS算法中引入平差函数模型,通过及时剔除错误样本减少计算成本函数的累加次数,不仅保持了LMedS算法的良好鲁棒性,而且有效地减少了算法的计算量;用贪心估计策略对改进的LMedS算法获得的初始内点集进行优化,剔除相对匹配程度较差的内点,并用优化的内点集求解基本矩阵,进一步提高算法的估计精度和鲁棒性;最后结合相位立体匹配原理对实物进行了三维重建,分析比较了传统的基于摄像机标定结果的相位立体匹配方法与改进方法的性能.实验结果表明,该方法满足三维形貌测量对实时性、鲁棒性和精度的要求,测量数据完整、可靠.     

基于3D-ICT图像的涡轮叶片形面点云高精度提取技术

为了高精度提取涡轮叶片内外形面点云数据,提出了基于叶片3D-ICT图像的轮廓追踪方法.对轮廓追踪与细化过程中出现的干扰环、孤立点、轮廓片断的处理进行了分析;为了进一步提高轮廓追踪的精度,利用矩匹配方法进行二次追踪,使得轮廓坐标精度达到亚像素级.实验结果表明,该方法可以得到叶片内外形面有序、密集的高精度点云数据.     

基于线结构光的三维坐标测量技术研究

传统的口腔修复体三维点云数据测量技术难以满足精度要求。为此,提出一种基于线结构光的三维坐标测量方法。在摄像机标定过程中,采用最小二乘法计算光平面方程,使用平移扫描和旋转扫描获取物体表面三维数据,以避免求解摄像机内外参数。实验结果表明,重建后的三维模型可以满足高精度近景三维测量的要求。     

相位测量轮廓术用于皮肤表面纹理检测

皮肤表面测量技术是医学和化妆品研究领域很为关注的技术,采用相位测量轮廓系统对人手的皮肤表面进行三维高精度测量.高度方向测量精度±0.03mm,水平方向点阵分辨率0.05mm.可以迅速无创伤、舒适度高、反复对同一块皮肤进行观察和测量.因此相位测量轮廓方法应用于皮肤表面纹理的评定以及测量具有突出的现实意义.     

基于相关匹配的结构光测量数据的融合方法

针对结构光三维测量中利用旋转平台进行数据融合提出了一种基于相关匹配的结构光测量数据的融合方法,利用相关物面进行匹配求出旋转平台的旋转角度,利用这个角度就可以实现对测量结果的三维数据融合。实验表明,该方法可行有效,可以达到较高的精度。     

基于相关匹配的结构光测量数据的融合方法

针对结构光三维测量中利用旋转平台进行数据融合提出了一种基于相关匹配的结构光测量数据的融合方法．利用相关物面进行匹配求出旋转平台的旋转角度．利用这个角度就可以实现对测量结果的三维数据融合。实验表明．该方法可行有效，可以达到较高的精度。     

基于建筑物轮廓的地面激光点云与影像匹配点云配准研究

为了高精度融合异源数据,进而充分表达建筑物的顶面及立面信息,提出基于建筑物轮廓特征的地面激光点云与影像匹配点云配准方法.通过边缘估计提取影像匹配点云建筑物屋顶轮廓,利用α-shape算法匹配提取地面激光点云建筑物屋檐轮廓,运用主成分分析算法、质心约束及罗德里格斯公式实现两种轮廓点云的粗配准,根据ICP算法完成精配准.实验结果表明该方法能够实现跨模态数据的优势互补,有效提高影像与点云配准的计算效率和配准精度.     

基于激光测量的航发叶片表面几何缺陷识别技术

针对航发叶片修复检测的应用,提出了一种基于截面线一阶导矢法的叶片型面缺陷识别方法.该方法是以等高线法处理测量点云中的截面数据,通过B样条插值函数拟合成光滑曲线;再由B样条曲线的一阶导矢公式求出每个测点的一阶导数,然后以点斜公式求出截面曲线上各个测点的切线;如果曲线光滑,曲线上测点的斜率变化在两端点斜率值之间,否则表明曲线上有缺陷存在;根据k-d树的最近点搜索算法,遍历整个叶盆(叶背)就可以找到叶盆(叶背)上的缺陷区域.通过与三坐标测量实验比对,该技术可以实现3μm精度的缺陷识别.     

Weld-seam identification and model reconstruction of remanufacturing blade based on three-dimensional vision

Remanufacturing technique has been widely used for repairing the damaged regions of aero-engine blades. As the irregularity of weld-seam shape and uneven residual height pose great challenges for the subsequent precision grinding and polishing, it is necessary to use the high efficiency and precision measurement method to obtain a true and accurate weld-seam model, especially in the boundary areas. Therefore, a measurement approach for weld-seam identification and model reconstruction of the remanufacturing blade based on self-developed binocular vision system is presented in this work. The calculation of three-dimensional reconstruction and the complexity of subsequent point cloud processing were reduced by coarse positioning firstly, and then the weld-seam was located precisely by point cloud segmentation based on the region growth algorithm and point cloud normal filtering method. On this basis, a true weld-seam model with precise boundary was obtained. The average error of the boundary extracted by proposed method is about 0.263 mm lower than that of the traditional method. In addition, the B-spline surface was fitted according to the point cloud without weld-seam feature, and a theoretical machining model was obtained by cutting of B-spline surface along the weld-seam boundary. Furthermore, the results of verification experiment indicated that the smoothness error of machined blade surface was less than 0.025 mm and the machining error was less than 0.07 mm. This method has obvious advantages in calculation efficiency and reconstruction accuracy of theoretical machining model while compared with traditional measurement methods for the remanufacturing blade, which is beneficial to improve the machining quality and efficiency of the remanufacturing parts.     

一种无标记点三维点云自动拼接技术

基于相位投影和双目的三维光学测量系统已经广泛应用于各领域.受投影光测量系统单次测量范围大小的限制,对大型物体的测量需要在表面粘贴圆形标记点进行多次拼接的缺点,探讨一种基于SIFT的无标记点自动拼接技术.该技术采用SIFT方法获取两次测量的特征点,其次结合RANSAC求出图像特征点的匹配关系,再根据立体匹配中图像特征点与三维点云之间的对应关系,将二维特征点的对应关系映射到三维点云的对应关系上,最后由SVD奇异值分解算法求得旋转和平移矩阵实现拼接.实验证明:该方法可以避免在被测量对象上粘贴标记点,能够快速准确地实现自动拼接.     

基于曲率的点云数据配准算法

为了实现不同视角下测得的数据的多视定位,提出一种点云数据配准算法。该算法针对近邻内的点,采用二次曲面逼近的方法来求得每个点的曲率,并根据曲率的Hausdorff距离来寻找有效点集,建立名义上的对应关系,最后用四元组法来求得坐标变换,把数据统一到一个坐标系下。该算法利用曲率的性质准确判断对应点集,解决了任意多视点云的拼合问题,试验结果验证了其有效性和精度。     

应用于三维点云数据去噪的改进C均值算法

针对三维激光扫描仪采集到的点云数据中离群点不易区分和去噪难度大的问题,提出了一种改进的C均值算法。通过分析三维点云数据特征,在传统C均值算法中引入模糊聚类权重因子,降低类内距离和拉大类间距离,有效增强了离群点特征以降低识别难度。进而将识别出的噪声分类别处理,利用改进的C均值算法去除大尺度噪声,构造双边滤波算法去除小尺度噪声数据。与密度聚类算法、正交整体最小二乘平面拟合和基于特征选择的双边滤波点云去噪等算法相比,去噪准确度分别提升了7.3%、6.5%和6.0%,实验结果表明该算法可以有效去除大尺度噪声并能较好地保留有效数据。     

板金属冲压零件表面模型与实测点云配准研究

为研究板料零件成形后实测点与设计原型之间的制造偏差,需要将实测坐标点云数据和产品数字模型进行配准,实现设计坐标系和实测点云数据的测量坐标系的统一。以CAD模型离散点云数据为引导,将配准过程分为初步配准和精确配准两个步骤。采用基于PCA提取特征坐标系的方法进行初步配准,采用k-d tree加速的ICP算法进行精确配准,将实测点云数据和设计原型离散点云数据转换到同一个坐标系中。基于UG NX平台将经过坐标转换的实测点云数据读入到CAD模型中,得到同一环境坐标系下配准后的实测点云数据和CAD模型,为制造偏差分析提供了基础,并进行了实例验证。     

牙颌点云数据的显著性特征提取

随着激光扫描测量技术的发展,其数据测量精度的逐渐增高使得获取的几何模型表面点云数据的细节信息越丰富,能更准确的反应物体几何表面特征,但如此海量的点云数据同时也带来对应的技术挑战,海量的点云数据在计算机文件存储、数据后期进一步处理以及软件可视化方面都不方便且效率低下.本文中的算法首先采用栅格法对点云进行空间划分及领域关系的建立,其次利用局部表面拟合的方法估算点云法向量,然后利用点云K领域法的向量求解坐标点的显著性值,最后根据显著性的值构建点云八叉树.该算法实现了对点云显著性特征的提取和对点云数据量的进一步简化,它不仅保留了对点云细节特征保持方面的优势,而且在时间效率上得到了提高.     

加工面点云数据深度学习的加工特征自动识别

加工特征识别是实现CAD/CAPP/CAM系统集成的关键技术.针对传统基于符号推理加工特征识别模式存在鲁棒性问题,提出一种基于加工面点云数据深度学习的加工特征自动识别方法;基于PointNet点云识别框架,构建了一个面向加工面点云数据的加工特征自动识别卷积神经网络;通过收集CAD模型中的加工特征面集和采样点云,构建了适...     

Estimation of planes of a rock mass in a gallery wall from point cloud data based on MD PSO

LiDAR (laser imaging detection and ranging) has been developed to measure the distance of the mesh of points on an object with a high level of accuracy. It provides high-resolution point cloud data as a result of distance measurement. Detailed 3D shapes of objects can be estimated from point cloud data. LiDAR has been used to identify discontinuities in a rock mass of a tunnel gallery wall. To identify discontinuities, it is necessary to approximate the rock mass surface with small planes. Normal vectors of the planes are important to identify discontinuities. We developed an algorithm for estimation of planes based on multi-dimensional particle swarm optimization (MD PSO) from point cloud data. Point cloud data were segmented into bounding boxes and grouped into clusters by MD PSO. Planes were estimated using the least squares method for point cloud data in the respective clusters. The newly developed algorithm based on MD PSO was evaluated using point cloud data obtained from a gallery wall. Evaluation was carried out in comparison with the previous developed variable-box segmentation (VBS) algorithm. The MD PSO-based algorithm showed a 7% higher accuracy than that of the VBS algorithm.