基于三維匹配的復(fù)雜曲面零件質(zhì)量檢測方法研究基于三維匹配的復(fù)雜曲面零件質(zhì)量檢測方法研究.pdf

1、復(fù)雜曲面零件在機(jī)械領(lǐng)域有著廣泛的應(yīng)用，其設(shè)計(jì)、加工以及檢測涉及多方面的高精尖技術(shù)。尤其是航空航天、造船、汽車等領(lǐng)域，對(duì)復(fù)雜曲面零件的加工精度和效率有著更為嚴(yán)格的要求。當(dāng)前，NURBS方法能解決曲面零件的設(shè)計(jì)問題，多自由度數(shù)控機(jī)床以及快速成型技術(shù)能完成復(fù)雜零件的加工，同時(shí)效率成倍增加。但是，由于曲面零件存在易變形、幾何特征復(fù)雜等問題，因此對(duì)其加工質(zhì)量的檢測得到了人們?cè)絹碓蕉嗟年P(guān)注。近年來，隨著計(jì)算機(jī)視覺和模式識(shí)別技術(shù)的不斷發(fā)展，非接觸式檢

2、測方法在該領(lǐng)域的應(yīng)用越來越多。尤其是三維匹配檢測技術(shù)作為數(shù)字化制造領(lǐng)域的重要內(nèi)容，為復(fù)雜曲面零件的設(shè)計(jì)和制造提供了強(qiáng)大的支持。本文以提高復(fù)雜曲面零件的檢測精度和效率為目的，分別對(duì)匹配檢測過程中的模型精簡、點(diǎn)云描述、粗匹配以及精匹配進(jìn)行了詳細(xì)分析，主要研究工作如下。
　　首先，針對(duì)原始掃描模型數(shù)據(jù)規(guī)模龐大且冗余點(diǎn)較多的問題，提出一種基于定向Hausdorff距離的混合點(diǎn)云精簡算法。算法第一步基于各點(diǎn)的曲率值對(duì)點(diǎn)云進(jìn)行特征粗分類，并利

3、用聚類方法實(shí)現(xiàn)特征點(diǎn)的二次細(xì)分。第二步，基于定向Hausdorff距離技術(shù)采用區(qū)域增長方法實(shí)現(xiàn)精簡過程中模型邊界點(diǎn)的有效保留。結(jié)合以上兩種策略，所提方法能夠在減小掃描模型規(guī)模的基礎(chǔ)上有效保留點(diǎn)云的特征和邊界點(diǎn)，從而使得精簡模型可以最大程度地反應(yīng)測量模型真實(shí)的三維信息，該方法能夠在滿足精度要求的同時(shí)保證模型的簡度。
　　其次，針對(duì)三維坐標(biāo)數(shù)值不足以對(duì)模型各點(diǎn)細(xì)節(jié)進(jìn)行有效描述的問題，提出一種基于電場性質(zhì)的高維矢量描述器?？紤]到三維點(diǎn)云

4、與電子云的多種相似屬性，把模型點(diǎn)云類比為一片達(dá)到靜電平衡狀態(tài)的電子云。利用靜電場中的電場力、電場強(qiáng)度、電勢能以及電荷密度等屬性作為點(diǎn)特征描述子，對(duì)各點(diǎn)進(jìn)行高維描述。此描述器能夠更加具體、詳細(xì)及全面地反應(yīng)各點(diǎn)的內(nèi)在屬性，從而為后續(xù)匹配操作提供更加精確的對(duì)應(yīng)關(guān)系。此外，通過特征閾值的設(shè)定可以對(duì)點(diǎn)的特定屬性進(jìn)行提取，實(shí)現(xiàn)模型特征點(diǎn)的有效檢索，為后續(xù)高精度的匹配提供保障。
　　再次，針對(duì)兩片重合度較低的點(diǎn)云存在匹配困難的問題，提出一種基于

5、局部坐標(biāo)系的點(diǎn)云粗匹配方法?；诖樵凕c(diǎn)和其鄰域點(diǎn)集的關(guān)系，利用特征值分解法構(gòu)建局部坐標(biāo)系，并基于隨機(jī)采樣一致性算法求解空間轉(zhuǎn)換矩陣。該方法計(jì)算簡單不需要反復(fù)的迭代操作，即可為后續(xù)的精匹配提供較好的初始解，從而加速整個(gè)匹配的計(jì)算過程。此外，通過引入兩個(gè)分別與分辨率和距離相關(guān)的權(quán)重系數(shù)，該粗匹配方法具有較強(qiáng)的魯棒性，能夠?yàn)閮蓚€(gè)重合度較低的模型提供較好的匹配結(jié)果。該方法尤其適用于從多角度獲得的不同點(diǎn)云模型的匹配操作，從而完成模型的三維重構(gòu)。

6、接著，針對(duì)現(xiàn)有精匹配算法對(duì)點(diǎn)云的初始位置和異常點(diǎn)的影響比較敏感的問題，提出一種基于改進(jìn)果蠅算法的點(diǎn)云精匹配算法。該方法從點(diǎn)云匹配問題的本質(zhì)出發(fā)，在算法的編碼、初始化方法、匹配優(yōu)化策略的分析以及個(gè)體尋優(yōu)能力的優(yōu)化等方面做了具體的分析和介紹，設(shè)計(jì)了一種具有較強(qiáng)全局搜索能力的精匹配算法。接著，利用標(biāo)準(zhǔn)數(shù)據(jù)和帶噪聲數(shù)據(jù)分別對(duì)多種復(fù)雜初始位置模型進(jìn)行了仿真匹配實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果驗(yàn)證了所設(shè)計(jì)方法計(jì)算精度高、魯棒性好，能夠克服現(xiàn)有精匹配方法的缺點(diǎn)。