大型高温锻件热态在位检测方法

摘要

本发明涉及大型高温锻件热态在位检测方法，可有效解决目前高温锻件测量测量方法落后、测量精度低、严重浪费材料的问题，方法是，用激光扫描仪和结构光数字摄影组合扫描测量得到高温锻件表面的三维点云数据，获取三维点云数据后，对点云的数据进行融合，再采用人机交互的滤波算法，去掉非锻件表面的点和测量粗差点，再对采集的锻件点云数据进行曲面快速模型重建分析，通过几何运算解算锻件模型的几何参数，输出，本发明方法简单，速度快，可靠性强，节约材料，成本低，有效用于大型高温锻件热态在位检测，解决了高温锻件热态在位无法准确的检测问题，是大型高温锻件热态在位检测的创新。

主权项

1.一种大型高温锻件热态在位检测方法，其特征是，用激光扫描仪或结构光数字摄影获取锻件点云数据，然后对点云数据进行融合，再去掉粗差点，模型重建分析后，按最小二乘法进行平差解算，求出坐标转换参数，输出，具体步骤如下：(一)锻件三维点云数据获取，方法是，用激光扫描仪或结构光数字摄影两种方式组合获取锻件的点云数据：(1)用激光扫描仪获取点云，方法是，通过激光测距，测量扫描仪与目标表面点的距离，再通过转动激光束测量不同点的距离，结合每个测量点激光指向角度参数，解算出坐标系下的三维坐标：X＝ScosθcosαY＝ScosθsinαZ＝Ssinθ式中S为扫描仪中心到目标点的距离，α和θ分为出射光线在仪器坐标系下的水平角和垂直角。(2)用结构光数字摄影测量获取点云，由绿结构光投射装置、固定基线数字摄影测量装置组合而成的系统投射人工纹理，由经过相机内参数标定和结构参数标定的双相机对高温锻件表面的点阵或网格交点进行点云图像获取，由计算机软件对人工标志进行中心提取，双目立体匹配获取同名像点，解算出三维坐标，再根据三维点云坐标描述和量测被测物体；(a)人工纹理投射，以绿激光为光源，设计成点阵或网格，采用点阵方式、网格方式或排点扫描方式中的一种进行投射；(b)相机内参数标定，是选用物方空间控制点构成试验场，用待标定的相机对试验场摄影，然后根据单像片空间后方交会或多像片后方交会求解内部参数的过程，称之为试验场法标定，顾及到像点系统误差的影响，将成像基本方程写成：$\left.\begin{array}{c}x-x_0+\mathrm{\Delta x}=-f\frac{a_1(X-X_S)+b_1(Y-Y_S)+c_1(Z-Z_S)}{a_3(X-X_S)+b_3(Y-Y_S)+c_3(Z-Z_S)}=-f\frac{\bar{X}}{\bar{Z}}\\ y-y_0+\mathrm{\Delta y}=-f\frac{a_2(X-X_S)+b_2(Y-Y_S)+c_2(Z-Z_S)}{a_3(X-X_S)+b_3(Y-Y_S)+c_3(Z-Z_S)}=-f\frac{\bar{Y}}{Z}\end{array}\right\}$式中，(x，y)为像点坐标，(x₀，y₀)为像主点坐标，f为相机焦距，(X，Y，Z)为相应物方点坐标，(Xs，Ys，Zs)为摄站坐标，(a_i，b_i，c_i)(i＝1，2，3)为旋转矩阵各元素，(Δx，Δy)是相机畸变引起的像点偏差，对成像基本方程线性化得到像点坐标的误差方程式：V＝A₁X₁+A₂X₂+A₃X₃-L上式中：V为像点坐标残差；X₁、X₂和X₃分别为外方位元素、物方点坐标和内部参数径向畸变K₁、K₂和K₃，偏心畸P₁、P₂，像平面畸b₁和b₂，加上像主点坐标(x₀，y₀)和相机焦距f，当X₂＝0，像点坐标的误差方程式为：V＝A₁X₁+A₃X₃-L＝AX-L每一张相片有6个外方位元素和10个内参数，共计16个未知数，每一控制点列出2个方程式，对单张像片至少需要8个控制点的方程式V＝A₁X₁+A₃X₃-L＝AX-L才能解；(c)双相机结构参数标定，方法是，用已知长度的一维标靶在双相机的公共视场空间自由移动，获取至少4对标定图像，再对图像处理得到多组像点坐标，通过视图间的几何关系实现相对定向和通过已知长度实现绝对定向，通过迭代获取双相机结构参数值；(d)人工标志中心提取，方法是，定向扫描有两个参数，即灰度阈值T_g和梯度阈值T_d，其中灰度阈值可以通过灰度直方图给出，梯度阈值由人工输入为一定值，算法从上到下从左到右对图像进行逐行和逐个像素进行判断，若当前像素的灰度值g(i，j)＞T_g且当前像素的梯度值d(i，j)＞T_d，则将当前点设为区域的起点；若当前像素的灰度值d(i，j)＜T_g或当前像素的梯度值d(i，j)＞T_d并且与区域起点的梯度值符号相反，则将当前点设为区域的终点，在完成一个区域的搜索后需要对该区域进行编号，若该区域与上一行的区域连通，则将该区域的编号设置为与其连通的上一行的编号，否则为新的区域设定新的编号；定向扫描结束后，得到标志图像g(i，j)中的目标S灰度质心(x₀，y₀)为：$\left\{\begin{array}{c}{x}_0=\frac{m_{10}}{m_{00}}=\frac{\underset{(i,j)\in S}{\Sigma }\mathrm{iW}(i,j)}{\underset{(i,j)\in S}{\Sigma }W(i,j)}\\ y_0=\frac{m_{01}}{m_{00}}=\frac{\underset{(i,j)\in S}{\Sigma }\mathrm{jW}i,j)}{\underset{(i,j)\in S}{\Sigma }W(i,j)}\end{array}\right.$式中W(i，j)为权值，即g(i，j)；(e)双目立体匹配，首先利用核线约束按照设定的距离阈值从右像片上找到一组潜在的匹配点，这组匹配点与左像片上的某一点对应。所要找的真正的匹配像点若存在，则一定在这组潜在的匹配点中。然后，依次用潜在匹配点组中的每一点与左相片的对应像点对进行前方交会，求出物方点坐标。再由共线方程求出各对所谓的同名像点的残差，得到的像点残差若大于像点残差阈值，则说明该同名像点为虚假的同名像点。最后，利用外方方位元素对像点坐标进行倾斜纠正，考察潜在匹配点组中的点与编码点的相对关系，再一次去除虚假的匹配点。经过上面的三步后，若潜在匹配点组中只剩下一个点，则匹配成功。否则，匹配失败。(f)解算标志点三维坐标，方法是对于下面的共线方程：$\left\{\begin{array}{c}\frac{X-{\mathrm{Xs}}_i}{Z-{\mathrm{Zs}}_i}=\frac{a_{1}x+a_{2}y-a_{3}f}{c_{1}x+c_{2}y-c_{3}f}=m\\ \frac{Y-Y{s}_i}{Z-{\mathrm{Zs}}_i}=\frac{b_{1}x+b_{2}y-b_{3}f}{c_{1}x+c_{2}y-c_{3}f}=n\end{array}\right.$式中(Xs_i，Ys_i，Zs_i)(i＝1，2)分别为左相机和右相机相对于物方空间坐标系中的平移参数，a₁、a₂、a₃、b₁、b₂、b₃、c₁、c₂和c₃是摄站参数中的角元素构成的旋转矩阵中的元素值，m和n是临时变量。可得：$\left(\begin{array}{ccc}1& 0& -m\\ 0& 1& -n\end{array}\right)\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)=\left(\begin{array}{c}\mathrm{Xs}-\mathrm{mZs}\\ \mathrm{Ys}-\mathrm{nZs}\end{array}\right)$若物方点P在两张像片上成像，则对P对两个像点均按上式列方程，得：$\left(\begin{array}{ccc}1& 0& -m_1\\ 0& 1& -n_1\\ 1& 0& -m_2\\ 0& 1& -n_2\end{array}\right)\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)=\left(\begin{array}{c}{\mathrm{Xs}}_1-m_1{\mathrm{Zs}}_1\\ {\mathrm{Ys}}_1-n_1{\mathrm{Zs}}_1\\ {\mathrm{Xs}}_2-m_2{\mathrm{Zs}}_2\\ {\mathrm{Ys}}_2-n_2{\mathrm{Zs}}_2\end{array}\right)$记为：$A\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)=L$式中A为系数矩阵，L为常数矩阵。则物方点P的坐标可由下式求解：$\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)={\left(A^{T}A\right)}^{-1}\left(A^{T}L\right)$(二)点云数据融合，方法是，用公共点最小二乘转换的方法来实现点云数据的融合，在锻件的周围架设至少3个不都在一条直线上的平面标志点，平面标志采用高反射率材料制成直径为50mm和100mm的圆形两种，利用一组在两个坐标系中均有坐标值的公共点，进行最小二乘平差转换，求出两个坐标系间的转换参数，设点云1的的坐标为(x，y，z)，点云2的坐标为(X，Y，Z)，则有：$\left(\begin{array}{c}X\\ Y\\ Z\end{array}\right)=\left[\begin{array}{ccc}\cos \mathrm{Ry}\cos \mathrm{Rz}& -\cos \mathrm{Ry}\sin \mathrm{Rz}& \sin \mathrm{Ry}\\ \sin \mathrm{Rx}\sin \mathrm{Ry}\cos \mathrm{Rz}+\cos \mathrm{Rx}\sin \mathrm{Rz}& -\sin \mathrm{Rx}\sin \mathrm{Ry}\sin \mathrm{Rz}+\cos \mathrm{Rx}\cos \mathrm{Rz}& -\sin \mathrm{Rx}\cos \mathrm{Ry}\\ -\cos \mathrm{Rx}\sin \mathrm{Ry}\cos \mathrm{Rz}+\sin \mathrm{Rx}\sin \mathrm{Rz}& \cos \mathrm{Rx}\sin \mathrm{Ry}\sin \mathrm{Rz}+\sin \mathrm{Rx}\cos \mathrm{Rz}& \cos \mathrm{Rx}\cos \mathrm{Ry}\end{array}\right]$$·\left(\begin{array}{c}x\\ y\\ z\end{array}\right)+\left(\begin{array}{c}{X}_0\\ Y_0\\ Z_0\end{array}\right)=R.\left(\begin{array}{c}x\\ y\\ z\end{array}\right)+T$其中k为比例因子，R为旋转矩阵，T为平移矩阵，Rx、Ry和Rz为三个旋转角，未知数个数为7，每点可列三个误差方程，所以至少需3个点即可求解，由于方程是非线性化的，要迭代求解；(三)去掉粗差点，方法是，将得到的点云数据以三维可视化的方式显示出来，通过算法和程序经过投影变换把具有三维坐标的空间实体对象变换至二维屏幕，获得计算机图形的过程称为三维图形显示，包含数学建模、三维变换、光源设置、纹理映射，利用鼠标在屏幕上点击确定被选中的三维对象进行人机交互，实现手动去除粗差点；再采用拉普拉斯光顺方法去掉小粗差点，拉普拉斯算子为：$\Delta ={▿}^2=\frac{{\partial }^2}{{\partial x}^2}+\frac{{\partial }^2}{\partial y^2}+\frac{{\partial }^2}{{\partial z}^2}$设p_i＝(x_i，y_i，z_i)为顶点，则在一个三维模型上进行一个扩散过程：$\frac{{\partial p}_i}{\partial t}=\mathrm{\lambda L}\left(p_i\right)$通过在时间轴上积分，曲面上细小的起伏，噪声能量很快的扩散到他的邻域中，使整个曲面变得光滑，采用显式的欧拉积分法，即为：p_iⁿ⁺¹＝(1+λdt·L)p_iⁿ该方法对每个顶点进行估计，逐步调整到其邻域的几何重心位置：$L\left(p_i\right)=p_i+\lambda (\frac{{\Sigma }_j{w}_j{q}_j}{{\Sigma }_j{w}_j}-p_i),j=\mathrm{1,2},...,m$其中q_j表示p_i的m个邻域点，λ值为一个小正数；(四)模型重建分析，方法是，对点云数据进行圆柱面拟合得到锻件的尺寸，设在圆柱坐标系O₁-xyz下的圆柱方程为：x²+y²+z²＝R²+z²转换为测量坐标系下，其方程为：F＝(X-X₀)²+(Y-Y₀)²+(Z-Z₀)²-R²-z²＝0当是旋转曲面，测量坐标系XOY与设计坐标系xoy的转换参数为5个，其中三个是平移参数，二个是旋转参数，为X₀，Y₀，Z₀，ε_x，ε_y，即固定ε_z＝0，其旋转矩阵系数的计算公式为：$\left.\begin{array}{ccc}{a}_1=\cos {ϵ}_y,& b_1=\sin {ϵ}_x\sin {ϵ}_y,& c_1=-\cos {ϵ}_x\sin {ϵ}_y\\ a_2=0,& b_2\cos {ϵ}_x,& c_2=\sin {ϵ}_x\\ a_3=\sin {ϵ}_y,& b_3=-\sin {ϵ}_x\cos {ϵ}_y,& c_3=\cos {ϵ}_x\cos {ϵ}_y\end{array}\right\}$由于X₀，Y₀，Z₀必须位于Z轴上，实际平移参数只有2个，固定Z₀，解算X₀，Y₀，此时线性化作为误差方程系数的偏导数为：$\left.\begin{array}{c}\frac{\partial F}{\partial X_0}=2(X_0^0-X)+2z{a}_3\\ \frac{\partial F}{\partial Y_0}=2(Y_0^0-Y)+2z{b}_3\\ \frac{\partial F}{\partial {ϵ}_x}=-c_3(Y-Y_0)+b_3(Z-Z_0)\\ \frac{\partial F}{\partial {ϵ}_y}=x\\ \frac{\partial F}{\partial R}=-2R^0\end{array}\right\}$然后组成误差方程，给定参数近似值并按最小二乘法则进行平差解算，最后求出坐标转换参数，输出。