【技术实现步骤摘要】
本专利技术涉及叶片检测，具体涉及一种基于多尺度特征和双向距离的叶片型面数据配准方法。
技术介绍
1、叶片是航空发动机、燃机、汽轮机等设备的核心零部件之一，其型面的精度会直接影响到整个设备的工作性能和使用寿命。近年来，光学非接触式测量方法由于其良好的检测效率和灵活性，受到了广泛关注，并在叶片型面重构方面展现出了良好的应用前景。然而，受光学测量视野范围限制，通常需要在多个视场下对叶片型面进行多次扫描，并将这些扫描数据进行拼接与配准以恢复完整的叶片型面信息。多视场扫描数据配准是重构过程中的关键步骤之一，其准确性直接影响整个叶片型面的重构和检测可靠性。然而，目前的大多数方法直接利用检测系统在每个视场下的定位信息或引入标定物对扫描数据进行配准。这些方法容易受到检测设备运动精度和标定物误差的影响，从而降低配准和重构的可靠性。
2、专利号cn202110739936.6在中国专利技术专利公布了一种基于重叠特征与局部距离约束的叶片多视场点云配准方法，该方法通过重叠特征约束和局部距离约束构建重叠区域数据集之间的成员概率，再基于em算法计算变换参数，进而拼接出完整的叶片截面轮廓，该方法仅适用于数据较少的二维轮廓数据配准。
3、专利号cn202310847445.2在中国专利技术专利公布了一种由粗到精的叶片型面多视场数据配准方法，采用基准面几何尺寸约束实现叶片三维型面多视场数据粗配准，再将多个重叠区域数据置于全局约束框架下进行精确配准与对齐，以实现叶片三维型面重构。该方法虽然有效避免了现有方法中需要引入外部标定物去标定转动中心
技术实现思路
1、本专利技术的目的在于一种基于多尺度特征和双向距离的叶片型面数据配准方法，该方法具有重叠区自动区分特性，在保留原始预配准数据的前提下，将点与点之间的局部特征权重与距离信息权重进行融合，形成新的目标函数求解相邻视场数据间的刚性变换。
2、为实现上述目的，本专利技术采用如下技术方案：
3、一种基于多尺度特征和双向距离的叶片型面数据配准方法，包括如下步骤：
4、步骤1：叶片多视场轮廓数据的采集及初步重建；
5、调整线结构光传感器位姿使其激光面与叶片的底部平行，线结构光传感器以z轴为扫描方向前进对叶片轮廓进行扫描获取叶片轮廓数据，然后调整线结构光传感器回到初始位置并转动转台，再以z轴为扫描方向对叶片型面进行扫描获取叶片轮廓数据，重复操作，直到完成叶片型面扫描，最后将获取的所有叶片轮廓数据初步对齐进行三维型面重建；
6、步骤2：相邻视场叶片轮廓数据的双向距离信息的提取；
7、根据步骤（1）得到的初步重建结果，提取相对完整的型面区域数据参与配准；将相邻视场的两个轮廓数据分别定义为目标点云和源点云，通过最近邻搜索方法建立源点云中的每一点的双向对应关系和目标点云中的每一点的双向对应关系；
8、目标点云和源点云的前向对应关系和如下：
9、，
10、式中，为在第k次迭代中源点云中第i个点在目标点云中搜索到与其前向距离最小的对应点；为在第k次迭代中目标点云中第j个点在源点云中搜索到与其前向距离最小的对应点；m为目标点云中的点的总数量，n为源点云中的点的总数量，（，）为第k-1次迭代中求解出的变换参数；
11、目标点云和源点云的后向对应关系和如下：
12、，
13、式中，为以前向对应点为参考反向搜索在源点云中与其距离最近的点；为以前向对应点为参考反向搜索在目标点云中与其距离最近的点；m为目标点云中的点的总数量，n为源点云中的点的总数量，（，）为第k-1次迭代中求解出的变换参数；
14、每个对应点对应的双向距离比值为：，
15、式中，为源点云与目标点云对应关系的前向距离和后向距离比值，，n为源点云中的点的总数量，k为第k次迭代；为以源点云中第i个点，为在第k次迭代中源点云中第i个点在目标点云中搜索到与其前向距离最小的对应点，为以前向对应点为参考反向搜索在源点云中与其距离最近的点；为目标点云和源点云对应关系的前向距离和后向距离比值，，m为目标点云中的点的总数量；为目标点云中第j个点，为在第k次迭代中目标点云中第j个点在源点云中搜索到与其前向距离最小的对应点，为以前向对应点为参考反向搜索在目标点云中与其距离最近的点；
16、根据双向距离比值计算重叠内点概率为：，
17、式中，为在第k次迭代中源点云中第i个点在双向距离中的重叠内点概率，为源点云与目标点云对应关系的前向距离和后向距离比值；为在第k次迭代中目标点云中第j个点在双向距离中的重叠内点概率，为目标点云和源点云对应关系的前向距离和后向距离比值；
18、步骤3：目标点云和源点云的多尺度特征的提取；
19、步骤3-1：以源点云中的点为参考点，设有个支撑半径，且支撑半径，根据支撑半径定义个支撑区域，在每个支撑区域内计算所有点到参考点的距离；
20、步骤3-2：计算多尺度距离权重，为支撑半径，以支撑半径建立的支撑区域内所有点到参考点的距离；
21、步骤3-3：对支撑区域内的所有点进行加权，为加权后所有点构成的支撑区域，为权重；
22、步骤3-4：构造协方差矩阵；
23、步骤3-5：对协方差矩阵进行分解得到三个特征值，且特征值，计算特征值的归一化向量；
24、步骤3-6：按照步骤3-1到步骤3-5计算出目标点云中匹配点的特征值向量；并对特征值向量进行归一化处理，
25、，
26、式中，为点的特征向量值，、、为点构建的协方差矩阵分解得到的特征值；为点的特征值向量，、、为点构建协方差矩阵分解得到的特征值；
27、步骤3-7：使用不同支撑半径内的特征值向量作为对应点的特征描述，并使用它们的差来衡量匹配点之间不同尺度下的局部结构特征的相似性；向量的差；
28、基于对应点之间的特征差异，其中，为欧几里得距离，为不同支撑半径内的特征值向量，l为支撑半径的数量；
29、步骤3-8：对特征差异进行归一化处理，
30、，
31、式中，为点与其匹配点之间特征差异的归一化值，为点与其匹配点之间的特征差异，为源点云中特征差异最大值，为点与其匹配点之间特征差异的归一化值，为点与其匹配点之间的特征差异，为目标点云中特征差异最大值；
32、根据特征差异构建对应本文档来自技高网...
【技术保护点】
1.一种基于多尺度特征和双向距离的叶片型面数据配准方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多尺度特征和双向距离的叶片型面数据配准方法，其特征在于，步骤（4-3）中对叶片型面扫描数据配准包括如下步骤：
3.根据权利要求1所述的基于多尺度特征和双向距离的叶片型面数据配准方法，其特征在于，步骤（4）中通过设置距离阈值对混合权重值产生影响；为融合了双向距离与多尺度特征差异信息的混合权重，𝛿为预设的混合权重占比系数，为点云和中第i个对应点的重叠内点概率，为点云和中第i个对应点在特征层面上的匹配概率；
【技术特征摘要】
1.一种基于多尺度特征和双向距离的叶片型面数据配准方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多尺度特征和双向距离的叶片型面数据配准方法，其特征在于，步骤（4-3）中对叶片型面扫描数据配准包括如下步骤：
3.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：殷鸣，徐培淞，王宗平，秦晟，朱杨洋，孙嘉宏，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。