【优秀硕士博士论文】基于逆向工程的车身曲面建模及模型品质分析

硕士学位论文基于逆向工程的车身曲面建模及模型品质分析STUDYOFMODELINGBASEDONREVERSEENGINEERINGANDQUALITYEVALUATIONOFAUTOMOBILESURFACES学科专业机械工程2011年3月论文题目基于逆向工程的车身曲面建模及模型品质分析1学科专业机械工程摘要汽车车身作为汽车中最具有变化性的部位，其开发是否成功直接影响整车的市场前景。由于车身曲面形状复杂，其建模主要采用逆向建模方式。车身曲面建模包含数据采集、数据预处理、逆向建模等步骤。同时，由于汽车工业对曲面品质要求极高，建模过程及模型重建后需要进行模型品质分析。本文在研究摄影测量技术和光学密集点云扫描技术的基础上着重对车身曲面建模和模型品质分析进行了研究。主要研究内容和成果如下1设计出车身外形数据采集方案。通过研究摄影测量技术及光学密集点云扫描技术，考虑车身数据采集的特点，本文利用摄影测量技术获取全局关键点的三维坐标，以这些关键点为全局拼接基准，将光学密集点云扫描得到的局部详细数据拼合到此基准中，消除多幅数据拼接的累积误差。2研究点云预处理技术。将采集到的海量点云数据通过数据融合、数据精简、数据平滑、点云对齐等技术完成预处理，经过预处理能得到单层、完整数据。3研究曲面重构技术。研究三角BZIER曲面构造方法和矩形域参数曲面拟合方法，根据不同软件的特点，提出正逆向结合的曲面构造方法；采用点构造线、线构造面的方式完成曲面重构。4建立车身曲面品质分析模型。本文提出的模型可实现曲面品质定量分析，克服传统靠人主观判断准确性低的缺点。首先建立曲面品质评价因素集，然后通过层次分析法确定各评价因素权重，采用岭形函数和梯形函数建立相应评判因素的隶属函数。通过本模型可实现曲面品质综合评价。5验证了曲面品质分析模型的精度和可靠性。将相应曲面品质分析数据通过本模型处理，利用MATLAB提供的神经网络工具，对比数据处理前后在神经网络中的训练仿真结果。通过结果对比验证了本文所提模型的正确性。关键词大型飞机；全尺寸测量；光学测量；逆向建模论文类型应用研究TITLESTUDYOFMODELINGBASEDONREVERSEENGINEERINGANDQUALITYEVALUATIONOFAUTOMOBILESURFACES1SPECIALITYMECHANICALENGINEERINGAPPLICANTZHENGRUWANGSUPERVISORVICEPROFLIZHONGWANGCHOOSEPOINTSCONSTRUCTLINESANDUSINGLINESGENERATESURFACES,INTHISWAYSURFACESWERERECONSTRUCTED4AUTOMOBILESURFACEQUALITYEVALUATIONMODELWASESTABLISHEDTHEQUALITYEVALUATIONOFAUTOMOBILESURFACESDEPENDSMAINLYONSUBJECTIVEJUDGMENTOFHUMANINPRACTICALUSE,WHICHHASAPOORRELIABILITYUSINGTHEMODELTHATPROPOSEDINTHISTHESISCANEVALUATETHE11THERESEARCHISFUNDEDBYNATIONAL863PLAN（2007AA04Z124）RIDGESHAPEDFUNCTIONANDLADDERSHAPEDFUNCTIONWASCHOSENTOESTABLISHEVALUATIONFACTORSMEMBERSHIPFUNCTIONSWITHTHEHELPOFTHISMODELCANEVALUATEQUALITYOFSURFACESCOMPREHENSIVELY5ACCURACYANDRELIABILITYVERIFICATIONOFTHESURFACEQUALITYEVALUATIONMODELFIRSTLYUSINGTHEMODELPROCESSSURFACEQUALITYEVALUATIONDATA,SECONDLYTRAININGTHETWOSETSOFDATABYARTIFICIALNEURALNETWORKTOOLTHATPROVIDEDBYMATLABSOFTWARE,BYCOMPARINGTHEARTIFICIALNEURALNETWORKTRAININGRESULTSOFTHEDATABEFOREANDAFTERDATAPROCESSINGWECANVERIFYTHEACCURACYANDRELIABILITYOFTHEMODELAFTERTRAININGANDTESTING,THERESULTSPROVEDTHATTHEMODELISACCURATEKEYWORDSAUTOBODYSURFACESREVERSEMODELINGSMOOTHNESSFUZZYCOMPREHENSIVEEVALUATIONTYPEOFDISSERTATIONENGINEERINGAPPLICATION目录1绪论111引言112研究背景及国内外发展现状1121研究背景1122国内外研究现状313课题来源与研究意义5131课题来源5132研究意义614研究内容和技术路线6141研究内容6142技术路线615本文结构安排72车身数据采集与数据预处理821引言822车身数据采集方案设计823车身数据采集及关键技术10231工业数字近景摄影测量技术10232三维光学密集点云扫描技术12233数据预处理技术14234现场测量过程1724本章小结193车身曲面模型重构2031引言2032三角域曲面造型2033矩形域参数曲面拟合22331B样条曲面23332NURBS理论24333曲面模型重构2534本章小结294车身曲面品质分析模型3041引言3042模糊综合评判3043车身曲面评价指标32431车身曲面精度分析32432曲面曲率分析33433多重曲面连续性分析34434反射线图分布34435高光线图分布35436斑马条纹分布36437真实感图形分析37438车身曲面品质评价因素比较3744车身曲面品质分析模型38441确定评价因素权重38442车身曲面评价因素隶属函数4045本章小结445车身曲面品质分析4551引言4552神经网络概论45521人工神经元45522人工神经网络46523BP神经网络46524模糊神经网络4753车身曲面品质分析数据4854数据直接神经网络训练5055车身曲面品质分析模型验证52551模糊评判数据52552模糊神经网络训练55553训练结果及结果分析5656本章小结586结论与展望5961结论5962展望59致谢61参考文献63攻读硕士学位期间的研究成果65声明CONTENTS1PREFACE111FORWORD112RESEARCHBACKGROUNDANDRECENTDEVELOPMENTATHOMEANDABROAD1121RESEARCHBACKGROUND1122RECENTDEVELOPMENTATHOMEANDABROAD313SUBJECTSOURCEANDRESEARCHSIGNIFICANCE5131SUBJECTSOURCE5132RESEARCHSIGNIFICANCE614RESEARCHCONTENTANDTECHNOLOGYROUTE6141RESEARCHCONTENT6142TECHNOLOGYROUTE615ARRANGEMENTSOFTHESSIS72AUTOBODYDATAACQUISITIONANDDATAPREPROCESSING821FORWORD822DESIGNSCHEMEOFAUTOBODYDATAACQUISITION823DATAACQUISITIONANDKEYTECHNOLOGIESOFMEASUREMENTSYSTEM10231TECHNOLOGIESOFDIGITALCLOSERANGEPHOTOGRAMMETRY10232TECHNOLOGIESOFTHREEDIMENSIONALOPTICALSURFACESCANNINGSYSTEM12233DATAPREPROCESSING14234ONSITEDATAACQUISITIONPROCESS1724BRIEFSUMMARY193REVERSEMODELINGOFAUTOMOBILESURFACES2031FORWORD2032TRIANGULARSURFACEMODELING2033RECTANGULARPARAMETRICSURFACEFITTING22331BSPLINESURFACES23332THEORYOFNURBS24333REVERSEMODELINGOFSURFACES2534BRIEFSUMMARY294QUALITYEVALUATIONMODELOFAUTOMOBILESURFACES3041FORWORD3042FUZZYCOMPREHENSIVEEVALUATION3043FACTORSSETOFEVALUATION32431SURFACEACCURACYANALYSIS32432SURFACECURVATUREANALYSIS33433MULTISURFACEANALYSIS34434DISTRIBUTIONOFREFLECTIONLINES34435DISTRIBUTIONOFHIGHLIGHTLINES35436DISTRIBUTIONOFCONTOURMAP36437DISTRIBUTIONOFTEXTUREMAPPING37438FACTORSCOMPARSION3744QUALITYEVALUATIONMODEL38441WEIGHTSOFFACTORS38442MEMBERSHIPFUNCTIONOFEVALUATIONFACTORS4045BRIEFSUMMARY445QUALITYEVALUATIONOFAUTOMOBILESURFACES4551FORWORD4552THEORYOFARTIFICIALNEURALNETWORK45521ARTIFICIALNEURON45522ARTIFICIALNEURALNETWORK46523BPNEURALNETWORK46524FUZZYNEURALNETWORK4753DATAOFQUALITYEVALUATION4854TRAININGOFARTIFICIALNEURALNETWORK5055TESTSOFQUALITYEVALUATIONMODEL52551RESLUTSOFFUZZYCOMPREHENSIVEEVALUATION52552TRAININGOFFUZZYNEURALNETWORK55553DATAANALYSIS5656BRIEFSUMMARY586CONCLUSIONSANDPROSPECT5961CONCLUSIONS5962PROSPECTS59ACKNOWLEDGEMENTS61REFERENCES63ACHIEVEMENTS65DECLARATION1绪论11引言汽车外形设计是汽车设计的先行环节之一，是汽车设计的重要内容。汽车外形设计的好坏不仅影响车身布置、空气动力学性能、工艺性好坏，同时也直接影响汽车进入市场后的销售情况。汽车车身作为汽车中最具有变化性的部位，其开发是否成功直接影响整车的市场前景。由于车身设计牵涉机械结构、金属工艺学、美学、空气动力学等多学科知识，是汽车设计中最重要的步骤之一。汽车外形设计完成后，设计师为了保证设计的合理性，发现不足并改进，需要利用油泥塑造出三维实体模型，通过在实体模型上的修改完成整个车身外形的设计。修改完成后，需要利用逆向工程技术，获取车身的三维数据，以完成后续的CAE分析、模具加工、质量检测等。其过程通常包括数据测量、数据预处理、曲面重建、模型评价。在得到产品实物模型的情况下，利用逆向工程技术重构产品的CAD模型，再通过消化吸收，对原模型的不足之处进行修改和再设计，实现产品的再创新，是提高产品技术含量和市场竞争力的重要手段。在车身设计中，如何高效、高精度的获取点云数据，完成三维建模并且准确评鉴车身曲面品质是汽车外形设计中急需解决的问题。本章首先介绍了汽车逆向设计技术的研究背景和国内外研究现状，接着介绍课题来源与研究意义，研究内容与技术路线，最后介绍了本文的结构安排。12研究背景及国内外发展现状121研究背景传统车身造型设计主要是手工制作，首先要塑造出呈汽车外形的油泥模型，然后根据油泥模型制造主样板、绘制主图板、制作主模型1。传统的车身工业装备的制造，是以主样板、主图板、主模型三者结合作为传递形状和尺寸的加工依据，消耗了大量的人力物力，影响了生产制造周期。另外，因实物依据在制造、传递、变形等方面的原因，使这些加工依据不可避免地产生误差，从而影响了车身工装的制造质量2。图11为绘制车身外形草图，图12为制作的油泥模型。车身整个开发和生产准备的周期，在国内一般需要35年的时间，而制作11的油泥模型并取样绘制主图板还将要耗费大量的时间、人力和物力，而且初始设计可信度相当低，为了使产品定型只能依靠样车试制和实验分析验证进行逐步修改设计，这个过程一般都需要3次以上，所以周期相当长。20世纪90年代初，伴随着现代测量、计算机、现代制造等相关技术发展起来的逆向工程技术，极大的促进了汽车工业水平的提高。图11绘制车身外形草图图12油泥模型逆向工程（REVERSEENGINEERING,RE），也称为反求工程，是指用一定的测量手段对实物或模型进行测量，根据测量数据通过三维几何建模方法重构实物CAD模型的过程3。图13为逆向工程流程图。数据采集CAD建模模型检查不满意满意实物模型产品生产图13逆向工程流程图现在常见的车身设计过程始于模型制作阶段，通过数据采集设备采集点云，将点云数据输入到计算机处理，运用CAD技术将其连成光顺的曲线，进行初步设计和可行性分析，即相当于胶带图效果；然后通过专门的CAD设计软件，用曲线建立起整个车身的表面数学模型，再通过制造11全尺寸模型，供设计人员进行修改和定型；然后再对全尺寸模型进行测量，将测量数据输入计算机重新建立汽车外形数学模型。计算机技术的运用不但将人从繁重的劳动解脱出来，缩短了设计周期，而且能够提高设计精度，降低设计开发的成本。目前车身曲面逆向工程中存在的问题主要包括1）缺乏高效、高精度数据采集技术目前使用的各种数据采集设备和方法虽然能基本满足企业需求，但是存在着精度、效率、经济型、操作性等各种各样的问题，还没有一种数据采集方案和设备能完全满足企业的需求。2）车身曲面建模过程复杂采集得到的海量点云数据预处理过程复杂、效果差。如今采用光学测量方法，采集得到数百万个点，甚至上亿的点，都可以在几分钟之内完成。点云数量的增加一方面使得数据的完成性提高，另一方面也带来了数据处理复杂的问题。车身建模工作量大、操作复杂，是亟待解决的问题。3）车身曲面品质缺乏可靠的分析手段车身曲面品质要求极高，车身外表面必须达到A级曲面标准。为满足市场对产品外形的视觉要求，在逆向造型的各阶段都需要对曲面的光顺性进行检验。汽车车身曲面因其复杂程度高、造型精度和光顺性要求高，使得其对曲面品质分析提出了更高的要求。目前的品质分析主要靠人的眼光和经验判断，精度低、可靠性差。122国内外研究现状基于国内外车身曲面建模技术和曲面品质分析技术的现状，本文深入研究了从车身设计完成后的数据采集到曲面品质分析的全过程，包括车身外形测量技术、数据处理技术、车身曲面逆向建模、车身曲面品质分析等相关内容。1）数据采集技术数据采集方面，国内外在大型零部件的测量方面主要有龙门式三坐标测量机、关节式坐标测量机、全站仪、大型激光扫描仪等，但是对高精度大尺寸复杂型面测量缺乏高效、可靠的测量手段。1三坐标测量机法优点是直观且有很高的测量精度，但属于接触式测量方式，不易对准特征点；同时存在测量环境要求高、不便携带、测量范围小、价格昂贵及操作复杂等缺点。2关节式坐标测量机利用空间支导线的原理实现三维坐标测量功能，它也是非正交系坐标测量系统的一种。和三坐标测量机比较，关节式坐标测量机的测头安置非常灵活；和其它光学测量系统比较，它不需要测点的通视条件，因此在一些测点通视条件较差的情况下非常有效。但是测量较大物体时，关节式坐标测量机必须进行多次坐标转换，每次坐标转换就会有一次精度损失。3激光扫描方法是利用具有规则几何形状的激光，投射到被测物体表面，形成的漫反射光点图像被图像传感器吸收，根据光点在物体上成像的偏移，通过被测物体基平面、像点、像距等关系，按照三角几何原理测出被测物体的空间坐标ERRORREFERENCESOURCENOTFOUND。4光学测量技术随着计算机视觉技术及摄影测量技术的不断发展，将摄影测量技术与光学扫描相结合的光学测量方法展现出了巨大优势。采用摄影测量技术完成全局坐标系下标志点的高精度测量，消除单纯采用面扫描多幅点云多次拼接时产生的累积误差，两者的集合实现了优势互补，能够非接触、快速、高精度的完成数据采集。国外摄影测量技术起步较早，目前比较成熟的系统有美国GSI公司的VSTARA系统，德国GOM公司的TRITOP系统，加拿大EOS公司的PHOTOMODELER系统等。光学点云扫描测量系统主要有两类一是采用单幅光栅相移技术，以加拿大INSPECK公司的产品为代表的单相机测量技术，主要用于自由态物体（尤其是人物、雕像等）的数字化，其精度无法满足工业的测量精度；二是采用格雷码与相移相结合的三维测量技术。依次向被测物体投射格雷码黑白条纹图案和相移图案。其中格雷码条纹图案确定的码值作为解码周期,并且每个解码周期对应了投射角空间的一个最小单元，从而确定采样点所属投射角单元，相移图案使得每一周期内投射角被进一步细分4。该技术国外在上世纪90年代初已经成熟，其中德国GOM公司采用该技术在1995年推出了ATOSSTANDARD产品，目前国内外的三维光学测量系统多采用该方法。格雷码与相移相结合的三维测量技术的优点为算法实现简单，易于实现产品化，但是缺点也非常明显一是格雷码只是用于对测量幅面的分级，无法提高测量精度；二是格雷码的使用使得测量系统对测量工件的表面明暗性比较敏感，一般情况下要喷显影剂才能测量，无法测量较暗及表面剧烈变化的工件；三是单次测量幅面较小，一般小于400MM。外差式多频相移测量技术作为一种发展较快的技术，正逐渐替代格雷码与相移相结合的三维测量技术。国内高校对于光学测量技术，研究水平较高的包括武汉大学、西安交通大学、天津大学、清华大学等。一些企业如北京天远、上海数造等也相继开发出一系列扫描设备。2）曲面重构技术曲面重构通常包括点云中数据点间拓扑关系的建立、几何特征的提取与自动分割、分片点云的曲面重构三方面内容。由于测量仪器、各种人为或随机因素和其它诸如环境等因素的影响，测量工程中不可避免的会引入噪声点，同时，检测过程中会由于多次采集，多幅点云数据拼接时不可避免的产生冗余点，这些都需要通过数据预处理解决。点云的预处理包括去除噪声和分离点、数据精简、抽取数据的特征信息、坐标转换等。目前的降噪主要有非线性的中值滤波、高斯滤波、傅里叶变换方法以及小波变换等。数据精简能够减少数据总量，提高数据处理速度，但数据精简过多又会影响建模的精度及数据的完整性，所以通常在保证一定精度的情况下减少点云数据量。本文研究海量点云自动拼接、重叠面删除、降噪等技术，为曲面建模提供可靠、准确数据。曲面重构时所选取软件的不同、建模师经验的不同、点云数据质量的好坏都会影响最终的曲面质量。在计算几何中，常用的曲面模型有COONS、BZIER、BSPLINE、NURBS等，由于NURBS曲面模型能够用统一的数学形式表示各种规则曲面和自由曲面，同时易于控制曲线、曲面的形状，因而各种成熟的商业软件普遍采用NURBS方法作为自由曲面模型的标准。在专用逆向工程软件出现之前，模型的重构都依赖于正向的CAD/CAE/CAM软件。随着逆向工程的快速发展，传统的正向设计软件因其操作性、经济型等原因已经无法满足市场要求，随后各种专用逆向软件出现在市场上。如今常用的逆向工程软件有两种，一是专用逆向软件，如IMAGEWARESURFACER、RESOFT、COPYCAD、GEOMAGICSTUDIO系列等；二是提供逆向处理模块的正向CAD/CAM/CAE软件，如PTC的PRO/SCANTOOLS模块、UG的POINTCLOUDY功能等5。3）曲面品质分析高品质的曲面不仅是为了满足造型的美观要求，更是考虑了汽车具有良好的空气动力学性能。沃尔沃公司将汽车曲面分为十个等级，只有满足七级以上标准才是合格曲面6。汽车车身曲面品质评价包含模型的精度评价和曲面光顺性评价两方面的内容。高品质的曲面要求能够精确反映设计者的设计意图，美观大方，拥有良好的精度和光顺性。曲面设计中精度和光顺性是一对相互影响相互制约的因素为了尽量与油泥模型一致而得到的高精度曲面往往光顺性不理想；追求曲面的高光顺性时精度又会受影响。模型的精度作为一个定量指标，可以通过最大误差、平均误差、标准差等量化数据进行定量分析；光顺性源于实践，是指曲面的光滑性和无波动性7。虽然如今的大部分三维设计软件都带有对曲面的光顺分析工具，如反射线（REFLECTIONLINE）、斑马条纹（CONTOURMAP）、高光线（HIGHLIGHTLINES）、曲率分析（CURVATUREANALYSIS）等，但是光顺性评价是带有主观色彩的定性分析，没有具体的数值为依据，对分析师的经验水平要求很高8,9。计算机图形学、逆向工程和可视化技术的发展，使得曲面品质分析方法在车身设计中得到了应用。KLASS10用反射线法检查车身曲面质量，推导了在光线方向矢量及试点固定不变情况下，反射线的位置变化和曲面形状变化之间的关系，为局部修改曲面奠定了理论基础；BEIER11等提出的高光法可以对车身曲面进行实时质量评价；POESCHL12提出了检查曲面品质的等高度线法，可以用来检测曲面的连续性。LENNINGS将曲面光顺性分析的方法分为四种基于曲率的方法、基于光照模型的方法、等高线法和基于变换的方法。曲面光顺性尽管可以通过曲面曲率变化、光照等来评价光顺效果，但并没有具体的数值作依据。多数场合，还是以人的眼光来判断曲面是否光顺13。汽车外形设计对于高品质曲面的要求使得如何在曲面精度和光顺之间寻找一个平衡点成为逆向工程中的关键技术，而这需要对曲面模型进行定量的曲面品质评价。现在各汽车公司的曲面品质的分析仍然是靠建模师的经验和眼光评价，其准确性低，同时对经验要求高，需要技术人员常年接触不同品质的曲面才能判断其中的优劣。国内外目前的研究重点也都放在如何利用更简单和直观的方法实现品质判断。本文选用的神经网络工具，通过对已有数据分析，完成知识传承，能对曲面品质进行精确判定。因为神经网络的良好性能，目前已被广泛应用于各个领域。RUNQINGHUANG等人将神经网络应用于轴承寿命实验分析14；WILSONQWANG等人利用模糊神经系统对机械健康状况进行了预测15；施振海将神经网络用于投标决策分析16；赵永珠将神经网络用于船舶焊缝图像缺陷识别17等。13课题来源与研究意义131课题来源通过查阅文献和对企业实际调研表明，国内企业在汽车外形设计方面与国外差距较大，缺乏可靠的数据采集方法、建模方案及专业曲面品质分析师。本课题组致力于解决困扰汽车企业的车身外形设计中的数据采集、曲面重构、曲面品质分析等技术难题，本文所提出的基于光学测量方法的汽车外形数据采集方案、曲面重构方案、车身曲面品质分析方法可应用于企业实际生产中。本课题得到国家863计划“大型复杂曲面产品的反求和三维快速检测系统研究”2007AA04Z124和江苏省工业扶持项目“三维光学快速质量检测系统”的支持。132研究意义车身曲面建模是汽车外形设计完成后数字化的关键步骤，所建模型的质量直接决定后续CAE分析、模具及加工出的产品的好坏。本课题的研究成果可以应用到汽车制造业的整个流程（设计、加工、装配以及零部件检测）。开发出的汽车外形测量系统，数据处理系统可以快速实现数据采集和处理；所采用的曲面品质分析方案能定量准确的评价车身曲面，克服了单纯定性分析准确性低的缺点，因此本文进行的研究对提高汽车工业数字化程度有重要意义。14研究内容和技术路线141研究内容本课题致力于研究出新的汽车车身数据采集方案，完成采集数据的点云融合、点云对齐、噪声点去除以及车身曲面建模；使用模糊理论与神经网络相结合的方法对曲面品质定量分析，解决长久以来依靠人的经验对车身曲面品质定性分析可靠性差的缺点，使其能应用于车身外形设计中，主要研究内容有1研究摄影测量和光学面扫描技术，设计汽车外形数据采集方案，实现高效、高精度的车身数据采集。2研究数据融合、数据平滑、点云对齐、数据精简等技术，为后续车身曲面建模提供良好的点云数据。3研究曲面重构技术，研究不同软件的建模特点，确定曲面重构的最佳方案。4研究车身曲面品质评定方法，确定评价因素集，结合模糊理论，建立车身曲面品质分析模型。5采集训练样本，结合MATLAB神经网络箱工具，对神经网络训练并检验训练精度，验证曲面品质分析模型的精度和可靠性。142技术路线本课题在研究了国内外复杂型面逆向建模需求以及相关技术研究现状的基础上，系统地提出了车身曲面数据采集、逆向建模及曲面品质分析方案的解决方案。图14为本文的技术路线图。摄影测量场地布置密集点云采集点云对齐数据平滑数据分割特征选择曲线重构曲面重构测试样本模糊评价网络模型曲面品质分析结果图14技术路线图15本文结构安排本文研究车身曲面逆向建模的各种关键技术，包括数据采集、点云预处理、曲面重构、曲面模型分析等。对于车身曲面至关重要的品质问题，本文采用模糊综合评价的方法定量分析，结合神经网络，解决了靠人的眼光判断主观性和模糊性的难题，最后通过神经网络对评价模型进行了仿真和验证。本文的共分为六个章节，具体安排如下第一章，绪论，阐述了车身曲面建模及模型品质分析的基本内容，介绍国内外研究现状。最后，阐述了本文的课题来源、研究意义、论文内容及技术路线。第二章，介绍车身数据采集及预处理的方法，本文采取的数据采集及点云处理方案，摄影测量及密集点云扫描关键技术，各种点云预处理技术的原理等。第三章，介绍了车身曲面模型重构理论，包括三角域曲面造型理论及矩形域曲面造型理论。阐述了本文在软件选择及曲面重构阶段的操作技巧。第四章，采用模糊分析方法，建立车身曲面品质分析综合评价模型。本章介绍了评价因素集确定、权值计算、隶属函数建立等内容。第五章，采集训练及检验样本，训练模糊神经网络并检验网络精度，验证曲面评价模型的精度及评价效果。第六章，对本文的研究工作作出总结并提出有待进一步研究的问题。2车身数据采集与数据预处理21引言零件的数字化是通过特定的测量设备和测量方法获取零件表面离散点的几何坐标数据，在此基础上进行复杂曲面的建模、评价、改进和制造18。因而，高效、高精度地实现工件表面的数据采集，是逆向工程实现的基础和关键技术之一。数据采集是车身曲面建模的基础，采集数据的好坏直接影响后续数据处理的工作量和曲面品质的好坏。采用数字近景摄影测量与三维光学密集点云扫描相结合的方法能够快速、高效、灵活的完成数据采集。数字近景摄影测量得到全局关键点的三维坐标，以这些关键点为全局拼接基准，将三维光学密集扫描得到的局部密集三维坐标拼合到此基准中，可以大大提高数据采集的精度，减少多幅点云数据拼合时的累积误差。由于测量仪器、各种人为或随机因素、环境因素等的影响，测量工程中不可避免的会引入噪声点。同时，检测过程中会由于多次采集，多幅点云数据拼接时产生冗余点。这些都需要点云预处理技术，点云的预处理包括去除噪声和冗余点、数据精简和数据分割等。本章研究了采用摄影测量与三维光学密集点云扫描相结合的数据采集方法，并研究海量点云自动拼接、重叠面删除、数据平滑、数据精简等预处理技术，为曲面建模提供准确可靠数据。22车身数据采集方案设计国内外现有的数据采集设备原理各异，主要可分为接触式测量和非接触式测量两种，选用数据采集设备主要从精度、经济性、操作性、数据要求、工作环境、工件尺寸等方面选择。本文选择摄影测量技术和光学密集点云扫描结合的数据采集方法，所选择的XJTUDP型工业数字近景摄影测量系统（图21）及XJTUOM型三维光学密集点云测量系统（图22）均为自主研发，设备精度及可靠性均已经通过实际检验，可满足工业需求。图21XJTUDP工业数字近景摄影测量系统图22XJTUOM三维光学密集点测量系统XJTUDP型工业数字近景摄影测量系统组成定比例尺、十字方向尺、高性能电脑、单发数码相机、编码标志点、数据处理软件等。XJTUOM三维光学密集点云测量系统组成投影仪、两个数码摄像头、万向头、三角架等组合平台、高性能电脑、非编码标志点、数据处理软件等。图23显示了本文设计的数据采集流程，主要可以分为现场规划与布置、相应设备及辅助设备布置、摄影测量、密集点云测量、现场清理等部分。标志点布置标尺布置摄影测量密集点云采集全局基准点现场规划与布置现场清理图23数据采集流程23车身数据采集及关键技术231工业数字近景摄影测量技术在摄影测量中若测量距离在100M以内则称为近景摄影测量，近景摄影测量在工业检测中有较大的应用前景。工业数字近景摄影测量技术是建立在摄影测量、数字成像、图像处理和精密测量原理基础上的新型精密测量技术，其用于工业现场是目前精密测量研究和应用的一个热点ERRORREFERENCESOURCENOTFOUND。采用工业数字近景摄影测量技术建立被测物体全局坐标点，再利用三维光学点云测量系统测量局部密集点云，实现多幅点云间的精确衔接，能够极大的提高整体点云数据的拼接精度。摄影测量技术（PHOTOGRAMMETRY）的基本思想，是从不同方向和角度拍摄被测物体，然后通过图片和点法线计算出非编码标志点的三维坐标。图片中可见的编码标志点相互之间有确定的关系，利用所拍照片和标志点的相互关系就可能计算出相机的方位。测量步骤可分三步特征点的像点中心计算、图片匹配、共线方程式的解算。数据测量时首先在工件表面粘贴非编码点，并在其周围均匀布置编码点和放置标尺，然后从不同角度、不同高度拍摄样件照片，将拍摄的照片进行匹配运算，计算出所有相关的目标点，自动计算出图片中标志点和物体特征点的三维坐标。图24近景摄影测量原理图25标志点图案计算机的广泛应用及数据处理手段的改进，使得摄影测量精度有了极大的改善，从而开辟了新的用途。由本研究所自主开发的近景摄影测量系统已完成多次工程测量实践，如桥梁变形测量、大型水轮机叶片检测、大型汽车覆盖件检测等等。其精度和可靠性完全可满足对于车身曲面的数据采集。其关键技术如下所示1）标志点识别摄影测量前首先要在被测工件上粘贴标志点，测量过程就是通过多个位置拍摄工件表面得到的图像重建出标志点的三维坐标。本文使用两种圆形标志点，如图25所示，黑底白色圆点和带有环形编码的圆形标志点，其中前者称为非编码标志点，后者称为编码标志点。非编码标志点在经过投影后在图像上呈椭圆形，其检测过程如图26所示。将获取的图像转化为8位灰度图像后，使用CANNY算子进行边缘检测19；搜索可能的椭圆边界并排除不可能的边缘，使用梯度均值法将确认为椭圆边界的图像点进行亚像素修正，使用最小二乘法拟合得到椭圆相关信息。最后以该椭圆为中心，对原始灰度图进行灰度采样，即可得到编码环的编码，如果存在编码值，则认为此点是编码标志点，否则为非编码标志点。CANNY边缘检测搜索椭圆粗边缘亚像素椭圆边缘修正最小二乘拟合椭圆遍历一周编码环存在该编码值非编码标志点编码标志点否是图26标志点检测流程2）光束平差法与相机标定基于共线条件方程的摄影测量光线束平差解法，是一种把控制点的像点坐标、待定点的像坐标以至其他内业、外业量测数据的一部分或全部均视作观测值，以整体地同时地求解它们地或是值和待定点空间坐标地解算方法20。相机自标定就是指将相机内、外参数放在一起同时进行整体平差计算21,22，也就是带有附加参数的整体光束平差。光束平差中将相机内参数、外参数和物方点世界坐标均作为观测值参与优化。在光束平差中还需要考虑相机镜头径向畸变、切向畸变、薄棱镜畸变，从而降低重投影误差，提高自标定精度。基于共线方程列出光束平差的误差方程（2123VAXBCXL1）式中X1摄像机内参数变化量；X2摄像机外参数变化量；X3三维坐标变化量；L观察量即图像点坐标；A、B、C分别是相应的变化量偏导矩阵。3）非编码点匹配与重建标志点的匹配是指在多个图像中寻找同一物体点对应像点的过程。由于受光照、噪声信号干扰、镜头畸变等因素影响，空间三维目标被投影到二维图像时，不同视角下可能会有较大不同。摄影测量中常用的匹配算法包括与灰度相关匹配、最小二乘匹配、基于特征的匹配等。带有环形编码的标志点因其具有唯一标识的编码可以很方便的利用特征编码进行立体匹配。对于没有编码的圆形标志点的正确匹配及其困难。基于外极几何关系的匹配算法在双目立体视觉中因只能推断出匹配结果在外极线上，匹配歧异性较大而影响其广泛应用23。近景摄影测量中存在多个相机位置，利用多个图像上的外极线约束就可以大大提高非编码标志点匹配的正确率24。在正确获得非编码标志点的匹配像点后就可以通过相机的内外参数重建出该点的三维坐标及标志点平面法向量。但是标志点本身也具有一定的厚度约01MM，所以重建出的标志点坐标其实并不是工件表面的真实坐标，利用标志点平面法向量可以去除标志点厚度带来的影响，得到工件表面真实的三维坐标。232三维光学密集点云扫描技术三维光学密集点云扫描系统测量原理是测量时光栅投影装置投影多幅多频光栅到待测物体上，成一定夹角的两个摄像头同步采得相应图像，然后对图像进行解码和相位计算，并利用立体匹配技术、三角形测量原理，解算出两个摄像机公共视区内像素点的三维坐标。图27三维光学密集点云扫描原理1）计算机双面视觉双目立体视觉是计算机视觉的一个重要分支，它是指利用两个摄像机，从不同观察点同时获取物方对象的两幅图像，通过三维重建技术把两幅图像合成三维几何信息，从而实现计算机的立体视觉25。本文采用的XJTUOM型光学面扫描系统，采用双目CCD相机，两相机和投影仪成相同角度摆放。双目立体视觉的基本过程是，首先对左右摄像机进行标定，然后两摄像机同时获取物方对象图像，通过数字图像处理获取目标对象特征点，立体匹配后重建出目标对象三维坐标。最终获得物体点坐标的计算公式如下221TTXYABZ其中0,2,00,12,0,2,211,02012122LLLRRRMUMUUVVVA,3,2,1,30,32,1,LRUVBM物体表面点的空间坐标值为（X，Y，Z）。其中ML，MR为标定矩阵值；U，V为图像坐标。2）外差式多频相移技术XJTUOM光学面扫描系统，采用外差式多频相移光学测量技术，分别投影多种不同空间频率的条纹于待测物体上，通过摄像机摄取变形的条纹图，利用相移法求取多种条纹的相位主值，从而恢复出条纹的真实相位。外差式多频相移技术采用四步相移法，每步有三个频率，共投射12个光栅。通过下式可获得三种位相转变模式。23MIN1IMIN2,0,24,3,3,2,24MMMMIXYIXYTITIXYIXYIXYIT24MIN2I2,0,2,2,MIXYTIXYXTIXY25MIN3IMIN,0,42,3,2,5,4MMMMIXYIXYTITIXYIXYIXYIT26IN4MI2,0,2,MMIIITIXYXYXYXT27AXIN,MIII式中、和分别为四步位移的光强，T为模式周1Y23YX,4I期，和为四种位移光强的最小值和最大值。是调制强度。IN,I,AXI,YXIM相位差282413/RCTGII和投影光栅上某一点的物体上的偏移距离B为29/BPA由三角测量法求出物体表面该点的高度值2102LLZDB式中D相机和投影仪间的距离相机和投影仪所在直线与该点之间的距离L233数据预处理技术利用密集点云测量系统，单幅扫描可达数百万个点，经多幅扫描，单个完整曲面由数千万乃至上亿个点表示及其平常。检测过程中产生的噪声点、冗余点、分离点等都需要点云数据预处理技术解决。点云的预处理包括多视点云对齐、数据融合、数据精简、数据平滑、数据分割等，其目的是获取单层、完整点云。数据预处理后点云的质量直接影响后续模型的质量及进度。图28显示了数据采集时噪声点的情况，图29表示点云预处理的作用。图28数据噪声点图29点云预处理1）数据融合数据融合是指去除多幅点云中重叠区域的冗余数据，从而获得单层数据模型。数据融合技术大大减少了手动删除重叠面的工作量，提高了工作效率。点云融合技术作为点云预处理中的难点，最早的研究始于上世纪八十年代末。目前典型的方法有GTURKMLEVOY261994年提出的基于网格缝合的方法；由FBERNARDINI,JMITTLEMAN,HRUSHMEIER27提出的增量式网格化方法；斯坦福大学BCURLESS和MLEVOY28提出的基于空间容积的方法；YHLIU和HZHOU29提出的聚类法等。YHLIU和HZHOU提出的聚类数据融合方法，得到了广泛关注，其基本步骤包括1搜索两幅点云重叠区域；2初始化聚类核中心，这一步是关键步骤，直接影响收敛速度；3迭代更新聚类核，直到聚类核中心稳定下来；4用稳定的聚类核中心代替重叠区域的点云A初始聚类核中心确定的过程黑色点为聚类核中心B聚类核中心的迭代过程中间一层为最终稳定的聚类核中心图210聚类融合原理图中表示红色和蓝色两幅点云，经聚类法融合形成黑色稳定的初始聚类核中心，经过迭代更新聚类核中心，最终形成稳定黑色聚类核中心替代两幅点云的重叠点。2）多视点云对齐逆向工程的数据采集过程中，受设备行程、工件复杂程度等的影响，完整数据往往需要多次采集才能完成。将不同坐标系下的多视点云数据变换到同一坐标系的过程称为多视点云对齐。多视点云对齐可通过测量时直接对齐和采集后数据对齐两种方式，但主要通过后者实现。常用的多视点云对齐算法包括四元组算法、SVDSINGULARVALUEDECOMPOSITION分解、ICPITERATIVECLOSETPOINTALGORITHM算法等。其数学定义可表示为找出来自不同坐标系的两个点集的空间变换，以便使它们能合适的进行空间匹配。多视点云对齐过程可等价于在六自由度无限连续参数空间内点的整体搜索问题，求解过程即为响应坐标转换矩阵T的求解问题18。三维空间中某一点在两个坐标系和中坐标分表为OXYZOXYZ和，刚体变换描述同一点的两种定义间关系，如图211所示,PXYZ,XYZP,XYXZXT,Z图211三维坐标变换示意图三个欧拉旋转角，其中，。三个坐标轴0,20,2方向分量，。刚体变换可由三个欧拉角的坐标TXOOTYOTZZOO旋转和三个坐标轴方向分量上的平移共同决定。转换过程通过齐次矩阵描述T21112133,0TTTTRXYTXYZZ式中，旋转张量分量为，的函数，R12133,RR212COSCSINCOSINCSIOSININOCOII给定刚体变换参数、，进而求得变换矩阵，只需矩阵相TXTYTZT乘即可得到点新位置。P21312133,0TTTTRXYTXYZPZ3）数据平滑和精简数据平滑的目的是消除噪声。所谓噪声点，是指数据采集或测量过程中，因为设备本身或环境因素影响产生的不属于被测物体的数据点。噪声点的存在一方面影响数据精度，另一方面给后续三维模型重建带来困难。除手动删除比较明显的噪声点外，目前数据平滑通常采用高斯（GAUSSION）、平均AVERAGING、中值MEDIAN滤波算法。过滤操作中通常选择操作距离（OPERATINGDISTANCE）作为过滤尺度。随着测量手段的多样化，测得点云数据量越来越大，测量几十幅点云数据，每幅数百万个点已经不算罕见。对于高密度点云，大量无用的冗余数据一方面占用计算机内存，另一方面也为曲面重构带来困难；因此需要按照一定的方法和要求减少测量点的数量。常用的数据精简方法包括等间距精简、倍率精简、等量精简、弦偏差精简等方法。值得注意的是，数据精简不能单纯考虑精简前后数据量改变多少，还应注意对于复杂形状物体，不能因数据精简导致点云中特征的丢失，即应当处理好数据精简量与特征之间的平衡。在数据精简中，对于曲率变化小的位置可大幅减少点云数量，在曲率变化大的位置应减少或不实行数据精简。234现场测量过程本文的数据采集完全按照上述采集方案及流程安排，已完成3辆汽车全车身数据采集，具体流程如下1）测量物体表面处理由于是采用光学测量方法进行数据采集，光线强弱、物体表面光滑程度都会影响数据采集的精度，因此在数据采集前需要对物体表面做初步处理。当待测物体颜色较深时，为了保证采集数据的质量需要对物体表面喷白色显影剂。同时，为保证数据采集的效率，需要保证被测车辆周围2米内无异物，以方便设备的移动。图212车身数据采集现场2）建立全局坐标系利用近景摄影测量系统建立全局工程，获得贴在汽车外形上标志点的三维坐标，并将此建立的坐标系规定为全局坐标系。进行摄影测量时，通过不同高度和角度拍摄多幅照片，经计算机像点计算、图像匹配处理及相关数学计算后得到关键点精确三维坐标。图213建立全局坐标系3）局部区域密集扫描和数据拼接采用XJTUOM型三维光学密集扫描系统，完成车身曲面密集点云的采集。采集中受到设备幅面的影响，必须靠多幅点云拼接才能完成整车的数据采集。以第二步中摄影测量系统得到的关键点为全局拼接基准消除数据累积误差。同时，由于车身较大，一般需扫描几十幅才能得到完整数据，这是就要注意计算机内存的使用情况。根据经验，对于2G内存的计算机，一般在扫描18幅左右就要将扫描得到的临时数据存盘，及时清理内存，否则会引起计算机死机及数据丢失。图214展示了密集点云扫描数据拼接及全局坐标点的情况。图214密集点云扫描与数据拼接24本章小结本章主要介绍了数据采集及预处理的基本情况。采用摄影测量技术和三维光学密集点云测量技术完成数据的精确高效采集，关键技术包括标志点识别、相机标定、光束平差与相机自标定、双目视觉、外差式多频相移等技术。然后经过噪声点删除、数据精简、多视点云数据对齐等步骤完成数据的预处理，得到简洁可靠的点云数据。值得注意的是，数据采集设备的选择应当考虑工件大小、工作环境、测量精度的不同，没有一种设备能完全满足各种不同条件下的数据采集，测量方案和设备应根据具体情况选择。同时，如今的点云预处理技术还没有达到完全智能、高效的完成点云处理，测量设备、软件选择、操作经验等都直接影响点云数据的品质。3车身曲面模型重构31引言完成数据采集和预处理后，就进入曲面重构阶段。曲面重构是指利用前期得到的产品表面点云数据，通过插值或逼近等方法，得到产