【优秀硕士博士论文】大型叶片数字化检测技术的研究及应用

硕士学位论文大型叶片数字化检测技术的研究及应用REASEARCHANDAPPLICATIONOFTECHNIQUESONDIGITALINSPECTIONOFLARGEBLADES学科专业机械电子工程2011年6月论文题目大型叶片数字化检测技术的研究及应用学科专业机械电子工程摘要叶片制造精度直接影响到叶轮机械的能量转换效率、工作性能和可靠性。利用传统检测方法对大型叶片检测，检测难度大，周期长，而且检测精度不高，已不能满足实际生产要求。针对传统检测手段的局限性，本文将三维面结构光测量和工业摄影测量技术实际应用于大型叶片的三维全尺寸测量和检测，克服了传统方法的缺点，能够快速、全面、直观地表达出误差检测结果，并完成了相应的实验论证和实际应用工作。主要的研究成果如下针对大型叶片进行检测存在着测量数据庞大、测量噪声点多等问题，研究分析了现有的三维光学面扫描和工业摄影测量系统的原理、方法及特点和现有的点云数据处理方法，综合运用各种数据处理方法，实现了快速、高效的处理大型叶片的数据采集与处理。在测量数据与CAD数模坐标匹配过程中，针对匹配对象初始位置无法定量确定，提出了基于三个基准点法实现坐标粗匹配，减少了精确匹配所需时间和收敛局部最优解的概率，改进迭代最近（ICP）点法采用KD树空间搜索策略，快速查找点云数据各点在CAD模型上对应的最近点，并利用单位四元数法进行坐标变换矩阵的求解，本研究得到国家“863”计划（2007AA04Z124）、江苏省科技支撑计划项目（BE2008058）资助。实现坐标的精确匹配，解决了叶片误差分析的前提条件。针对传统数字化检测中点偏差计算的准确性及效率不高的问题，在建立点对面对应关系的基础上增加点对边及点对点的对应关系，克服边缘棱角等特殊区域误差检测失效问题，采用KD树进行最邻近顶点搜索并构建出约束搜索球，将点云数据与CAD模型比对的范围限制在约束搜索球内，减少迭代次数，提高了点偏差计算的效率。根据上述研究成果，开发出叶片数字化检测系统，经过试验分析以及实际应用，结果表明本文所研究的数字化检测系统具有数据采集量大、测量速度快、可直观进行误差数据量化比对分析等优点，实现了对大型叶片的数字化检测，对大型叶片的全尺寸检测工作具有较高的实用价值和现实意义。关键词光学测量；大型叶片；坐标对齐；比对检测；论文类型应用研究TITLEREASEARCHANDAPPLICATIONOFTECHNIQUESONDIGITALINSPECTIONOFLARGEBLADESSPECIALITYMECHANICALANDELECTRONICENGINEERINGAPPLICANTJIANLILIUSUPERVISORPROFJINLIANGABSTRACTTHEACCURACYOFBLADEMANUFACTURINGDIRECTLYDETERMINESTHEENERGYCONVERSIONEFFICIENCY,PERFORMANCEANDRELIABILITYOFTHETURBOMACHINERYTHETRADITIONALINSPECTIONMETHODUSEDTOINSPECTTHELARGEBLADESISDIFFICULT,WHICHWOULDCONSUMEMUCHTIME,ANDBELACKOFTHEINSPECTIONPRECISIONTHISPAPERAPPLIESTHEMETHODOFTHREEDIMENSIONALSTRUCTUREDLIGHTMEASUREMENTANDTHEINDUSTRIALCLOSERANGEPHOTOGRAMMETRYTOTHEDETECTIONOFLARGEBLADES,WHICHCANPERFECTLYRESOLVETHESEPROBLEMS,NOTONLYOVERCOMESALLTHEDEFECTSOFCONVENTIONALINSPECTINGMETHOD,CANVISUALIZETHEINSPECTINGRESULTRAPIDLY,VIVIDLYANDWHOLLY,BUTALSOCOMPLETEDTHECORRESPONDINGEXPERIMENTALDEMONSTRATIONANDPRACTICALAPPLICATIONWORK,ANDTHEMAINCONTENTANDRESEARCHOUTCOMESOFTHISPAPERAREASFOLLOWSFORTHEPROBLEMSOFWHENUSING3DOPTICALMEASURINGMACHINE,SUCHASTHEMEASUREDATAISTOOLARGEASSOCIATEDWITHNIMIETYMISCELLANEOUSPOINTSETCRESEARCHANDREALIZETHEDATAACQUISITIONPRINCIPLESOFPRESENTTHREEDIMENSIONALSTRUCTUREDLIGHTMEASUREMENTANDTHEINDUSTRIALCLOSERANGEPHOTOGRAMMETRYEQUIPMENTANDPRESENTDATAANALYSISMETHODITACHIEVESDATAPROCESSRAPIDLYANDEFFICIENTLYBYCOMPREHENSIVEUSINGTHEVARIOUSDATAPROCESSINGMETHODSITISNECESSARYTOREGISTERPOINTCLOUDTOCADMODELINFREEFROMSURFACEINSPECTIONTHEEFFICIENCYANDTHEESTABLISHMENTOFCORRESPONDINGPOINTSBETWEENPOINTCLOUDANDCADMODELOFREGISTRATIONMETHODISTHEKEYPROBLEMRESEARCHANDREALIZETHEPRELIMINARYREGISTRATIONOFPOINTCLOUDWITHCADMODELBYMETHODBASEDONTHREEREFERENCEPOINTS,HENCEREDUCETHERUNNINGTIMEANDTHEPROBABILITYOFCONVERGINGTOTHELOCALOPTIMALSOLUTIONFORPRECISEREGISTRATIONUSEKDTREEDATASTRUCTURETOFINDOUTTHECORRESPONDINGCLOSESTPOINTSONCADMODELOFALLPOINTSONPOINTCLOUDRAPIDLYBYIMPROVEDICPMETHODANDTHENUSETHEMETHODOFUNITQUATERNIONTOCALCULATETRANSLATINGMATRIXFORREGISTRATIONINORDERTOIMPROVETHEEFFICIENCYANDACCURACYOFTHEEXISTINGINSPECTIONMETHODS,BASEDONPOINTTOSURFACERELATIONSHIP,POINTTOEDGEANDPOINTTOPOINTRELATIONSHIPAREPROPOSEDINTHISPAPERTOOVERCOMETHEPROBLEMOFERRORCALCUALTONOFSPECIALREGIONSUCHASEDGESANDCORNERSAND,THEKDTREEISUSEDTOSEARCHFORTHECLOSESTVERTEXONCADMODEL,ANDTHETHERESEARCHISFUNDEDBYNATIONAL863PLANREVERSEDESIGHOFLARGESIZECOMPLEXSURFACEPRODUCTSANDRESEARCHOF3DQUICKTESTINGSYSTEM（2007AA04Z124）CONSTRAINTSEARCHSPHEREISBUILTTORESTRICTTHESCOPEOFINSPECTIONTHEDIGITALCOMPARINGINSPECTIONSYSTEMISDEVELOPEDBASEDONTHEABOVERESEARCHTHEKEYTECHNIQUESPROPOSEDINTHISPAPERHAVEBEENTAKENINTOEXPERIMENT,ANALYSISANDPRACTICALAPPLICATION,ANDTHERESULTPROVESTHESETECHNIQUESHASADVANTAGESSUCHASLARGEAMOUNTOFDATA,SHORTTIMEOFMEASUREMENT,QUANTITATIVEERRORSSOITNOTONLYHASAHIGHLYPRACTICALVALUE,BUTALSOHASANIMPORTANTREALISTICSIGNIFICANCETOTHEMEASUREMENTANDDETECTIONOFLARGEBLADESKEYWORDSOPTICALMEASUREMENTLARGEBLADESCOORDINATEALIGNMENTCOMPARINGINSPECTIONTYPEOFTHESISAPPLIEDRESEARCH目录1绪论111课题背景112叶片检测技术研究现状213课题来源与研究意义5131课题来源5132研究意义514研究内容和技术路线6141研究内容6142技术路线715本文的结构安排82大型叶片表面特征数据采集与处理921光学扫描设备简介9211数字近景工业摄影测量系统9212三维光学面扫描测量系统1122叶片全尺寸测量的方案1223点云数据的处理14231点云匹配15232多视点云融合16233点云数据的降噪滤波17234测量数据的精简1724小结183叶片数据与CAD模型的坐标对齐1931坐标匹配算法介绍1932基于三个基准点法实现叶片数据与CAD模型的粗配准21321基于三个基准点法的基本原理21322基于三个基准点法匹配的实现过程2233基于改进ICP法实现点云数据与CAD模型精确坐标匹配23331ICP算法的主要原理23332KD树空间搜索策略24333单位四元素法求解旋转、平移矩阵2534小结274点云数据与CAD模型的归属研究2941点云数据与CAD模型对应关系得建立30411点面计算模型的建立30412点边计算模型与点点计算模型的建立3242基于约束搜索球的点偏差表达算法34421约束搜索球的建立34422基于约束搜索球的点偏差表达算法35423点云数据与CAD模型之间的偏差计算36424色谱图可视化表达偏差结果3743小结405叶片数字化检测系统及实例应用4251数字化检测系统构成42511系统的构成4252数字化检测系统的试验分析43521系统主要模块的处理速度试验分析43521系统计算结果的精度试验分析4653应用实例49531叶片表面特征数据的采集49532叶片点云数据的分析与处理52533叶片CAD模型的导入52534点云数据与叶片CAD模型的对齐52535设定检测标准完成比较输出结果5354小结546结论与展望5561结论5562展望56致谢57参考文献58声明CONTENTS1PREFACE111RESEARCHBACKGROUND112RECENTDEVELOPMENT213SUBJECTSOURCEANDRESEARCHSIGNIFICANCE5131SUBJECTSOURCE5132RESEARCHSIGNIFICANCE614RESEARCHCONTENTANDTECHNOLOGYROUTE6141RESEARCHCONTENT6142TECHNOLOGYROUTE715FRAMEWORK72THEDATAACQUISITIONANDPROCESSINGOFFEATURESOFLARGEBLADESURFACE921THEINTRODUCTIONOFOPTICALMEASUREMENTTECHNIQUES9211CLOSERANGEPHOTOGRAMMETRICSYSTEM9212THREEDIMENSIONALOPTICALSURFACESCANNINGSYSTEM1122DESIGNSCHEMEOFFULLSCALEMEASUREMENT1223DATAPROCESSING15231POINTCLOUDMATCHING15232MULTIPOINTDATAFUSION16233POINTCLOUDDENOSING17234POINTCLOUDREDUCTION1724BRIEFSUMMARY183REGISTRATIONOFPOINTCLOUDWITHCADMODEL1931INSTRUCTIONABOUTALGORITHMSOFREGISTRATION1932THREEPOINTALGORITHMFORPRELIMINARYREGISTRATION21321PRINCIPLEOFTHREEPOINTALGORITHM21322DEVELOPPINGPROCEDUREOFTHREEPOINTALGORITHM2233IMPROVEDICPALGORITHMFORPRECISEREGISTRATION23331PRINCIPLEOFICPALGORITHM23332KDTREEFORRAPIDSPACIALSEARCH24333SINGULARVALUEDECOMPOSITIONANDUNITQUATERNIONMETHOD2534BRIEFSUMMARY274THERESEARCHOFATTRIBUTIONABOUTPOINTCLOUDANDCADMODEL2841ESTABLISMENTOFRELATIONSHIPABOUTPOINTCLOUDANDCADMODEL28411ESTABLISHMENTOFPOINTTOSURFACERELATIONSHIP30412ESTABLISHMENTOFPOINTTOEDGERELATIONSHIPANDPOINTTOPOINTRELATIONSHIP3142PRINCIPLEOFINSPECTIONMETHODSBASEDONCONSTRAINTSEARCHSPHERE33421ESTABLISHMENTOFCONSTRAINTSEARCHSPHERE33422PRINCIPLEOFINSPECTIONMETHODSBASEDONCONSTRAINTSEARCHSPHERE34423COMPULATIONOFDEVIATION35424VISUALIZATIONOFDEVIATION3743BRIEFSUMMARY405DIGITALCOMPARINGINSPECTIONSYSTEMOFLARGEBLADEANDEXAMPLE4151CONSTRUCTIONOFDIGITALCOMPARINGINSPECTIONSYSTEM41511CONSTRUCTIONOFSYSTEM4152TESTANDANALYSISOFSYSTEM37521PROCESSINGEFFICIENCYTESTANDANALYSIS37522RESULTPRECISIONTESTANDANALYSIS4053EXAMPLE42531THEDATAACQUISITIONOFFEATURESOFLARGEBLADESURFACE42532DATAANALYSISANDPROCESSING45533IMPORTCADMODEL46534REGISTRATIONOFPOINTCLOUDWITHCADMODEL46535COMPLETETHECOMPARISONANDOUTPUTTESTRESULTS4754BRIEFSUMMARY486CONCLUSIONSANDSUGGESTIONS4961CONCLUSIONS4962SUGGESTIONS50ACKNOWLEDGEMENTS51REFERENCES52DECLARATIONEQUATIONCHAPTERNEXTSECTION11绪论大型叶片是汽轮机、航空发动机、水轮机等叶轮机械装备的关键零部件，叶片制造精度直接影响到叶轮机械的能量转换效率、工作性能和可靠性，叶片是整台装置制造质量的核心之一。叶片的造型既复杂又特殊，数量巨大，叶片产品的型面较为复杂，是一种典型的自由曲面，且其几何误差会直接影响到叶轮机械装备的性能与效率1，因此叶片的型面检测至关重要。尽管目前已有不少测量方法，但每种测量方法都有各自的特点，同时也都存在各自难以克服的缺点，而数字化比对检测技术的出现为解决这一难题提供了新的途径。本文将三维面结构光测量和工业摄影测量技术实际应用于叶片的三维全尺寸测量和检测，具有数据采集量大、测量速度快、可直观进行误差数据的量化比对分析等优点。对叶片的全尺寸数字化检测及相关领域内大尺寸自由曲面工件检测具有较高的实用价值和重大的现实意义。本章首先介绍叶片三维检测技术的研究背景和研究意义，然后阐述了本课题的来源和国内外的研究状况，最后说明本文的主要研究内容和技术路线以及全文结构安排。11课题背景随着中国核电，水电，航空航天等事业的快速发展，对叶片的需求量越来越大。叶片的造型既复杂又特殊，数量巨大，因此高效率、高精度的叶片测量是保证核电等大型设备生产质量和效率的关键环节之一2。目前国内对叶片的检测主要采用标准样板法和三坐标机测量法，其中三坐标机虽然测量精度高但测量一个叶片的时间长，严重制约了叶片生产的效率。传统的标准样板间隙法，对不同级数的叶片，所需的检验模板数目也不相同。这种检验方法不仅费时费力，而且所引入的人工误差及其它因素所引入的误差也较大3。因此大尺寸叶型的测量存在着测量精度和速度的突出矛盾。这个矛盾也一直困扰着企业，它不仅导致质量检测成本居高不下，而且由于测量效率过低，还形成测量效率制约生产效率的问题，成为整个生产环节中的一个瓶颈。因此，对于诸如核电之类的大型复杂装备质量控制过程来讲，大尺寸叶片的叶型高效、高精度的测量是发展我国重大装备迫切需要解决的关键科技问题之一。数字化测量技术的快速发展为人们提供了解决叶片型面测量的新途径，那就是叶片型面的数字化比对检测技术。数字化检测技术主要原理是通过特定的测量设备采集得到待测工件的点云数据，然后将点云数据进行降噪、采样等预处理使得点云数据满足后续运算要求，再将处理完毕的点云数据与该工件所对应的CAD模型进行坐标匹配，正确建立点云各点与CAD模型几何元素之间的对应关系，最终计算得到点云中各点与所对应CAD模型几何元素之间的距离来表示偏差。整个数字化检测的过程只需通过特定的设备得到待测工件的点云数据和对应的CAD模型，因此测量成本明显降低4。由于通过计算机处理，不仅大大提高了测量效率，而且减少了人为因素的影响，测量结果的可重复性很好，最后还可以将测量结果快速、全面、直观地输出出来。因此，它必将成为复杂型面制造精度检测和评价的主要发展趋势。虽然数字化比对检测技术有很多无法比拟的优点，但是为了能够保证其检测结果具有很好的精度，就需要对其中的主要处理算法进行研究以满足实际生产要求，这也是目前数字化比对检测技术研究的主要方向。12叶片检测技术研究现状由于叶片的重要性和特殊性决定了对其检测的必要性和重要性。而且在叶片生产的不同阶段，对叶片的检测又有这不同的侧重和要求，有时只需定性的测量，而有时又要给出具体的误差值；单件测量倾向于准确性和精确度，而批量检测更倾向于高效性和便捷性。针对不同的检测场合和不同的检测要求，国内外企业一般通过不同的检测手段来满足生产过程中的不同测量需求。目前国内外研究叶片检测技术的主要方法按照测量设备可分为接触式和非接触式测量5。接触式测量法主要包括三坐标测量机（CMM）和标准样板法等。非接触式测量按照原理的不同可分为光学测量、摄影测量等6，其各自的特点分别详述如下1）标准样板法目前国内大多数叶片生产厂家主要采用标准样板测量法7。标准样板法的原理是在叶片的型面上选取若干个截面，测量时将叶片放在底座上通过定位销定位，然后通过标准样模板进行靠模，在灯光照射下通过观察标准样板与叶片之间漏光间隙的大小，估算对应型线的误差8，其测量原理如图11所示。图11标准样板法测量原理国外较先进的叶片生产企业也大量使用标准样板法检测叶片型线，如美国WESTINGHOUSE公司、德国的SIEMENS公司、奥地利的VEW公司和日本的日特金属工业株式会社等9。标准样办法具有测量工具结构简单、检测速度快、操作简单、便于现场使用等优点，但它在检测中人工干扰因素太多，其检测过程中存在很大的不稳定性，而且检测的精度不是很高，且样板测量无法得到量化的测量数据。随着叶片制造精度的提高和数控加工的需要，这种传统的方法已经无法满足叶片制造技术的进步。2）三坐标测量法三坐标测量法的原理法通过坐标测量机测量叶片表面特征上各被测点的坐标值,采用数据建模等分析手段，得到被测叶片几何尺寸和形状误差等参数10。三坐标测量机的测量精度在现有测量手段中测量精度最高，测量过程直观。但用于大型叶片测量中，因其结构特点受到很到的局限性。巨型三坐标机的价格昂贵，测量范围受限制，对现场工作环境的要求较高，叶片的摆放调整也很困难，另外前期需要进行耗时检测作坐标系的建立及测量编成，调整满足不了水轮机叶片的制造检测效率要求。3）电感式测量法电感测量法的原理是将机械位移量转化为线圈的自感或互感系数，进而再由测量电路转换为电量，并经放大、换算等处理，最终输出机械位移值11。测量时将叶片分成若干个被测截面,每个截面对应一组电感传感器，每个传感器对应被测截面上的一个点。测量前按被测叶片型面预先设置几组传感器的位置和测量方向,并用标准叶片对传感器校零12。测量时，传感器组靠近并接触叶片表面，从各传感器测得与标准叶片的偏差量，就可以得到被测叶片是否合格。电感测量法测量原理如图12所示。图12电感式测量法电感测量法具有检测精度和检测效率较高、对环境要求低的优点，可用于大批量的生产现场快速检测。但它不是全轮廓检测使得测量结果不是很可靠，可能出现误判，且不同型号叶片需要配备相应的支架装置和标准叶片，增加了测量成本并且测量准备时间较长，因此在现实应用中此方法的推广受到了限制13。4）光学投影测量法光学投影测量的原理如图13所示。上下两组处于同平面内的线光源分别照射在叶片某截面的叶盆和叶背两表面上并产生散射；镜头组对这些散射光成像，并在投影屏上显示该截面的轮廓投影像。通过移动、投影和设置相对坐标原点，可以在仪器的数显表头上读出影像任一点的坐标14。光学跟踪投影仪分为单面跟踪和双面跟踪两种形式。单面光学跟踪投影仪一次只能够检测叶盆或叶背单侧型面；双面光学跟踪投影仪可同时检测叶盆、叶背型面。图13光学投影测量法原理光学投影测量法15常用于定性观察放大后的实际叶片与标准叶片之间的符合程度,检测效率较高、操作简便,但对于定量测量,其检测效率非常低。用该方法测量时受客观因素影响较多,如测量结果受叶片表面反射能力及叶片弦宽的影响等。测量精度较低,适合于叶片半成品的型面检测。5）激光测量法采用激光测量技术的叶片型面测量方法，比较典型的有四坐标激光测量法和激光扫描测量法16。四坐标激光测量系统主要是在三坐标测量机的结构上多加了一个精密转台，配合非接触式激光测头进行叶片型面测量。如ERRORREFERENCESOURCENOTFOUND所示，激光测头安装在三个相互垂直的运动轴上，叶片安装在旋转工作台上。激光测头实时读取叶型上点的坐标，从而得到叶片截面轮廓线。激光扫描法是利用激光光束对叶片作高速扫描，激光扫描头获取叶身型面大量点云数据，通过这些空间点所组成的点云图来表达系统对叶身型面的采样结果。然后以标准叶片的CAD数模作为参照，对所测叶片的点云数据进行比对分析、评价叶片，也可藉由CAD软件进行铺面，以得到完整的CAD模型，配合叶片的专业评价软件，进而得到叶片的各项评价指标17。图14激光测量法原理图相比于坐标测量法，四坐标激光测量法具有测量速度快、采样频率高等优点，此外，由于四坐标测量法是利用激光进行测量，免去了探针，所以特别适合于小而薄型叶片的测量，但其测量精度低于坐标测量法。激光扫描法具有快速准确的三维空间描绘能力，且测量精度较高，检测速度快；但其设备成本比较高，对操作者的能力要求比较高。基于上述特点，激光扫描法在生产现场的应用还比较少。综上可以看出，接触式测量方法主要靠获得叶片的关键点三维坐标，计算出工件几何量，但对于复杂叶片曲面工件来讲，其数据采集量太小，无法获得叶片曲面的三维点云，而且测量范围有限，并不适用于大型工件的测量需求。而其他方式的非接触式测量手段精度又达不到现代化生产检测精度的要求。激光测量的精度也比较高，但其单次扫描的范围较小且噪声点比较多，对于大型叶片的数据采集速度较慢。因此，基于三维面结构光18测量的检测手段是目前工业检测的一个发展趋势，与其他的大型工件检测方式比较，具有非接触、扫描速度快、数据采集量大、精度较高等种种优势。但在国内的工业现场检测领域，三维面结构光测量系统用的还不是很广泛，主要是因为基于机器视觉的三维光学检测系统造价昂贵以及后期检测对比处理速度较慢等原因。因此，本课题一方面利用本所自主研发的XJTUDP工业摄影测量系统配合XJTUOM光学密集点云测量系统对工业检测的精度精度作出研究和提高，将其真正应用于工业现场的测量和检测工作；另一方面针对企业实际检测需求，实现快速自动化检测软件的开发，提高了生产现场检测工作的效率，对于型面复杂、体积巨大、需要精确检测数据、利用传统检测手段不易测量的叶片的检测，具有较好的应用前景。13课题来源与研究意义131课题来源本课题得到国家863计划（2007AA04Z124）“大型复杂曲面的反求和三维快速检测系统研究”和江苏省工业扶持项目NOBE2008058“三维光学快速质量检测系统”的支持。其实际需求源于西安交通大学信息机电研究所与东方汽轮机有限公司、包头市田力环发机电有限公司，西飞集团等企业的合作过程中，企业对大型叶片的检测的迫切需求。目前企业的检测方法，还是通过传统的检具，三坐标测量机、或引进的摄影测量法来进行。本课题利用西安交通大学自主研发的近景工业摄影测量系统和三维密集点云测量系统，结合自主研发的自动检测软件，实现了对叶片的三维全尺寸快速检测。这种方法具有数据采集量大、精度高、速度快、可实现自动化定制检测等优点，满足了大型叶片的快速测量和检测的需求。132研究意义二十世纪八十年代以来，机器视觉的研究已经历了从实验室走向实际应用的发展阶段19。而随着现代制造工业的不断发展，对工业制件及其制造模具的高精度检测日益成为迫切的需求。尤其是大型叶片，其设计、生产、检测、试验等环节需要进行大量的三维曲面实体数字化和三维测量、检测，迫切需要快速、高效、精确的三维尺寸测量和检测技术。传统的叶片检测方法，是利用检具、量尺等手段进行直接测量，或利用三坐标测量机，采集物体表面的特征点与其数模进行比对20。这种方法虽然直观、易操作，但其仍然存在着检测速度慢，工件表面点数据量采集不够，不能针对特定产品进行定制检测等缺陷，尤其不适用于大型叶片的测量和检测。本课题将基于机器视觉原理的三维面结构光测量系统和工业摄影测量系统实际应用于工业制造、检测现场，并且编制自动检测软件平台，在实际应用中达到了很好的检测效果。三维面结构光测量系统和工业摄影测量系统与传统的检测手段不同，它能在极短时间内准确地获得物体表面形状、尺寸、轮廓的三维信息，从而实现物体的数字建模、测量、检测等多方面需求，特别适用于对大型叶片的全尺寸检测，具有数据量大、无接触、速度快等优势，因此在工业现场的大型叶片检测方面具有广阔的应用前景。本文针对三维光学测量技术和工业摄影测量系统在大型叶片检测方面的应用进行研究，并针对实际应用需求开发快速检测软件，对推动工业现场的快速数字化检测具有重要意义。14研究内容和技术路线141研究内容基于对国内外对叶片型面检测的现状与发展趋势，本文采用本所自主研发的XJTUOM光学密集点云测量系统和XJTUDP数字近景工业摄影测量系统来完成对叶片的型面数据的采集，通过测量数据与叶片CAD模型匹配比对，实现整个叶片型面的加工质量分析，整个叶片的检测路线如图15所示。图15叶片的检测路线图基于上述流程，本课题主要主要进行了以下几个方面的研究（1）叶片检测的首要任务就是就是要采集它的表面数据，本文提出基于本所自主开发的近景摄影测量系统和双目光学测量系统来实现对大型叶片的型面数据采集，设计大型叶片外形全尺寸测量方案，在实验室进行叶片模型测量试验，反复推敲和修改现场测量方案，并最终完成叶片的全尺寸测量。（2）为了方便精确的处理面扫描系统测量的海量点云数据，本文对叶片测量的海量数据的处理，包括异常点的删除，减少冗余数据，进行了研究，以减少测量数据对比对检测结果精度的影响。（3）对于点云数据与CAD模型的坐标匹配，本文提出利用基于三个基准点法和改进ICP法结合来实现。首先通过321法进行初步坐标匹配，进而利用改进ICP法实现点云数据与CAD模型的精确坐标匹配；（4）提出了一种基于约束搜索球的点云数据与CAD模型比对检测技术，快速建立点云数据与CAD模型各几何元素之间正确的对应关系，加快后期检测比对的处理速度。将计算得到的偏差结果利用点云色斑图全面、直观、准确地显示并输出检测结果与文本。142技术路线本课题首先在了解了目前国内生产企业对于叶片型面数字化检测技术的需求以及国内外对于该技术研究的基础上，系统地提出了基于实验室自主开发的近景摄影测量系统和三维光学测量系统采集的点云数据与CAD模型数字化比对检测的解决方案。技术路线如图16所示。图16本文技术路线15本文的结构安排本文共由六章内容组成，具体的结构安排如下第一章为绪论部分，主要介绍了大型叶片全尺寸测量与检测技术，并讲述了该技术的研究意义与价值，阐述了国内外关于该技术的研究现状，最后提出本文的主要研究内容。第二章详细阐述了本文所采用的XJTUDP工业摄影测量系统和XJTUOM三维光学面扫描系统的软硬件组成和基本原理，给出了大型叶片全尺寸测量的方案步骤。研究了测量的点云数据后期处理技术与处理步骤。第三章首先介绍几种主要的点云数据与CAD模型的坐标匹配技术，接着对基于三个基准点法的初步坐标匹配法以及改进ICP法的点云数据与CAD模型的精确坐标匹配法进行了详细地阐述。第四章首先介绍点云数据与CAD模型个几何元素之间的对应关系计算模型的建立，以正确地计算得到偏差。接着介绍了采用KD树进行最邻近顶点搜索并构建出约束搜索球，将点云数据与CAD模型比对的范围限制在约束搜索球内，减少了迭代次数，提高了点偏差计算的效率。最后应用色谱图对计算的偏差结果进行表达，并将结果以图表和文本的形式输出。第五章介绍了数字化检测软件的模块组成，并对检测软件进行了试验验证，最后在工业现场对完成对大型叶片的数据采集和比对检测，印证本文所研究内容的可行性。第六章对本文的主要研究内容进行总结，指出本文的研究工作需要改进和提高之处，明确了今后的研究方向。EQUATIONCHAPTERNEXTSECTION12大型叶片表面特征数据采集与处理叶片检测的首要任务就是要得到叶片表面的数据，如何准确快速的获取叶片表面轮廓的数据时检测过程的关键环节之一。此外由于光学测量得到的数据其数据量不仅庞大而且还存在不必要的冗余数据和无效数据（噪声点或杂点），为了方便后面的工作进行，减小对叶片加工误差分析的影响，所以必须要对叶片原始测量数据进行处理一是要去除测量数据中存在的杂点，二是要精简测量数据中存在的大量冗余数据。本章将具体研究利用摄影测量和三维光学方法测量叶片外形的技术，制定测量方案，并对采集的点云进行处理。21光学扫描设备简介本文选择实验室自主开发的XJTUDP工业近景摄影测量系统和XJTUOM三维面结构光扫描系统来实现对叶片表面轮廓进行数据采集，下面对现有的设备做一简单介绍。211数字近景工业摄影测量系统计算机的广泛应用以及数据处理手段的改进，使得摄影测量精度有了大大的改善，从而开辟了新的用途。在摄影测量中对于测量距离在100M以内的称为近景摄影测量，在工业检测中有较大的应用前景。如图21为近景工业摄影测量系统软硬件组成。图21近景工业摄影测量系统1）硬件组成（1）单反数码照相机，在实际工程中拍摄照片所用，要求其镜头有比较低的畸变，选用时必须严格挑选，并通过实验确实其性能是否满足需求。（2）低温度膨胀系数因瓦金定尺寸比例尺，比例尺精度将会影响整个工程的精度。（3）十字方向尺，在方向尺上按一定方式贴上六个ID编号的编码标志点，在测量大工程中需要利用方向尺寻找关心的点。（4）编码标志点，这种点都有唯一的编号，软件可以通过其形状特征查找其编码，从而实现所有点的坐标计算。（5）高性能电脑，计算及存储数据使用。2）基本原理数字近景工业摄影测量是通过在不同的位置和方向获取同一物体点的2幅以上的数字图像，经计算机图像匹配等处理及相关数学计算后得到待测点精确的三维坐标21。其基本原理见下图22所示图22近景工业摄影测量基本原理图其基本理论依据是视觉中的针孔成像原理，即摄影中心S、像点P及物方点P位于同一直线上，满足共线方程如式MERGEFORMAT（21）MERGEFORMAT（21）113322AXSBYSCZSXFY对同一个物方点P来说，在其它参数已知的情况下，只要知道P点在2个以上图像上的二维坐标（X,Y），就可求角解出其在空间中的三维坐标（X，Y，Z）。使用本系统进行测量时，首先在待测工件表面粘贴编码标志点、非编码标志并放置比例尺，然后采用高精度数码相机，围绕工件从不同的角度和位置对物体进行拍摄，得到一定数量的照片（根据工件及标志点的规模）并拷入计算机，最后运行测量软件XJTUDP，经过图像处理、标志点的定位、编码的识别，相机标定及定向，标志点三维重建等步骤，计算出所有标志点的精确三维坐标。物体表面的的其它几何信息都可以由三维坐标转换得到。212三维光学面扫描测量系统三维面结构光测量系统采用结构光非接触式照相测量原理，结合结构光、相位测量、计算机视觉等技术于一体，通过光栅投影装置投影数幅特定编码的结构光到待测物体上，并由成一定夹角的两个摄像头同步采集相应图像，然后对图像进行解码和相位计算，并利用外差式多频相移三维光学测量技术，利用空间频接近的多个投影条纹莫尔特性的解相方法，计算出两个摄像机公共视区内像素点的三维坐标，从而实现物体的三维信息数字化和测量。三维面结构光测量系统开发的理论基础是基于计算机双目视觉技术，并应用外差式多频相移技术22。下图23为XJTUOM三维光学面扫描系统的硬件组成以及数据采集时的应用照片。图23XJTUOM三维光学面扫描系统硬件1）硬件组成（1）投影仪一个选用光学稳定性较好的多媒体投影仪，分辨率为12801024；（2）数码摄像头二个使用工业级数字摄像头，该摄像头在12801024分辨率下的最大输出可以达到75帧，而且提供二次开发SDK可以方便的对其进行编程控制；（3）组合平台一个包括投影仪底座，相机万向头，连接杆，三脚架等；（4）高性能计算机一台通过控制投影仪、数码摄像头来完成整个扫描过程，以及对扫描数据进行处理。2）软件功能组成软件部分实现的功能主要有图像采集、图像预处理、摄像机标定、立体匹配和三维重建，如下图24所示各部分的功能简述如下（1）图像采集二维图像的获取是系统的物质基础，图像采集质量的好坏直接影响后续的步骤。本系统采用投影仪投射经过编码的结构光到实体上，通过两个摄像头同时采集实体图像，且视点基本在一条直线上。图24XJTUOM系统功能组成（2）图像预处理采集到的二维图像包含了各种各样的随机噪声和畸变，因此需要对原始图像进行预处理，突出有用信息，抑制无用信息，改善图像质量。图像预处理的目的主要有两个一是改善图像的视觉效果，提高图像清晰度；二是使图像变得更有利于计算机的处理，便于各种特征分析，如特征点识别、定位等。（3）摄像机标定摄像机标定是为了确定摄像机的位置、属性参数和建立成像模型，以便确定空间坐标系中物体点同它在图像平面上像点之间的对应关系。摄像机标定需要确定内部参数和外部参数，内部参数包括摄像机内部的几何和光学特性，外部参数是指相对一个世界坐标系的摄像机坐标系的三维位置和方向。本系统中，使用两个摄像头，需要在进行测量之前同时进行标定。（4）立体匹配立体匹配是指根据对所选特征的计算，依照一定的约束条件，建立特征之间的对应关系，从而将同一个空间物理点在不同图像中的映像点对应起来，为之后的三维重建提供基础。（5）三维重建三维重建是指在立体匹配得到视差图像之后，恢复场景三维信息，并确定点云。影响距离测量精度的因素主要有数字量化效应、摄像机标定误差、特征检测与匹配定位精度等。22叶片全尺寸测量的方案水轮机叶片由于体积较大，部分位置壁厚较薄，自由态的放置会带来一定的形变，对测量结果有影响。而且摄影测量需要从不同的位置对被测对象进行拍照，因此需要考虑叶片的放置方式。遵循原则A便于摄影拍照；B不会产生形变而影响测量精度。考虑叶片的加工基准，可以适当的加工相应的工装，对叶片进行固定并建立相应的测量平台，便于后期手动进行坐标转换。如叶片可以加工如图25所示的叶片装配底座。图25叶片装配底座具体测量步骤如下（1）测量前的预处理准备，清除叶片表面的一些灰尘等影响测量效果的东西。将所用到的脚手架、工作平台等辅助测量设备按规划移动到制定位置。（2）确定叶片的放置位置，将叶片放置在工装上。叶片周围三米以内保持畅通，叶片在测量过程中必须保证叶片的绝对位置不能变动，否则整个测量结果将会受到影响。（3）叶片表面粘贴编码点、非编码点，放置比例尺。编码点和非编码标志点贴的位置根据检测要求贴在叶片表面曲率变化平缓且位置不重要的地方。标尺的放置位置应遵循一、标尺所控制的面积为被检对象最大有效面积，贴近被检对象放置；二、精度要求较高的位置必须有标尺，且标尺的端部必须有足够多的编码标志点。如图26所示。图26标志点与标尺的放置（4）工业摄影测量系统（XJTUDP系统）进行全局摄影拍照计算。从不同位置对叶片进行拍照，获取包含编码标志点、非编码标志点、全局标尺信息的照片，导入XJTUDP摄影测量系统中进行计算，得到被检对象表面的非编码点、编码标志点的全局三维坐标。如图27工业摄影测量系统界面所示图27工业摄影测量系统界面（5）XJTUOM系统进行叶片表面密集点云采集。导入XJTUDP系统计算的全局标志点后，XJTUOM系统会自动的识别出这些带编号全局坐标点，在其左右相机的视窗里匹配起来并以绿色显示。逐幅扫描采集叶片各个位置的表面密集点云，得到水轮机叶片的整体密集点云，如图28所示为XJTUOM系统采集的叶片表面密集点云图28XJTUOM系统采集的叶片表面密集点云23点云数据的处理对于采用三维光学扫描得到的叶片的测量数据，因为是从不同的角度依次扫描物体所得到，因此所扫描的数据之间存在一定的重叠区域，在扫描时这些重叠区域可以保证测量数据的完整。另外受测量方式、被测物体材料性质、外界干扰等因素的影响，不可避免会产生误差很大的点噪声点和失真点跳点。所以本文所测点云有如下特点部分点云重叠、带有噪声、高密度。针对以上特点，为了方便后续工作的进行，减少对叶片加工误差分析的影响，必须对原始测量数据进行处理，具体流程如下图29所示图29点云处理流程231点云匹配由于点云的总体数据是从不同的角度依次扫描物体表面获得，虽然有非编码标志点的全局坐标控制，但是由于相机畸变，光线等外在因素的影响，各幅点云之间有可能出现不重合的情况，所以需要对各幅点云的坐标进行匹配。匹配技术分为粗匹配和精匹配23。粗匹配的主要目的是为了获得坐标一致化的点云模型。精匹配的主要目的是为了获得精确的匹配效果，减小粗匹配误差。本文采用基于标志点的粗匹配方法。与现有技术相比，匹配速度更快，对点云本身的几何特性要求低。其基本原理是，首先在通过近景摄影测量的标志点点集P中任选一点，计算出与它在同一幅图像中的距离，则所有点与其邻域点的距离IPIPIPD构成距离矩阵DA。对于密集点测量，同样构造距离矩阵DB。任选标志点集Q中3点，A，B，C，查询点间距离，比较P点集中一点A是否满足距离条件ABDCB，。这里为在P中的邻近点，是用户指定的测|AABDTOL|ATOLATOL量距离误差。如果满足条件，说明该点A可能是A点的对应点。这时再比较A对应的距离相等的两个邻近点B，C，是否满足，如果相等，则确定3|BCDBCTL点的对应关系。即，否则比较P中下一个点。该方法获得AB3个对应点。为了减小匹配误差，需要求取更多的对应点。这时，可以利用已经求取的三个对应点快速求得。以上方法经过多次循环，直至Q中没有邻域点存在。获得对应点集后，通过最小化匹配误差求得转换矩阵。测量的密集点云根据此转换矩阵进行变换，获得定位的点云数据。精匹配的方法有很多，其中ICP算法是点云精匹配的常用算法。它通过建立不同视角点云中的对应点对的映射关系，采用最小二乘法计算坐标转换矩阵，迭代求解直到满足精度需要。传统ICP算法的缺点是只适用于存在明确对应关系的点集之间的定位,而且由于每次迭代都需要计算目标点集中每个点在参考点集中的对应点。因此,计算速度很慢,并不能真正解决测量点云数据的多视定位。为此，BLAIS等24结合了逆向定标法和随机搜寻法来提高速度，但对拼接精度产生了一定的影响；LI等提出了一种ICLITERATIVECLOSESTLINE算法，通过直接对两个点云中的点连线并寻找对应线段进行拼接，但存在无法保证线段之间对应关系的问题；DEVRIMAKCA等25提出将三维数据进行空间网格划分，空间点就落入相应的网格中，从而加速ICP算法中对应点的查找，但是这种方法在采样不均匀的情况下，速度会大大降低；GELFAND26提出了一种基于稳定采样的ICP算法，即只有那些被认为是非常有代表性的点才会被用来进行ICP迭代，保证了ICP算法的有效性，但是容易陷入局部最优解。本文针对大型叶片检测需求，采用基于条件的删除算法，去除不良或假的匹配对，提高匹配算法的准确性。232多视点云融合三维面扫描测量仪器单次扫描的幅面大小有限，而大型叶片等工件等的尺寸较大，单次测量只能得到物体一部分的点云，必须进行视角的测量。因此多次扫描得到的叶片点云存在大量重叠区域，并不能直接用于和CAD模型进行比对。因此，需要对获得的点云数据进行融合，从而得到单层的、精确的点云模型，以利于提高叶片检测的精度。目前比较典型的点云融合方法有基于网格缝合的方法（ZIPPEREDPOLYGONMESHESFROMRANGEIMAGES）、增量式网格化方法（INCREMENTALAPPROACHES）、基于空间容积的方法（VOLUMETRICAPPROACHES）、基于聚类的方法（ACCURATEINTEGRATIONOFMULTIVIEWRANGEIMAGESUSINGKMEANSCLUSTERING）等27。但是，目前这些融合方法融合的速度慢、效率低，而且对计算机的内存要求也相对较大，而对于本文采集的海量数据来说，利用现有方法处理起来的难度较大。本文所采用的是一种新的数据融合方法，其主要思想是同时考虑两幅点云的微切邻域及点的法向，融合点是两幅点云中对应邻域内点的加权平均，原始点沿法向方向运动产生融合点。与其他数据融合方法相比，具有保持特征、点云分布均匀、融合后的点云模型噪声小、融合痕迹小等优点