CN120219251A 一种基于点云的铸件变形补偿方法

(19)国家知识产权局区崇宏街288号科技楼3层刘旭升苏德全柳龙杰钟剑兵胡锡涛黄剑峰(普通合伙)35239GO6TGO6VGO6V本发明提供一种基于点云的铸件变形补偿用ICP配准将源点云配准至铸件的模板点云坐标始配准点云和模板点云的配准特征点集合和模将最终配准点云分为刚性层点云和非刚性层点2步骤S1、对铸件点云进行高斯滤波及边缘点检测，利用动态采样率对边缘点检测结果准点云；步骤S2、利用SIFT分别获取初始配准点云和模板点云的配准特征点集层点云；步骤S5、利用全局变换矩阵对最终配准点云进行变换得到补偿点云，全局变换矩阵由个点云，计算其邻域内点云坐标的协方差矩阵,对该协方差矩阵进i个点云为候选边缘点，若邻域内各点法向量与中心点法向量之间的夹角方差大于设定的第二夹角阈值，则判定第i个点云为边缘点，对该点云附加边缘点标记后置于边缘点集合点云P中的点云p,在源点云P中搜索点云p的最近邻点p,若点云p,与点云p的法向量夹3离小于设定距离阈值的配准特征点，将该模板特征点与选取的配准特征点组成初始匹配最优变换矩阵得到精配准点云P"。步骤S31、通过随机梯度下降迭代优化局部仿射变换矩阵A,其中，损失函数为步骤S32、利用拉普拉斯贝尔特拉米算子计算经局部仿射变换矩阵变换后的精配准点步骤S33、定义能量函数,以最小化滤波后点云与模板点云之间的Wasserstein距离优化变换矩阵T’,得到最终配准点云PS",其中，p₁,表示滤波后点中，根据公式计算最终配准点云中点云pi,,的曲率标准差Tglobal,0=W,Trigid,+(1-w,)Tnomigid,”,通过Levenberg-Marquardt算法优化权重w;,,其4时，其初始值由公式w⁹=αK,+βVK,获取，K,,表示非刚性层点云p,,的高斯曲率，10.根据权利要求9所述的一种基于点云的铸件变形补偿方法，其特征在于：所述步骤为模板点云中的点云，N为模板点云的点云数量。5一种基于点云的铸件变形补偿方法技术领域[0001]本发明属于三维数字化检测与精密铸造技术交叉领域，具体涉及一种基于点云的铸件变形补偿方法。背景技术[0002]铸件在凝固冷却过程中因合金收缩率差异、型壳约束作用及温度梯度分布不均的原因，普遍存在整体收缩、局部翘曲等复杂形变现象。传统反变形补偿方法依赖经验公式或有限元仿真预测形变量，通过在模具设计阶段预置反向补偿量实现形变抵消。然而，如涡轮叶片等复杂曲面铸件的变形呈现高度非线性特征，仅凭单次位移场补偿难以精确匹配实际变形量，往往需要多次试模迭代修正。[0003]随着三维扫描技术的发展，基于实测点云的形变分析逐渐成为主流，但其在工程应用中仍面临如下多重技术瓶颈：在点云预处理环节，铸造件表面常存在毛刺、氧化皮等干扰特征，扫描数据中混杂着高频噪声与冗余点。现有技术在滤除噪声与冗余点时存在模糊几何边缘细节或者对不规则毛刺剔除效果有限等缺陷；形变建模阶段，传统整体刚性变换模型无法表征铸造收缩的梯度特性，而纯非刚性算法计算复杂度高且易产生过度变形，而铸造变形中约60%属于全局刚性位移，40%为局部塑性变形，因此需采用混合建模策略，但现有方法多通过曲率分析划分刚性区域，但未建立动态权重机制，导致补偿矩阵在过渡区域出现不连续现象。这使得现有技术对铸件变形补偿的精度和效率均不理想。发明内容[0004]本发明的目的是提出一种基于点云的铸件变形补偿方法，能够有效提高铸件的形变补偿精度与效率。[0005]本发明通过以下技术方案实现：一种基于点云的铸件变形补偿方法，包括如下步骤：步骤S1、对铸件点云进行高斯滤波及边缘点检测，利用动态采样率对边缘点检测结果进行采样得到源点云，利用ICP配准将源点云配准至铸件的模板点云坐标系下，得到初始配准点云；步骤S2、利用SIFT分别获取初始配准点云和模板点云的配准特征点集合和模板特征点集合，依据特征点距离获取粗匹配对集合，对该粗匹配对集合进行鲁棒匹配以得到精配准点云；步骤S3、基于局部仿射变换与多尺度形变映射对精配准点云进行形变补偿，得到最终配准点云；步骤S4、计算最终配准点云中各点云的曲率标准差，并基于KD树对最终配准点云进行聚类得到多簇点云，对于每一簇点云，若各点云的曲率标准差小于设定的曲率阈值且点云间法向量夹角小于设定的第一夹角阈值，则将该簇点云归于刚性层点云，否则归于非刚性层点云；6阵由齐次变换矩阵和局部仿射变换矩阵加权融合得到，齐次变换矩阵根据刚性层点云获于高斯滤波后的铸件点云的第i个点云，计算其邻域内点云坐标的协方差矩阵,对该协方差矩阵进行特征值分解，得到按大小排序的三个特征值[0008]进一步的，所述步骤S1中，所述利用ICP配准中，以迭代步长进行迭代最近邻点p,若点云p与点云p的法向量夹角小于设定的第三夹角阈值，则将(ps,pt)作为有效匹配对，迭代结束后得到变换矩阵T,根据公式P'=T·P得到初始配准点云P'其中，函数对剔除误匹配后的粗匹配对集合进行优化，得到最优变换矩阵，进而云和最优变换矩阵得到精配准点云PS。7步骤S31、通过随机梯度下降迭代优化局部仿射变换矩阵A,其中，损失函数为,其中，y₁=A₁pi,P₁∈Ps,;表示模板点云中与点云p₂匹配的步骤S32、利用拉普拉斯贝尔特拉米算子计算经局部仿射变换矩阵变换后的精配准点云的曲率，分离高曲率区域和低曲率区域，构建高斯金字塔，逐层降低点云分辨率，提取从粗到细的几何特征，以实现多尺度滤波，得到滤波后点云；步骤S33、定义能量函数,以最小化滤波后点云与模板点云之间的Wasserstein距离优化变换矩阵T’,得到最终配准点云,其中，p,,表示滤波后[0011]进一步的，所述步骤S4中，根据公式计算最终配准点云Ps"中点云p,,,的曲率标准差,其中，m为点云p,,的邻域内点云数量，K,为邻域内点云p,,的高斯曲率，K为邻域内平均高斯曲率。[0013]进一步的，所述步骤S5中，对于最终配准点云中的点云pi,,,其对应的全局变换矩阵表示为Tglobal,=W,Trigid,”+(1-w₂)Tnomrigid,",通过Levenberg-Marquardt算法优化化权重w;,时，其初始值由公式w⁹=αK,+βVK,获取，K,,表示非刚性层点云的高斯曲率，VK,,表示非刚性层点云p,,的高斯曲率梯度，α、β为设定的权重因子，a+β=1。[0014]进一步的，所述步骤S5中，对于非刚性层点云p,,,使用最小二乘法获取Rrigid,"和trigid,”,其中误差函数定义为qj为模板点云中的点[0015]本发明具有如下有益效果：1、本发明对铸件点云进行高斯滤波及边缘点检测，能够在保留几何特征的消除局部扰动，确保棱角等关键结构不被模糊，利用动态采样率对边缘点检测结果进行采样得到源点云，利用ICP配准将源点云配准至铸件的模板点云坐标系下，得到初始配准点云，能够实现数据精简及配准优化，有效提升点云质量；利用SIFT分别获取初始配准点云和模板点云的配准特征点集合和模板特征点集合，依据特征点距离获取粗匹配对集合，对该粗匹配8附图说明对高斯滤波后的铸件点云进行边缘点检测具体包括：对于该第i个点云为候选边缘点，若邻域内各点法向量与中心点法向量之间的夹角方差大于设9点云P中的点云p,在源点云P中搜索点云p的最近邻点p,若点云p,与点云p的法向量夹还可以加入几何组合约束，设原始三角形边长为a,b,c,匹配后为a',b',c′,若,则认为满足几何相似性。5%误差阈值参考了实际传感器噪声函数对剔除误匹配后的粗匹配对集合进行优化，得RANSAC剔除误匹配时，根据公式计算迭代次数N,每次迭代随机采Geman-McClure核函数优化中，根据内点集合中的残差r=llp;T*pjⅡ,计算误差函态调整的尺度参数),则鲁棒匹配对集合为Mrobust={(p³,pj)∈McoarselIp;-T*pSII<τ},其,IT(p⁵)-ptⅡ为变换后的源点与目标点之间的欧式距步骤S32、利用拉普拉斯贝尔特拉米算子计算经局部仿射变换矩阵变换后的精配步骤S33、定义能量函数,以最小化滤波后点云与模板刚性层点云；根据公式计算最终配准点云Ps"中点云p,,的曲率标阵由齐次变换矩阵和局部仿射变换矩阵加权融合得到，齐次变换矩阵根据刚性层点云获对于最终配准点云Ps"中的点云pi,,,其对应的全局变换矩阵表示为Tglobal,2=W,Tigid,”+(1-w,)Tnomigd,,通过Levenberg-Marquardt算法优化权重w,,