一种基于全局环境感知的特征快速识别方法技术

本发明专利技术涉及航空发动机管路系统装配质量检测技术领域，解决了在全局环境结构复杂、表面特征数据严重缺失的情况下，对于紧固件零件识别效率和准确率低的技术问题，尤其涉及一种基于全局环境感知的特征快速识别方法，包括以下步骤：S1、从航空发动机的管路系统中获取单视角点云数据；S2、从单视角点云数据中将待识别的紧固件离散成紧固件模型点云；S3、将单视角点云数据分割为不同的点云子模块；S4、根据点云子模块中每个点的曲率半径值分布确定每个点云子模块的先验概率值进行粗分类。本发明专利技术能够实现单帧数据中管道紧固件的快速识别，以检测紧固件安装是否都正确，是否存在漏装和错装现象。装现象。装现象。

【技术实现步骤摘要】
一种基于全局环境感知的特征快速识别方法


[0001]本专利技术涉及航空发动机管路系统装配质量检测
，尤其涉及一种基于全局环境感知的特征快速识别方法。

技术介绍

[0002]航空发动机管路系统因为其结构复杂，零件之间存在严重的相互遮挡，在数字化测量过程中，采集到的装配体表面的三维数据现象不可避免，这为单视角数据中部分零件特征的识别带来极大的难度，同时因为其他特征的干扰作用为管路系统零件的检测和识别带来了干扰，同时增大了计算量，降低了识别效率。
[0003]在航空发动机管路系统装备质量检测中关于管路系统管道紧固件检测准确性和效率还是一个检测难题。目前传统检测手段没有可靠的手段对航空发动机装配质量展开检测，研究人员逐渐因为数字化测量手段对装配质量开展分析检测，但是因为发动机装配空间小，零件数量多，分布密集，在三维数据采集过程中无法避免零件特征被遮挡的问题，零件表面信息特征缺失严重，基于实测点云数据对装配中紧固件是否正确安装，是否存在错装或者漏装检测分析是一个很大的难题。而目前，紧固件零件特征识别多采用紧固件标准数模和扫描采集的实测点云比对，这种方法计算效率低，因为数据缺失严重，零件特征的匹配准确率低。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种基于全局环境感知的特征快速识别方法，解决了在全局环境结构复杂、表面特征数据严重缺失的情况下，对于紧固件零件识别效率和准确率低的技术问题。
[0005]为解决上述技术问题，本专利技术提供了如下技术方案：一种基于全局环境感知的特征快速识别方法，包括以下步骤：S1、从航空发动机的管路系统中获取单视角点云数据；S2、从单视角点云数据中将待识别的紧固件离散成紧固件模型点云；S3、将单视角点云数据分割为不同的点云子模块；S4、根据点云子模块中每个点的曲率半径值分布确定每个点云子模块的先验概率值进行粗分类；S5、从不同的点云子模块中提取所有的直管道特征；S6、根据直管道特征进行判断得到可能存在含有紧固件的ROI区域；S7、根据可能含有紧固件的ROI区域和紧固件模型点云对紧固件特征进行精确识别。
[0006]进一步地，在步骤S1中，从航空发动机的管路系统中获取单视角点云数据，具体过程包括以下步骤：S11、采用面结构光扫描仪对航空发动机的管路系统进行扫描获取装配原始结构
的三维点云模型；S12、采用Delaunay三角化方法将三维点云模型细化为三角网格，利用均匀采样将三角网格离散为三维点云数据；S13、手动裁剪掉三维点云数据中在一个视角下被遮挡的点得到单视角点云数据。
[0007]进一步地，在步骤S3中，将单视角点云数据分割为不同的点云子模块，具体过程包括以下步骤：S31、在单视角点云数据中随机选择一个点作为种子点Q；S32、计算单视角点云数据中离种子点Q距离最近的点的法线与种子点Q法线的角度差M，根据阈值F对单视角点云数据中的所有点进行查找并归类为若干个类别；若角度差M小于或等于阈值F，则种子点Q和点归为一个以种子点Q决定的类别；然后找距离点最近的点，计算点的法线与点的法线角度差，并判断角度差是否小于或等于阈值F；若角度差小于或等于阈值F，则将点归为种子点Q和点的类别中，依次计算并归类直到这类点中的点离它最近的点角度差大于阈值F时，则停止检索，该类别的所有的点查找完成；S33、对查找过程中所有类别的点都赋予一个标记；S34、根据带有标记的类别进行逐渐扩散分割，最终将所有的点分类完成，得到若干个点云子模块。
[0008]进一步地，在步骤S4中，根据点云子模块中每个点的曲率半径值分布确定每个点云子模块的先验概率值进行粗分类，具体过程包括以下步骤：S41、计算每个点云子模块的先验概率值；S42、根据点云子模块的先验概率值进行粗分类；若点云子模块的先验概率值小于或等于0.6，则排除该点云子模块；若点云子模块的先验概率值大于0.6，则进入步骤S5。
[0009]进一步地，在步骤S5中，从不同的点云子模块中提取所有的直管道特征，具体过程包括以下步骤：S51、在每个点云子模块中按点序列找到一个种子点，并以一定邻域半径截取一块点云设为点云块1；S52、采用经典最小二乘方法将点云块1拟合出第一圆柱特征，圆柱特征包括几何特征中的中轴向方向、圆柱轴线以及圆柱半径；S53、根据第一圆柱特征的中轴向方向、圆柱轴线以及圆柱半径的1.2倍设定一个圆柱形包围盒；S54、在点云子模块中分割出点云块2，并采用步骤S52中的拟合方法对其拟合出第二圆柱特征；若第二圆柱特征中的圆柱半径与点云块1中圆柱半径的差值小于阈值0.3mm，则判定第一圆柱特征与第二圆柱特征是连续的圆柱特征，即同属于一段直管道；否则，则认为点云块1不是第二圆柱特征的一部分，即不是直管道，需要返回步骤
S51重新找其他点作为种子点进行循环；S55、根据拟合出的中轴向方的向正向和正向的反方向分别截取一段点云，分别为点云块3和点云块4，并执行步骤S52中拟合方法，对点云块3和点云块4进行拟合；如果得到圆柱半径与点云块1的圆柱半径的差值小于阈值0.3mm，则判定点云块3和点云块4与点云块1和点云块2同属一条直管道，依次向两边延伸，直到不符合步骤S54中的阈值要求时，直管道特征拟合结束。
[0010]S54、在其他点云子模块中依次执行步骤S51
‑
S55检索直管道特征，完成提取单视角点云数据中所有的直管道特征。
[0011]进一步地，在步骤S6中，根据直管道特征进行紧固件特征ROI判断，具体过程包括以下步骤：S61、将步骤S5中提取到的直管道特征分别编号为，其中j是在单视角点云数据中提取到的直管道个数；S62、检索同一编号下的每两个直管道特征之间的相互关系，并根据相互关系判断两个直管道特征是否为轴线共线；若两个直管道特征为轴线共线，则进入步骤S63；若两个直管道特征不是轴线共线，则判断为非一条直管道，再与下一个直管道特征进行判断；S63、根据ROI区域设定规则设定一个圆柱形区域包围盒，圆柱轴线与步骤S62中的两个直管道特征的轴线共线，半径为两个直管道特征中半径较大的管道的1.2倍，然后判断在ROI区域内是否存在其他同轴的直管道特征；若存在其他同轴的直管道特征，则两个直管道特征之间可能存在一个紧固件，即该ROI区域可能存在紧固件；若不存在，则结束；S64、按照步骤S61
‑
S63依次对同一编号下的每两个直管道特征之间判断是否存在可能含有紧固件的ROI区域。
[0012]进一步地，在步骤S7中，根据可能含有紧固件的ROI区域和紧固件模型点云对紧固件特征进行精确识别，具体过程包括以下步骤：S71、从单视角点云数据中分割出可能含有紧固件的ROI区域的点云作为ROI点云块，单视角点云数据中包括一个或多个ROI点云块；S72、将紧固件模型点云作为源点云，每一个ROI点云块作为目标点云，进行ICP配准得到对应点对；S73、根据对应点对计算均方根误差RMSE值；若对应点对之间的RMSE值小于设定的阈值，则目标点云中存在与源点云相同的零件，完成对紧固件的精确识别；若对应点对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于全局环境感知的特征快速识别方法，其特征在于，包括以下步骤：S1、从航空发动机的管路系统中获取单视角点云数据；S2、从单视角点云数据中将待识别的紧固件离散成紧固件模型点云；S3、将单视角点云数据分割为不同的点云子模块；S4、根据点云子模块中每个点的曲率半径值分布确定每个点云子模块的先验概率值进行粗分类；S5、从不同的点云子模块中提取所有的直管道特征；S6、根据直管道特征进行判断得到可能存在含有紧固件的ROI区域；S7、根据可能含有紧固件的ROI区域和紧固件模型点云对紧固件特征进行精确识别。2.根据权利要求1所述的特征快速识别方法，其特征在于：在步骤S1中，从航空发动机的管路系统中获取单视角点云数据，具体过程包括以下步骤：S11、采用面结构光扫描仪对航空发动机的管路系统进行扫描获取装配原始结构的三维点云模型；S12、采用Delaunay三角化方法将三维点云模型细化为三角网格，利用均匀采样将三角网格离散为三维点云数据；S13、手动裁剪掉三维点云数据中在一个视角下被遮挡的点得到单视角点云数据。3.根据权利要求1所述的特征快速识别方法，其特征在于：在步骤S3中，将单视角点云数据分割为不同的点云子模块，具体过程包括以下步骤：S31、在单视角点云数据中随机选择一个点作为种子点Q；S32、计算单视角点云数据中离种子点Q距离最近的点的法线与种子点Q法线的角度差M，根据阈值F对单视角点云数据中的所有点进行查找并归类为若干个类别；若角度差M小于或等于阈值F，则种子点Q和点归为一个以种子点Q决定的类别；然后找距离点最近的点，计算点的法线与点的法线角度差，并判断角度差是否小于或等于阈值F；若角度差小于或等于阈值F，则将点归为种子点Q和点的类别中，依次计算并归类直到这类点中的点离它最近的点角度差大于阈值F时，则停止检索，该类别的所有的点查找完成；S33、对查找过程中所有类别的点都赋予一个标记；S34、根据带有标记的类别进行逐渐扩散分割，最终将所有的点分类完成，得到若干个点云子模块。4.根据权利要求1所述的特征快速识别方法，其特征在于：在步骤S4中，根据点云子模块中每个点的曲率半径值分布确定每个点云子模块的先验概率值进行粗分类，具体过程包括以下步骤：S41、计算每个点云子模块的先验概率值；S42、根据点云子模块的先验概率值进行粗分类；若点云子模块的先验概率值小于或等于0.6，则排除该点云子模块；
若点云子模块的先验概率值大于0.6，则进入步骤S5。5.根据权利要求1所述的特征快速识别方法，其特征在于：在步骤S5中，从不同的点云子模块中提取所有的直管道特征，具体过程包括以下步骤：S51、在每个点云子模块中按点序列找到一个种子点，并以一定邻域半径截取一块点云设为点云块1；S52、采用经典最小二乘方法将点云块1拟合出第一圆柱特征，圆柱特征包括几何特征中的中轴向方向、圆柱轴线以及圆柱半径；S53、根据第一...

【专利技术属性】
技术研发人员：汪俊，曹涛，龚小溪，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：