李紅衛(wèi)，戴佳佳，謝 乾，汪 俊+

(1.航空工業(yè)西安飛機(jī)工業(yè)(集團(tuán))有限責(zé)任公司，陜西 西安 710089； 2.南京航空航天大學(xué) 機(jī)電學(xué)院，江蘇 南京 210016)

0 引 言

隨著飛機(jī)制造向智能制造方向發(fā)展的趨勢(shì)，高精度的數(shù)字化測(cè)量技術(shù)在飛機(jī)制造領(lǐng)域得到廣泛的應(yīng)用[1,2]，是飛機(jī)制造過程中的關(guān)鍵技術(shù)之一。飛機(jī)蒙皮是飛機(jī)氣動(dòng)外形及承力、傳力結(jié)構(gòu)體系的重要組成部分[2]。該類零件具有厚度薄、剛度弱、易變形、尺寸大[2]等結(jié)構(gòu)特征。蒙皮通過鉚接、螺接等形式與飛機(jī)機(jī)體骨架連接，由于裝配過程中鉚釘?shù)膽?yīng)力作用，導(dǎo)致蒙皮縫隙的測(cè)量結(jié)果與設(shè)計(jì)不相符，這是對(duì)飛機(jī)飛行性能影響較大的關(guān)鍵因素之一[3]，因此對(duì)于蒙皮接縫的識(shí)別是機(jī)身自動(dòng)化檢測(cè)的基礎(chǔ)和必要步驟。

目前對(duì)于蒙皮縫隙的檢測(cè)多采用手持非接觸式設(shè)備進(jìn)行測(cè)量，而縫隙識(shí)別仍采用人工辨別。但隨著機(jī)器人技術(shù)的快速發(fā)展，機(jī)械臂等機(jī)器人設(shè)備能夠進(jìn)行部分重復(fù)性工序，有效減少人力的消耗，在制造領(lǐng)域得到廣泛的應(yīng)用。結(jié)合機(jī)械臂的檢測(cè)過程中，針對(duì)檢測(cè)目標(biāo)的自動(dòng)化識(shí)別是必不可少的步驟之一，對(duì)于蒙皮縫隙的識(shí)別是飛機(jī)機(jī)身智能化檢測(cè)的重要前提。

本文結(jié)合機(jī)械臂與三維激光掃描設(shè)備，研究飛機(jī)蒙皮特征提取和對(duì)縫識(shí)別等內(nèi)容。主要?jiǎng)?chuàng)新點(diǎn)在于提出基于散亂點(diǎn)云的蒙皮對(duì)縫識(shí)別方法，研究點(diǎn)云的內(nèi)在幾何規(guī)律，設(shè)計(jì)三維點(diǎn)云的張量投票方法以及強(qiáng)化決策機(jī)制的多直線擬合算法，高效解決飛機(jī)蒙皮對(duì)縫自動(dòng)化識(shí)別的效率問題。

1 相關(guān)工作

近幾年相關(guān)檢測(cè)技術(shù)在我國(guó)航空制造業(yè)進(jìn)行了一定的研究與探索，也取得了一定的成績(jī)，大多采用非接觸式測(cè)量方式。根據(jù)采用設(shè)備的不同，已有的非接觸式測(cè)量又分為基于線結(jié)構(gòu)光的方法和基于三維掃描儀的方法。

余飛翔等將飛機(jī)縫隙特征視作為蒙皮的邊緣特征進(jìn)行提取，利用鄰域搜索方法進(jìn)行曲率信息的計(jì)算，從而識(shí)別測(cè)量點(diǎn)，并進(jìn)一步擬合直線[3]。許大帥和杜福洲結(jié)合結(jié)構(gòu)光視覺技術(shù)和iGPS測(cè)量系統(tǒng)實(shí)現(xiàn)了階差間隙的實(shí)時(shí)動(dòng)態(tài)測(cè)量，在線結(jié)構(gòu)光測(cè)量設(shè)備進(jìn)行飛機(jī)蒙皮對(duì)縫測(cè)量的同時(shí)，iGPS跟蹤測(cè)量的位置，并將測(cè)量結(jié)果和位置信息轉(zhuǎn)換為全局坐標(biāo)系中，實(shí)現(xiàn)飛機(jī)蒙皮對(duì)縫的動(dòng)態(tài)測(cè)量[4]。

嚴(yán)成等開發(fā)了基于三維點(diǎn)云的縫隙測(cè)量系統(tǒng)，通過激光設(shè)備獲取蒙皮對(duì)縫點(diǎn)云數(shù)據(jù)，構(gòu)建蒙皮對(duì)縫間隙、階差的數(shù)學(xué)模型[2]。陳松林等利用光柵投影技術(shù)同時(shí)獲取散亂點(diǎn)云和二維圖像，在圖像上提取對(duì)縫區(qū)域，根據(jù)二維圖像與三維點(diǎn)云之間的對(duì)應(yīng)關(guān)系，將圖像上的對(duì)縫區(qū)域定位到三維點(diǎn)云上，從而實(shí)現(xiàn)三維點(diǎn)云的對(duì)縫區(qū)域提取，并進(jìn)一步實(shí)現(xiàn)三維空間中間隙階差的測(cè)量[5]。張洪瑤等提出一套飛機(jī)蒙皮自動(dòng)化檢測(cè)系統(tǒng)，通過機(jī)器人和三維激光掃描儀的結(jié)合，對(duì)飛機(jī)蒙皮模型對(duì)縫間隙與階差測(cè)量方法進(jìn)行深入研究，建立了對(duì)縫的縫寬與階差的數(shù)學(xué)模型，實(shí)現(xiàn)飛機(jī)蒙皮對(duì)縫區(qū)域的自動(dòng)定位、檢測(cè)和分析，實(shí)現(xiàn)對(duì)縫的高效率、高精度的自動(dòng)化檢測(cè)與分析[6]。

國(guó)外對(duì)于蒙皮接縫測(cè)量技術(shù)的研究已進(jìn)入實(shí)際工程應(yīng)用階段，配套研發(fā)相應(yīng)的間隙測(cè)量設(shè)備，受到測(cè)量領(lǐng)域的大量推廣和應(yīng)用，其中包括飛機(jī)裝配檢測(cè)的應(yīng)用，一定程度上提高飛行器的生產(chǎn)效率與制造精度。國(guó)外的相關(guān)研究已與產(chǎn)業(yè)相結(jié)合，生產(chǎn)了專業(yè)的數(shù)字化測(cè)量設(shè)備用于對(duì)縫間隙和階差的測(cè)量[7,8]，例如英國(guó)Third Dimension Software公司的激光間隙槍GapGun應(yīng)用在汽車制造行業(yè)，測(cè)量車身的間隙；加拿大LMI Technologies公司的線激光輪廓傳感器Gocator系列產(chǎn)品使用投影激光線進(jìn)行高分辨率掃描、測(cè)量和控制，美國(guó)LAP公司生產(chǎn)的ANTARIS系列產(chǎn)品多應(yīng)用在工業(yè)制造中。這類產(chǎn)品通常是手持的方式進(jìn)行測(cè)量，雖然測(cè)量結(jié)果準(zhǔn)確，但是單次測(cè)量只能得到一次測(cè)量數(shù)據(jù)，存在測(cè)量的局限。

現(xiàn)有的研究以及已成型的測(cè)量設(shè)備，多采用線結(jié)構(gòu)光的檢測(cè)模式，而線結(jié)構(gòu)光通常一次只能從一個(gè)角度采集一次數(shù)據(jù)進(jìn)行接縫間隙和階差的測(cè)量計(jì)算，計(jì)算速度較快、精度較高，但對(duì)于飛機(jī)蒙皮接縫來說，因飛機(jī)機(jī)體尺寸大、剛度小、易變形，單次的蒙皮接縫測(cè)量數(shù)據(jù)的具有一定的“偶然性”，測(cè)量結(jié)果往往不能作為最終的測(cè)量結(jié)果，而同時(shí)人工手持設(shè)備進(jìn)行測(cè)量的方式則提高了人力成本和時(shí)間消耗，在一定程度上不能滿足生產(chǎn)需求。本文針對(duì)效率問題，提出利用三維點(diǎn)云進(jìn)行蒙皮接縫檢測(cè)，能夠一定程度上減少測(cè)量數(shù)據(jù)的“偶然性”，提高后續(xù)蒙皮對(duì)縫檢測(cè)效率。

2 算法概述

本文結(jié)合機(jī)械臂和三維掃描儀設(shè)備，對(duì)飛機(jī)蒙皮零件分別進(jìn)行掃描，并通過三維點(diǎn)云數(shù)據(jù)采集、特征提取、建模分析等技術(shù)處理，實(shí)現(xiàn)快速、精準(zhǔn)的對(duì)縫自動(dòng)化、智能化識(shí)別，提升飛機(jī)蒙皮對(duì)縫檢測(cè)的技術(shù)能力。

本文的目標(biāo)是從原始點(diǎn)云數(shù)據(jù)中識(shí)別縫隙點(diǎn)。通過三維掃描儀設(shè)備掃描捕獲的真實(shí)點(diǎn)云數(shù)據(jù)中，僅有一小部分點(diǎn)能夠作為有效的縫隙區(qū)域點(diǎn)云，大部分?jǐn)?shù)據(jù)點(diǎn)為噪聲和離群點(diǎn)[2]，針對(duì)大量的噪聲點(diǎn)和離群點(diǎn)，本文首先分析散亂點(diǎn)云的數(shù)據(jù)分布，運(yùn)用點(diǎn)云數(shù)據(jù)的幾何信息構(gòu)造點(diǎn)云張量，并通過鄰近點(diǎn)進(jìn)行張量投票，隨后利用張量分解后的顯著性值進(jìn)行對(duì)縫區(qū)域的提取。這樣的對(duì)縫區(qū)域中仍存在少量離群點(diǎn)，且這些離群點(diǎn)與縫隙點(diǎn)十分相近，兩者之間的相似度較高，對(duì)這類離群點(diǎn)的排除具有較大的技術(shù)難度。

為進(jìn)一步識(shí)別精細(xì)的縫隙點(diǎn)，本文采用多模型擬合的方法對(duì)接縫區(qū)域的點(diǎn)集進(jìn)行多直線擬合。將擬合直線上的點(diǎn)視為對(duì)縫點(diǎn)，其余點(diǎn)均視為離群點(diǎn)。同時(shí)針對(duì)多條直線，還需考慮偽離群點(diǎn)對(duì)擬合過程的影響。本文算法基于迭代的方法逐步擬合直線，并結(jié)合強(qiáng)化決策機(jī)制實(shí)現(xiàn)優(yōu)化擬合的結(jié)果。

具體流程如圖1所示。

3 算 法

本文利用機(jī)械臂搭載掃描設(shè)備進(jìn)行飛機(jī)蒙皮數(shù)據(jù)的采集。原始點(diǎn)云數(shù)據(jù)往往包含大量孤立點(diǎn)，可能會(huì)對(duì)本文的算法產(chǎn)生一定的影響，前期預(yù)處理主要采用雙邊濾波的方法，刪除這些孤立點(diǎn)。同時(shí)結(jié)合k-鄰近算法和PCA主成分分析法計(jì)算點(diǎn)云數(shù)據(jù)的法向量，以便為后面的識(shí)別算法提供更豐富的幾何信息。下面詳細(xì)介紹本文的算法內(nèi)容。

3.1 縫隙區(qū)域提取

根據(jù)本文的研究目標(biāo)，定義蒙皮表面縫隙點(diǎn)所在區(qū)域?yàn)閷?duì)縫區(qū)域，除此之外的區(qū)域?yàn)榉菍?duì)縫區(qū)域。對(duì)縫區(qū)域主要由縫隙點(diǎn)與少量離群點(diǎn)組成，非對(duì)縫區(qū)域的數(shù)據(jù)點(diǎn)均為離群點(diǎn)。其中僅有一小部分點(diǎn)能夠標(biāo)記為有效的對(duì)縫區(qū)域。本文首先通過分析散亂點(diǎn)云的數(shù)據(jù)分布，結(jié)合點(diǎn)云的幾何信息構(gòu)造點(diǎn)云張量，并利用張量投票和張量分解后的顯著性值構(gòu)造閾值進(jìn)行對(duì)縫區(qū)域的提取。

3.1.1 張量投票原理

張量投票理論是一種計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)的感知編碼法，對(duì)噪聲數(shù)據(jù)具有較強(qiáng)的魯棒性，通過各點(diǎn)的張量及其鄰近點(diǎn)的信息傳遞來提取數(shù)據(jù)中隱含的幾何結(jié)構(gòu)[9]，近年來被廣泛應(yīng)用在三維數(shù)據(jù)特征提取中。張量投票算法[9]主要由張量描述、張量投票及張量分解3部分組成。主要是利用三維數(shù)據(jù)的幾何信息構(gòu)造的各離散點(diǎn)的張量矩陣，隨后通過該矩陣向周圍的鄰近點(diǎn)進(jìn)行信息投票。投票完成后，每個(gè)離散點(diǎn)都記錄著從鄰近點(diǎn)所獲取的幾何信息。這些幾何信息使得張量投票理論能夠進(jìn)行數(shù)據(jù)結(jié)構(gòu)特征的推理。

本文提出一種基于張量投票的三維點(diǎn)云對(duì)縫特征標(biāo)定方法。該方法充分利用原始點(diǎn)云數(shù)據(jù)中含有的幾何信息，計(jì)算各點(diǎn)的張量，每個(gè)張量都編碼各點(diǎn)與其相鄰點(diǎn)之間的基本幾何信息；隨后進(jìn)行投票并分解獲取特征值，并設(shè)定閾值，根據(jù)特征值與設(shè)定閾值之間的比較進(jìn)行三維點(diǎn)云的對(duì)縫區(qū)域標(biāo)定。

3.1.2 對(duì)縫區(qū)域標(biāo)定

定義輸入數(shù)據(jù)為離散點(diǎn)云P，對(duì)于P中的任意一點(diǎn)pi(x,y,z)， 獲取點(diǎn)pi的k鄰近點(diǎn)集N(pi)。 計(jì)算各點(diǎn)的張量，由鄰近點(diǎn)pj對(duì)點(diǎn)pi進(jìn)行投票，定義投票結(jié)果為Ti，公式[9]如下

Ti=∑ci(I3-(rTei)2)

(1)

通過張量投票計(jì)算Ti，然后利用式(2)獲得其特征值

(2)

根據(jù)三維的橢圓球來解析張量分解后的3個(gè)分量，如圖2所示，其中棒張量分量由e1構(gòu)成，對(duì)應(yīng)空間平面法向，其顯著性值(λ1-λ2)代表點(diǎn)pi所屬平面的傾向度；板張量分量由e1e2構(gòu)成，對(duì)應(yīng)空間直線的切向，其顯著性值(λ2-λ3)表示該點(diǎn)所屬直線的傾向度；e1e2e3構(gòu)成球張量分量，對(duì)應(yīng)角點(diǎn)，其顯著性值λ3表示所屬角點(diǎn)的傾向度。設(shè)定閾值ε針對(duì)顯著性值進(jìn)行過濾，具體公式如下

(3)

圖2 張量分解對(duì)應(yīng)的橢圓球

將ωi設(shè)為各點(diǎn)的權(quán)值，結(jié)合實(shí)際點(diǎn)云數(shù)據(jù)權(quán)值的分布與式(3)，設(shè)置閾值ε，權(quán)值大于等于閾值的點(diǎn)定義為對(duì)縫區(qū)域的點(diǎn)，反之則該點(diǎn)隸屬于非對(duì)縫區(qū)域，即為離群點(diǎn)。其中閾值的設(shè)置主要根據(jù)實(shí)際數(shù)據(jù)張量投票的計(jì)算結(jié)果。

張量投票能夠在存在嚴(yán)重噪聲的情況下快速的檢測(cè)出特征點(diǎn)，能夠獲得蒙皮點(diǎn)云數(shù)據(jù)中點(diǎn)集的局部固有結(jié)構(gòu)。因此，通過張量投票算法，能夠獲得了含有對(duì)縫結(jié)構(gòu)的局部點(diǎn)云數(shù)據(jù)。但是由于點(diǎn)云數(shù)據(jù)的不均勻分布特點(diǎn)，該局部點(diǎn)云中仍然存在少量的離群點(diǎn)，如圖3所示，其中虛線框中均為離群點(diǎn)，橢圓中表示對(duì)縫形狀中也存在部分離群點(diǎn)。接下來需要進(jìn)一步精細(xì)精準(zhǔn)提取對(duì)縫點(diǎn)。

圖3 含有對(duì)縫形狀的縫隙區(qū)域

3.2 縫隙點(diǎn)識(shí)別

通過上述技術(shù)處理，我們利用原始點(diǎn)云數(shù)據(jù)內(nèi)在幾何屬性能夠捕獲縫隙的形狀特征。為了盡可能多地獲得精確識(shí)別的有效判斷信息，從張量投票中捕獲的點(diǎn)來進(jìn)行縫隙點(diǎn)的識(shí)別分類，根據(jù)同一類別的縫隙點(diǎn)即隸屬于一條直線的幾何屬性，結(jié)合多模型擬合方法進(jìn)行多條直線的擬合，以此精確識(shí)別縫隙點(diǎn)。

3.2.1 對(duì)縫點(diǎn)定義

通過提取縫隙區(qū)域，可以有效降低其它區(qū)域點(diǎn)集對(duì)縫隙點(diǎn)識(shí)別過程的影響，能夠獲得較為準(zhǔn)確的縫隙點(diǎn)。上述方法獲得的對(duì)縫區(qū)域包含內(nèi)點(diǎn)所屬的對(duì)縫形狀的直線部分，以及少量的離群點(diǎn)。對(duì)縫形狀由待識(shí)別的縫隙點(diǎn)組成，為準(zhǔn)確識(shí)別這些縫隙點(diǎn)，分析對(duì)縫形狀的幾何屬性，縫隙點(diǎn)之間隸屬于同一條直線的概率較大，且至少需要進(jìn)行兩條直線的擬合，因此對(duì)縫直線擬合可視為多模型擬合問題。

當(dāng)數(shù)據(jù)中存在多個(gè)模型時(shí)，針對(duì)當(dāng)前指定的模型，其它模型的內(nèi)點(diǎn)雖然不屬于離群點(diǎn)，但因不符合當(dāng)前模型的分布規(guī)律，被稱之為當(dāng)前模型的偽離群點(diǎn)[10]，如圖3所示。偽離群點(diǎn)與離群點(diǎn)同樣對(duì)特定模型具有一定程度的干擾性，增加了縫隙點(diǎn)精確識(shí)別的難度。

3.2.2 基于強(qiáng)化決策的識(shí)別

本文采用一種強(qiáng)化決策機(jī)制進(jìn)行多模型擬合[11]。模型變量的選擇可以看作是一個(gè)決策，多模型的擬合是由一系列決策組成的過程，通過獎(jiǎng)勵(lì)機(jī)制可以有效地優(yōu)化決策過程。

設(shè)D∈3為對(duì)縫特征點(diǎn)集，特征直線擬合的目標(biāo)是找到一個(gè)最相似的直線模型，且對(duì)縫形狀中至少包含兩條對(duì)縫特征直線，因此至少需要擬合兩條直線，設(shè)M為多模型的并集，即M=∪i=1nMgθi， 其中n為擬合模型的總個(gè)數(shù)，Mgθ是由給定的參數(shù)規(guī)則g定義的模型，而參數(shù)規(guī)則g由變量θ獲得。特征直線擬合算法主要步驟如下：

(1)初始化：設(shè)置參數(shù)的初值，包括擬合模型總個(gè)數(shù)n，隨機(jī)初始化變量 (θ1*,θ2*,…,θn*)， 迭代次數(shù)itermax；

(2)迭代判斷：若迭代次數(shù)iter≤itermax則重復(fù)步驟(3)至步驟(6)；

(3)單模型擬合：若i

(4)隨機(jī)選點(diǎn)：隨機(jī)選擇2個(gè)點(diǎn)，計(jì)算該直線參數(shù)f(x,y,z)；

(6)參數(shù)更新：當(dāng)內(nèi)點(diǎn)個(gè)數(shù)發(fā)生變化，即Num(q(1),q(2),…,q(n))>Num(θ1*,θ2*,…,θn*)， 當(dāng)前計(jì)算獲得的內(nèi)點(diǎn)的個(gè)數(shù)大于上一次迭代的變量的個(gè)數(shù)，則 (θ1*,θ2*,…,θn*)=(q(1),q(2),…,q(n)) 更新內(nèi)點(diǎn)數(shù)。

由于對(duì)縫區(qū)域點(diǎn)云所屬兩條直線的間隙較小，非常容易將兩條直線擬合為一條直線，因此本文采用迭代的形式逐步排除離群點(diǎn)。在擬合一條直線后，計(jì)算各點(diǎn)到該條直線的距離，根據(jù)距離值設(shè)定閾值進(jìn)一步區(qū)分離群點(diǎn)和內(nèi)點(diǎn)，距離值小于設(shè)定閾值的點(diǎn)為內(nèi)點(diǎn)，反之則為離群點(diǎn)。隨后拋出屬于該直線的內(nèi)點(diǎn)，利用余下的點(diǎn)進(jìn)行下一條直線的擬合。以此循環(huán)迭代，直至最終擬合直線的個(gè)數(shù)達(dá)到預(yù)設(shè)值。

4 實(shí)驗(yàn)分析

為驗(yàn)證本文算法的可靠性和有效性，本文進(jìn)行了飛機(jī)蒙皮對(duì)縫直線識(shí)別實(shí)驗(yàn)。首先通過機(jī)械臂持高精度掃描儀在飛機(jī)的縫隙區(qū)域進(jìn)行掃描操作，得到真實(shí)的點(diǎn)云，圖4展示了UR機(jī)械臂持掃描儀在飛機(jī)模型表面獲取的蒙皮對(duì)縫的真實(shí)數(shù)據(jù)。其中圖4中使用的機(jī)械臂負(fù)重為5 kg。從圖4中點(diǎn)云數(shù)據(jù)的分布可直觀判斷，對(duì)縫區(qū)域的點(diǎn)具有較為明顯的線條特征，將該數(shù)據(jù)作為本文算法的輸入，進(jìn)行對(duì)縫直線特征的自動(dòng)識(shí)別，以此來驗(yàn)證本文算法對(duì)散亂點(diǎn)云數(shù)據(jù)的可實(shí)施性。

圖4 蒙皮縫隙與真實(shí)掃描點(diǎn)云數(shù)據(jù) 注：圖4中的飛機(jī)為飛機(jī)模型，并非真實(shí)的飛機(jī)

針對(duì)同一項(xiàng)掃描任務(wù)，若采用人工手持掃描儀進(jìn)行數(shù)據(jù)采集，則至少需要安排2名～3名人員來進(jìn)行這一步驟，需要花費(fèi)時(shí)間約為30 min，其中由于人工掃描的不便，工作人員需要全程高度參與掃描過程；而采用機(jī)械臂持掃描儀采集數(shù)據(jù)則最多只需要1人即可，前期掃描路徑的規(guī)劃算法由本項(xiàng)目組其它人員進(jìn)行開發(fā)，加載該算法耗時(shí)較短(1 s之內(nèi))可忽略不計(jì)，機(jī)械臂掃描所需時(shí)間約為20 min，但是在機(jī)械臂掃描過程中，并不需要工作人員的高度參與，工作人員只需在后端監(jiān)控掃描數(shù)據(jù)是否完整即可，也可以同時(shí)做其它的任務(wù)。相較于人工手持的掃描方式，通過機(jī)械臂采集數(shù)據(jù)的方式明顯較少了人力的消耗，時(shí)間上也能并行作業(yè)。

4.1 縫隙區(qū)域提取結(jié)果

散亂點(diǎn)云的縫隙區(qū)域的提取過程如圖5所示，根據(jù)點(diǎn)云張量計(jì)算方法計(jì)算輸入點(diǎn)云的張量，并進(jìn)行張量投票和張量分解，將獲得的顯著性值根據(jù)式(3)計(jì)算得到該點(diǎn)的權(quán)值。

圖5 散亂點(diǎn)云對(duì)縫區(qū)域提取過程

如圖5所示，將各點(diǎn)的權(quán)值轉(zhuǎn)化為該點(diǎn)的灰度值進(jìn)行可視化顯示，顏色從白色到黑色分別表示權(quán)值從0到1的變化趨勢(shì)，點(diǎn)的顏色越深說明該點(diǎn)的權(quán)值越大。同時(shí)點(diǎn)的權(quán)值分布圖右邊的條狀圖為不同顏色對(duì)應(yīng)的點(diǎn)個(gè)數(shù)的分布結(jié)果。如圖5(a)所示，將各點(diǎn)的顯著性值直接相加的結(jié)果賦為各點(diǎn)的權(quán)值，并進(jìn)行歸一化操作，圖5(c)為利用式(3)計(jì)算的本文的權(quán)值的分布結(jié)果。對(duì)比圖5(a)與圖5(c)，圖5(c)中灰色的區(qū)域明顯大于圖5(a)中的灰色區(qū)域，且圖5(a)右側(cè)的條狀圖中點(diǎn)多數(shù)分布在中間區(qū)域，而圖5(c)右側(cè)的條狀圖表明點(diǎn)的分布靠近白色，同時(shí)圖5(c)中對(duì)縫區(qū)域要略小于圖5(a)中的對(duì)縫區(qū)域，大部分的非對(duì)縫區(qū)域點(diǎn)的權(quán)值要小于對(duì)縫區(qū)域點(diǎn)的權(quán)值。對(duì)縫區(qū)域的收縮有利于標(biāo)記對(duì)縫區(qū)域的點(diǎn)，具體標(biāo)記結(jié)果如圖5(b)和圖5(d)所示。圖5(b)為根據(jù)圖5(a)中的權(quán)值進(jìn)行對(duì)縫區(qū)域提取的結(jié)果，圖5(d)為根據(jù)圖5(c)中的權(quán)值進(jìn)行對(duì)縫區(qū)域提取的結(jié)果，對(duì)比圖5(b)和圖5(d)，圖5(b)中的提取結(jié)果含有較多的離群點(diǎn)。視覺上直觀對(duì)比圖5(c)與圖5(d)，可確認(rèn)對(duì)縫區(qū)域提取這一操作已經(jīng)排除了大量的噪聲和離群點(diǎn)。

4.2 縫隙點(diǎn)識(shí)別結(jié)果

縫隙點(diǎn)識(shí)別過程如圖6所示，運(yùn)用多模型擬合算法進(jìn)行縫隙點(diǎn)的準(zhǔn)確識(shí)別。圖6(a)為輸入的原始點(diǎn)云數(shù)據(jù)，圖6(b)為對(duì)通過張量投票計(jì)算之后的圖6(a)的縫隙區(qū)域的識(shí)別結(jié)果，并將該結(jié)果作為模型擬合的輸入，逐步迭代優(yōu)化來判斷各直線的所屬內(nèi)點(diǎn)，并根據(jù)最小二乘擬合直線，計(jì)算歸于同一條直線的模型參數(shù)。如圖6(c)所示，將識(shí)別的縫隙點(diǎn)擬合后的黑色直線表示為識(shí)別結(jié)果，同時(shí)具體的直線量化結(jié)果見表1。

圖6 對(duì)縫識(shí)別過程

由于本文中采用的數(shù)據(jù)為三維掃描儀獲取的飛機(jī)蒙皮縫隙處的真實(shí)散亂點(diǎn)云，縫隙點(diǎn)沒有對(duì)應(yīng)的人工標(biāo)注。但是由于縫隙點(diǎn)在飛機(jī)蒙皮上均隸屬于縫隙直線，可以根據(jù)縫隙點(diǎn)與縫隙直線的關(guān)聯(lián)特征來評(píng)判縫隙點(diǎn)的識(shí)別結(jié)果。因此本文引入直線度[12]的概念來評(píng)定擬合直線的精度，具體公式[12]如下

直線度=max(Δi)-min(Δi)

(4)

其中，Δi為縫隙點(diǎn)到直線的距離，空間直線的點(diǎn)向式方程[13]為

(5)

其中，m,n,p為擬合直線在各方向上的系數(shù)，x0,y0,z0為該直線上的已知點(diǎn)。

表1 對(duì)縫直線擬合精度

如圖7所示，針對(duì)同一點(diǎn)云數(shù)據(jù)，本文方法與文獻(xiàn)[14]提出基于Hough變換的直線檢測(cè)算法進(jìn)行對(duì)比。其中圖7(b)與圖7(c)分別為基于Hough變換方法的直線檢測(cè)結(jié)果和擬合直線的結(jié)果。從圖中可以看出，該方法雖然能夠檢測(cè)對(duì)縫直線，但是同時(shí)也相應(yīng)的有一定的誤檢測(cè)結(jié)果，且誤檢結(jié)果會(huì)嚴(yán)重干擾對(duì)縫直線的識(shí)別。對(duì)比文獻(xiàn)[14]，本文的識(shí)別結(jié)果不存在明顯的誤檢，能夠清晰識(shí)別對(duì)縫直線。

利用所有被識(shí)別為縫隙點(diǎn)的點(diǎn)集進(jìn)行直線的擬合，并計(jì)算直線度。若直線度越大，則表明該直線上存在某一點(diǎn)距離該直線較遠(yuǎn)，而根據(jù)縫隙點(diǎn)隸屬于同一條直線的屬性，距離擬合直線較遠(yuǎn)的點(diǎn)不應(yīng)該是縫隙點(diǎn)，由此可進(jìn)行縫隙點(diǎn)識(shí)別結(jié)果的判定，因此直線度越小，識(shí)別結(jié)果越好。針對(duì)上述擬合的兩條直線進(jìn)行精度評(píng)定，具體如表1所示。獲得的擬合直線參數(shù)與空間直線點(diǎn)向式方程參數(shù)一致，說明本文擬合直線的正確性與可靠性，直線1和直線2的內(nèi)點(diǎn)個(gè)數(shù)分別為166和153，而基于Hough變換直線檢測(cè)提取的內(nèi)點(diǎn)數(shù)為156和146，均低于本文方法識(shí)別的點(diǎn)個(gè)數(shù)。根據(jù)式(4)計(jì)算兩條直線的直線度，表1中兩直線的直線度較小，直線度越小，說明各個(gè)縫隙點(diǎn)越接近于擬合直線。本文方法計(jì)算的直線度均低于基于Hough變換方法得到的直線的直線度。

圖7 本文與文獻(xiàn)[14]的結(jié)果對(duì)比

5 結(jié)束語(yǔ)

本文提出了一種基于散亂點(diǎn)云的飛機(jī)蒙皮對(duì)縫識(shí)別算法，針對(duì)機(jī)器人與三維掃描設(shè)備獲取的飛機(jī)蒙皮散亂點(diǎn)云數(shù)據(jù)，引入張量投票理論，充分利用點(diǎn)云數(shù)據(jù)的內(nèi)在幾何信息，快速剔除大量噪聲點(diǎn)和離群點(diǎn)，隨后進(jìn)行縫隙點(diǎn)的精準(zhǔn)識(shí)別，建立對(duì)縫直線方程，為飛機(jī)蒙皮縫隙點(diǎn)的識(shí)別計(jì)算構(gòu)建數(shù)學(xué)模型，再進(jìn)一步根據(jù)模型進(jìn)行飛機(jī)蒙皮對(duì)縫的直線擬合。實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠?qū)崿F(xiàn)一次測(cè)量完成三維掃描區(qū)域飛機(jī)蒙皮所有對(duì)縫的自動(dòng)定位和高效率、高精度的自動(dòng)識(shí)別與提取。