[发明专利]一种轮廓线数据的滤波方法

说明书

所属技术领域

本发明属于轮廓测量理论中的数据处理技术，可实现轮廓数据的稳健滤波处理，尤其对于轮廓线测量数据或面测量数据等进行有效处理。

背景技术

在借助三维测量技术实现表面形貌测量时，受到被测信号源本身、测量系统稳定性或外界环境噪声的影响，采集得到的信号均含有各种噪声和干扰，使得测量数据中会存在随机误差和粗大误差，必须借助滤波算法消除被测信号中的噪声和干扰。实现真正的表面形貌测量数据的获取。对于轮廓滤波器来说，国际上主要采用两套标准：ISO11562推荐使用高斯滤波中线作为表面形貌测量的评定中线，ISO16610-22推荐使用样条滤波器提取滤波中线作为评定中线。传统的高斯滤波器有两个主要问题：一是稳健性较差，在测量表面存在奇异值时，滤波中线会偏离实际工件表面；二是高斯滤波器在滤波结果的首尾两端截止波长长度内会出现严重的数据失真，即存在边缘效应。样条滤波器可以较好地解决高斯滤波器的边缘效应，但它也需要解决稳健性差的问题，使其评定中线不受奇异值的影响。同时，样条滤波器的传输特性与高斯滤波器的传输特性偏差较大，导致采用两套标准滤波得到不同的滤波中线。标准的不统一不利于表面形貌的测量。针对稳健性的问题，文献(T.Goto，J.Miyakura，K.Umeda.A Robust Spline Filter on the Basis of L2-Norm.Precision Engineering，2005，29(2)：157～161.)将稳健估计理论的思想引入样条滤波器，采用循环算法确定最优加权系数，然后递归求解滤波结果，能够降低奇异值对滤波结果的影响。但这种方法不能对所有数据点取得统一的传递函数，所以与高斯滤波器标准统一的问题不能解决。文献(张浩，表面计量学中样条滤波器理论的研究，2010，博士学位论文，哈尔滨工业大学.)研究了级联逼近样条滤波器，得到与高斯滤波器滤波效果非常接近的滤波方法，可使样条滤波器的传递函数无限逼近高斯滤波器的传递函数。但这种方法仍不能对带有奇异值的数据进行有效处理。

发明内容

本发明的目的是克服现有技术的上述不足，针对二维轮廓线数据和三维轮廓线数据，分别提供一种稳健高效的轮廓线数据样条滤波方法，有效地处理表面形貌测量数据中的奇异值，并保证与高斯滤波器传递函数的一致性。为此，本发明采用如下的技术方案：

一种轮廓线数据的滤波方法，包括下列步骤：

1)对原始测量数据z_i进行样条滤波处理，得到样条滤波的滤波中线数据s_i；

2)逐点求解原始测量数据z_i与滤波中线数据s_i之间的各点的偏差值r_i＝z_i-s_i；

3)依据计算的各点偏差值求解每个测量数据点对应的权重判断值v_i＝|r_i|/S，其中|·|为绝对值求解操作；S取r_i绝对值的中位值；

4)设定常量参数a₀，将每个点的权重判断值v_i与其进行比较，求解每个点的权重值q_i；若v_i≤a₀则q_i为1，若v_i＞a₀则q_i为0；

5)依据权重值q_i进行奇异值数据识别，权重值为0的点可判断为奇异值数据点，并标记异常数据的范围；对于单个奇异值数据点，其相邻的两侧的点被标记为奇异值数据边界；对于连续奇异值数据点，这些点的两端点被标记为奇异值数据边界。逐点遍历测量数据确定其中所有的奇异值数据范围；

6)分别将奇异值数据范围内的其他点替换为数据两个边界点数据的平均值，得到一组不含奇异值数据的新数据；

7)对新数据进行级联逼近样条滤波，得到最终的滤波中线数据。

作为优选实施方式，常量参数a₀取值范围在2.5至5之间，可以设为设为3；进行级联逼近样条滤波时，选择逼近参数和级联阶次n＝4，其中μ为拉格朗日常量。

本发明具有样条滤波处理较小的边缘效应和高效处理速度，即可对二维轮廓数据进行有效处理，也能对三维形貌数据进行有效处理。同时，本发明比传统样条滤波方法具有更好的处理奇异值数据能力，即保证了滤波处理算法的稳健性，同时还具有与高斯滤波非常接近的处理结果，能保证两个滤波标准方法能有效的统一。