[发明专利]一种基于均值漂移的不同精度三维点云数据的融合方法

说明书

技术领域

本发明属于曲面数字化三维形貌检测数据处理的领域，高精度点云数据一般通过三坐标测量机或机床在线接触式检测获取，低精度点云一般指激光扫描仪或柔性关节臂获取的三维点云数据。

背景技术

随着制造工业的日益发展，产品形状不断复杂化，其开发设计面临诸多困难和挑战，尤其，产品外形建模技术面临着更多挑战。以航空叶片、螺旋桨等为代表的复杂曲面零件获得广泛了的应用，对实际加工质量检测也提出了更高的要求，使得复杂曲面的数字化检测获得了长足的发展。曲面数字化检测的目的是为了反映实际被测对象和其CAD模型的偏差，主要的过程包括实际被测曲面点云的获取，测量点云与CAD模型的寻位，曲面误差的计算和评估以及测量结果不确定度分析。考虑到复杂曲面的特征不明显，以及点云质量和数量对曲面寻位算法和形状误差评估结果的影响，故对测量得到的点不但要求精度足够高，点云数量也要足够多，才能准确反映自由曲面的形状特征信息。通常情况下，接触式测头的测量精度比光学测头的测量精度高一个数量级，但接触式测头逐点采集点云数据的效率比较低，所以考虑采用多传感器组合测量的方法，通过数据融合技术实现被测曲面点云的获取和处理，既利用了接触式检测的高精度，又发挥了光学检测的高效率，实现了测量点云数据精度和效率的平衡。

通过接触式测量(三坐标测量机或机床在线原位检测)获取复杂曲面(如航空叶片曲面)的点云数据，检测精度高，单点测量精度可达几微米以内，可评估复杂曲面的局部误差，但点云规模最多只能达到数百点，用以反映复杂曲面的整体形貌比较有限，无法通过这些高精度点云数据进行曲面的再设计。为克服接触式测量的不足，非接触式测量随之应运而生，其主要基于光学、磁学、声学等领域中的基本原理，将给定的物理模拟量合理转换为样件表面的坐标点。非接触式测量方法大大地提高了测量效率，某些光学测量机可以在数秒内得到数万点，如英国3D SCANNER公司的激光扫描仪、德国Breuckmann公司的StereoSCAN便携式设备等，使得测量过程中大大减少人为规划，在整个样件表面快速采集大量数据点同时减少了测量人员的工作，可得到包含复杂曲面更多的海量数据。但非接触式测量尽管可以采用标定的方法来提高测量精度，但由于被测对象表面存在粗糙度、波纹等表面缺陷和测量系统本身分辨率、采样误差、电噪声等的影响，数据采样过程中不可避免地混入不合理的噪声点或孤立点，其测量精度往往只能达到几十微米左右，其中的一部分精度主要是由于漂移误差引起的。接触式测量获取的点云精度较高，点云规模较少，而非接触式测量获取的点云虽然精度较低，含噪声点等缺陷，却能反映复杂曲面的整体形貌。因此，利用高精度点云实现低精度点云的漂移，提高低精度点云的精度等级具有重要的意义，也是检测数据处理的重要环节之一，以确保加工质量的准确评估。

对于低精度点云的漂移，通常采用的方法是针对高精度点云每个样点搜索低精度点云中最近的一个点，计算这两点之间的距离，然后计算所有距离的平均值，作为低精度点云所有点的漂移矢量的大小，从而实现低精度点云的漂移。该方法易于实现，但上述漂移矢量的大小并不能真实反映低精度点云和高精度点云之间的漂移误差，使低精度点云某些区域存在过漂移或欠漂移，提升的精度有限。事实上，对低精度点云每个样点的漂移误差同等对待，无法真实反映低精度点云不同区域漂移的差异性。

针对高低精度点云数据融合的缺陷，可利用高精度点云建立低精度点云不同区域的误差划分，划分过程通过密度聚类实现，进而利用低精度点云的拓扑结构信息建立每个样点的漂移矢量，并借助信息熵模型优化选取高斯权重后，对每个样点进行漂移，漂移过程中自然实现低精度点云小幅度噪声的过滤。

在信息论中，熵是系统无序程度的度量，可用于度量已知数据所包含的有效信息量。熵作为系统不确定性的度量，其值越大，系统的不确定性就越大，不足以反映系统内在的信息；反之，熵值越小，系统的不确定性越小，足以反映系统的内在信息。故在高斯权重的优化选取过程中，通过法矢信息提出了法矢差异性密度的核估计，建立起信息熵模型，通过最小熵原理优化选取高斯权重的重要参数，确定合适的漂移矢量，从而保证低精度点云的合理漂移。

发明内容

本发明的目的在于提出一种两种不同精度下的三维点云数据的融合方法，通过接触式测量获取的高精度点云，再利用高精度点云分析低精度点云各点的误差，基于均值漂移的原理，对低精度点云进行漂移，以去除低精度点云的漂移误差，并在漂移过程中实现低精度点云小幅度噪声的光顺。

实现本发明的目的所采用的具体技术方案如下：