逆向工程在创新产品设计中起到日益重要的作用,如何有效而精确地获取复杂实体的三维数据是目前急需解决的问题。单一传感器逐渐难以满足复杂测量要求,而多传感器测量成为发展趋势。 本文提出多传感器集成智能化测量理论。多传感器测量系统集成视觉传感器、激光测头、接触式测头和数控装备。该集成测量系统能够利用多传感器的优势,达到快速智能化测量复杂实体的目标。论文主要包括以下内容:1.研究CCD视觉传感器、接触式测头及激光非接触式测头的基本测量原理和测 量方法。对于CCD视觉测量,采用一个CCD传感器实现立体视觉曲面测量; 对于接触式测量,分析基于三角细分曲面测量方法,提出基于矩形细分的未 知自由曲面自适应测量规划;对于激光非接触式测量,提出基于采样策略的 实体边界测量,以及基于变曲率的未知自由曲面自适应测量规划。2.研究了去毛刺、滤波、数据压缩等数据预处理方法,提出新的区域增长算法, 构建散乱点云的优化三角面片模型。首先提出简单的去毛刺处理方法及光顺 处理准则,并进行中值滤波处理仿真研究。为了避免数据量过大的弊病,提 出基于剖分小立方体的数据压缩方法。为了恢复散乱数据点之间的拓扑关系, 提出新的区域增长方法构建三角面片模型。在三角面片集合的区域增长过程 中,提出“最小边角积”法则搜索合适邻接点以形成新三角面片。3.提出散乱点云的特征智能识别理论,主要包括三步:恢复散乱点云的微分几 何属性、点云分割及特征识别,其中恢复点云微分几何属性是边界分割和特 征识别的基础。提出改进的Taubin方法,恢复散乱噪声数据的主曲率和 Darboux框架。利用边界点的微分几何特征,提出散乱点云自动分割方法, 有效提取噪声点云的D~0、D~1和D~2边界带。对分割后的点云区域建立曲率直 方图,达到快速有效确定点云曲面特征的目的。4.建立点云特征指导下的多传感器智能测量方法。点云特征分为曲面特征和边 界特征。利用点云特征规划测量的方法为:对于二次曲面点云进行采样处理, 对于自由曲面点云进行切片处理、截面线步长计算,最后进行Zigzag路径规 划以得到优化的测量路径。实体边界对于测量具有重要作用,提出边界特征 指导下的曲面及孔洞测量方法。利用规划好的测量路径,可指导高精度测头 快速智能化测量。5.研究了多传感器测量信息融合技术。首先整合多传感器多视觉测量数据,整 合后的数据进行曲面拟合及精度评测,达到精度要求的数据用来恢复曲面特 征。对二次曲面采用类型指定的最小二乘法拟合曲面,对自由曲面进行非均