论文部分内容阅读
环形锻件作为各行业中重大机械装备的重要组成部分,是航空发动机中重要的承力单元,同时作为一种高精度零件,在单台份的航空发动机锻件中占比很重。为了保证加工质量,通常采用激光测量的环形锻件点云数据对锻件外形尺寸数据以及结构形态进行分析,由于环形锻件体积很大,扫描仪只经过一次扫描得到的模型数据并不完整,所以需要进行多次扫描之后经过拼接得到完整的锻件模型数据,同时经过扫描得到的数据量巨大,需要对拼接完成后的完整模型数据进行精简处理,以提高锻件数据处理效率,为曲面重建奠定基础。因此本文对扫描数据的拼接与精简算法进行研究,具体研究内容如下:首先,为了得到完整的三维环形锻件点云模型数据,需要将扫描仪得到的每一段二维点云数据集进行拼接,得到完整的径向截面形线数据。通过基于密度的天牛须算法(Beetle Antennae Search Algorithm,BASA)得到点云粗拼接的重复区域,之后分别利用点云边界提取算法、二维解析棒张量投票算法、对数性质寻找三对对应点对,根据三对对应点对求取旋转平移参数得到完整的径向截面形线数据,再根据实际锻件尺寸进一步得到完整的三维锻件模型数据。其次,由于扫描仪得到的数据量巨大,后续数据处理步骤繁琐,本文提出了一种基于人工免疫算法(Artificial Immune Algorithm,AIA)改进的二次误差测度(Quadratic Error Metric,QEM)点云数据精简算法,在精简之初将原始点云模型进行栅格划分,每一格中的点作为初始抗体,根据QEM算法推算出初始抗体的代价函数,然后将基于体积和最小的代价函数及其最优解作为抗原,利用免疫系统中抗原与抗体的特异性反应找出要保留的点,之后循环所有栅格得到最终简化后的点云数据。最后,以实验室扫描系统获得的环形锻件点云数据为实验对象,根据本文提出的算法处理扫描得到的二维点云数据,将扫描的数据集依次进行拼接与精简实验,将实验结果与经典算法进行对比,根据锻件的尺寸参数对实验结果进行分析,证明本文提出的拼接与精简算法可以有效对点云数据进行处理。