论文部分内容阅读
摘要：由于机械零件的结构往往有其特殊性和复杂性，采用单一的测量方法往往难以满足实际工程对测量精度的要求。本文深入研究了接触式和非接触式三维测量方法，分析了其优点和缺点，不同的测量方法和应用范围，并通过实验分析，结合两种测量方法的优缺点，提出CAD逆向建模方法，由于光学扫描具有盲区，提出基于特征点的数据对齐方法，根据这三点定位可以实现接触式和非接触式扫描数据的坐标系统，实现两种不同测量方法之间的数据的准确配准，输出高精度CAD模型。
关键词：多传感器；数据集成与融合；逆向工程
1.引言
逆向工程是相对于正向工程而言的，就是根据已有的产品实物、样件或原型，生成产品的三维数字化模型，然后在数字模型的基础上进行生产加工或者二次开发，实现创新。为获取精确的轮廓数据，必须对产品轮廓尺寸进行测量，其中基于接触式测量具有精度高、适应性强的特点，但是是速度慢、效率低。而基于光学的非接触式测量方法虽然具有速度快、效率高的优点，但是易受到外界干扰等，导致测量数据缺失。由此可知，两种传感器的优点和缺点存在一种互补关系，反之亦反。因此，本文需要对测量系统进行标定、数据融合、对齐等关键技术进行深入研究，并通过构建实现复杂曲面零件测量的多传感器测量系统，集成两种测量方法优点，实现复杂表面特征的高精度测量。因此，基于多传感器数据融合的CAD逆向建模技术恰好能够提供一个新产品创新设计平台。
国内外关于多传感器集成的智能化测量研究已经初有成效，但仍有许多不完善之处：1）独立测量优势主导，主要依赖快速传感器独立的测量优势，简单集成而不是多传感器的融合优势；2）多传感器标定困难，光学传感器等快速测量设备一般都比较精密，且测量前的标定与坐标系统难统一；3）数据预处理困难，光学传感器获得的是海量无序点云数据，其中混有大量的冗余点和噪音点，在拟合曲面前对点云进行预处理较困难；4）算法复杂，需要用智能算法从“粗测”获得的点云数据中分析、推断、抽取出产品原型所隐含的几何特征、功能特征，算法的开发是一个非常复杂的数学运算、逻辑推理和计算机理解的过程，很难实现；5）无法满足在线检测节拍要求，对于复杂零件，集成系统在确保精度前提下无法滿足在线检测节拍的要求。综上所述，非常有必要开展对多种传感器的配准、信息融合，智能化相互指导测量等进行深入研究。因此，本文拟对传感器的内外部参数进行标定，将各传感器和不同坐标系下的测量数据转换到统一的坐标系中，开展基于多传感器数据融合的CAD逆向建模技术的研究。
2.数据测量方法
数据采集是逆向设计的第一步，是在此基础上进行后续工作的关键。通过一种特定的装置和测量方法对物理模型中离散点表面的坐标几何数据进行处理。根据测量探头与表面模型的接触方式，三维数据采集方法基本上可分为接触式和非接触式（常见的接触式测量方法有三坐标测量机（CMM））。非接触式测量方法包括光学三角法、结构光法、激光干涉法、CT法、MRI测量法、超声法等。
早期3D测量法主要是通过接触测量的方法，通过传感器探头和几何表面接触点记录物体表面三维坐标。最广泛使用的非接触测量设备是三坐标测量机（Coordinate Measurement Machine，CMM），因为使用的方法是接触式测量，因此，测头与被测表面接触会有摩擦、磨损、变形等，测量速度低，不能测量软、容易变形的表面。非接触测量方法主要是根据光学、声学和电磁场的基本原理，对一定量的物理模拟得到几何曲面，通过适当的算法变换面点的三维坐标值。非接触测量技术具有许多优点：（1）无半径补偿；（2）非接触条件；（3）高测量速度；（4）应用样品材料范围广；（5）可进行微结构测量。通过以上的比较，非接触式3D检测技术具有无法比拟的优势，它满足接触，现代工业生产和生活中的高精度检测技术快速、动态、无损和其他要求，代表3 d检测技术研究和应用的主流和方向。
3.CAD模型重建方法
在实际的产品中，通常包括一个以上的表面，由于表面的不同的类型，因此，CAD模型重建的步骤是：首先，将大量的点云数据分割成不同类型的点的集合，然后对曲面拟合，再通过表面过渡交汇，切割、多曲面缝合为一个整体。本文提出一种基于CMM机和光学测量方法相结合的技术，优势互补，基于CMM机的测量有利于在光学方法下盲区的数据获取，同时又能利用光学测量方法提高测量速度，既保证数据的完整性，又提高测量精度。
4.数据融合
4.1数据融合的基本原理
多传感器数据融合的基本原理，如综合信息的大脑过程，它充分利用多传感器资源，通过对各种传感器及其观测信息的合理处置和利用各种传感器在空间和时间上的互补性和冗余信息按照一定的优化准则相结合，产生一个一致行的描述。多传感器数据融合与经典的信号处理方法有本质的区别，关键在于多传感器信息融合信息的处理具有更为复杂的形式，往往出现在不同的信息层次。这些信息抽象层次包括检测层、位置层、属性层、态势层和威胁层。
4.2数据融合的级别
按照信息抽象的五个层次，融合可分为五级，即检测级融合、位置级融合、属性级融合、态势评估和威胁评估。
检测级融合----直接在信号层上进行的融合或者在检测判决层上进行的融合。分别对应集中式检测融合和分布式检测融合。
位置级融合----直接在观测报告或测量点迹上进行的融合或在各个传感器状态估计上进行的融合。分别对应着集中式位置融合和分布式位置融合。
目标识别级融合----目标识别亦称属性分类或身份估计，对观测体进行识别和表征。如使用雷达截面积（RCS）数据来确定一个实体是不是一个火箭体、碎片或再入大气层的飞船。敌-我-中识别器（IFFN）使用特征波形和有关数据对观测体判断，是敌机、友机还是不明。
目标识别层也称属性层的信息融合有三种方法：决策级融合、特征级融合、数据级融合。 5.2分布式多传感器状态估计
这里所说的分布式多传感器系统是指如图所示的结构，也称作分级或二层结构。对这种系统的状态估计通常称为航迹融合或合成。这种结构模型的状态估计以局部节点为例以定理的形式给出。
6.多传感器数据逆向建模
在实际应用中，一些零件表面比较复杂，零件表面存在一些非接触式方法无法测量的盲区，比如深孔等，由于孔太深，激光等无法照射到，始终存在扫描盲区，因此不能获得盲区的数据。为解决此类问题，同时采用接触接触式及非接触式测量方法，利用彼此的优点，使用三坐标测量机测量深孔，其它表面用光学扫描系统进行扫描，然后利用特征对齐三坐标测量的数据和光学扫描的数据，获得零件的全部三维数据，然后在CATIA V5中进行逆向建模。针对传统的对单-N量数据的逆向建模，该种方法不仅提高了数字化效率，同时保证了局部的精度要求。
6.1特征对齐原理
采用不同的数据收集方法来获得不在同一坐标系下的两组数据，因此要找到一种方法，将两组数据对齐到同一坐标系下，选择公共参考几何体，基于激光扫描和三坐标测量同时被测量3点，根据3点建立一个空间坐标系和两种不同的扫描方法都有自己的坐标系统的建立，所以两坐标系统是一样的，然后通过坐标平移和旋转可以统一到同一坐标系中。
6.2 数据对齐
假设外部校准已经完成，主要考虑内部校准。在许多外部的对准方法，通过迭代最近点法（ICP）或其它改进方法是一种常见的选择，因为它不需要知道精确的几何特征和不需要校准和外部数据对应不同的传感器数据。然而，基于离散点云对齐方法的对准结果容易受到传感器数据的数量和传感器数据的噪声水平的影响。
6.3逆向建模
首先输入由扫描实物或实体模型的点云数据，CATIA V5可以接受多种格式的点云数据（如ASII、STL、IGS、IGES等格式），点云数据的输入可以以读取文件的形式读入，也可以在专门的逆向模块DSE模块中由Import命令导入，读取扫描点云数据的预处理，包括过滤数据，减少点云，空修复，对齐，合并等等，然后生成3D线框曲线，接着再用CMM机进行表面采点，并将采集到的点以及由点生成的曲线分别对重建的曲面分别进行点变形和线变形，最后在进行比较融合。
7.结束语
由于零件表面往往有其特殊性和复杂性，单纯采用单一测量方法，测量的精度往往难以满足工程实际。多传感器集成测量系统基于接触式測量精度明显高于这一特点的非接触式测量，分别采用了点变形以及曲线变形两种方法实现了曲面的变形，实现了数据融合的目标，提高模型重建的精度；提出了基于特征的数据对齐，根据三点定位可以实现接触式和非接触式扫描数据的坐标系统，实现了两种不同的方法之间的数据融合，最后到CAD建模。
参考文献：
[1]曹江林. 基于多传感器测量的CAD逆向建模技术研究[D]. 广东工业大学，2014.
[2]蔡闯，成思源，杨雪荣. 基于特征分解的逆向建模技术研究[J]. 现代制造工程，2016（2）：119-122.
[3]李海艳. 面向反求工程的多传感器集成及数据融合技术研究[D]. 华中科技大学，2011.
[4]姜涛. 反求工程中融合特征捕捉的光学三维测量方法研究及系统开发[D]. 上海交通大学，2005.
关键词：多传感器；数据集成与融合；逆向工程
1.引言
逆向工程是相对于正向工程而言的，就是根据已有的产品实物、样件或原型，生成产品的三维数字化模型，然后在数字模型的基础上进行生产加工或者二次开发，实现创新。为获取精确的轮廓数据，必须对产品轮廓尺寸进行测量，其中基于接触式测量具有精度高、适应性强的特点，但是是速度慢、效率低。而基于光学的非接触式测量方法虽然具有速度快、效率高的优点，但是易受到外界干扰等，导致测量数据缺失。由此可知，两种传感器的优点和缺点存在一种互补关系，反之亦反。因此，本文需要对测量系统进行标定、数据融合、对齐等关键技术进行深入研究，并通过构建实现复杂曲面零件测量的多传感器测量系统，集成两种测量方法优点，实现复杂表面特征的高精度测量。因此，基于多传感器数据融合的CAD逆向建模技术恰好能够提供一个新产品创新设计平台。
国内外关于多传感器集成的智能化测量研究已经初有成效，但仍有许多不完善之处：1）独立测量优势主导，主要依赖快速传感器独立的测量优势，简单集成而不是多传感器的融合优势；2）多传感器标定困难，光学传感器等快速测量设备一般都比较精密，且测量前的标定与坐标系统难统一；3）数据预处理困难，光学传感器获得的是海量无序点云数据，其中混有大量的冗余点和噪音点，在拟合曲面前对点云进行预处理较困难；4）算法复杂，需要用智能算法从“粗测”获得的点云数据中分析、推断、抽取出产品原型所隐含的几何特征、功能特征，算法的开发是一个非常复杂的数学运算、逻辑推理和计算机理解的过程，很难实现；5）无法满足在线检测节拍要求，对于复杂零件，集成系统在确保精度前提下无法滿足在线检测节拍的要求。综上所述，非常有必要开展对多种传感器的配准、信息融合，智能化相互指导测量等进行深入研究。因此，本文拟对传感器的内外部参数进行标定，将各传感器和不同坐标系下的测量数据转换到统一的坐标系中，开展基于多传感器数据融合的CAD逆向建模技术的研究。
2.数据测量方法
数据采集是逆向设计的第一步，是在此基础上进行后续工作的关键。通过一种特定的装置和测量方法对物理模型中离散点表面的坐标几何数据进行处理。根据测量探头与表面模型的接触方式，三维数据采集方法基本上可分为接触式和非接触式（常见的接触式测量方法有三坐标测量机（CMM））。非接触式测量方法包括光学三角法、结构光法、激光干涉法、CT法、MRI测量法、超声法等。
早期3D测量法主要是通过接触测量的方法，通过传感器探头和几何表面接触点记录物体表面三维坐标。最广泛使用的非接触测量设备是三坐标测量机（Coordinate Measurement Machine，CMM），因为使用的方法是接触式测量，因此，测头与被测表面接触会有摩擦、磨损、变形等，测量速度低，不能测量软、容易变形的表面。非接触测量方法主要是根据光学、声学和电磁场的基本原理，对一定量的物理模拟得到几何曲面，通过适当的算法变换面点的三维坐标值。非接触测量技术具有许多优点：（1）无半径补偿；（2）非接触条件；（3）高测量速度；（4）应用样品材料范围广；（5）可进行微结构测量。通过以上的比较，非接触式3D检测技术具有无法比拟的优势，它满足接触，现代工业生产和生活中的高精度检测技术快速、动态、无损和其他要求，代表3 d检测技术研究和应用的主流和方向。
3.CAD模型重建方法
在实际的产品中，通常包括一个以上的表面，由于表面的不同的类型，因此，CAD模型重建的步骤是：首先，将大量的点云数据分割成不同类型的点的集合，然后对曲面拟合，再通过表面过渡交汇，切割、多曲面缝合为一个整体。本文提出一种基于CMM机和光学测量方法相结合的技术，优势互补，基于CMM机的测量有利于在光学方法下盲区的数据获取，同时又能利用光学测量方法提高测量速度，既保证数据的完整性，又提高测量精度。
4.数据融合
4.1数据融合的基本原理
多传感器数据融合的基本原理，如综合信息的大脑过程，它充分利用多传感器资源，通过对各种传感器及其观测信息的合理处置和利用各种传感器在空间和时间上的互补性和冗余信息按照一定的优化准则相结合，产生一个一致行的描述。多传感器数据融合与经典的信号处理方法有本质的区别，关键在于多传感器信息融合信息的处理具有更为复杂的形式，往往出现在不同的信息层次。这些信息抽象层次包括检测层、位置层、属性层、态势层和威胁层。
4.2数据融合的级别
按照信息抽象的五个层次，融合可分为五级，即检测级融合、位置级融合、属性级融合、态势评估和威胁评估。
检测级融合----直接在信号层上进行的融合或者在检测判决层上进行的融合。分别对应集中式检测融合和分布式检测融合。
位置级融合----直接在观测报告或测量点迹上进行的融合或在各个传感器状态估计上进行的融合。分别对应着集中式位置融合和分布式位置融合。
目标识别级融合----目标识别亦称属性分类或身份估计，对观测体进行识别和表征。如使用雷达截面积（RCS）数据来确定一个实体是不是一个火箭体、碎片或再入大气层的飞船。敌-我-中识别器（IFFN）使用特征波形和有关数据对观测体判断，是敌机、友机还是不明。
目标识别层也称属性层的信息融合有三种方法：决策级融合、特征级融合、数据级融合。 5.2分布式多传感器状态估计
这里所说的分布式多传感器系统是指如图所示的结构，也称作分级或二层结构。对这种系统的状态估计通常称为航迹融合或合成。这种结构模型的状态估计以局部节点为例以定理的形式给出。
6.多传感器数据逆向建模
在实际应用中，一些零件表面比较复杂，零件表面存在一些非接触式方法无法测量的盲区，比如深孔等，由于孔太深，激光等无法照射到，始终存在扫描盲区，因此不能获得盲区的数据。为解决此类问题，同时采用接触接触式及非接触式测量方法，利用彼此的优点，使用三坐标测量机测量深孔，其它表面用光学扫描系统进行扫描，然后利用特征对齐三坐标测量的数据和光学扫描的数据，获得零件的全部三维数据，然后在CATIA V5中进行逆向建模。针对传统的对单-N量数据的逆向建模，该种方法不仅提高了数字化效率，同时保证了局部的精度要求。
6.1特征对齐原理
采用不同的数据收集方法来获得不在同一坐标系下的两组数据，因此要找到一种方法，将两组数据对齐到同一坐标系下，选择公共参考几何体，基于激光扫描和三坐标测量同时被测量3点，根据3点建立一个空间坐标系和两种不同的扫描方法都有自己的坐标系统的建立，所以两坐标系统是一样的，然后通过坐标平移和旋转可以统一到同一坐标系中。
6.2 数据对齐
假设外部校准已经完成，主要考虑内部校准。在许多外部的对准方法，通过迭代最近点法（ICP）或其它改进方法是一种常见的选择，因为它不需要知道精确的几何特征和不需要校准和外部数据对应不同的传感器数据。然而，基于离散点云对齐方法的对准结果容易受到传感器数据的数量和传感器数据的噪声水平的影响。
6.3逆向建模
首先输入由扫描实物或实体模型的点云数据，CATIA V5可以接受多种格式的点云数据（如ASII、STL、IGS、IGES等格式），点云数据的输入可以以读取文件的形式读入，也可以在专门的逆向模块DSE模块中由Import命令导入，读取扫描点云数据的预处理，包括过滤数据，减少点云，空修复，对齐，合并等等，然后生成3D线框曲线，接着再用CMM机进行表面采点，并将采集到的点以及由点生成的曲线分别对重建的曲面分别进行点变形和线变形，最后在进行比较融合。
7.结束语
由于零件表面往往有其特殊性和复杂性，单纯采用单一测量方法，测量的精度往往难以满足工程实际。多传感器集成测量系统基于接触式測量精度明显高于这一特点的非接触式测量，分别采用了点变形以及曲线变形两种方法实现了曲面的变形，实现了数据融合的目标，提高模型重建的精度；提出了基于特征的数据对齐，根据三点定位可以实现接触式和非接触式扫描数据的坐标系统，实现了两种不同的方法之间的数据融合，最后到CAD建模。
参考文献：
[1]曹江林. 基于多传感器测量的CAD逆向建模技术研究[D]. 广东工业大学，2014.
[2]蔡闯，成思源，杨雪荣. 基于特征分解的逆向建模技术研究[J]. 现代制造工程，2016（2）：119-122.
[3]李海艳. 面向反求工程的多传感器集成及数据融合技术研究[D]. 华中科技大学，2011.
[4]姜涛. 反求工程中融合特征捕捉的光学三维测量方法研究及系统开发[D]. 上海交通大学，2005.