欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022114981394
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述方法包括以下:S1、通过采样得到点云数据,并计算得出所述点云数据的坐标轴,所述点云数据包括叶片场景点云数据和叶片模型点云数据;

S2、根据所述点云数据的坐标轴对所述点云数据进行分块,得到点云数据分块,对所述点云数据分块附标签,得到对应的点云数据分块标签;

S3、对所述点云数据分块上的点进行关键点检测,采用所述点云数据分块标签对检测得到的关键点进行描述,得到分块标签描述子,通过所述分块标签描述子对所述叶片场景点云数据和叶片模型点云数据进行分块对应查找和关键点组合配对,得到点云数据分块上的多个关键点对;

S4、从每个所述点云数据分块中选出一个关键点对,组成所述点云数据的四点基,通过四点基求解变换矩阵,遍历所述点云数据分块上的多个关键点对,得到多个变换矩阵,结合距离均方差值最小化法得到最优变换矩阵,根据所述最优变换矩阵对所述叶片场景点云数据进行坐标变换,得到变换后的叶片模型点云数据坐标系下的叶片场景点云数据。

2.如权利要求1所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S1具体为:S11、通过光学测量设备采集叶片多视角场景点云数据,对其进行拼接和采样,得到叶片场景点云数据;

S12、对叶片CAD模型数据进行采样,得到叶片模型点云数据;

S13、采用PCA方法分别对所述叶片场景点云数据和所述叶片模型点云数据进行坐标轴提取,得到所述叶片场景点云数据和所述叶片模型点云数据的坐标轴。

3.如权利要求2所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S13具体为:S131、定义所述点云数据;

S132、采用PCA方法对所述点云数据求解协方差矩阵;

S133、提取所述协方差矩阵的特征值和特征向量,并依据所述特征值的大小对相应的特征向量进行排列;

S134、将排列好的特征向量作为所述点云数据的坐标轴,特征值最大的特征向量对应坐标轴的 轴,特征值最小的特征向量对应坐标轴的 轴,剩下的一个特征向量对应坐标轴的 轴,点云数据的质心对应坐标轴原点。

4.如权利要求3所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S2具体为:S21、根据所述点云数据中的坐标轴中的 轴和 轴对所述点云数据分块,得到点云数据分块;

S22、将所述点云数据的质心与所述点云数据中的每个点连线构成向量,计算所述向量分别与所述点云数据的坐标轴中的 轴或 轴形成的夹角;

S23、对所述点云数据分块附标签,并根据所述夹角的角度对所述点云数据分块标签赋值,得到点云数据分块标签。

5.如权利要求4所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S23具体为:对每个所述点云数据分块均附标签 和 ,当所述向量与所述坐标轴中的 轴或 轴的夹角成锐角时,对应的标签被赋值为“true”,当所述向量与所述坐标轴中的 轴或 轴的夹角成钝角时,对应的标签被赋值为“false”。

6.如权利要求5所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S3中对所述点云数据分块上的点进行关键点检测,具体为:S31、在所述点云数据的坐标轴中,选取坐标轴构成的坐标平面 和 ;

S32、计算所述点云数据分块上的点到所述坐标平面 和 的距离;

S33、选取所述点云数据分块上距离最大的点作为检测到的所述点云数据分块上的关键点。

7.如权利要求6所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述步骤S32中计算所述点云数据分块上的点到所述坐标平面 和 的距离,包括计算叶片场景点云数据分块上的点到叶片场景点云数据的坐标平面 和 的距离,和计算叶片模型点云数据分块上的点到叶片模型点云数据的坐标平面 和 的距离,具体公式为:式中, 为叶片场景点云数据上的第 个点 到坐标平面 的距离, 为叶片场景点云数据上的第 个点 到坐标平面 的距离, 为叶片场景点云的质心 与叶片场景点云数据中的第 个点 组成的向量, 为向量 与 轴的夹角, 为向量 与 轴的夹角;

式中, 为叶片模型点云数据上的第 个点 到坐标平面 的距离, 为叶片模型点云数据上的第 个点 到坐标平面 的距离, 为叶片模型点云的质心与叶片模型点云数据中的第 个点 组成的向量, 为向量 与 轴的夹角,为向量 与 轴的夹角。

8.如权利要求7所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S3中通过所述分块标签描述子对所述叶片场景点云数据和叶片模型点云数据进行分块对应查找和关键点组合配对,得到点云数据分块上的多个关键点对,具体为:S34、通过所述分块标签描述子对所述叶片场景点云数据和叶片模型点云数据进行分块对应查找,得到对应的点云数据分块;

S35、将叶片场景点云数据分块上的关键点和叶片模型点云数据分块上的关键点按对应分块进行组合配对,得到点云数据分块上的多个关键点对。

9.如权利要求8所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S4中从每个所述点云数据分块中选出一个关键点对,组成所述点云数据的四点基,通过四点基求解变换矩阵,具体为:S41、从每个所述点云数据分块中选出一个关键点对,组成所述点云数据的四点基;

S42、对叶片场景点云数据的四点基和叶片模型点云数据的四点基求解协方差矩阵;

S43、对所述协方差矩阵采用奇异值分解法求解,得出点云数据的变换矩阵。

10.如权利要求9所述的基于分块标签描述子的航空发动机叶片点云数据配准方法,其特征在于,所述S4中结合距离均方差值最小化法得到最优变换矩阵,具体为:S44、通过所述变换矩阵对所述叶片场景点云数据进行变换,得到叶片模型点云数据坐标系下的叶片场景点云数据;

S45、查找所述叶片模型点云数据坐标系下的叶片场景点云数据中的点与所述叶片模型点云数据中对应的最近点;

S46、计算得到的所有叶片场景点云中的点与叶片模型点云数据中对应的最近点的距离并求解均方差值,均方差值最小时对应的变换矩阵为最优变换矩阵。