航空叶片多光学传感器多尺度测量点云高效拼合方法

Multi-scale point clouds which measured by multiple optical sensors have characteristics include large-scale, small overlapping regions, different resolutions, different levels of precision and so on. These characteristics bring series of problems such as calculation efficiency, feature points matching and global optimization for data registration. To solve the above problems, this project explores the large-scale point clouds representation and operation methods based on variational implicit function, differentiable manifold and non-linear optimization to present an automatic, efficient and stable multi-sensor data registration method. Point set structure of massive and fine-grained is established for parallel computing on GPU to search the nearest point . A new description operator of local surface feature is defined by variational implicit function. To achieve a stable automatic pre-registration, the good nature of variational implicit function on interpolation and extrapolation is used to study the feature matching methods and evaluation mechanisms . Rigid transformation is represented by dual quaternion to establish geodesic distance least squares optimization model on SE(3) manifold, while iterative linear method is present to solve rotation and translation transformation parameters. Finally, a registration software module will be developed using the above theories to provide the necessary technical for the aero-engine blades closed loop manufacture, full size measurement and innovative design.

航空叶片多光学传感器多尺度测量点云具有点集规模大、重叠区域小、不同分辨率、不同精度等级，给点云拼合效率、稳定性、精度带来一系列问题。针对上述问题，本项目探索基于变分隐函数、微分流形、非线性优化的大规模点集表示与操作方法，提出自动、高效、稳定的多传感器数据拼合方法。具体内容包括：建立适合GPU并行计算的大规模细粒度点集数据结构，研究快速最近点搜索方法；根据多传感器数据特点，定义新的变分隐函数表示的局部曲面特征描述算子，利用变分隐函数良好的内外插性质，研究小重叠区域特征快速匹配方法，提出匹配关系正确与否的评价方法，实现快速稳定的自动预拼合；应用对偶四元数表示刚体变换，建立刚体变换SE(3)流形上的测地距离最小二乘精拼合优化模型，推导同时迭代求解旋转和平移变换参数的线性方法。应用上述理论方法，开发点云拼合软件模块，为航空叶片的设计-加工-测量大闭环制造、全测全检与创新设计提供必要的技术保障。

叶片是决定航空发动机能量转换效率、运行安全和使用寿命的核心零部件，其数字化设计制造水平代表着国家制造业核心竞争力，关系到国防安全。现有测量方法难以满足航空叶片型面测量速度快、精度高和数据完整等多种需求，更难以实现航空叶片进排气边的精确测量。针对上述难题，项目研究了基于不同原理光学传感器融合的航空叶片测量方法，主要研究内容如下：.建立了一种适用于GPU并行计算的数据结构，提出了快速的最近邻搜索算法。在上述数据结构和搜索算法的基础上，建立了一种基于旋转不变特征的点云描述子，应用该描述子对多光学传感器的点云数据进行特征提取，在不依赖点云初始空间姿态前提下，计算得到待匹配点云间的初始位置关系，针对拼合过程中可能存在的错误匹配，应用刚性变换一致性检验策略，实时监督多视角三维重建过程，有效避免误匹配对于重建结果的影响，实现了海量点云数据的自动预拼合。.提出了一种基于全息干涉点云信噪比的迭代拼合优化模型，采用该模型对多光学传感器的点云数据和CAD模型进行迭代优化计算，实现了精确的全局优化拼合，并与经典的ICP（Iterative Closest Point）进行了比较分析，证明了所提出方法的有效性。.完成了软件模块的开发，并在自主开发的四轴多光学传感器叶片测量专机上进行了初步应用，并对哈尔滨东安发动机的多型号叶片进行了测量与检测，取得了良好的应用效果。.研究过程中，共发表学术论文5篇，其中SCI检索3篇，科技核心2篇；申请发明专利4项，授权1项，其他正在实审公开；获软件著作权1项；撰写专著1部；获黑龙江省机械工业科学技术一等奖1项、黑龙江省技术发明二等奖1项。.本项目理论方法与关键技术方面的研究成果对实现叶片型面的快速测量和进排气边的准确测量提供一种可靠的技术手段。对提高叶片的数字化设计制造、检测水平，提升发动机性能起到积极的推动作用，具有十分广阔的应用前景。