基于三維激光掃描的金屬基航空模線樣板自動(dòng)檢測(cè)算法*

李紅衛(wèi)，黃淳亮，汪 俊

（1. 中航西安飛機(jī)工業(yè)集團(tuán)股份有限公司，西安 710089；2. 南京航空航天大學(xué)，南京 210016）

在航空制造行業(yè)中，模線樣板是模擬量傳遞制造模式的關(guān)鍵。雖然以數(shù)字量為協(xié)調(diào)線索和依據(jù)數(shù)字化制造模式已逐步在飛機(jī)制造行業(yè)大規(guī)模推廣應(yīng)用，但大量在產(chǎn)、改型飛機(jī)因歷史原因，飛機(jī)設(shè)計(jì)領(lǐng)域的數(shù)字化缺失或者不理想，或者發(fā)布的數(shù)據(jù)與下游數(shù)字化制造需求不匹配的狀態(tài)一時(shí)難以從根本上改變，需要很大的成本和周期才可能從設(shè)計(jì)源頭徹底解決?；诔杀尽⒓夹g(shù)發(fā)展、任務(wù)難度指標(biāo)需求變化等因素的考慮，按照“新型號(hào)新辦法、老型號(hào)老辦法”的思路，大量既有/改進(jìn)型號(hào)甚至采用“保持模式不變直至生命周期結(jié)束”的策略。因此以模線樣板為主的模擬量協(xié)調(diào)模式，將在很長(zhǎng)的一段時(shí)期內(nèi)在很多型號(hào)的生產(chǎn)/維修/改造中繼續(xù)存在。如何以先進(jìn)的數(shù)字化技術(shù)提升模擬量協(xié)調(diào)模式下的生產(chǎn)效率和質(zhì)量，降低成本，是需要認(rèn)真研究的課題。

模線樣板是飛機(jī)生產(chǎn)所用的各類模線的實(shí)體表現(xiàn)形式，一般是人工或使用加工設(shè)備基于模線按照1∶1的比例制作的二維平面金屬板[1]。其功能要素主要包含各類基準(zhǔn)線、輔助線、實(shí)體內(nèi)輪廓邊緣 （包含各種規(guī)則、不規(guī)則孔）、實(shí)體外輪廓邊緣、文字標(biāo)識(shí)等。在模擬量協(xié)調(diào)模式下，模線是樣板的制造依據(jù)，樣板是飛機(jī)生產(chǎn)所需的各類工裝的直接制造、驗(yàn)收依據(jù)，甚至是部分零件制造或部組件裝配生產(chǎn)、驗(yàn)收的直接依據(jù)，因此對(duì)模線樣板的檢測(cè)是飛機(jī)生產(chǎn)過程中質(zhì)量控制的重要一環(huán)。考慮到各型飛機(jī)的樣板數(shù)量巨大，樣板的質(zhì)量影響是全面的、基礎(chǔ)性的，而在其日常使用中變形又難以徹底避免且隨機(jī)性大，航空制造行業(yè)由此產(chǎn)生了必須對(duì)樣板進(jìn)行全面“定期檢查”的通用管理要求。鑒于模線樣板檢測(cè)的技術(shù)本質(zhì)都可歸于對(duì)金屬基體平板的內(nèi)外輪廓及其平板表面的孔、線跡、文本等的檢測(cè)，本文以樣板為對(duì)象展開檢測(cè)技術(shù)的分析和研究，并統(tǒng)一描述為“金屬基航空模線樣板檢測(cè)”。

目前應(yīng)用于金屬基航空模線樣板檢測(cè)的方法有明膠板檢驗(yàn)法（Visual quality control，VQC）和照相掃描檢驗(yàn)法，其中明膠板檢驗(yàn)法作為樣板檢測(cè)的傳統(tǒng)方法，因其易操作、不需設(shè)備等特點(diǎn)而應(yīng)用最為廣泛：將繪制有模線的聚酯薄膜平鋪在待檢驗(yàn)的樣板上用肉眼進(jìn)行檢測(cè)。該方法具有明顯的缺點(diǎn)：聚酯薄膜使用現(xiàn)場(chǎng)的恒溫恒濕環(huán)境不易保證，導(dǎo)致成本高[2–4]；人工目視檢測(cè)的準(zhǔn)確性和穩(wěn)定性導(dǎo)致的判斷結(jié)論的隨機(jī)性等影響，使其結(jié)果往往不可靠，且以人工目視檢查設(shè)備數(shù)控加工結(jié)果的合理性存有爭(zhēng)議。照相掃描法則是將樣板平放在打光板上，通過圖像傳感器獲得樣板遮光部分，以提取其輪廓，該方法依賴于傳感器的分辨率，且不具備樣板刻線檢測(cè)的功能，無(wú)法滿足對(duì)樣板的檢測(cè)需求。

近年來，三維激光掃描技術(shù)逐漸成熟，憑借著高精度、非接觸、數(shù)據(jù)量大等優(yōu)點(diǎn)，在航空零部件的數(shù)字化檢測(cè)領(lǐng)域已有廣泛應(yīng)用[5–11]。針對(duì)傳統(tǒng)測(cè)量手段的不足，嚴(yán)成等[6]利用三維激光掃描儀獲取蒙皮對(duì)縫點(diǎn)云數(shù)據(jù)，建立對(duì)縫階差數(shù)學(xué)模型實(shí)現(xiàn)飛機(jī)蒙皮對(duì)縫的三維數(shù)字化檢測(cè)。張一鳴等[7]利用多種三維點(diǎn)云描述子投票加權(quán)，提高了三維掃描數(shù)據(jù)與數(shù)模的對(duì)齊精度。陳允全等[8]構(gòu)建機(jī)器人掃描系統(tǒng)，擴(kuò)大三維激光掃描儀的測(cè)量范圍，并將其應(yīng)用于飛機(jī)大型結(jié)構(gòu)件的自動(dòng)化檢測(cè)。Xie 等[11]基于激光掃描儀采集的飛機(jī)蒙皮點(diǎn)云數(shù)據(jù)，構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，實(shí)現(xiàn)蒙皮鉚釘?shù)母咝z測(cè)。

模線樣板對(duì)于刻線和輪廓的檢測(cè)精度和效率要求較高，現(xiàn)有的點(diǎn)云特征提取算法難以準(zhǔn)確提取樣板刻線，對(duì)外形輪廓的提取效率較低。針對(duì)上述問題，本文對(duì)基于三維激光掃描的模線樣板檢測(cè)技術(shù)進(jìn)行研究。樣板刻線的提取主要通過點(diǎn)云高度和法矢的過濾實(shí)現(xiàn)。根據(jù)樣板點(diǎn)云數(shù)據(jù)分布特性，將點(diǎn)云映射為圖像，實(shí)現(xiàn)樣板輪廓的快速提取。然后將提取結(jié)果與理論數(shù)模進(jìn)行對(duì)比分析，得到最終的檢測(cè)結(jié)果。該方法最終通過試驗(yàn)進(jìn)行了驗(yàn)證。

1 算法概述

本文首先使用高精度三維掃描儀獲取待檢驗(yàn)樣板表面的點(diǎn)云數(shù)據(jù)，同時(shí)帶有法矢量。為了獲取樣板的刻線特征，提出了基于局部平面擬合的刻線提取算法，具體為：將樣板表面點(diǎn)云柵格化分割，對(duì)分割出的每個(gè)局部表面進(jìn)行平面擬合，并計(jì)算高度圖等步驟。為了更準(zhǔn)確地提取出刻線中心部分，提出了基于法矢角度過濾法來優(yōu)化提取刻線的準(zhǔn)確性；為提取樣板內(nèi)外輪廓特征，針對(duì)樣板點(diǎn)云類似平面點(diǎn)云的特性，提出了自適應(yīng)分辨率的平面點(diǎn)云邊緣檢測(cè)算法，將樣板點(diǎn)云映射為一定大小的二值化圖像進(jìn)行處理，以完成準(zhǔn)確的樣板外形提??；將所提取的樣板外形和刻線特征點(diǎn)變換到樣板理論數(shù)模數(shù)據(jù)所在的平面，并進(jìn)行基點(diǎn)的對(duì)齊處理，再進(jìn)一步去除噪聲，繼而對(duì)比分析形成誤差分布圖，以此得到樣板的整體檢驗(yàn)分析結(jié)果。該檢測(cè)算法的總體流程圖如圖1 所示。

圖1 金屬基航空模線樣板自動(dòng)檢測(cè)算法總體流程圖Fig.1 Overall flow chart of automatic detection algorithm for metal based aviation mold line template

2 算法流程

2.1 基于局部平面擬合的刻線提取算法

樣板在日常使用中經(jīng)常發(fā)生形變，其表面并非完全平整，不能簡(jiǎn)單地將其看作整體平面進(jìn)行處理。并且樣板掃描點(diǎn)云數(shù)據(jù)量通常很大，對(duì)算法的效率提出了較高的要求。為了解決上述問題，本文提出了一種局部擬合平面的刻線提取算法，具體步驟如下。

2.1.1 表面點(diǎn)云粗柵格化

樣板表面點(diǎn)云大致在一個(gè)平面上，為了方便處理，參考圖像處理技術(shù)中的滑動(dòng)窗口算法，對(duì)點(diǎn)云進(jìn)行粗柵格化后，對(duì)每個(gè)分割塊點(diǎn)云單獨(dú)處理。首先使用主成分分析 （Principal component analysis，PCA）計(jì)算出表面點(diǎn)云的3 個(gè)相互正交的單位主向量e1、e2、e3作為掃描點(diǎn)云的局部坐標(biāo)系的3 個(gè)軸向。為了使數(shù)據(jù)零均值化，需計(jì)算點(diǎn)云均值，然后對(duì)點(diǎn)云每一點(diǎn)減去該均值作為中心化預(yù)處理。點(diǎn)云主向量通過計(jì)算協(xié)方差矩陣XXT的特征向量得到，其中X為中心化后的表面點(diǎn)云P= {p1，p2，…，pn}排列成的3×n的矩陣，其中n為點(diǎn)云內(nèi)點(diǎn)的總數(shù)。將最小特征值所對(duì)應(yīng)的單位特征向量e1作為局部坐標(biāo)系的Z1軸方向，第2 和最大特征值所對(duì)應(yīng)的單位特征向量e2、e3作為Y1、X1軸的方向，中心點(diǎn)作為局部坐標(biāo)系（X1，Y1，Z1）的原點(diǎn)O1，在平面X1O1Y1上作間隔為5 mm 的柵格，將表面點(diǎn)云劃分為多個(gè)局部表面點(diǎn)云，如圖2 所示。

圖2 柵格和樣板局部表面點(diǎn)云Fig.2 Grids and local template surface point cloud

2.1.2 刻線點(diǎn)云提取

樣板刻線部分的點(diǎn)云及橫截面點(diǎn)云如圖3（a）和（b）所示，刻線部分的點(diǎn)云低于樣板表面，過濾樣板表面的點(diǎn)云可獲得刻線部分的帶狀點(diǎn)云。以單獨(dú)一片局部表面點(diǎn)云Pl= {pl1，pl2，…，plm}為例，首先擬合其平面參數(shù)，其中m為該局部點(diǎn)云內(nèi)點(diǎn)的總數(shù)。為了排除下沉的刻線點(diǎn)云對(duì)平面擬合的影響，這里采用隨機(jī)抽樣一致性（Random sample consensus，RANSAC）算法[12]。通過該算法獲得該局部擬合平面的法矢v和該平面上的一點(diǎn)p0，計(jì)算該片點(diǎn)云與擬合平面之間的距離作為該點(diǎn)的高度值。為了使所有柵格的高度值正負(fù)方向保持一致，需要將平面法矢v的方向與柵格平面點(diǎn)云的法矢均值v-保持同向。對(duì)于該局部點(diǎn)云內(nèi)的點(diǎn)pli，其高度值hi可以表示為

圖3 局部樣板刻線點(diǎn)云及刻線粗提取Fig.3 Scribed line point cloud of local sample and its rough extraction

為了有效區(qū)分樣板表面點(diǎn)云和刻線部分的點(diǎn)云，設(shè)置一個(gè)高度過濾閾值t0，對(duì)于點(diǎn)云中的一點(diǎn)pli，若其對(duì)應(yīng)的高度值hi小于該閾值，即可判斷該點(diǎn)屬于低于樣板表面的刻線部分。

如圖4 所示，經(jīng)過上述步驟初步提取的刻線點(diǎn)為具有一定寬度的帶狀點(diǎn)云，而樣板上刻線的有效工作要素為其中間部分，需要進(jìn)一步過濾刻線點(diǎn)云以提取出帶狀點(diǎn)云的中部點(diǎn)。可以看出，刻線帶中部點(diǎn)的法矢相比刻線帶邊界點(diǎn)的法矢與樣板表面法矢量夾角最小。遍歷上一步提取的刻線點(diǎn)，對(duì)遍歷的每一點(diǎn)plj，計(jì)算其法矢vj與局部擬合平面的法矢v的夾角rj，即

圖4 刻線點(diǎn)云優(yōu)化提取Fig.4 Scribed line fine extraction

為了得到刻線提取優(yōu)化結(jié)果，設(shè)定一個(gè)角度過濾閾值β0，過濾rj>β0的點(diǎn)后，剩余的點(diǎn)即為優(yōu)化后的刻線點(diǎn)，相比初步提取的結(jié)果更為準(zhǔn)確。

2.2 樣板輪廓提取

獲得樣板刻線點(diǎn)結(jié)果之后，還需提取樣板的輪廓點(diǎn)云。本文提出了一種基于四叉樹的自適應(yīng)分辨率二維點(diǎn)云邊界提取算法，以實(shí)現(xiàn)樣板點(diǎn)云的邊界提取。

在傳統(tǒng)的三維點(diǎn)云邊界提取算法實(shí)現(xiàn)中，一般需計(jì)算點(diǎn)云中每個(gè)點(diǎn)的法矢量、曲率、微切平面等，設(shè)計(jì)相應(yīng)的閾值算法以區(qū)分邊界[13–15]。上述算法運(yùn)行速度普遍較慢，考慮到樣板掃描點(diǎn)云數(shù)據(jù)量，這類方法難以滿足效率要求。為實(shí)現(xiàn)快速的樣板內(nèi)外輪廓點(diǎn)提取，可將樣板表面點(diǎn)云近似看作二維點(diǎn)云，并將點(diǎn)云在其二維平面上進(jìn)行更細(xì)的柵格化，以將點(diǎn)云映射到一定分辨率的網(wǎng)格中[16–17]。考慮到不同掃描設(shè)備獲得點(diǎn)云的空間分辨率不一致，為了使不同空間分辨率下輪廓提取的效果相同并保證計(jì)算效率，在平面X1O1Y1上構(gòu)建平面四叉樹，使用如圖5 的四叉樹搜索確定細(xì)柵格化的網(wǎng)格大小，然后對(duì)該點(diǎn)云進(jìn)行細(xì)柵格化處理后映射為二值圖像。圖6 展示了輪廓點(diǎn)提取算法原理，其步驟如下。

圖5 四叉樹示意圖Fig.5 Diagram of quad-tree

圖6 平面點(diǎn)云二值化圖像及輪廓點(diǎn)提取Fig.6 Binary image of 2D points and contour points extraction

（1）在平面X1O1Y1上，計(jì)算點(diǎn)云在兩坐標(biāo)軸上的最大跨度，作為四叉樹的第0 級(jí)正方形網(wǎng)格的長(zhǎng)寬尺寸，并且使該級(jí)覆蓋點(diǎn)云所有的點(diǎn)。

（2）將該根單元的正方形網(wǎng)格均分為4 塊子單元網(wǎng)格，若落在子單元網(wǎng)格中的點(diǎn)數(shù)大于1，則繼續(xù)劃分此類子單元，作為四叉樹的第1 級(jí)。

（3）重復(fù)步驟 （2），同時(shí)遍歷每一級(jí)四叉樹所有網(wǎng)格，統(tǒng)計(jì)包含點(diǎn)數(shù)等于1 的網(wǎng)格數(shù)N1，當(dāng)滿足N1>N/2 時(shí)，將此時(shí)子單元的網(wǎng)格邊長(zhǎng)作為點(diǎn)云細(xì)柵格化網(wǎng)格的邊長(zhǎng)d。

（4）在平面X1O1Y1上作間距d的柵格，每個(gè)網(wǎng)格作為二值化圖像的子像素，若點(diǎn)云中有點(diǎn)映射到像素網(wǎng)格中，將該像素值置1，否則置0。

（5）遍歷二值圖像中所有0 值像素，若該像素周圍的8 個(gè)像素存在5 個(gè)及以上的1 值像素，視該0 值像素為噪聲像素，并將其值置1。

（6）獲取邊界點(diǎn)：遍歷所有像素，若該像素有為0的接鄰像素，則將其視為邊界像素，其余為非邊界像素，將邊界像素中的映射點(diǎn)歸類為樣板點(diǎn)云的輪廓點(diǎn)。

2.3 CAD 數(shù)模比對(duì)

對(duì)于從樣板點(diǎn)云中獲取的刻線和邊界結(jié)果，需要與樣板的設(shè)計(jì)理論數(shù)模進(jìn)行比對(duì)分析，以得出其誤差分布是否合格的結(jié)論。為了方便將實(shí)測(cè)結(jié)果，即樣板外輪廓和刻線提取獲得的實(shí)測(cè)結(jié)果點(diǎn)云與數(shù)模配準(zhǔn)，首先將樣板的CAD 理論數(shù)模離散化為二維數(shù)模點(diǎn)云，并使其分布在世界坐標(biāo)系 （Xw，Yw，Zw）中的平面XwOwYw下，為了方便后續(xù)的配準(zhǔn)，需要將實(shí)測(cè)結(jié)果點(diǎn)云變換到理論數(shù)模點(diǎn)云的平面上，也就是將局部坐標(biāo)系（X1，Y1，Z1）下的平面X1O1Y1變換到平面XwOwYw。設(shè)局部坐標(biāo)系下3軸對(duì)應(yīng)的3 個(gè)單位基向量i1= （Xi1，Yi1，Zi1），世界坐標(biāo)系下3 軸對(duì)應(yīng)的3 個(gè)單位基向量iw= （Xiw，Yiw，Ziw），有變換矩陣T，即

然后對(duì)實(shí)測(cè)的結(jié)果點(diǎn)云使用變換矩陣T進(jìn)行變換，假設(shè)結(jié)果點(diǎn)云中某點(diǎn)的坐標(biāo)為（x，y，z），轉(zhuǎn)換到世界坐標(biāo)系下后的目標(biāo)坐標(biāo)（X，Y，Z），轉(zhuǎn)換關(guān)系有

將轉(zhuǎn)換后的實(shí)測(cè)結(jié)果點(diǎn)云Z軸坐標(biāo)值置為0 以忽略樣板厚度方向變形導(dǎo)致的誤差。為了使理論數(shù)模點(diǎn)云中的樣板使用基準(zhǔn)與實(shí)測(cè)結(jié)果點(diǎn)云的對(duì)應(yīng)基準(zhǔn)進(jìn)行對(duì)齊，通過交互界面手動(dòng)將實(shí)測(cè)結(jié)果點(diǎn)云與理論數(shù)模點(diǎn)云進(jìn)行配準(zhǔn)。在配準(zhǔn)之后進(jìn)行誤差分析并得出是否合格的結(jié)論，同時(shí)去除部分實(shí)測(cè)結(jié)果點(diǎn)云中的噪聲點(diǎn)，其步驟如下。

（1）計(jì)算距離。遍歷實(shí)測(cè)結(jié)果點(diǎn)云，為了提高計(jì)算效率，使用點(diǎn)云庫(kù) （Point cloud library，PCL）中的八叉樹最近鄰搜索算法尋找理論數(shù)模點(diǎn)中與實(shí)測(cè)結(jié)果點(diǎn)距離最近的點(diǎn)。首先對(duì)理論數(shù)模點(diǎn)云建立八叉樹索引，對(duì)遍歷的每個(gè)點(diǎn)pi，尋找理論數(shù)模點(diǎn)云中與其實(shí)測(cè)點(diǎn)距離最近的理論點(diǎn)作為對(duì)應(yīng)點(diǎn)，并計(jì)算其距離。

（2）過濾噪聲。將對(duì)應(yīng)上述距離大于2 mm 的實(shí)測(cè)結(jié)果點(diǎn)云作為噪聲點(diǎn)過濾。

（3）設(shè)置允許公差范圍。根據(jù)航空標(biāo)準(zhǔn)的要求，不同線型處有不同誤差要求，在樣條曲線處的允許誤差為± 0.15 mm，其余允許誤差為± 0.1 mm，其中線型信息可在CAD 理論數(shù)模文件解析時(shí)獲得。

（4） 樣板合格與否的判斷。依據(jù)設(shè)計(jì)元素的重要性，設(shè)置每種線型及對(duì)應(yīng)的設(shè)計(jì)元素的誤差允許度tl，同時(shí)排除樣板小部分磨損導(dǎo)致的影響。通常對(duì)于無(wú)需檢驗(yàn)的樣板基板處的設(shè)計(jì)元素，一般設(shè)置tl = 0 即可，對(duì)重要的基準(zhǔn)處，一般設(shè)置tl = 0.5。當(dāng)該線型所對(duì)應(yīng)的距離計(jì)算結(jié)果中超過公差的數(shù)量nf滿足nf>nr（1– tl），判斷該線型處存在超差。其中nr為該線型的理論數(shù)模點(diǎn)云對(duì)應(yīng)的距離計(jì)算的結(jié)果數(shù)量。

通過以上步驟，實(shí)現(xiàn)了實(shí)測(cè)結(jié)果點(diǎn)云與配準(zhǔn)的CAD理論數(shù)模點(diǎn)云的誤差計(jì)算和樣板合格與否的判斷。在對(duì)比分析的同時(shí)，可以利用計(jì)算的對(duì)應(yīng)點(diǎn)誤差值作誤差分布色差圖，以便檢測(cè)結(jié)果的可視化處理。

3 試驗(yàn)結(jié)果與分析

為了對(duì)本文所提出的數(shù)字化金屬基航空模線樣板檢測(cè)算法的可行性和測(cè)量效率進(jìn)行確認(rèn)，本文選擇了多塊不同尺寸的飛機(jī)模線樣板進(jìn)行試驗(yàn)驗(yàn)證。經(jīng)過人工檢驗(yàn)，這些樣板均為合格產(chǎn)品。三維激光掃描設(shè)備采用加拿大Creaform 公司的手持式掃描儀MetraSCAN 750（精度為0.025 mm，單站測(cè)量范圍為0.2 ～ 6 m）。將樣板平放于光學(xué)平臺(tái)上進(jìn)行掃描，設(shè)置點(diǎn)云測(cè)量分辨率為0.1 mm，獲取帶有法矢量的點(diǎn)云。試驗(yàn)運(yùn)行在i9–10900 CPU、32GB 內(nèi)存的PC 機(jī)上，軟件環(huán)境為Windows10 操作系統(tǒng)，使用Visual Studio 2019 編譯相關(guān)代碼。

圖7 所示為采集的幾塊樣板的實(shí)測(cè)點(diǎn)云數(shù)據(jù)和檢測(cè)分析結(jié)果，檢測(cè)結(jié)論均為合格。試驗(yàn)中，高度過濾閾值t0= – 0.03 mm、角度過濾閾值β0= 5°。從測(cè)量結(jié)果可以看到，使用本文提出的方法可以有效實(shí)現(xiàn)樣板刻線點(diǎn)和內(nèi)外輪廓點(diǎn)的提取、分析，并實(shí)現(xiàn)誤差分布的可視化展示。

圖7 樣板點(diǎn)云與測(cè)試結(jié)果Fig.7 Template point cloud and test results

3.1 與現(xiàn)有算法結(jié)果對(duì)比分析

為了進(jìn)一步將本研究提出的刻線與內(nèi)外形輪廓提取算法同當(dāng)前已有算法進(jìn)行速度與精度的對(duì)比，選取不同數(shù)據(jù)量的樣板點(diǎn)云進(jìn)行測(cè)試，以算法運(yùn)行時(shí)間和計(jì)算結(jié)果的平均誤差值作為評(píng)價(jià)標(biāo)準(zhǔn)。對(duì)于樣板刻線提取步驟，選用多尺度特征線提取算法 （Local surface variation，LSV）[18]進(jìn)行對(duì)比；對(duì)于樣板點(diǎn)云輪廓提取步驟，使用Alpha-shapes 二維點(diǎn)云邊界提取算法[19]和PCL 中實(shí)現(xiàn)的點(diǎn)云邊界提取算法進(jìn)行對(duì)比。

從圖8 可以看出，目前點(diǎn)云多尺度特征線提取算法LSV 可以檢測(cè)出樣板表面較淺的刻線部分，但是無(wú)法提取出刻線中部的點(diǎn)，檢測(cè)結(jié)果的誤差較大。如圖9 所示，輪廓檢測(cè)部分，Alpha-shapes 二維點(diǎn)云邊界提取算法和本文算法都可以較好地完成樣板外形輪廓提取，PCL 的邊界提取算法的結(jié)果帶有一定噪聲。

圖8 刻線提取效果對(duì)比Fig.8 Scribed line extraction result comparison

圖9 邊緣提取效果對(duì)比Fig.9 Comparison of edge extraction result

檢測(cè)精度和效率的對(duì)比試驗(yàn)數(shù)據(jù)如表1 所示，為保證試驗(yàn)結(jié)果的可靠性，其中的時(shí)間均為在同一環(huán)境下測(cè)試5 次所獲取的平均值。在算法時(shí)間方面，本文提出的輪廓提取算法相較于Alpha-shapes 和PCL 具有一定的優(yōu)勢(shì)，刻線提取算法較LSV 有較大優(yōu)勢(shì)。在檢測(cè)誤差方面，3 種輪廓檢測(cè)算法檢測(cè)誤差均較小，而LSV 因無(wú)法準(zhǔn)確提取刻線，具有較大的誤差，無(wú)法保障精度。該試驗(yàn)結(jié)果表明，本文提出的樣板刻線檢測(cè)算法速度和精度均優(yōu)于特征線提取算法，輪廓提取算法效率也優(yōu)于其他算法。并且，對(duì)于尺寸為658 mm×350 mm 的模線樣板S2，使用傳統(tǒng)人工目檢的檢測(cè)方法，檢測(cè)該尺寸樣板需要時(shí)間在300 s 以上，使用本研究提出的方法可以控制在5 s 左右。

表1 檢測(cè)精度和效率統(tǒng)計(jì)Table 1 Accuracy and efficiency statistics

3.2 與三坐標(biāo)測(cè)量?jī)x測(cè)量結(jié)果對(duì)比試驗(yàn)

為了驗(yàn)證本文提出方法的有效性，分別使用三坐標(biāo)測(cè)量?jī)x（CMM）與本文方法對(duì)樣板S2進(jìn)行檢測(cè)，其中三坐標(biāo)測(cè)量?jī)x在樣板和輪廓處選取140 個(gè)測(cè)量點(diǎn)進(jìn)行測(cè)量，最后對(duì)2 種方法的結(jié)果進(jìn)行分析計(jì)算 （忽略樣板厚度方向的誤差）。圖10 為兩種方法在測(cè)量點(diǎn)處的結(jié)果與理論數(shù)模的誤差對(duì)比；圖11 為本文方法測(cè)量結(jié)果與三坐標(biāo)測(cè)量結(jié)果在測(cè)量點(diǎn)處的相對(duì)偏差統(tǒng)計(jì)。

圖10 本文方法與CMM 測(cè)量結(jié)果誤差對(duì)比Fig.10 Comparison of error distribution output by proposed method and CMM

圖11 本文方法與CMM 測(cè)量結(jié)果相對(duì)偏差統(tǒng)計(jì)Fig.11 Statistics of relative deviation output by proposed method and CMM

通過上述試驗(yàn)結(jié)果可以看出，本文所提出的金屬基模線樣板檢測(cè)方法具有較高的精度，相對(duì)三坐標(biāo)測(cè)量?jī)x測(cè)量結(jié)果偏差分布在±0.15 mm 的范圍內(nèi)，滿足航空行業(yè)標(biāo)準(zhǔn)下樣板檢測(cè)的需求，相對(duì)傳統(tǒng)人工檢測(cè)方法更加可靠。

4 結(jié)論

為解決目前金屬基航空模線樣板檢測(cè)技術(shù)存在的問題，本文提出了一種數(shù)字化的檢測(cè)方法，使用高精度三維掃描儀獲取樣板表面的點(diǎn)云數(shù)據(jù)，針對(duì)平面刻線的特性提出了基于局部平面擬合的刻線提取算法，結(jié)合傳統(tǒng)圖像算法提出了自適應(yīng)分辨率的平面點(diǎn)云輪廓檢測(cè)算法，最后實(shí)現(xiàn)了檢測(cè)結(jié)果與樣板理論數(shù)模的誤差分析。對(duì)多種不同尺寸樣板的實(shí)測(cè)掃描數(shù)據(jù)和對(duì)比試驗(yàn)分析結(jié)果表明，本文提出的算法相比現(xiàn)有算法具有一定優(yōu)勢(shì)。

與三坐標(biāo)測(cè)量?jī)x測(cè)量結(jié)果對(duì)比試驗(yàn)表明，該檢測(cè)方法滿足模線樣板檢測(cè)精度需求，并且在效率上優(yōu)于傳統(tǒng)人工檢驗(yàn)方法，在當(dāng)前階段對(duì)大量在產(chǎn)、改型飛機(jī)的生產(chǎn)、維修、改造和戰(zhàn)斗力的保持等方面具有重要的現(xiàn)實(shí)意義。