[发明专利]线段集合距离度量下的车身封闭件匹配方法

权利要求书

1、一种线段集合距离度量下的车身封闭件匹配方法，其特征在于具体步骤如下：

(1)根据车身匹配关键点信息和现有车身质量检测工艺信息，确定车身门盖件外轮廓 特征点集合A和车身对应开口外轮廓特征点集合B；

(2)建立基于特征匹配点集合距离的匹配模型，即计算车身坐标系下，车身门盖件相 对于开口部分的左右、上下距离以及相对角度，共计三个匹配参数，特征点集合A和特征 点集合B的线段Hausdorff距离；三个匹配参数确定的依据是根据二维平面运动学中相对 位置的确定需要相对运动参数2个，即X和Y方向以及相对转动角度1个，设初始匹配参 数为(0，0，0)；

计算特征点集合A和特征点集合B的线段Hausdorff距离，将原有的特征测点集合看 成首位相连的两个多边形，在线段H距离的基础上，计算线段集合的H距离，最终得到这 两个多边形的线段H距离，

任意两线段间LHD距离计算包含三个分量：角度距离，垂直距离和平行距离；

Line_A对应于下列公式中线段m_i，转动后的新线Line_A’对应于公式中l_m′，

Line_B对应于下列公式中线段n_j；线段Line_A的起点坐标为(A_1(x，y))，终点坐标 为(A_2(x，y))，中点坐标为(A_mid(x，y))；线段Line_B的起点坐标为(B_1(x，y))， 终点坐标为(B2(x，y))；线段Line_A绕其自身中点转到与线段Line_B平行位置，构成 新的线段New_Line_A，其中起点坐标为New_A_1(x，y)，终点坐标为New_A_2(x，y) 角度距离d_θ(m_i，n_j)

dθ(mi,nj)=min(lmi,lnj)×sin(θ(mi,nj))---(1)]]>

其中，θ(m_i，n_j)表示两直线段(m_i，n_j)的夹角，为两个直线段长度较小值；

垂直距离d_⊥(m_i，n_j)

假设为长度较小的线段，转动θ(m_i，n_j)角度形成新线段，它与线段平行；则 两平行线段间距为垂直距离d_⊥(m_i，n_j)；

平行距离d_pa(m_i，n_j)

将该新线段与一端对齐所平移的距离记为l_i另外一端对齐所需要平移的距离 记为l₂，则平行距离为两者的较小值min(l₁，l₂)；

两线段LHD距离，它为上述三分量的均方根值，如下：

dLHD(mi,nj)=dθ(minj)2+d⊥(mi,nj)2+dpi(mi,nj)2---(2)]]>

线段集合LHD计算：

设外轮廓的特征测点集合顺次连接围成由m条线段构成的线段集合A，内轮廓的特 征测点集合顺次连接围成由n条线段构成的线段集合B；这两个线段集合的线段LHD距离 定义如下：

d_LHD(A，B)＝max(d_DLHD(A，B)，d_DLHD(B，A))   (3)

其中，d_DLHD(A，B)表示从集合A到集合B的有向LHD(Directed Line segmented Hausdorff Distance)；它的计算是以上述任意两个线段间LHD为基础，遍历集合A中m条线段和集 合B中n条线段；

dDLHD(A,B)=max{min{dLHD(mi,nj)}}i∈A,i=1,2,3...m;j∈B,j=1,2,3...n;---(4)]]>

(3)调整匹配参数，根据现场生产经验，最初的集合B经过以该组(X，Y，θ)的坐 标编号后，建立一个新的集合B，其中新的集合B中所有的点的坐标根据二维平面坐标变 换公式求得，用矩阵表达如下：

假设集合B中任意一点的坐标写成列向量为xi-oldyi-old,]]>经过(X，Y，θ)变化后的新的 集合B中该对应点坐标为xi-newyi-new,]]>则：

xi-newyi-new=cos(θ)-sin(θ)sin(θ)cos(θ)+XY,]]>其中i＝1，2，...m，m为集合B中的测点数目；

(4)经过以匹配参数为要求的坐标变换后，表明集合B相对于集合A处于一个新的 匹配位置，再重新根据步骤(3)所述的点集Hausdorff距离和线段Hausdorff距离的计算方法， 计算集合A和新的集合B的线段Hausdorff距离；

(5)如果步骤(4)所得的集合A和新的集合B之间的线段Hausdorff距离变得步骤(2) 所得相对于初始匹配参数下的集合A和集合B之间的线段Hausdorff距离更小，表明这次 的匹配效果更好；反之，则匹配效果更差，重复步骤(3)、(4)，再随机选择匹配调整参数； 如此循环迭代优化，直到在可行匹配参数调整范围内，集合A和新的集合B的线段 Hausdorff距离达到最小，表明匹配轮廓最为相似，也即达到制造偏差状态下的最优匹配。

2、根据权利要求1所述的线段Hausdorff距离度量下的车身封闭件匹配方法，其特征 在于步骤(5)所述的最优化为约束条件下的最优化问题是基于遗传算法的并行快速搜索特 性，确定最佳匹配调整参数。