[发明专利]一种基于实测数据特征引导的零件精确加工方法

说明书

本发明公开了一种基于实测数据特征引导的零件精确加工方法，包括对实测模型点云数据的获取、数据预处理、轮廓特征提取边界、有序采样等步骤，将有序采样结果映射至数据模型作为指导数控加工的轨迹，以提高留有余量零件再加工的精度。本发明基于实测数据特征引导的零件精确加工方法，有效解决了传统工艺对留有余量零件手工再加工低效耗时的缺点，提高了加工的精度和加工的效率，且工艺规划合理，易于实现，可复制性强，适合推广使用。

技术领域

本发明涉及数字化制造技术领域，具体为一种基于实测数据特征引导的零件精确加工方法。

背景技术

针对复合材料零件成型阶段，某些零件加工精度难以保证的情形，需要对相应的零件在生产制造时留有加工余量，在零件进行装配定位时完成最终的加工，即对留有加工余量的零件进行再加工。传统的手工再加工技术耗时费力，且在加工、运输、装夹等过程中易造成误差累计，给后续装配带来极大不便。

数字化制造技术发展至今，数字化测量技术一直扮演着非常重要的角色。随着加工制造迈向智能化，数字化测量技术也在向“智能测量、反馈控制”的目标发展。近年来，随着传感器、通信和定位定姿技术的发展，以及人工智能、深度学习、虚拟/增强现实等领域的先进技术都有所发展，对点云数据的智能化处理提出了新的要求。点云数据的特征描述、语义理解、关系表达、目标语义模型、多维可视化的等关键问题在人工智能、深度学习等先进技术的驱动下朝着自动化、智能化快速发展。

发明内容

本发明主要是通过数字化测量技术，根据装配定位好的零件的几何形状，指导加工设备自动完成对留有余量零件的再加工。

本发明公开的技术方案为：

一种基于实测数据特征引导的零件精确加工方法，其特征在于，包括：

1)扫描已完成再加工的标准零件，建立实测模型，并获取所述实测模型的三维点云数据，记为原始点云；

2)数据预处理：

2.1)对所述原始点云进行稀疏离群点和噪声点的删除，得到过滤点云；

2.2)针对所述过滤点云的几何特征，采用重采样技术，对边界过渡区域进行特征增强；

3)根据预处理后的数据，准确识别标准零件的几何特征，并提取其外形轮廓；

4)截取需要的外形轮廓部分，并对其进行有序采样，获得一组边界点云；

5)将有序采样的结果映射至留有余量的待加工零件的数据模型上，获取零件再加工部位的精确边界轮廓线，以所述精确边界轮廓线作为引导，生成刀具的加工路径。

在上述方案的基础上，进一步改进或优选的方案还包括：

步骤2.1)中，删除稀疏离群点和噪声点的过程为：

步骤a：采用3D点云数据KD-Tree对无序的原始点云进行组织，经过组织后的点云，每个点都对应二叉树的一个节点；

步骤b：计算每个点的k邻域平均距离，对于参考点(x₀，y₀，z₀)而言，(x_n，y_n，z_n)是参考点周围k邻域中的点，为k邻域中的任一点索引，n∈[1，k]，利用公式(1)计算参考点的k邻域平均距离为：

步骤c：利用公式(2)将每个点的k邻域平均距离相加再求平均值，计算所有点的平均k邻域距离为：

其中，m为点云中点的总个数，μ_i为当前参考点的k邻域平均距离；

步骤d：利用公式(3)计算所有点的k邻域距离标准差σ：