[发明专利]多角度叶片测量装置及方法

摘要

本发明公开了一种基于相位轮廓测量方法的多角度叶片测量点云数据融合的机械装置及方法。机械装置由叶片、参考平面、旋转轴和平台底座组成。通过对在同一个物理坐标系下的叶片和平板组合体进行多角度旋转数据采集，然后经过对叶片和参考平板进行数据分离，再对参考平板在各个角度测量的数据进行平面拟合和数据融合，最后重复参考平板数据融合过程，实现叶片三维轮廓的高精度数据合成。本发明的优点是结构简单，测量效率和精度高，可以同时检测多个叶片，是一种可以取代三坐标叶片测量的实用方法。

主权项

一种多角度测量叶片表面三维轮廓的方法，其特征在于，具体步骤包括：1)利用多角度叶片三维轮廓测量点云数据的高精度数据融合的测量装置，获取叶片表面三维轮廓点云数据；所述多角度叶片三维轮廓测量点云数据的高精度数据融合的测量装置包括CCD摄像机(1)、铝合金多维度调整桁架(2)、数字投影仪(3)、计算机(4)、参考平板(5)、旋转轴(6)、平台底座(7)和被测叶片(8)；2)将参考平板和被测叶片固定在一起，保证它们之间的相对位置在测量过程中保持不变；多角度测量叶片时，参考平板与被测叶片一起测量；3)将被测叶片和参考平板组合安装到平台底座上，并放置在回转平台上，调整铝合金多维度调整桁架上的CCD摄像机和数字投影仪在整个共面光轴系统中的位置和初始拍摄测量角度；4)利用CCD摄像机和数字投影仪组成的相位轮廓测量系统对被测叶片和参考平板组合进行高精度的三维轮廓测量拍摄，采集得到它们的点云数据；5)旋转回转平台的角度，被测叶片和参考平板也随它回转同一角度，角度大小为θ，θ角范围为‑15°≤θ≤35°；6)重复上述4)和5)过程，直到测量结束；7)然后分别对旋转不同角度的三组被测叶片和参考平板组合点云数据进行数据分离处理，得到参考平板的点云数据，记为Ai(xi，yi，zi)，i＝1，2，3，其中i＝1，2为待旋转的参考平板，i＝3表示旋转后的参考平板；得到被测叶片的点云数据，记为Bj(xj，yj，zj)，j＝1，2，3，其中j＝1，2为待旋转的被测叶片，j＝3表示旋转后的被测叶片；8)三个旋转角度下，参考平板方程为：ai·x+bi·y+ci·z+di＝0，i＝1，2，3，其中，i＝1，2时表示待旋转参考平板方程，i＝3时表示旋转后参考平板方程；对参考平板的点云数据Ai(xi，yi，zi)，i＝1，2，3进行非线性最小二乘拟合；设i＝1，2时表示的待旋转参考平板方程，i＝3时表示的旋转后参考平板方程的法向量分别为N1′＝[a1′，b1′，c1′]，N2′＝[a2′，b2′，c2′]，N3′＝[a3′，b3′，c3′]；假设i＝1时表示的待旋转参考平板方程与i＝3时表示的旋转后参考平板方程之间的夹角为α1，i＝2时表示的待旋转参考平板方程与i＝3时表示的旋转后参考平板方程之间的夹角为α2；把N1′、N2′、N3′进行单位化后，α1和α2分别为：α1=cos-1((a1′·a3′)+(b1′·b3′)+(c1′·c3′)a1′2+b1′2+c1′2·a3′2+b3′2+c3′2),]]>α2=cos-1((a1′·a3′)+(b1′·b3′)+(c1′·c3′)a1′2+b1′2+c1′2·a3′2+b3′2+c3′2);]]>9)利用参考平板的点云数据Ai(xi，yi，zi)，i＝1，2，3进行数据融合，具体处理步骤分为以下2步：①确定旋转轴；被测叶片和参考平板组合是绕平行于x轴，且垂直于yoz面的轴进行旋转；旋转轴上点(xr，yr，zr)到三个旋转角度的参考平板的距离相等，则有：|a1·xr+b1·yr+c1·zr+d1|a12+b12+c12=|a2·xr+b2·yr+c2·zr+d2|a22+b22+c22,]]>|a1·xr+b1·yr+c1·zr+d1|a12+b12+c12=|a3·xr+b3·yr+c3·zr+d3|a32+b32+c32,]]>|a2·xr+b2·yr+c2·zr+d2|a22+b22+c22=|a3·xr+b3·yr+c3·zr+d3|a32+b32+c32,]]>然后通过选取合适初值，根据最优化原理对方程组进行最小二乘迭代计算，计算出旋转轴坐标方程：yr=yr′zr=zr′,xr∈(-∞,+∞),]]>其中yr′，zr′是计算所得最优解；②参考平板的旋转和平移；为了实现i＝1，2时表示的待旋转参考平板方程与i＝3时表示的旋转后参考平板方程之间的数据融合，可以根据平面旋转和平移坐标转换公式对待旋转的参考平板点云数据Ai(xi，yi，zi)，i＝1，2进行旋转和平移变换，变换后得到的点云数据坐标为Ai′(xi′，yi′，zi′)，i＝1，2，其中齐次坐标形式Ai(xi，yi，zi，1)，i＝1，2与Ai′(xi′，yi′，zi′，1)，i＝1，2满足以下方程：Ai′(xi′，yi′，zi′，1)＝Ai(xi，yi，zi，1)·R(α)，上式中R(α)为旋转平移矩阵，方程如下：R(α)＝T·Rx(α)·T‑1，Rx(α)=10000cosαsinα00-sinαcosα00001,]]>T=100001000010-x0-y0-z01,]]>上式中T为平移矩阵，T1为平移矩阵的逆矩阵，Rx(α)为旋转矩阵，α为两平面间夹角，(x0，y0，z0)为旋转轴平移坐标；经过上述变换后，i＝1，2时表示的待旋转的参考平板可以与i＝3时表示的旋转后的参考平板重合；10)实现被测叶片多角度数据融合，得到被测叶片表面的三维轮廓分布；由于被测叶片和参考平板组合是安装在一起的，所以它们的相对位置在旋转拍摄测量中保持不变；利用这一特点把被测叶片点云数据Bj(xj，yj，zj)，j＝1，2，3根据与参考平板数据融合的相同原理，把j＝1，2时表示的待旋转的被测叶片点云数据分别代入步骤9)的坐标变换方程Ai′(xi′，yi′，zi′，1)＝Ai(xi，yi，zi，1)·R(α)中进行坐标变换，得到方程如下：Bj′(xj′，yj′，zj′，1)＝Bj(xj，yj，zj，1)·R(α)，j＝1，2，经过上述变换后，j＝1，2时表示的待旋转的被测叶片可以与j＝3时表示的已旋转的被测叶片重合，最终将被测叶片的点云数据融合在一起，得到被测叶片的表面三维轮廓。