基于CMM与立体视觉集成融合的CAD逆向建模研究

基于CMM与立体视觉集成融合的CAD逆向建模研究

周明安徐建亮

（衢州职业技术学院机电工程学院衢州324000）

摘要：由于机械零件的结构往往有其特殊性和复杂性，采用单一的测量方法往往难以满足实际工程对测量精度的要求。本文深入研究了接触式（CMM机）和非接触式（光学测量）三维测量方法，分析了其优点和缺点，不同的测量方法和应用范围，并通过实验分析，结合两种测量方法的优缺点，提出CAD逆向建模方法，由于光学扫描具有盲区，提出基于特征点的数据对齐方法，根据这三点定位可以实现接触式和非接触式扫描数据的坐标系统，实现两种不同测量方法之间的数据的准确配准，输出高精度CAD模型。

关键词：多传感器；数据集成与融合；CMM机

1.引言

逆向工程是相对于正向工程而言的，就是根据已有的产品实物、样件或原型，生成产品的三维数字化模型，然后在数字模型的基础上进行生产加工或者二次开发，实现创新。为获取精确的轮廓数据，必须对产品轮廓尺寸进行测量，其中基于接触式测量具有精度高、适应性强的特点，但是是速度慢、效率低。而基于光学的非接触式测量方法虽然具有速度快、效率高的优点，但是易受到外界干扰等，导致测量数据缺失。由此可知，两种传感器的优点和缺点存在一种互补关系，反之亦反。因此，本文需要对测量系统进行标定、数据融合、对齐等关键技术进行深入研究，并通过构建实现复杂曲面零件测量的多传感器测量系统，集成两种测量方法优点，实现复杂表面特征的高精度测量。因此，基于多传感器数据融合的CAD逆向建模技术恰好能够提供一个新产品创新设计平台。

2.国内外概况和发展趋势

近年来，利用不同传感器的测量优点，满足复杂工件外形完整数据精密测量，构建多传感器测量系统是实现现代精密产品制造的重要解决方案。目前，多传感器的数据集成技术中的研究和应用主要集中在视觉检测、断层扫描、扫描探针显微镜和远程实时监测等领域。Liang等于1997年用一个计算机视觉系统结合CMM测量机的接触式探针，开发了视觉辅助的接触式多传感器测量系统，并用测量数据重构了最小二次曲面。SAEID等人于1998年用两个CCD摄像头获取零件的零件表面点坐标(如图1所示)。加拿大瑞尔森大学的ChanV.H.等该方法将CCD摄像机和接触式测头同时集成到CMM上(如图2所示)，利用CCD摄像机作为低级的三维传感器获得工件的空间位置信息，并对孔洞进行模糊判别，但是关于视觉信息如何指导其它传感器测量，以及多种传感器相互指导测量、互补融合，信息智能集成，并未深入研究。美国俄亥俄州大学的T.S.Shen等(如图3所示)在由视觉测量信息提取边界轮廓和几何实体信息方面提出一些精辟见解，然而在信息智能化集成方面，依然没有深入下去，且CAD粗模型的建立需手工完成，人工干预过多。美国国家标准与技术研究院(NIST)研制的VIEW测量机结合视觉检测和传统的接触式触发测量，摄像机配置了三种不同倍率的镜头，提供不同大小的视场。

图1两个CCD的测量系统图2一个CCD和CMM的测量系统

在国内的研究中，西安交通大学的方勇(如图4所示)等人提出立体视觉指导下的CMM集成智能检测系统，由于视觉测量不能对接触式测量直接指导，因而没能实现完全智能化检测。天津大学的王以忠等研制的机器人柔性自动化坐标测量系统，用视觉子系统完成工件的识别和定位，在一定程度上提高了检测的效率；浙江大学的李剑研究了显微CCD二维测量系统，设备简单实用。

图3DLP、CCD的CMM系统图4立体视差的CMM系统

2010年，解则晓等人开发了多传感器测量系统，系统由结构光传感器、CMM、触发式测头和旋转工作台组成(如图5所示)。视觉传感器与CMM一体化，简化标定和融合参数，因而视觉传感器标定能在任意条件下进行，缺点是触发式探针测量结构光测不到的盲区和关键特征以及超出光反射范围的零件边缘。Bradley和Chan于2001年集成激光传感器和接触式探针于CMM的Z轴上。由彼此独立的控制系统对激光传感器和接触式探针进行控制，实现性能的互补(如图6所示)，利用激光传感器的快速性数字化整体曲面；而接触式探针精确测量关键特征和定于点云分割的边界轮廓，在工作站中对测得的数据进行融合、去毛刺等处理并构建CAD模型。但是方法只是将接触式探针测得的数据用于识别边界和分割点云数据，而没有作为精确的数据点。

图5多传感器测量系统图6激光与CMM系统

秦玉红等人将CCD和接触式测头集成到CMM上,先由CCD对被测物体进行快速测量，提取出被测物的边界特征,然后利用此特征信息对接触式测头进行自动化测量规划路径，该方法只适合测量拓扑结构简单、规则形状的零件表面。张洪等人提出视觉引导下的自由曲面CMM测量，该方法先用在待测对象表面标记出曲面特征线,然后通过CCD运用立体视觉测量方法重构这些特征线；接着将这些特征线拟合成曲面,得到测量区域的初始模型;最后以初始模型为指导,为接触式测量规划合理的测量路径，因为被测曲面上特征线的规划蕴含了测量人员对被测曲面特征的理解,所以该方法在一定程度上融入了测量人员对被测对象设计意图的理解。

可见，国内外关于多传感器集成的智能化测量研究已经初有成效，但仍有许多不完善之处:①独立测量优势主导，主要依赖快速传感器独立的测量优势，简单集成而不是多传感器的融合优势；②多传感器标定困难，光学传感器等快速测量设备一般都比较精密,且测量前的标定与坐标系统难统一;③数据预处理困难，光学传感器获得的是海量无序点云数据，其中混有大量的冗余点和噪音点,在拟合曲面前对点云进行预处理较困难；④算法复杂，需要用智能算法从“粗测”获得的点云数据中分析、推断、抽取出产品原型所隐含的几何特征、功能特征,算法的开发是一个非常复杂的数学运算、逻辑推理和计算机理解的过程,很难实现；⑤无法满足在线检测节拍要求，对于复杂零件，集成系统在确保精度前提下无法满足在线检测节拍的要求。综上所述，非常有必要开展对多种传感器的配准、信息融合，智能化相互指导测量等进行深入研究。因此，本文拟对传感器的内外部参数进行标定,将各传感器和不同坐标系下的测量数据转换到统一的坐标系中，开展基于多传感器数据融合的CAD逆向建模技术的研究。

3.数据测量方法

数据采集是逆向设计的第一步，是在此基础上进行后续工作的关键。通过一种特定的装置和测量方法对物理模型中离散点表面的坐标几何数据进行处理。根据测量探头与表面模型的接触方式，三维数据采集方法基本上可分为接触式和非接触式（常见的接触式测量方法有三坐标测量机（CMM））。非接触式测量方法包括光学三角法、结构光法、激光干涉法、CT法、MRI测量法、超声法等。

早期3D测量法主要是通过接触测量的方法，通过传感器探头和几何表面接触点记录物体表面三维坐标。最广泛使用的非接触测量设备是三坐标测量机（CoordinateMeasurementMachine，CMM），因为使用的方法是接触式测量，因此，测头与被测表面接触会有摩擦、磨损、变形等，测量速度低，不能测量软、容易变形的表面。非接触测量方法主要是根据光学、声学和电磁场的基本原理，对一定量的物理模拟得到几何曲面，通过适当的算法变换面点的三维坐标值。非接触测量技术具有许多优点：（1）无半径补偿；（2）非接触条件；（3）高测量速度；（4）应用样品材料范围广；（5）可进行微结构测量。通过以上的比较，非接触式3D检测技术具有无法比拟的优势，它满足接触，现代工业生产和生活中的高精度检测技术快速、动态、无损和其他要求，代表3d检测技术研究和应用的主流和方向。

4.CAD模型重建方法

在实际的产品中，通常包括一个以上的表面，由于表面的不同的类型，因此，CAD模型重建的步骤是：首先，将大量的点云数据分割成不同类型的点的集合，然后对曲面拟合，再通过表面过渡交汇，切割、多曲面缝合为一个整体。本文提出一种基于CMM机和光学测量方法相结合的技术，优势互补，基于CMM机的测量有利于在光学方法下盲区的数据获取，同时又能利用光学测量方法提高测量速度，既保证数据的完整性，又提高测量精度。

5.数据融合

5.1数据融合的基本原理

多传感器数据融合的基本原理，如综合信息的大脑过程，它充分利用多传感器资源，通过对各种传感器及其观测信息的合理处置和利用各种传感器在空间和时间上的互补性和冗余信息按照一定的优化准则相结合，产生一个一致行的描述。多传感器数据融合与经典的信号处理方法有本质的区别，关键在于多传感器信息融合信息的处理具有更为复杂的形式，往往出现在不同的信息层次。这些信息抽象层次包括检测层、位置层、属性层、态势层和威胁层。

5.2数据融合的级别

按照信息抽象的五个层次，融合可分为五级，即检测级融合、位置级融合、属性级融合、态势评估和威胁评估。检测级融合----直接在信号层上进行的融合或者在检测判决层上进行的融合。分别对应集中式检测融合和分布式检测融合。

图7集中式检测级融合

图8分布式检测级融合

位置级融合----直接在观测报告或测量点迹上进行的融合或在各个传感器状态估计上进行的融合。分别对应着集中式位置融合和分布式位置融合。

图9集中式位置融合

图10分布式位置融合

目标识别级融合----目标识别亦称属性分类或身份估计，对观测体进行识别和表征。如使用雷达截面积（RCS）数据来确定一个实体是不是一个火箭体、碎片或再入大气层的飞船。敌-我-中识别器（IFFN）使用特征波形和有关数据对观测体判断，是敌机、友机还是不明。

目标识别层也称属性层的信息融合有三种方法：决策级融合、特征级融合、数据级融合。

图11决策级融合

图12特征级融合

图13数据级融合

6.多传感器状态估计

6.1集中式多传感器状态估计

(1)

为节点j处的局部广义测量矢量，且。于是局部广义测量方程为：

(2)

此处(3)

(4)

6.2分布式多传感器状态估计

这里所说的分布式多传感器系统是指如图所示的结构，也称作分级或二层结构。对这种系统的状态估计通常称为航迹融合或合成。这种结构模型的状态估计以局部节点为例以定理的形式给出。其个传感器在局部节点j的最优航迹合成解的一种形式为：

(5)

7.多传感器数据逆向建模

在实际应用中，一些零件表面比较复杂，零件表面存在一些非接触式方法无法测量的盲区，比如深孔等，由于孔太深，激光等无法照射到，始终存在扫描盲区，因此不能获得盲区的数据。为解决此类问题，同时采用接触接触式及非接触式测量方法，利用彼此的优点，使用三坐标测量机测量深孔，其它表面用光学扫描系统进行扫描，然后利用特征对齐三坐标测量的数据和光学扫描的数据，获得零件的全部三维数据，然后在CATIAV5中进行逆向建模。针对传统的对单-N量数据的逆向建模，该种方法不仅提高了数字化效率，同时保证了局部的精度要求。

7.1特征对齐

采用不同的数据收集方法来获得不在同一坐标系下的两组数据，因此要找到一种方法，将两组数据对齐到同一坐标系下，选择公共参考几何体，基于激光扫描和三坐标测量同时被测量3点，根据3点建立一个空间坐标系和两种不同的扫描方法都有自己的坐标系统的建立，所以两坐标系统是一样的，然后通过坐标平移和旋转可以统一到同一坐标系中。

7.2数据对齐

假设外部校准已经完成，主要考虑内部校准。在许多外部的对准方法，通过迭代最近点法（ICP）或其它改进方法是一种常见的选择，因为它不需要知道精确的几何特征和不需要校准和外部数据对应不同的传感器数据。然而，基于离散点云对齐方法的对准结果容易受到传感器数据的数量和传感器数据的噪声水平的影响。

7.3逆向建模

首先输入由扫描实物或实体模型的点云数据，CATIAV5可以接受多种格式的点云数据(如ASII、STL、IGS、IGES等格式)，点云数据的输入可以以读取文件的形式读入，也可以在专门的逆向模块DSE模块中由Import命令导入，读取扫描点云数据的预处理，包括过滤数据，减少点云，空修复，对齐，合并等等，然后生成3D线框曲线，接着再用CMM机进行表面采点，并将采集到的点以及由点生成的曲线分别对重建的曲面分别进行点变形和线变形，最后在进行比较融合。

（a）三维扫描（b）三角网格化（c）数据对齐（d）曲面融合

图14基于多传感器的CAD逆向建模

8.结束语

由于零件表面往往有其特殊性和复杂性，单纯采用单一测量方法，测量的精度往往难以满足工程实际。多传感器集成测量系统基于接触式测量精度明显高于这一特点的非接触式测量，分别采用了点变形以及曲线变形两种方法实现了曲面的变形，实现了数据融合的目标，提高模型重建的精度；提出了基于特征的数据对齐，根据三点定位可以实现接触式和非接触式扫描数据的坐标系统，实现了两种不同的方法之间的数据融合，CAD建模。

参考文献：

[1]曹江林.基于多传感器测量的CAD逆向建模技术研究[D].广东工业大学,2014.

[2]蔡闯,成思源,杨雪荣.基于特征分解的逆向建模技术研究[J].现代制造工程,2016(2):119-122.

[3]李海艳.面向反求工程的多传感器集成及数据融合技术研究[D].华中科技大学,2011.

[4]姜涛.反求工程中融合特征捕捉的光学三维测量方法研究及系统开发[D].上海交通大学,2005.

[5]蔡敏.逆向工程中基于特征提取的建模技术研究[D].广东工业大学,2015.

[6]卢伟燎.面向参数化设计的结构类产品正逆向混合建模方法[J].机械制造,2017(5):27-29.

[7]成思源,周小东,杨雪荣,等.基于数字化逆向建模的3D打印实验教学[J].实验技术与管理,2015,32(1):30-33.

[8]杨明莉,吕永海,刘三明,等.叶轮零件的逆向建模和加工仿真[J].组合机床与自动化加工技术,2015(1):130-132.

[9]王乔,成思源,杨雪荣,等.基于GeomagicDesignDirect的正逆向混合建模创新设计[J].组合机床与自动化加工技术,2016(5):59-61.

基金项目：

衢州市科技计划项目(2015Y017)；衢州市指导性科技计划项目(2016046)

作者简介：

周明安（1974-），男，浙江衢州人，讲师，主要研究方向：液压与气动控制、机器视觉与模式识别。