利用多台激光雷达测量并获得飞机面型的系统和方法与流程

1.本发明涉及数字化测量领域，具体涉及一种利用多台激光雷达测量并获得飞机面型的系统和方法。


背景技术：

2.激光雷达是发射激光束探测目标的位置、速度等特征量的雷达系统。目前，激光雷达已经在测距、扫描、自动驾驶、机器人等领域都发挥着不可或缺的作用。在大型飞机外表面重建、喷涂以及维修中，需要对飞机的外轮廓进行高精度的曲面测量，为后续轨迹规划奠定基础。因此，针对此问题，需要高精度的非接触测量工具，而激光雷达正好满足这一要求。
3.然而，在目前的应用中，例如自动驾驶、机器人等领域，被测对象结构比较简单，激光雷达仅用于对一维的线或二维的平面进行扫描；此外，被测对象的量级较小，即尺寸小、面积小、体积小、占用空间小，激光雷达扫描的范围小。而飞机等被测对象为大型三维物体，其结构以及外轮廓的形状复杂，外表面为复杂精密的三维曲面，其尺寸大、表面积大、体积大、占用空间大，需要扫描大范围的三维空间，因此需要解决此问题的技术方案。


技术实现要素：

4.本发明提出一种利用多台激光雷达测量并获得飞机面型的方法，所述方法包括以下步骤：建立飞机的三维数学模型，并获取飞机模型在模型坐标系中的三维坐标；将多台激光雷达布置在飞机的四周，使每台激光雷达扫描飞机的预定区域，以分别测量得到每个预定区域的点云；将通过每台激光雷达获得的预定区域的点云进行拼接；对拼接好的点云进行滤波处理，以除去点云中的噪点；以及将飞机的经滤波的点云和飞机的三维数学模型进行对比，在二者之间的误差超过阈值时重建飞机模型。根据本发明的方法简单、步骤少、易于快速实现，利用已有理论模型和实测数据，进行误差分析，提高了测量效率的同时也保证了检测精度。
5.根据本发明的一种实施方式，将多台激光雷达布置在飞机的四周的过程包括：利用标靶对每台激光雷达的位置进行标定，并将每台激光雷达相对于标靶的位置换算得到在飞机的模型坐标系下的坐标。根据本实施方式的方法，通过标定确定每台激光雷达的位置坐标，将这些激光雷达统一到同一坐标系下，便于后续整个过程的快速实现。
6.根据本发明的一种实施方式，将多台激光雷达布置在飞机的四周的过程进一步包括：基于预定的旋转步进角度δθ和旋转方向多次旋转激光雷达，使得每旋转一次，每台激光雷达对飞机执行一次扫描，并记录旋转角度θ、每个扫描点在每台激光雷达自身的极坐标系下的距离r和角度以及每个扫描点的反射强度p，从而得到每个扫描点的球坐标根据本实施方式的方法，通过多次扫描并记录相关数据实现了测量过程的分解以及信息的完整采集。
7.根据本发明的一种实施方式，将多台激光雷达布置在飞机的四周的过程还包括：在每台激光雷达处建立笛卡尔坐标系，并将每台激光雷达测得的每个扫描点的球坐标转换
为笛卡尔坐标。根据本实施方式的方法，实现了点云数据的初次坐标转换。
8.根据本发明的一种实施方式，将通过每台激光雷达获得的预定区域的点云进行拼接的过程包括：在相邻的每两个预定区域的重叠点云中选取至少三个反射强度高的公共点；将这些公共点在对应的一台激光雷达下的笛卡尔坐标转换到另一台激光雷达的笛卡尔坐标系下，并获得这两台激光雷达的笛卡尔坐标系之间的坐标转换矩阵；以及求取每台激光雷达的笛卡尔坐标系与飞机的模型坐标系之间的坐标转换矩阵，从而最终将点云中的所有点的坐标统一到飞机的模型坐标系下。根据本实施方式的方法，实现点云数据的二次坐标转换，最终统一到飞机的模型坐标系下。
9.根据本发明的一种实施方式，对拼接好的点云进行滤波处理的过程包括利用直通滤波与统计滤波对拼接的点云进行滤波处理。根据本实施方式的方法，通过常用的特定滤波方法除去点云中的噪点，针对性强，滤波效果好。
10.根据本发明的一种实施方式，将飞机的经滤波的点云和飞机的三维数学模型进行对比的过程包括：计算点云中每个点与飞机的三维数学模型中对应点之间的距离，当所述距离在阈值以内时，利用飞机的三维数学模型中的点构建模型；而当所述距离在所述阈值以外时，利用所述点云中的点重建模型。根据本实施方式的方法，利用点之间的距离作为误差度量，计算简单，易于实现。
11.根据本发明的一种实施方式，所述激光雷达为单线激光雷达。根据本实施方式的方法，利用单线激光雷达，扫描速度快、分辨率强、可靠性高，相比多线激光雷达，反应更快捷精准。
12.根据本发明的一种实施方式，所述多台激光雷达包括分别布置在飞机的机头、两侧机翼以及机尾处的4台激光雷达。根据本实施方式的方法，优化了激光雷达的布局和数量，在成本和精度之间实现了良好的平衡。
13.根据本发明的一种实施方式，所述预定的旋转步进角度δθ为5
°
。根据本实施方式的方法，采用5度作为步进角，即实现了快速扫描的测量速度，又考虑了测量精度。
14.本发明还提出一种用于执行上述方法的飞机面型测量系统，所述飞机面型测量系统包括：布置在飞机四周的激光雷达；支撑板，所述支撑板被构造成能够固定激光雷达；转动平台，所述转动平台与支撑板连接并能够带动所述支撑板旋转；和吊挂平台，所述吊挂平台安装有轨道，使得所述转动平台能够沿着所述轨道沿所述吊挂平台的高度方向上下移动。
15.本发明还提出一种计算机程序，包括用于执行上述方法的程序代码装置。
16.在符合本领域常识的基础上，上述各优选条件，可任意组合，即得本发明各较佳实例。
17.根据本发明的上述方法和系统，能够实现高精度的飞机表面测量；对激光雷达获取的点云数据进行了拼接、滤波、重建处理，可以集成到一套软件中，可以实现从点云数据的获取到模型获得的快捷转化，同时最后进行了模型误差分析，提高了测量效率的同时也保证了检测精度。
附图说明
18.图1为根据本发明的优选实施方式的测量系统的示意图。
19.图2为通过测量系统测量飞机面型的布局示意图。
20.图3为激光雷达通过扫描测量得到点云数据的示意图。
21.附图标记：1-激光雷达；2-支撑板；3-转动平台；4-吊挂平台；5-原点；6-旋转平面；7-点云。
具体实施方式
22.下面结合说明书附图，进一步对本发明的优选实施例进行详细描述，以下的描述为示例性的，并非对本发明的限制，任何的其他类似情形也都落入本发明的保护范围之中。
23.本发明提出一种技术方案，针对大型三维被测对象，能够利用激光雷达对被测对象的大范围区域的表面进行采样并快速获取采样点的三维空间数据，以进行表面轮廓的高精度重构和匹配，从而为表面的大面积喷涂以及维修提供良好的解决方案。
24.在扫描被测对象时，由于被测对象的轮廓和周边环境以及激光雷达本身的技术限制等问题，单个激光雷达难以通过一次扫描就取得被测对象的全部点云数据信息。所以对于飞机等形状复杂的被测对象来说，激光雷达必须环绕被测对象的一周扫描测量，才能获得被测对象的全部点云数据。可以采用多台激光雷达环绕被测对象一周布置，如此这些激光雷达能够扫描得到被测对象的全部点云数据，然后通过对不同激光雷达获得的点云数据进行拼接处理以获得被测对象的完整表面点云。在本文中，术语“点云”和“点云数据”可以表示相同的含义，意指在扫描被测对象时所生成的数据点的集合，并且可以互换使用。
25.针对点云的滤波处理，其算法已较为成熟，包括直通滤波、统计滤波、条件滤波、半径滤波等。各种算法各有特点，处理效果也都较好。
26.针对于点云的重建处理，其研究主要分为两大方向，一类是基于视觉的三维重建，通过深度照相机获取空间被测对象的相关数据图像，然后对其进行分析处理，根据计算机视觉理论及图像处理技术解算出现实环境中被测对象的三维信息；另一类是通过激光雷达传感器对被测对象表面进行扫描、测量得到大量距离信息，再对被测对象表面的三维数据进行重建，进而得到被测对象的面型(或形貌)。
27.其中，术语“面型”的含义类似于被测对象的轮廓或外轮廓，但是又有所区别，区别之处在于轮廓是指被测对象的整体外形，而面型比轮廓更加精细、反映被测对象的区段或表面的实际的精确尺寸(包括局部的形状细节)。此外，在本文中，术语“面型”也可以称为“形貌”，二者可以互换使用。
28.在本文中，被测对象以飞机为例描述本发明的方法，但不限于此，被测对象可以是其他机电产品或结构，只要需要测量其面型以实现各种目的的物体均可以使用本发明的方法，并且落入本发明的保护范围内。对于飞机这种大型机械产品，通过实际扫描测量得到其外表面的面型，将其外表面重建和重构成新的数学模型，并基于重构后的飞机外表面进行后续的喷涂和表面维修(例如进行飞机表面漆层的修复)，通过这种数字化重构，也可以利用机器人进行自动化喷涂，实现该领域的自动化。
29.如图1和图2所示，本发明的测量系统包括多个测量装置，每个测量装置包括激光雷达1、支撑板2、转动平台3以及吊挂平台4。其中，激光雷达按照发射的线束可分为单线激光雷达以及多线激光雷达，多线激光雷达是指同时发射及接收多束激光的激光旋转测距雷达。单线激光雷达是指激光源发出的线束是单束光线的雷达，其扫描速度快、分辨率强、可
靠性高，相比多线激光雷达，单线激光雷达在角频率及灵敏度上反应更快捷，所以，在测试周围物体的距离和精度上都更加精准。
30.激光雷达1为单线激光雷达，如图3所示，激光雷达1在进行一次扫描时，其发射器会在某一平面内进行匀速的旋转，每旋转一个小角度即发射一次激光，轮巡旋转一圈而向周围360度的范围发射激光线束，这个平面叫旋转平面，图3中由标号6表示。从图3中可以看出，在笛卡尔坐标系xyz中，旋转平面6为沿z轴的竖向平面，在进行一次扫描时，发射的激光束在旋转平面6内与被测对象相交，使激光束在被测对象表面形成一条线，获取这条线上所有点的坐标位置信息(即点云)。因此，一次扫描只能获得一条线的坐标信息，这意味着单线激光雷达只能识别一排或一列点云，只能描述二维线状信息，无法描述三维表面。
31.为此，结合图1至图3，可以看出，激光雷达1本身只能在z轴竖向旋转平面6内扫描，因此只能扫描得到飞机表面上与该旋转平面的竖向相交线的点云数据。为了得到飞机的三维表面的点云，激光雷达1需要在在x轴和y轴上具有自由度，为此，设置了转动平台3，转动平台3可以在xy平面内旋转，将激光雷达1布置在转动平台3上。转动平台3可以带动激光雷达1绕z轴旋转，每旋转到一个角度θ，执行一次扫描，得到飞机表面上的一条线的点云数据，多个旋转角度产生多条线的点云，这些线叠加形成飞机表面的点云，实现从二维线到三维面的过渡。
32.如图3所示，在执行一次扫描时，激光雷达1自身利用极坐标系记录点云数据中每个点的信息其中，极坐标系的极点或原点与激光雷达的原点重合，极轴与竖向z轴重合，r为半径坐标(又称为极径)，表示在旋转平面内扫描得到的点距极点的距离，为角坐标(又称为极角)，表示该点与极点之间的连线和极轴之间的角度。注意的是，对于每个旋转角度θ，激光雷达1本身仅记录扫描点的极径r和极角而旋转角度θ的信息采集是由转动平台3进行的。
33.如图1所示，激光雷达1通过例如螺栓连接在支撑板2上，支撑板2通过例如螺栓连接在转动平台3上。通过这种连接，激光雷达1可以在转动平台3的驱动下旋转，从而在固定高度处扫描飞机表面。考虑到飞机的较大体积和占用空间，仅在某个固定高度处执行扫描可能无法在高度方向上得到飞机的预定外表面的点云数据。为此，设置了吊挂平台4，转动平台3通过枢转轴连接到吊挂平台4。吊挂平台4为伸缩结构，包括外套筒支架和可移动地设置在外套筒支架内的内套筒支架，转动平台3连接在内套筒支架的下部，内套筒支架可以上下移动、根据需要伸出到外套筒支架外部或缩回到外套筒支架内，使得内套筒支架的高度可以调节，从而激光雷达1可以沿竖直高度方向上下升降移动，并且可以左右旋转。或者，外套筒支架上安装有轨道，内套筒支架可以沿着轨道在外套筒支架内沿吊挂平台的高度方向上下移动。
34.参考图2，由于飞机为大型部件，单个激光雷达无法扫描得到飞机的所有部段的点云，因此设置多个激光雷达。这些激光雷达布置在飞机的四周，图2中示出了布置4个测量装置，即4个激光雷达，其中，机头、两侧机翼以及机尾分别布置一个激光雷达，这些激光雷达可以升降并旋转而对这些区域进行扫描。每个雷达对应一定扫描区域，这些区域的组合涵盖了飞机的待扫描的预定外表面，因此对这些区域扫描而获得的点云拼接组合在一起即可得到预定表面的点云。其中，预定外表面可以指飞机的整个外表面，也可以指部分外表面
(例如飞机上半部分或下半部分的外表面)或某个飞机部段(例如机身、机尾或机翼等)的外表面。
35.相邻的两个对应区域之间的连接接缝可能被两个激光雷达重复扫描到，即下文所述的重叠扫描区域。图中示出了布置4个激光雷达，但这仅是示例，可以根据所要扫描的区域在相应位置布置更多或更少数量的激光雷达，例如2个、3个、5个、6个或更多个激光雷达。
36.如上所述安装并布置好多个激光雷达之后，通过标靶进行激光雷达的位置标定。在空间中布置雷达后，需要知道雷达在世界坐标系中的位置，世界坐标系由三个互相垂直并相交的坐标轴x、y、z组成、是固定不变的坐标系，并且独立于所有部件(包括激光雷达、飞机等)。在实际测量中，飞机自身的坐标以及所停放的位置、激光雷达布置的位置等最终都会转化到世界坐标系中，方便坐标的统一。
37.因此，在对飞机进行扫描前，会在世界坐标系的原点处布置一个内部被圆形镂空的正方形标定板(即标靶)，标定板上镂空圆心的坐标就是原点(0,0,0)，通过激光雷达对标定板进行边缘检测，通过点云边缘检测获得圆心坐标，这个坐标就是激光雷达相对于世界坐标系原点的坐标，因此可以获得激光雷达在世界坐标系中的位置。知晓了激光雷达的位置坐标，激光雷达自身后续测量得到的飞机表面点云可以转换到世界坐标系中。值得注意的是，由于激光雷达1在扫描时可能需要通过吊挂平台4上下移动，因此激光雷达在世界坐标系中的位置坐标z会发生变化，此时可以在每次上下移动时利用标靶对激光雷达的位置重新标定，或者也可以测量并记录每次移动的z坐标增量，并将该增量与移动前的z坐标相加，得到新的位置坐标z。
38.此外，待测量的飞机的三维数学模型已经在计算机中建模，并将其转换到世界坐标系下，由此知道飞机的外表面的各个点的位置坐标。为了便于使用，可以将飞机的三维数学模型的模型坐标系直接替换为世界坐标系，因此下文所述的将点云数据统一到世界坐标系下可以理解为将这些点云数据统一到飞机的数学模型坐标系下，便于二者的对比和匹配。
39.在各个激光雷达的位置标定好之后，可以对飞机进行扫描。如上所述以及图3所示，在每个激光雷达自身的原点处建立球坐标系和笛卡尔三维坐标系xyz，即激光雷达自身的极坐标系、球坐标系与该笛卡尔三维坐标系三者的原点重合，从而如下所述利用这三个坐标系来表征得到的点云。坐标系建立好以后，激光雷达根据设置好的步进旋转角度δθ沿预定旋转方向(例如围绕z轴逆时针或顺时针)旋转，每转动一次，执行一次激光扫描，并记录相关数据信息。其中，步进旋转角度δθ可以为5
°
，并且以5
°
/秒的旋转速度进行旋转，即每秒转动5
°
，然后执行一次扫描。但这仅是示例，步进旋转角度可以为其他更大或更小的数值，例如1
°
、2
°
、3
°
、4
°
、6
°
、7
°
、8
°
等，相应地，旋转速度可以也可以为更大或更小的值，例如1
°
/秒、2
°
/秒、3
°
/秒、4
°
/秒、6
°
/秒、7
°
/秒、8
°
/秒等。
40.转动平台3带动激光雷达1实现步进旋转，并在转动到位以后记录该扫描位置处的旋转角度θ。如上所述，激光雷达在每次扫描时得到一条线的点云，并利用自身的极坐标系记录这条线的每个点的距离r、角度即得到极坐标从而确定旋转平面内的扫描线上所有点的极坐标。由于激光雷达在每个旋转角度θ下具有一个旋转平面，并在每个旋转平面内发射激光，扫描飞机的外表面，激光与飞机的外表面相交为一条扫描线，测量获取这条线的信息，以此类推，通过彼此相继的多次旋转，得到相应多条扫描线的数据信息，这些
扫描线和数据进行叠加组合，整体反映飞机外表面的面型信息。
41.此外，激光雷达还采集并记录每个点的反射强度p，强度p反映的是所采集到的点的明暗程度。比如激光所扫描的物体类似于镜子，则激光的反射强度比较大，当采集镜子上的点时，该点的反射强度的数值会比较大；而如果扫描的物体是黑色的物体，则激光就会被吸收一部分，反射的光会弱一点，反射强度较低，反射强度的数值较小。记录反射强度是为了供下文所述的点云拼接使用。在下述的点云拼接中，高反广度靶点就是反射强度大的点。总结来说，在扫描时，记录并存储激光雷达的旋转角度θ、以及该旋转角度下测得的相应点云的距离r、角度强度p。
42.如上所述，转动平台3记录每个旋转角度θ，同时在每个旋转角度下，激光雷达利用自身的极坐标系得到点云的坐标将这些信息组合，每个点可以利用所建立的球坐标系表示，即如图3所示，在每个激光雷达上也建立了一个笛卡尔三维坐标系，如下文所述，为了方便将点云统一到世界坐标系下，对于每个激光雷达，首先将其采集得到的点云的球坐标转换到每个激光雷达的笛卡尔三维坐标系xyz下的坐标p(x,y,z)。即，利用以下公式(1)将每个雷达测量的点云的球坐标转换为笛卡尔坐标p(x,y,z)：
[0043][0044]
从而，每个激光雷达获得的点云都表示为对应的笛卡尔坐标。但是这些笛卡尔坐标是相对于每个激光雷达自身的笛卡尔坐标系的，各个激光雷达具有自己的坐标原点，它们所采集的数据彼此之间仍然存在坐标信息的差异。由于各个激光雷达测量的点云数据未在同一个坐标系下表示，因此不能将这些点云直接拼接在一起，需要将所有点的坐标统一到同一个坐标系下。
[0045]
如上所述，可以将所有激光雷达测得的所有点云数据统一到世界坐标系下。具体地，对于这些点云数据，可以通过高反广度靶点进行公共点拼接来实现。每个激光雷达在扫描平面内都是360度扫描，每两个相邻的激光雷达之间会存在扫描的重叠区域，如果只是扫描一次的话，重叠区域是一条重叠的线，但是在通过转动平台的转动扫描多次时，会存在多条扫描线的重叠。在每两个相邻激光雷达的扫描重叠区域中寻找或识别反射强度明显强于其他测量点的3个和/或3个以上的高反广度靶点，高反广度靶点即是上文所述的反射强度高的点，这些点的反射强度数值大，特征比较明显，容易从点云中挑选出来，否则将难以识别两片点云之间重叠的那些点，进而无法进行点云的拼接。
[0046]
这些高反广度靶点是相邻两个激光雷达扫描的重叠区域中的公共点，这些公共点分别在两个激光雷达自身的坐标系和所测量的各自点云中具有两组空间位置坐标。将其中一组空间位置坐标通过坐标转换而变换到另一组空间位置坐标的坐标系中，即实现了坐标系的统一。
[0047]
在重叠区域的点云数据中识别3个及以上的高反广度靶点(即公共点)，是因为对于单个公共点，两片点云可以围绕该单个点在空间中任意旋转，不能唯一确定两片点云之
间的实际相对位置。同样的道理，对于两个公共点，两片点云可以围绕这两个点连接形成的直线为轴进行任意旋转，依然不能唯一确定二者之间的位置关系。而对于3个及以上的公共点，这些点可以唯一确定一个平面，该公共平面所连接的两片点云的相对位置可以唯一确定。以共面的3个公共点a、b、c为例，它们在两片点云p和q(即两个激光雷达的笛卡尔坐标系)中的空间位置坐标分别为a1(x1,y1,z1)、b1(x2,y2,z2)、c1(x3,y3,z3)以及2(x1,y1,z1)、b2(x2,y2,z2)、c2(x3,y3,z3)，利用以下公式(2)求取坐标a1、b1、c1到a2、b2、c2的变换矩阵(即旋转平移矩阵)，即将两个激光雷达的坐标系统一到其中一个激光雷达的坐标系中：
[0048][0049]
式中，
[0050][0051]
t＝[x0,y0,z0]
t
[0052]
其中，λ为尺度参数，r(α,β,γ)为旋转矩阵，t为平移矩阵，α、β、γ为三个坐标轴的旋转参数，x0、y0、z0为平移参数。旋转矩阵和平移矩阵的具体计算方法是本领域已知的，在此不再赘述。
[0053]
如上所述，每两个相邻激光雷达彼此之间执行一次坐标变换，最终统一到同一个激光雷达的笛卡尔坐标系下，例如将第二台激光雷达、第三台激光雷达以及第四台激光雷达测得的点云的坐标统一到第一台激光雷达的笛卡尔坐标下，而第一台激光雷达自身已经相对于世界坐标系进行了位置标定、具有确定的对齐关系(即坐标转换矩阵)，最终可以将所有激光雷达以及所测得的点云数据统一到世界坐标系下。注意的是，由于多台激光雷达在扫描之前已经相对于世界坐标系进行了位置标定，这些激光雷达与世界坐标系之间的坐标转换矩阵已经计算好，所以对于每台激光雷达测得的点云，也可以直接利用这些坐标转换矩阵将点云从每台激光雷达的笛卡尔坐标系直接转换到世界坐标系下。
[0054]
拼接的作用是把每个激光雷达测到的有限的点云组合起来，得到飞机的预定外表面的点云。对拼接好的点云需要进行滤波处理，滤波是为了除去明显不是飞机表面点云的点。比如一个激光雷达在一次扫描时会记录360度的点云信息，但是这些点云中有一些点并不是飞机表面的点，可能是环境中其他物体的点。滤波的作用是去除不是飞机表面的点(这些点在工程中可以称之为噪声点或噪点)。
[0055]
由于噪声点具有不同类型，在本公开中，分别针对两种不同类型的噪声点使用两种方法，具体地，通过直通滤波与统计滤波对点云进行处理。直通滤波与统计滤波是两种不同的滤波方式，直通滤波是将特定通道范围之外的点云去除，“直通”即基于点云空间坐标系设定一个通道，将点云中的位于通道范围之外的点剔除滤掉，从而保留通道里边的点云。这个“通道”在点云库(pcl)里面具体表现为针对某个坐标轴设定的限定范围。比如飞机表面的点云在各个坐标轴上是有范围的，因此，范围之外的点明显不属于飞机表面，可以直接通过直通滤波去除。
[0056]
统计滤波是针对于点云中的离群点进行的，所谓的离群点通常距离其他点云数据较远，它们会使点云的分布不均匀，影响点云的平滑性，降低点云数据的质量，进而影响后续的三维重建模型的精度。但这些离群点是可能在直通滤波的通道范围内出现的，因此直通滤波对这些点是没有作用的，因此，还需要进行统计滤波。
[0057]
首先进行直通滤波：将拼接好的点云数据输入到直通滤波算法中；设置直通滤波的轴及取值范围；执行直通滤波算法进行滤波。然后对直通滤波后的点云数据进行统计滤波：设置统计滤波的近邻点个数及标准差乘数；执行统计滤波算法进行滤波；对所有点进行上述循环，直至去除所有的离群点。
[0058]
经过上述滤波之后，这些点云数据可以用来对飞机表面重新建模，获得飞机的面型。在实践中，并不是完全利用这些点云数据直接建模获得飞机的面型，而是与已有的三维模型相结合来重建飞机面型，如此可以省时，减少工作量，提高效率。如上所述，计算机中已经存在之前建模好的飞机的三维数学模型，该数学模型与扫描得到的飞机表面一样位于世界坐标系下，因此二者可以直接交互，例如进行比较、匹配。
[0059]
将滤波后的飞机表面的点云与前述的飞机三维模型进行匹配，从而对飞机表面重构，获得飞机表面的实际坐标数据和信息，获得飞机表面的真实面型。匹配是指例如分析、计算、对比二者之间的相同或等同程度以及差异，并根据异同程度将二者等同或替换使用。例如，当二者之间的差异较小时，可以直接使用已有的三维模型的坐标数据；而当差异较大时，则用实际测得的点云数据替换理论的三维模型。
[0060]
在将实测点云数据与三维模型匹配时，计算对应的点之间的误差，即计算模型重建误差。例如，对于这些点，可以计算对应点之间的距离，即坐标差值。例如，设三维模型中的点的坐标为(x,y,z)，实测点云中对应的点的坐标为(x’,y’,z’)，这两个点之间的距离为)，这两个点之间的距离为替代地，也可以计算其他项之间的误差，例如仅计算点的x坐标、坐标y或坐标z之间的差值。下文以计算点之间的距离作为误差为例，对模型的重建进行说明。
[0061]
对于实测点云和三维模型中的每对对应的点，如上所述计算它们之间的距离，并将计算结果与预定的误差允许阈值(即距离阈值)进行比较。当它们之间的距离在距离阈值以内时，即误差较小时，仍然利用三维模型的点构建模型；而当计算的距离在阈值以外时，即误差比较大时，利用实测点云的点代替三维模型的点来重建模型。两种极端的情况是，(1)实测的点云中的每个点与三维模型中的对应点之间的误差均在阈值以内时，则直接使用三维模型即可，不需要对模型进行重建；(2)实测的点云中的每个点与三维模型中的对应点之间的误差均不在阈值以内时，则需要弃用数学模型，而使用点云的所有点对模型进行重建。通过实测点云和原有三维模型相结合，既利用实测数据保证获得的飞机面型的准确性和精度，又择优利用原有理论三维模型的数据信息提高效率。
[0062]
利用poisson算法对上述在误差阈值之外的点云数据进行曲面重建。将在误差阈值以外的点云数据输入到poisson算法中；设置合适的精细度参数，参数为degree[1,5]，值越大越精细，耗时越久；设置落入一个八叉树结点中的样本点的最小数量pn.setsamplespernode()，无噪声取为[1.0-5.0]，有噪声取为[15.0-20.0]，运行程序，重建完成。
[0063]
本发明针对于大型飞机表面重构、喷涂以及维修，提出了一种利用多台激光雷达测量并获得飞机面型的系统和方法，能够实现高精度的飞机表面测量；本发明对激光雷达获取的点云数据进行了拼接、滤波、重建处理，可以集成到一套软件中，可以实现从点云数据的获取到模型获得的快捷转化，同时最后进行了模型误差分析，提高了测量效率的同时也保证了检测精度。
[0064]
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

技术特征：
1.一种利用多台激光雷达测量并获得飞机面型的方法，其特征在于，所述方法包括以下步骤：建立飞机的三维数学模型，并获取飞机模型在模型坐标系中的三维坐标；将多台激光雷达布置在飞机的四周，使每台激光雷达扫描飞机的预定区域，以分别测量得到每个预定区域的点云；将通过每台激光雷达获得的预定区域的点云进行拼接；对拼接好的点云进行滤波处理，以除去点云中的噪点；以及将飞机的经滤波的点云和飞机的三维数学模型进行对比，在二者之间的误差超过阈值时重建飞机模型。2.如权利要求1所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，将多台激光雷达布置在飞机的四周的过程包括：利用标靶对每台激光雷达的位置进行标定，并将每台激光雷达相对于标靶的位置换算得到在飞机的模型坐标系下的坐标。3.如权利要求2所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，将多台激光雷达布置在飞机的四周的过程进一步包括：基于预定的旋转步进角度δθ和旋转方向多次旋转激光雷达，使得每旋转一次，每台激光雷达对飞机执行一次扫描，并记录旋转角度θ、每个扫描点在每台激光雷达自身的极坐标系下的距离r和角度以及每个扫描点的反射强度p，从而得到每个扫描点的球坐标4.如权利要求3所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，将多台激光雷达布置在飞机的四周的过程还包括：在每台激光雷达处建立笛卡尔坐标系，并将每台激光雷达测得的每个扫描点的球坐标转换为笛卡尔坐标。5.如权利要求4所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，将通过每台激光雷达获得的预定区域的点云进行拼接的过程包括：在相邻的每两个预定区域的重叠点云中选取至少三个反射强度高的公共点；将这些公共点在对应的一台激光雷达下的笛卡尔坐标转换到另一台激光雷达的笛卡尔坐标系下，并获得这两台激光雷达的笛卡尔坐标系之间的坐标转换矩阵；以及求取每台激光雷达的笛卡尔坐标系与飞机的模型坐标系之间的坐标转换矩阵，从而最终将点云中的所有点的坐标统一到飞机的模型坐标系下。6.如权利要求5所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，对拼接好的点云进行滤波处理的过程包括利用直通滤波与统计滤波对拼接的点云进行滤波处理。7.如权利要求6所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，将飞机的经滤波的点云和飞机的三维数学模型进行对比的过程包括：计算点云中每个点与飞机的三维数学模型中对应点之间的距离，当所述距离在阈值以内时，利用飞机的三维数学模型中的点构建模型；而当所述距离在所述阈值以外时，利用所述点云中的点重建模型。8.如权利要求1所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，所述激光雷达为单线激光雷达。9.如权利要求1所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，所述多台激光雷达包括分别布置在飞机的机头、两侧机翼以及机尾处的4台激光雷达。10.如权利要求3所述的利用多台激光雷达测量并获得飞机面型的方法，其特征在于，
所述预定的旋转步进角度δθ为5
°
。11.一种用于执行如权利要求1至10中任一项所述的方法的飞机面型测量系统，其特征在于，所述飞机面型测量系统包括：布置在飞机四周的激光雷达；支撑板，所述支撑板被构造成能够固定激光雷达；转动平台，所述转动平台与支撑板连接并能够带动所述支撑板旋转；和吊挂平台，所述吊挂平台安装有轨道，使得所述转动平台能够沿着所述轨道沿所述吊挂平台的高度方向上下移动。12.一种计算机程序，包括用于执行如权利要求1至10中任一项所述的方法的程序代码装置。

技术总结
本发明公开了一种利用多台激光雷达测量并获得飞机面型的方法，所述方法包括以下步骤：建立飞机的三维数学模型，并获取飞机模型在模型坐标系中的三维坐标；将多台激光雷达布置在飞机的四周，使每台激光雷达扫描飞机的预定区域，以分别测量得到每个预定区域的点云；将通过每台激光雷达获得的预定区域的点云进行拼接；对拼接好的点云进行滤波处理，以除去点云中的噪点；以及将飞机的经滤波的点云和飞机的三维数学模型进行对比，在二者之间的误差超过阈值时重建飞机模型。根据本发明的方法简单、步骤少、易于快速实现，利用已有理论模型和实测数据，进行误差分析，提高了测量效率的同时也保证了检测精度。时也保证了检测精度。时也保证了检测精度。


技术研发人员：陈洁 宋袁曾 卢鹄 冯源 俞威 赵云龙 褚玉平 刘院君
受保护的技术使用者：上海飞机制造有限公司
技术研发日：2022.01.26
技术公布日：2023/8/5