大型飞机全尺寸多分辨率测量点云融合方法研究

At each stage of large aircraft manufacturing, advanced measurement equipments are used to scan full-size point cloud data for inspecting and controlling the manufacturing quality. The obtained full-size point cloud data have the characteristics of large-scale and large differences in resolution. The methods which only consider a single resolution can hardly satisfy its integration requirement. Hereby, this project will basically research on the integration method of full-size multi-resolution point cloud data. The main contents of research are as follows: To study the management and scheduling method based on the technologies of bounding box division and memory mapping file, hence solving the contradiction between large-scale point cloud data and limited computer memory. To study the methods of auxiliary point data generation and stratification elimination based on the technologies of B-spline interpolation and self-projection operator, thus revealing the discipline of the point datas corresponding each other in overlapping regions. To study the characterization method of unbalance for three-dimensional discrete point data, clarifying the balancing mechanism of global density distribution of integrated point cloud data. The project aims to establish a fully automatic, efficient, high-precision integration method for full-size multi-resolution point cloud data with improved automation digital measuring, hereby enrich the theories and technologies in manufacturing large aircraft.

在大型飞机加工制造的各个阶段都需要利用先进的数字化测量设备采集全尺寸点云数据以进行质量检测和控制。采集的全尺寸点云数据具有规模大、分辨率差异大等特点，仅考虑单一分辨率的点云融合方法已无法满足其融合处理要求。为此，本项目拟对大型飞机全尺寸多分辨率测量点云融合方法进行基础科学研究。具体内容包括：研究基于包围盒细分及内存映射文件技术的大规模点云数据管理与调度方法，解决大型飞机测量点云数据规模大与计算机内存资源有限的矛盾；研究基于B样条插值技术的辅助点生成方法及基于自投影算子的重叠区域分层消除方法，揭示大型飞机全尺寸多分辨率测量点云重叠区域同名点数据相互对应规律；研究三维空间离散点数据失衡量表征方法，阐明大型飞机融合点云全局密度分布平衡机理。本项目旨在建立一种全自动、高效、高精度的大型飞机全尺寸多分辨率测量点云融合方法，提高大型飞机数字化测量效率及自动化水平，丰富大型飞机数字化制造理论与技术。

大型飞机全尺寸多分辨率测量点云数据具有规模大、分辨率差异大等特点，现有点云融合方法已无法满足其融合处理要求。为此，本项目对大型飞机全尺寸多分辨率测量点云数据融合所涉及的关键技术进行了系统性的研究，建立了全自动、高效、高精度的多视角多分辨率大规模点云数据融合方法，解决了大型飞机全尺寸测量点云数据融合难题，提高了大型飞机数字化测量效率及自动化水平，应用前景广阔。取得的具体研究成果包括：（1）针对测量点云数据规模庞大、占用计算机资源多的问题，建立了包围盒细分与内存映射文件技术相结合的大型飞机测量点云数据管理方法；（2）针对重叠区域同名点数据/对应点数据处于杂乱无章的对应状态的问题，研究了基于三边漂移及自投影算子的重叠区域分层消除方法，提出了一种圆柱形邻域用于多视角多分辨率密集点云数据重叠区域内点数据邻域的搜索，制定了一种最大可能性准则用于重叠点数据的判别，建立了一种局部采样密度自适应的重叠区域识别方法，实现了基于增量式聚类的同名点数据对应关系构建；（3）针对融合点云全局密度分布失衡的问题，建立了基于密度梯度的点数据分布失衡量表征方法，提出了一种基于Mean-shift聚类的融合点云全局密度分布平衡方法；（4）研究了融合质量评价方法，建立了以定量评估为主，以定性评估为辅，定量评估与定性评估相结合的融合方法与质量评价体系；（5）在MFC与OpenGL平台上开发了大型飞机多分辨率测量点云融合测试软件，采集了若干组小尺寸模型的多视角多分辨率密集点云数据，对融合算法进行了实验测试，同时采用实测大型飞机测量点云数据对融合算法进行了验证。项目执行期间共发表相关学术论文7篇（其中SCI检索期刊论文5篇，会议论文2篇），授权相关中国发明专利3项（许可应用1项），申请相关中国发明专利1项，培养研究生3名。项目负责人在项目执行期间入选陕西省普通高校首批“青年杰出人才”培育计划。