馮上朝 劉 莎

（陜西鐵路工程職業(yè)技術學院 渭南 714099）

1 引言

按照發(fā)達國家對航空隱身技術試驗要求，先進飛行器隱身性能試驗與測試技術研究主要包括雷達隱身和光學隱身試驗技術研究。

某型飛機是現(xiàn)役主戰(zhàn)裝備之一，在其研制總要求中已明確提出進行飛機的RCS、紅外輻射特性的動靜態(tài)測量?；谠撔蜋C的三維數(shù)字化模型，利用電磁散射、紅外輻射等相關理論，對其目標特性信息進行分析計算，結合實際測量，建立起能服務于工程該型飛機的電磁、紅外模型。

本研究課題以上述需求為依托，利用三維激光掃描儀對該型機進行全機三維數(shù)字化測量，獲取其點云數(shù)據(jù)模型，然后，利用點云預處理技術，對點云數(shù)據(jù)作進一步數(shù)據(jù)處理，經(jīng)過曲線構造，曲面構型，才能得到滿足測試需要的飛機CAD實體模型。點云數(shù)據(jù)預處理是數(shù)字化建模流程的一個重要環(huán)節(jié)，其結果直接影響到飛機模型的質量，因此需要需要對點云數(shù)據(jù)預處理技術進行研究，本文對點云預處理的三個階段，提出了相應的算法，經(jīng)過試驗驗證，利用三種算法處理的點云數(shù)據(jù)效果，完全滿足后續(xù)模型構建的精度要求。

? 收稿日期：2018年1月8日，修回日期：2018年2月24日

基金項目：國家自然科學基金項目“智能Kalman濾波理論及在飛行測試中的應用”（編號：61773147）資助。

作者簡介：馮上朝，男，碩士研究生，工程師，研究方向：精密工程測量技術。劉莎，女，碩士研究生，工程師，研究方向：精密工程測量技術。

2 激光點云數(shù)據(jù)采集

激光點云數(shù)據(jù)采集是逆向建模工作中重要的一環(huán)，數(shù)據(jù)采集的完整性和質量直接影響后續(xù)建模的工作量和建模精度。因此，在點云采集前，做好測試方案。在本課題中，利用德國Z+F三維激光掃描儀對飛機外形輪廓進行數(shù)據(jù)采集［1］，受到該設備視場的限制，需要分層，分區(qū)架多個測站才能全方位、無死角采集到所有外形數(shù)據(jù)。根據(jù)飛機大小，將分4個層次進行立體數(shù)據(jù)采集，如圖2所示。為保證掃描全程的全局精度，在掃描前，將激光靶球分4個層次（高度和掃描儀架設高度大致相同）均勻布置，利用高精度三維測量設備測量靶球，建立全局控制場，用于后續(xù)各測站的數(shù)據(jù)融合［2］。

圖1 Z+F三維激光掃描儀

圖2 測站分布圖

圖3 激光掃描靶標

圖4 高精度三維測量設備

實際工作時，三維激光掃描儀通過內置激光測距儀測得斜距Si，內置編碼器測得每個掃描方位角度觀測值αi和俯仰掃描角度觀測值θi；利用距離值和角度值計算掃描點的三維坐標值，通過如下公式計算出當前測站坐標系坐標值（x，y，z）［3］。

3 點云數(shù)據(jù)預處理技術

目前，非接觸式測量方法在工業(yè)界得到越來越廣泛的應用，這種測量方法測得的數(shù)據(jù)非常龐大，并常常帶有許多的雜點、噪聲點，影響后續(xù)的曲線、曲面重構過程［4］。因此，需在曲面重構前，對點云進行一些必要的處理，以獲得滿意的數(shù)據(jù)，為曲面重構過程做好準備，即點云預處理［5］。預處理工作流程大致如圖5所示。

圖5 點云數(shù)據(jù)處理流程圖

3.1 點云曲面特征估算

點云曲面特征估算是點云處理技術的基礎。激光掃描點云是紊亂的，孤立的點之間無明顯拓撲關系［6］，因此需要通過搜尋點云中的每個點的鄰域信息，重建拓撲關系，才能估算出點的曲率等曲面特征［7］。

點云曲面特征估算主要包括三個內容：點云的K鄰域搜索［8］，點云的法向量計算和點云的曲率計算。

1）點云的K鄰域搜索

采用基于kd-tree的鄰域查找方法進行。

2）點云的法向量計算

通過將點P的K鄰域擬合一個微切平面，將微切平面的法向量作為點P的法向量［9］。

3）點云的曲率計算

通過將點P的K鄰域擬合一個二次參數(shù)曲面［10］，估算點P的曲率。

3.2 基于局部離群系數(shù)的離群點去噪算法

由于實際測量過程中，一方面存在夾具、固定物等各種明顯的誤差點，需要手動剔除；另一方面，受到各種人為或隨機因素的影響，使得測量結果包含噪聲，為了降低或消除噪聲對后序建模質量的影響，有必要對測量點云作必要的濾波和光順處理，以得到精確的模型［11］。

本文采用基于局部離群系數(shù)的離群點濾除算法。定義局部離群系數(shù)［12］

算法實現(xiàn)：

1）通過對激光掃描點云進行區(qū)域增長，選出遠離群點，濾除遠離群點；

2）計算點云的曲面變化度，并把曲面變化度大的點標記為潛在離群點；

3）計算潛在離群點的局部離群系數(shù)，把大于離群系數(shù)閾值的標記為近離群點，進行濾除。

圖6 算法流程圖

3.3 基于靶球改進的點云對齊算法

在利用三維激光掃描儀對飛機掃描前，需要借助全站儀測量飛機特征點，建立全局機體坐標系；然后，利用全站儀測出布控靶球在機體坐標系下的三維坐標值［13］。

由于三維激光掃描儀每個測站采集的點云坐標基準是設備坐標系，因此，在后續(xù)點云處理時，需要借助每個測站測量的布控靶球作為中間橋梁，進行坐標系的統(tǒng)一，使之為全局機體坐標系［14］。

圖7 點云對齊流程圖

以第一站和第二站為例，將第一測站設備坐標系為基準，第二測站的點云數(shù)據(jù)通過公共靶球，采用改進的對齊算法，精確對齊到第1測站；最后，將第一測站的空間基準，通過公共靶球，對齊到飛機機體坐標系下。其它測站對齊，同前所述。

基于特征點改進的精確對齊算法：

1）首先，利用公共靶球在兩個測站A、B下的設備坐標系坐標值，將B測站的點云數(shù)據(jù)空間基準對齊到A下，實現(xiàn)粗對齊；

2）在粗配準的基礎上，采用ICP（最鄰近迭代算法）四元素法計算變換參數(shù)R和T，實現(xiàn)精配準。算法內容包括基于KDTree搜索對應點對和矩陣變換參數(shù)的計算，分別介紹如下：

（1）基于KDTree搜索對應點對：根據(jù)KDTree遍歷搜尋最近鄰域點集，通過在鄰域點集中找距離最小的點與搜尋點構成對應點對；

（2）四元素法計算變換矩陣

算法具體實現(xiàn)：

1）計算兩個點集P，Q的重心坐標L1，L2；

2）點云重心化

3）構建N矩陣，其中

4）計算矩陣N的特征值，取其中最大特征值，并計算其對應的特征向量，表示為（W，X，Y，Z）；

5）構建旋轉矩陣R；

計算平移量T；

3.4 點云精簡

為了在點云尤其是海量點云精簡的精度、簡度和速度之間取得一個較好的平衡點，本文提出了一種改進曲率精簡算法，盡可能集合兩者的優(yōu)點并削弱兩種的缺點［15］。

原理：

1）首先，采用相鄰角閾值法，提取出在精簡過程中需要保留的點云邊界特征點；

2）然后，根據(jù)點云密度設定一個曲率閾值點和曲率極值點，求出點云中每個數(shù)據(jù)點的對應的精簡距離；

3）最后，遍歷整個點云，將小于精簡距離的K鄰域點刪除，完成點云精簡。

具體算法實現(xiàn)：

1）運用K鄰域二次參數(shù)曲面擬合法，計算每個點的曲率；

2）提取點云邊界特征點，精簡過程中保留；

3）對點云的平均曲率進行排序，根據(jù)精簡比例定曲率閾值；

4）根據(jù)曲率閾值與曲率極值對點云分區(qū)，歸類；

5）計算點的精簡距離閾值。

4 工程試驗與分析

本次試驗，利用德國Z+F三維激光掃描儀對飛機外形輪廓進行數(shù)據(jù)采集，受到設備視場的限制，需要分4層，分區(qū)架12個測站才能全方位、無死角采集到所有外形數(shù)據(jù)。

試驗情況分析：

1）共架測站10站，飛機原始點云數(shù)據(jù)6400萬點；

2）遠離群點濾除：區(qū)域增長R為0.25，點數(shù)＜100，且體積＜2的點團濾除；

近離群點濾除：離群系數(shù)＞2.5的點，對其濾除；

3）粗對齊誤差2.8mm；精對齊誤差0.02mm；

圖8 噪聲選取

圖9 對齊誤差分析

圖10 精簡前6400萬點

圖11 精簡后1920萬點

4）精簡后的飛機點云數(shù)據(jù)為1920萬點，精簡了70%；

5）精度檢測：“垂尾前沿”長度與真實值作差0.06mm；空速管長度與真實值作差0.01mm；機翼前沿長度與真實值作差0.1mm。

5 結語

經(jīng)過工程試驗驗證，本文提出的去噪算法適用性強，濾除效果好；點云對齊算法穩(wěn)健性強，對齊精度高；點云精簡算法在保持邊界特征的同時，在曲率大的區(qū)域保留較多的點，曲率小的區(qū)域保留較少的點，提高了后期的模型處理效率。