基于分段Hausdorff距离的车身前脸优化匹配方法研究

摘要

车身覆盖件的匹配不仅直接影响整车的美观性，而且其匹配情况的好坏更容易造成如增大风阻、漏风漏雨、封闭不紧等问题，对整车性能有很大影响。由于以前车身非封闭件中部分部件(如前大灯)为不可调整式，前脸整体调整具有一定的顺序，调整较为方便，而封闭件(如车门和车框)的匹配位置较难确定，国内外大多研究主要针对封闭件，对非封闭件的涉及较少。当前随着车身匹配质量要求的不断提高，非封闭件大多设计为可调整件，没有形成固定的调整顺序，主要依据人工经验值调整，费时费力且精度较难控制，而以往研究封闭件的方法又不能适用非封闭件，以至于非封闭件的匹配问题成为当前制约车身匹配质量提高的难题，亟待解决。本文针对车身前脸区域三个非封闭件的匹配，提出基于分段Hausdorff距离和曲率Hausdorff距离两种优化匹配方法，采用遗传算法进行匹配寻优，获得了最佳匹配位置和调整量。两种方法不仅可为非封闭件匹配问题的进一步研究提供参考依据，也可在一定程度上为匹配件的公差设计提供指导。文章首先介绍了匹配部件轮廓特征点的获取方法。通过对比常用测量的方法，针对本文研究实际情况，选择Comet 400扫描仪提取测点信息。结合Imageware和Ug软件，进行点云的去噪、滤波、删减处理，提出了一套能够大量、快速获取测点信息的方法。其次，文章提出基于分段Hausdorff距离的匹配模型进行车身前脸的优化匹配，分别求得三部件两两匹配区段的Hausdorff距离，采用加权和的方法建立匹配优化目标函数；为了控制优化间隙值，便于给定搜索范围，提出基于曲率Hausdorff距离的匹配优化模型，将单个匹配件在其各轮廓点外延伸方向放缩一定距离(即间隙值)，以放缩后轮廓点曲率值与其对应两个匹配件拟合轮廓点曲率值的Hausdorff距离加权和作为优化目标函数。通过进行对应的目标函数与匹配情况的相关性分析，证明了两种方法在匹配问题中的可行性。最后，采用遗传算法，结合车身前脸三部件匹配优化实例，对两种优化方法进行了验证，实验结果均能获得较好的匹配位置和调整量。为方便实际匹配应用，文章针对两种方法做了简单对比，介绍了各自的适应场合。同时，针对车身两侧同时匹配的实际需求，提出了整体调整的方法。

目录

摘要

ABSTRACT

第一章 绪论

1.1 课题的研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 车身覆盖件匹配现状

1.2.1 国外相关研究现状

1.2.2 Hausdorff 距离

1.3 本文的研究内容

第二章 匹配部件特征点的获取

2.1 车身前脸部件测点概述

2.2 测点数据获取方法

2.1.1 接触式数据测量方法

2.1.2 非接触式数据测量方法

2.3 匹配部件点云数据处理

2.3.1 点云扫描

2.3.2 多视点云拼接对齐

2.3.3 原始点云数据去噪

2.3.4 点云数据删减和提取测点坐标和特征

2.4 本章小结

第三章 基于 Hausdorff 距离的车身前脸匹配优化研究

3.1 车身前脸优化匹配概述

3.2 基于分段Hausdorff 距离的车身前脸匹配优化

3.2.1 分段 H 距离概述

3.2.2 基于分段 H 距离度量的匹配优化模型

3.2.3 分段 H 距离与匹配质量的相关性分析

3.3 基于曲率Hausdorff 距离的车身前脸匹配优化

3.3.1 曲率 Hausdorff 距离概述

3.3.2 基于曲率 H 距离度量的匹配优化模型

3.3.3 曲率 H 距离与匹配质量的相关性分析

3.4 求解优化算法

3.4.1 常用优化算法及优缺点对比

3.4.2 遗传算法

3.5 本章小结

第四章 基于 Hausdorff 距离的车身覆盖件优化匹配实例验证

4.1 基于分段 Hausdorff 距离的优化匹配求解

4.1.1 MATALB 优化程序界面开发

4.1.2 基于分段 Hausdorff 距离的匹配实例

4.2 基于曲率Hausdorff 距离的优化匹配求解

4.3 两种优化方法简单对比

4.4 前脸两侧同时匹配求解研究

4.5 本章小结

第五章 全文总结与展望

5.1 主要工作和结论

5.2 创新点

5.3 不足之处与研究展望

参考文献

致谢

攻读硕士学位期间发表的学术论文