大型水轮机叶片快速测量方法

摘要

本发明公开了一种大型水轮机叶片快速测量方法，其特征在于，首先在叶片表面粘贴标志点，然后从不同角度拍摄一组照片，作为测量的原始数据输入计算机中进行解析处理。在测量软件中通过对照片组进行图像检测，识别出各张照片中标志点并定位其中心，匹配同名标志点，最后根据标志点的多个二维坐标重建出对应物体点的三维坐标，由重建出的三维标志点拟合目标的稀疏框架模型，再用双目光栅扫描方法逐块扫描叶片表面，得到局部的密集点云，根据局部的标志点将密集点云对齐到全局坐标系下，得到叶片的密集点模型。通过与CAD设计模型对齐后进行对比，计算出工件表面的三维加工误差。

说明书

技术领域

本发明涉及一种对大型水轮机叶片进行快速测量的方法，特别涉及一种应用视觉测量技术对中大型水轮机叶片尺寸及型面进行快速测量的方法。

背景技术

对于造价昂贵的大型水轮机组，叶片是水轮机的“心脏”，其表面的质量及制造精度将直接影响到整个机组的水力性能、发电效率、运转的稳定性及使用寿命。但由于大型水轮机叶片的型面为复杂的自由曲面，其体积和重量庞大，因此在制造和加工的过程中，对叶片外型尺寸及型面的全尺寸检测一直是业内的一个难题。

文献“水轮机转轮检修装备的研究现状及发展趋势”(何清华等，大电机技术，2003)总结了当前大型水轮机叶片检测中几种主要的方法，按使用的设备仪器不同有：立体样板法、样板法、梳齿法、三坐标测量机法、机械臂法、激光干涉仪法、光电径纬仪法、激光跟踪仪法、光切法以及水下摄影法等。立体样板法所使用的组合样板为手工制造，刚性差、容易变形，已逐步被淘汰。三坐标测量机虽然精度高，但对测量环境要求高、不便携、测量范围小；特别是巨型三坐标机极其昂贵，水轮机叶片在三坐标机台上摆放调整困难，前期还需要耗时进行检测坐标系的建立及测量编程。关节臂、激光跟踪仪、经纬仪可以在现场进行高精度测量，但由于是逐点测量方式，测量效率偏低，无法达到全尺寸反求设计和生产检测所需的密集点云采集要求。因此目前的研究热点集中于融合计算机视觉技术和摄影测量技术的非接触式光学测量方法，这种方法有着严谨的理论基础，量程具有较大的弹性，并能提供相当高的精度和较高的测量效率，是解决中大型工件三维全尺寸检测难题一种可行的方案。

基于计算机视觉方法的检测系统是指利用CCD摄像机作为图像传感器，综合运用图像处理、精密测量等技术进行非接触二维或者三维坐标测量的检测系统。文献“视觉测量技术及应用”(叶声华院士，中国工程科学，1999)总结了视觉测量技术发展的不同方向及其应用领域，提出了几种视觉检测原型系统。但由于计算机运算速度和图像获取精度等条件的限制，并没有实际的检测系统被应用。

近几年，由于计算机技术和有关光学、数字图像处理、计算机视觉理论等方面的光电技术不断发展，研究基于光学、数字图像处理和计算机视觉理论的大型复杂曲面三维测量已成为可能。因此，研究新的基于光学、数字图像和视觉信息融合的大型复杂曲面便携式快速三维测量方法，并将检测步骤、数据处理等标准化，即具有重要的理论意义，又具有重大的实用价值。

发明内容

针对大型水轮机叶片在加工过程中的型面及尺寸的检测问题，如何在保证精度满足要求的前题下，提高检测的速度，降低测量成本，如何实现现场检测及避免环境中振动、温度变化、湿度、粉尘等干扰。本发明提出了一种基于摄影测量和立体视觉原理的光学测量方法，并经过实验验证，能够对大型水轮机叶片尺寸及型面进行现场快速测量。

为达到以上目的，本发明是采取如下技术方案予以实现的：

一种大型水轮机叶片快速测量方法，包括下述步骤：

第一步，在叶片的表面及其周围放置圆形标志点和带有环形编码的标志点，标志点包括编码点、非编码点；将标志点粘贴在磁性像胶垫上，并吸附在叶片表面，根据后边密集点云采集设备的要求间隔粘布置；

第二步，放置全局标尺，标尺是恢复叶片实际尺寸的依据，其两端是固定好的编码标志点或非编码标志点，两端标志点之间的距离经过严格的校准；

第三步，采用专业数码相机，全方位对被测叶片进行拍照，获取包含编码标志点、非编码标志点、全局标尺信息的一组照片；

第四步，计算标志点坐标，运行测量软件，在计算机中导入所拍照片组，进行图像处理，测量出照片组中标志点的二维坐标，然后根据二维坐标计算出所有标志点在空间中的三维坐标，结果中非编码标志点点云即构成了被测叶片的全局稀疏点模型，该模型作为下一步局部密集点云采集后进行全局坐标对齐的依据；

第五步，被测叶片表面密集点云采集及对齐，采用双目光栅扫描方法，用两摄相机同步拍摄由投影机投向物体表面的编码条纹，测量软件自动进行立体匹配和三维重建后获得叶片表面局部的标志点及密集点云，根据该局部的标志点在全局稀疏点模型的位置完成该局部密集点云的全局坐标对齐；重复采用上述双目光栅扫描方法得到所有已全局坐标对齐的局部密集点云。

第六步，密集点云预处理及建模，由于得到的叶片密集点云模型有一定的数据冗余，在进行建模之前先对其进行处理，删除重叠部分点云，并将各局部密集点云进行合并，得到叶片外表面的整体密集点云模型，也即叶片测量模型；

第七步，将叶片测量模型与叶片CAD模型的坐标系对齐，对测量模型进行坐标转换；

第八步，叶片测量模型与叶片CAD模型对比，对两个模型进行简单的矢量减运算，即可得到叶片铸件表面每一个位置与设计模型的偏差，通过编程实现并以3D的形式显示，或借助商业对比软件根据各个位置和方向的剖面图，生成2D的偏差数据。

上述方法中，所述第三步全方位对被测叶片进行拍照，设置摄像站位置采用三个依次增加的高度，每个高度均环绕360度，拍摄要求如下：

1)以叶片三维尺中最大值作为拍摄距离正直拍摄。

2)尽可能使每个标志点被4个以上不同位置的摄像站所拍摄。

3)尽可能使每个标志点的交会角在60°～120°。

4)尽可能使每个标志点的入射角小于45°。

5)尽可能使每个摄像站都能拍摄尽量多的标志点，保持相邻摄像站拍摄的照片间有60％以上的重叠和公共点。

所述第四步的测量照片组中标志点二维坐标，具体步骤如下：

1)采用Canny算法检测图像中的边缘，得到单像素宽的闭合边缘集；

2)用梯度幅值作为权值来计算沿梯度方向的位置加权值，对边缘位置沿梯度方向作子像素级校正：

$>\mathrm{\delta d}=\frac{\underset{i=1}{\overset{n}{\Sigma }}{g}_i{d}_i}{\underset{i=1}{\overset{n}{\Sigma }}{g}_i},$>

其中，d_i是一个像素沿梯度方向与检测到的边缘点的距离，g_i是梯度幅值；

3)采用圆度准则鉴别出边缘集中的椭圆，并利用如下先验信息去除不合条件的椭圆，包括椭圆的面积太小、椭圆轮廓呈凹性、非封闭性、与相邻椭圆距离太近；

4)两次采用最小二乘法拟合出椭圆的中心，第一次拟合后去除掉距离大于3倍标准差的边缘，再进行第二次拟合；

5)判断椭圆外围是否有环带，如果没有即为非编码点；如果有则径向作内外边界的连线，在连线上等距离采样5次，以5次采样的中值与标记点的灰度阀值作比较，大于阀值则本环带的编码为1，否则为0；每36°(对应于10位编码点)重复上述操作，旋转一周后得到形如“0100100111”的二进制编号；

6)查表得到编码点的ID，如果查不到则看作非编码点。

与现有技术的立体样板法、激光跟踪仪法、关节臂法等相比，本发明基于视觉测量方法具有如下优点：

1、由于采用CCD作为传感器，为非接触式测量方式，不会伤及叶片表面，也不受叶片表面形状及粗糙度的影响，也不会损耗测量设备。

2、由于采用逐区域扫描并由软件自动对齐，测量时间主要取决于叶片表面的分区块数，对大型叶片还可以采用多台扫描设备并行工作，相对于逐点测量方式，现场测量效率较高，后期的点云处理及模型对比可以离开现场处理。

3、由于采用密集点云扫描方式，特别适用于叶片表面测量点众多的任务，测量结果是密集点云表示的叶片完整模型，可以在此基础上进行任意几何量的测量。

4、由于测量结果是完整的叶片三角面模型，在对比软件的帮助下，可以自动地进行全尺寸三维色谱分析、随意的定制偏差容限进行合格判定，检测结果直观、快捷。

5、作为测量中间结果的叶片点云模型，可以作为原始数据，进行逆向工程设计。

6、由于采用CCD作为传感器，本方法中采用的测量设备价格便宜，测量成本低。

附图说明

图1是本发明叶片测量安放基座图。

图2是非编码标志点和编码标志点参考方案图。

图3是粘贴标志点后被测叶片的照片。

图4是计算机生成的三维标志点叶片稀疏模型图。

图5是双目光栅扫描法采集系统原理图。

图6是逐块表面密集点云采集及对齐的叶片模型照片。

图7是密集点云预处理及建模后的叶片模型照片。

图8是叶片测量模型与设计模型的3D对比照片。

图9是叶片某一剖面偏差的2D正面絮状照片。

图10是图9叶片剖面偏差的2D侧面絮状照片。

图11是编码标志点编码环方案示意。

图12是摄像站布置示图。

具体实施方式

以下结合附图及实施例对本发明作进一步的详细描述。

大型水轮机叶片尺寸及型面的一种快速检测方法：

水轮机叶片的放置，水轮机叶片由于体积较大，部分位置壁厚较薄，自由态的放置会带来一定的形变，对测量结果有影响。而视觉测量需要从不同的位置对被测对象进行拍照，因此需要考虑叶片的放置方式。遵循原则：一是便于摄影拍照；二是不会产生形变而方便现场操作，提高效率。可以加工如图1的叶片测量基坐。基座可以重复使用。

第一步：在叶片表面和周围布置标志点。标志点包括编码点、非编码点；使用圆形标志点可以获得比较高的定位精度。带有环形编码的标志点则可以方便识别其编号，选择合适的标志点图案及材料，由于叶片大多使用铸钢材料，因此可将标志点粘贴在磁性像胶垫上，方便布置和撤掉。并可重复使用。如图2所示。

人工标志点要有明显的特征，本发明中标志点中心为实心圆，经过投影变换为椭圆，用来对标志点进行定位；编码标志其内部是一个非编码标志，外部有一个和中心的圆同心的扇环，如图11所示，根据编码规则的不同，编码标志又分为8位、10位、12位、14位、15位等几种编码，n位编码表示将外部的圆环等分成n份，每一位上若颜色和中心的圆同色，则编码为1，否则为0。另外，根据颜色的不同，又可以把编码标志以及非编码标志分成白底黑点标志和黑底白点标志。标尺是恢复叶片实际尺寸的依据，其两端是固定好的编码标志点或非编码标志点，两端标志点之间的距离经过严格的校准，并考虑温度的影响。布置标志点及标尺前应对叶片表面及周围进行清理，去除铁屑、油污等，保证标志点和标尺不会发生掉落及移位。

如图3所示，在叶片表面均匀粘贴非编码点，点的密度应与双目光栅扫描设备的单次采集幅面相配合，保证每次扫描区域内至少有3～5个非编码点；在叶片表面均匀粘贴编码点，密度为非编码点密度的1/5～1/3；在叶片周围放置若干编码点，使全体标志点构成空间分布。

第二步：在叶片周围放置与叶片尺寸相当的标尺，尽量使3个维度上都有标尺。

第三步：拍摄全局标志点照片序列。环绕叶片从各个水平角度拍摄照片，摄像站位置设置可以参考图12。根据待测叶片尺寸将摄像站分布于三个水平高度，如高度为2m的叶片，可选择1m，2m，3m三个水平高度；每个高度旋转360度设置摄像站；为保证标志点三维坐标解算的精度，除了选择高分辨率、镜头畸变小的专业相机外，照片组拍摄原则如下：

3.1以叶片三维尺中最大值作为拍摄距离正直拍摄。

3.2尽可能使每个标志点被4个以上不同位置的摄像站所拍摄。

3.3尽可能使每个标志点的交会角在60°～120°。

3.4尽可能使每个标志点的入射角小于45°。

3.5尽可能使每个摄站都能拍摄尽量多的标志点，保持相邻摄像站拍摄的照片间有60％以上的重叠和公共点。

第四步：测量照片组中标志点坐标。对得到的照片组先进行二维的图像处理，识别出每张照片中的标志点及编码，测量出各标志点的中心坐标，具体算法如下：

4.1采用Canny算法检测图像中的边缘，得到单像素宽的闭合边缘集；

4.2用梯度幅值作为权值来计算沿梯度方向的位置加权值，对边缘位置沿梯度方向作子像素级校正：

$>\mathrm{\delta d}=\frac{\underset{i=1}{\overset{n}{\Sigma }}{g}_i{d}_i}{\underset{i=1}{\overset{n}{\Sigma }}{g}_i},$>

其中，d_i是一个像素沿梯度方向与检测到的边缘点的距离，g_i是梯度幅值。

4.3采用圆度准则鉴别出边缘集中的椭圆，并利用如下先验信息去除不合条件的椭圆，包括椭圆的面积太小、椭圆轮廓呈凹性、非封闭性、与相邻椭圆距离太近。

4.4两次采用最小二乘拟合出椭圆的中心，第一次拟合后去除掉距离大于3倍标准差的边缘，再进行第二次拟合。

4.5判断椭圆外围是否有环带，如果没有即为非编码点；如果有则径向作内外边界的连线，在连线上等距离采样5次，以5次的采样的中值作与标记点的灰度阀值作比较，大于阀值则本环带的编码为1，否则为0；每36°(对应于10位编码点)重复上述操作，旋转一周后得到形如“0100100111”的二进制编号。

4.6查表得到编码点的ID。如果查不到则看作非编码点。

第五步：计算标志点的三维坐标并建模。具体算法如下：

5.1编码标志点根据唯一的ID号实现匹配。

5.2根据共面方程实现各照片间的相对定向。

5.3利用DLT法实现各照片的绝对定向。

5.4利用光束平差法实现相机的高精度标定。

5.5利用前方交会法计算编码标志点的三维坐标。

5.6利用多张照片外极线约束实现非编码标志点的匹配。

5.7利用前方交会法计算非编码标志点的三维坐标。

5.8利用光束平差优化全部的解算结果。

5.9导出全部的三维非编码标志点，由此得到叶片的稀疏模型。

第六步：叶片局部密集点云采集及对齐。

采用双目光栅扫描方法，其系统原理如图5所示，左右两相机同步拍摄由投影机投向物体表面的编码条纹，测量软件自动进行立体匹配和三维重建后获得叶片表面局部的标志点及密集点云。根据该局部的标志点在全局稀疏点模型的位置完成该局部密集点云的全局坐标对齐。

具体步骤如下：

6.1将非编码点云表示的叶片模型数据从摄影测量软件中导出，导入密积点云采集软件中，作为局部密集点云对齐时的参考。

6.2撤去叶片表面粘贴的编码标志点，保留非编码标志点。

6.3将双目光栅扫描设备正对叶片表面某区域，左右两相机拍摄两张局部照片，由于两相机相对位置及方向事先已标定出，为已知数据，因此根据空间前方交会法可计算出局部标志点的空间相对位置关系。

6.4调整双目光栅扫描设备与目标的相对位置，使得计算出的非编码标志点的数目多于3个。在三维空间，利用子图同构算法匹配区域标志点和全局关键点云：局部标志点表示为“子图”，待匹配的全局标志点云表示为“大图”，在“大图”中搜索同构子图。

6.5匹配成功后，计算出区域到整体的旋转矩阵R和平移矩阵t。

6.6由投影装置向叶片局部投射编码结构光，左右相机同步拍摄序列照片，经过图像上处理，立体匹配，三维重建后生成局部的密集点云数据。如果叶片反射性能太差，则需要在扫描前喷涂显影剂。

6.7局部密集点云数据根据上一步中的旋转矩阵和平移矩阵[R|t]转换到全局坐标系下。

6.8逐区域扫描得到整体密集点云模型。

6.9移动光栅扫描设备，在保证不留缝隙的情况下，逐区域扫描叶片表面并自动对齐，得到有一定数据冗余的叶片整体密集点云模型。见图6。

第七步：点云预处理及三角化建模。采用K平均聚类法进行多视点云重叠面的删除及数据融合处理。利用通用逆向工程软件(如Geomagic)对叶片点云模型进行降噪、去孤、平滑、抽稀后，进行三角化生成三角网络模型，最后对由标志点覆盖产生的空洞进行补洞处理。由此得到了叶片的整体三角网络模型，见图7。

第八步：测量模型与CAD设计模型的坐标对齐。假如叶片在加工过程中有加工基准面，那么可以根据三个以上相互垂直的面确定叶片设计坐标系，将测量得到的标志点云模型根据“面——线——点”即“3-2-1”方式进行坐标转换，以便对齐到设计坐标系下。应在得到由标志点点云模型后，密集点云采集之前完成此项坐标转换。

如果待测叶片没有加工基准面，可以利用商用的对比软件(如GeomagicQualify)读入测量模型和设计模型，执行“最佳全局配准”命令，以完成两模型的最优匹配。

第九步：叶片测量模型与设计模型的偏差对比。

将测量模型和设计模型对齐后，可编程或使用商业对比软件(如GeomagicQualify)，运行“三维比较”命令，得到测量数据和叶片设计数模的三维色谱偏差，见图8。

根据工艺、检测要求进行任意关注位置的剖切，可以方便的得到叶片各位位置2D色片拍逆差絮状图，见图9、图10。