1 引言

航空发动机是民航客机重要的组成部件,其加工精密程度直接影响着民航客机的飞行性能、安全性和经济性。航空发动机叶片在航空发动机中分布广泛且数量和种类很多,包括压气机静子叶片、压气机转子叶片、涡轮静子叶片和涡轮转子叶片等。航空发动机叶片的工作环境恶劣、叶片型面复杂、尺寸跨度大且需要在复杂的应力负载和微振动状态下工作^[1-2]。随着对民航安全运行要求的日益提升,建立精确的叶片三维模型对发动机维修及相应的质量监控过程均变得极为重要。

对航空发动机叶片的测量从方法上可以分为接触式测量和非接触式测量^[3]。接触式测量(如三坐标测量机等)通过探头与物体直接接触进行逐点式测量,测量精度高但测量效率低,且可能对被测表面产生损坏。非接触式测量主要通过采集经由被测表面调制的物理信号对被测表面进行还原,其中基于光学原理的结构光三维测量方法越来越受到重视。相比于传统测量方法,非接触式测量不接触被测物体的表面,避免了对所测物体的损伤,且极大地缩短了测量时间,提高了检测效率^[4]。因而在工业检测中得到了广泛的应用。

从国外来看,Ukida等^[3]提出了采用彩色光立体扫描的三维轮廓测量技术;Barone等^[5]提出了一种基于光学扫描仪的多视图三维形貌测量方法;Hu等^[6]提出了一种基于投影条纹模式偏移估计的三维轮廓术;Kawasaki等^[7]提出了一种采用单一结构光模式的动态场景形状重建方法。从国内来看,针对航空发动机叶片三维信息的测量,很多重点实验室都进行了深入的研究。陆军等^[8]通过基于格雷码和线移编码的结构光系统进行三维测量,并提出了此系统较高精度的标定方法;戴士杰等^[9]提出了纵向分段非均匀正弦条纹生成算法,通过生成非均匀条纹改善了像素-相位的非线性关系;赵磊^[10]提出一种基于测杆姿态的运动学反解算法,通过采用Revo测头对整体叶盘进行测量;于霞等^[11]设计研制了一种尺寸小、灵敏度高的差激励涡流检测探头,利用总体平均模态经验模态分解技术和小波变换相结合的方法来有效抑制背景噪声,提取信号特征,并结合支持向量机方法实现裂纹缺陷的分类;孔玮琦等^[12]提出的基于一般成像模型的标定方法,可以实现微小物体的三维重构。

2 结构光三维重建系统

2.1 系统整体设计

设计所搭建的结构光三维重建系统主要包括三个模块:运动控制模块、图像采集模块以及上位机系统。图1为结构光三维重构系统结构图。

图 1. 结构光三维重构系统结构图

Fig. 1. Structure diagram of structured light three-dimensional reconstruction system

下载图片 查看所有图片

由图1可知结构光三维重构系统各模块所包含的设备。运动控制模块包括旋转台、平移台、控制箱各一个,主要实现对待测物体运动的精确控制;图像采集模块由两个电荷耦合器件(CCD)摄像机和一张图像采集卡组成,实现对相机的控制及图像采集的过程;上位机系统对上述两模块和投影仪进行控制。图2为结构光三维重构系统实物图。

运动控制模块的设备包括由北京卓立汉光仪器有限公司生产的型号为MC600的电动控制箱一台、型号为KSA400-12-X的电动平移台一台和型号为RAuK100的电动旋转台一台。为了避免外界震动对实验的影响,整个系统放置于由北京卓立汉光仪器有限公司生产的型号为ZVB15-10的气浮隔振台上,以实现对待测物体运动的精确控制。

图像采集模块包括德国Basler公司生产的型号为acA1300-30gm的以太网相机两个,型号为PCIe-8236(NI 公司)的图像采集卡一张,型号为M115HD(DELL公司)的数码光处理(DLP)投影仪一台,该模块可实现对相机的控制及图像采集的过程。

图3为上位机控制界面。结构光三维重建系统

图 2. 结构光三维重构系统实物图

Fig. 2. Object graph of structured light three-dimensional reconstruction system

下载图片 查看所有图片

的上位机软件包括三个模块:图像采集模块、运动控制模块和数据处理模块。整个上位机系统基于LabVIEW进行编写,其中数据处理模块中的数据处理算法在Matlab中实现,该模块由LabVIEW与Matlab混合编程。结构光三维重建系统的上位机软件主要实现两个部分的功能:一是对标定和测量图像采集过程的控制,使得图像采集过程更为方便;二是对所采集到的图像进行处理并显示结果。

2.2 结构光三维重构系统标定

2.2.1 摄像机参数标定

摄像机的参数标定主要是标定单个摄像机的内外参数。摄像机的基本成像模型为小孔成像模型,该模型主要包含4个坐标系:图像坐标系(u,v)、像平面坐标系(X,Y)、相机坐标系(X_c,Y_c,Z_c)和世界坐标系(X_w,Y_w,Z_w)^[13]。图像坐标系下点(u,v)与世界坐标系下对应点(x_w,y_w,z_w)的关系式为:

zcuv1=fx-fxcotθu00fysinθv0001RTxwywzw1=M1M2xwywzw1=Mxwywzw1,(1)

式中f_x=f/μ_x,f_y=f/μ_y,f为相机的焦距,μ_x和μ_y分别为像素在u轴和v轴上的物理尺寸,θ为u轴和v轴的夹角。T和R分别为平移向量和旋转矩阵;M₁只与摄像机内部的参数有关,称之为内参数矩阵,M₂只与摄像机和世界坐标系之间的相对关系有关,称之为外参数矩阵;M为图像坐标系与世界坐标系的转化矩阵,为内参数矩阵M₁与外参数矩阵M₂的乘积,称之为透视投影矩阵。

图 3. 上位机控制界面

Fig. 3. Control interface of upper computer

下载图片 查看所有图片

实验采用的标定方法为张正友棋盘标定法^[14],假设棋盘所在平面处于世界坐标系下Z_w=0的平面上,棋盘格的边缘分别处于X_w轴和Y_w轴上,则(1)式中的Z_w始终为零,(1)式可简化为:

zcuv1=M1r1r2Txwyw1=Hxwyw1。(2)

由(2)式可知,通过采集图像可以得到像素坐标系下加点坐标(u,v),通过棋盘图样可以得到世界坐标系下坐标(x_w,y_w),未知参量为内参数矩阵中的5个未知的参量和坐标转换矩阵。通过采集多幅图像,即可求得内参数矩阵。实验共采集20幅图像,标定所得摄像机内参数矩阵M₁与畸变系数c为:

M1=22130622.3502219.64488.691001 c=-0.06930.01780.0018-0.0020。(3)

2.2.2 条纹投影系统标定

条纹投影三维测量方法通过同一像素点相位变化值得到该点高度信息^[15]。实验投射均匀条纹投影,需要对图像上所有点进行标定,标定目的是为了建立物体的高度信息和图片上相位差之间的关系。由于透视投影矩阵M为3×4的矩阵,因此由图像坐标系下坐标(u,v)并不能确定世界坐标系下的三维坐标,只能得到一条通过摄像机光心和该点的射线。基于标准平面的初始位置方程,可得到测量点到标准面的距离,由此能够在射线上寻找到该点的三维坐标。

实验选用的是一种不要求系统满足光心连接线平行于参考面的约束条件,对投影仪与摄像机位置没有特定要求,只需确保投射至参考平面的光栅条纹之间相互平行,简化了系统校准过程^[15]。由于摄像机和投影仪之间的距离和摄像机到标准平面的距离这两个结构参数会对三维测量系统的测量精度造成影响,因此为了得到较高的测量精度,系统硬件的摆放需要满足一定要求:标准平面处于摄像机对焦良好的范围内以保证采集图像的有效性,且保证投射到标准平面的光栅条纹节距大小合适;摄像机与投影仪距离不可过远,两光轴夹角不可过大,以保证投射到待测物表面光栅条纹节距相近,防止部分过宽影响细节测量,也防止部分过窄降低信号采样率和信噪比。在实验中,摄像机和投影仪之间的距离约为0.3 m,摄像机到标准平面的距离约为0.9 m,保证了测量系统对图片采集质量的要求。

图 4. 测量系统结构图

Fig. 4. Structure of measurement system

下载图片 查看所有图片

如图4所示为测量系统的结构图,其中RP为参考平面,O_c和O_p分别为相机光心和投影仪光心,摄像机和投影仪之间的距离为d,摄像机到标准平面的距离为l。假设条纹间距为p,考虑摄像机采集图像上(x,y)点处对应的待测点H,其到标准平面RP的高度为h,如果不存在该物,则摄像机在点(x,y)处的相位为B点的相位ϕ_B,此时存在物体,摄像机点(x,y)处的相位为A点的相位ϕ_A,设相位差为Dϕ。

根据几何关系,高度h与相位差Dϕ之间的关系式(称为三角光路模型)为:

h(x,y)=lΔϕ(x,y)Δϕ(x,y)+2πdp,(4)

(4)式表明高度h与相位差Dϕ之间为非线性关系,但它们的倒数可以表示为线性关系:

1h(x,y)=1l+2πdpl1Δϕ(x,y)。(5)

(4)与(5)式均为理论关系式,但由于实际测量中摄像机和投影仪的聚焦均处于一定参考范围内,参考面以外的地方会出现不同程度的离焦现象。距离参考面越远,离焦现象越明显,此时高度的倒数和相位差的倒数的关系并非线性关系,可用二次曲线(称为多项式模型^[16])表示为:

1h(x,y)=a(x,y)+b(x,y)Δϕ(x,y)+c(x,y)Δϕ2(x,y)。(6)

分别用(4)式和(6)式进行标定。标定过程为:选定初始面为标准平面,将白板沿着摄像机Z轴的方向等步长平移10次,可获得每个像素点相位差与对应的高度值,通过迭代可以得到每个点对应的(4)式与(6)式中的参数。图5为Z向标定示意图。

图 5. Z向标定示意图

Fig. 5. Schematic of calibration on Z axis

下载图片 查看所有图片

分别以三角光路模型进行非线性拟合和以多项式模型进行多项式拟合,以采集图像上坐标为(125,134)的点为例,表1为该点处分别通过三角光路模型和多项式模型拟合后所得的结果。从表1可以看出,以多项式模型拟合后的结果优于以三角光路模型拟合后的结果,平均误差减少了0.0045 mm。

2.2.3 旋转轴标定

基于组合结构光的三维测量方法一次只能获得被测物体某一个视角的三维信息,要想获取其360°

面形信息,必须采集不同视角的信息,并对结果进行拼接融合^[17]。

为了进行完整表面的测量,实验选择通过旋转平台控制叶片进行精确旋转,以得到前一次测量中未能测到的点云数据。因此,除了需要标定光学成像系统的基本参数外,还必须对旋转台的旋转轴进行标定^[18]。图6为旋转台标定示意图,其中包括图像坐标系(u,v)、摄像机坐标系(X_c,Y_c,Z_c)和世界坐标系(X_w,Y_w,Z_w),O、O_c和O_w分别为三个坐标系的原点,R为电动旋转台旋转轴所在位置^[18]。

图 6. 旋转轴标定示意图

Fig. 6. Schematic of rotation axis calibration

下载图片 查看所有图片

对旋转轴的标定主要思路为:让棋盘标定板随着电动旋转台转动,电动旋转台每次旋转相同的角度,用通过摄像机拍摄每个位置的图片。通过这些图片对张正友标定法,可以得到棋盘标定板上角点的三维坐标。通过对每个角点拟合圆心,则可以得到一系列在旋转轴上的点。通过对这些点拟合直线,则可以得到旋转轴方程。实验将棋盘标定板放置于旋转台上,旋转台每次逆时针旋转15°。

旋转轴的初始法向量通过对每张图片的角点进行平面拟合,将其各自法向量再进行平面拟合,所得到的法向量即为旋转轴初始法向量。为了对圆心进行拟合,先将相机坐标系下各角点坐标转换为Y轴与旋转轴平行的世界坐标系下的,则同一角点旋转所形成的平面与世界坐标系下Y轴垂直,对各个角点旋转前后的坐标进行圆拟合,所得到圆心坐标投影到Y=0的平面上,可得图7。

图 7. 拟合圆心结果

Fig. 7. Result of center fitting

下载图片 查看所有图片

图7中圆圈为每次拟合所得圆心,叉号为所有拟合圆心的均值,标准差为0.0192 mm。图8为拟合所得圆和旋转轴的相对位置关系,其中直线为旋转轴,圆圈为拟合所得圆,点为所提取的角点点云。旋转轴标定所得转轴方程为:

x-25.7949-0.0039=y+57.93341=z-600.6204-0.021。(7)

图 8. 拟合所得圆和旋转轴

Fig. 8. Fitted circle and axis of rotation

下载图片 查看所有图片

3 基于条纹识别的叶片三维测量

3.1 连续相位图的获取

连续相位图的获取主要包括两个步骤:四步相移法解相位和相位解包裹。相移法通过向物体投射多幅具有固定相位差的条纹图片,对同一像素点处进行解相位获得该点相位值。相移法需要投影三张或三张以上的条纹图像,为时间编码,采集速度慢,但测量精度高,因此广泛应用于物体的三维形貌测量^[19]。本研究中条纹投影三维测量方法采用的是四步相移法进行包裹相位的提取。投射条纹的光强分布满足:

Ik(x,y)=I0(x,y)×1+γ(x,y)cosk2πN+ϕ(x,y),(8)

式中k=0,1,2,3。则相位值φ(x,y)可表示为:

φ(x,y)=arctanI4(x,y)-I2(x,y)I1(x,y)-I3(x,y)。(9)

图9为所投射的4幅相差π/2相位的条纹图样。对所采集的4幅图像同一点处灰度值按照(8)式进行计算,可得到包裹相位图,此时得到的包裹相位值均处于[-π,π]之间,为包裹相位,需要对其进行解包裹运算得到连续相位值,相位解包裹算法是物体三维形貌测量技术的重点和难点。实验对行列逐点法和基于质量图引导的非连续路径积分算法^[20]进行了分析和比较。前者运算简单、运行速度快,但抗噪声干扰较弱,在对实际采集图片进行解包裹时,会出现“拉线”现象,噪声越大“拉线”现象越严重。基于质量图引导的非连续路径积分算法,引入可靠度函数和非连续离散路径作为解包裹的依据,抗噪声干扰较强。

图 9. 条纹投影图样

Fig. 9. Fringe projection pattern

下载图片 查看所有图片

通过对同一包裹相位进行解包裹比较两者结果。图10为非连续包裹相位图,其中图10(a)为模拟的包裹相位图,图10(b)为其对应的灰度图像。对图10进行解包裹,结果如图11所示。图11(a)为行列逐点法解包裹得到的连续相位图,图11(b)为基于质量图引导的非连续路径积分算法解包裹得到的连续相位图。从两种结果的比较可以看出,基于质量图引导的非连续路径积分算法在解包裹的过程中,无中间干扰区域的影响,避免了“拉线”现象的出现。

图 10. 非连续包裹相位的(a)像素点三维图像及(b)灰度图像

Fig. 10. (a) Three-dimensional form and (b) gray-scale form of discontinuous wrapping phase

下载图片 查看所有图片

3.2 基于双目视觉条纹识别的相位解包裹

由条纹投影系统的标定过程可知,还原高度信息需要每个像素点处相位差值,该相位差值为解包裹连续相位值与标准相位值的差值。选取的相位解包裹初始点的位置不同,则得到的解包裹连续相位值也会不同。为了与标准相位值采用相同的标准,需要对解包裹连续相位值进行修正。

基于主动双目视觉的条纹识别的相位解包裹方法基本思路为:在对摄像机、投影仪和系统进行标定后,由于叶片表面特征不明显,故向其投影二维码图样,增加其表面特征。通过左右相机双目视觉还原特征点处三维坐标,转化到投影仪坐标系下,则可得到该特征点处对应的条纹级次。图12为向叶片投射二维码图样后,对所采集图片进行特征点提取与匹配后的结果。

图 11. (a)使用行列逐点法的解包裹相位图;(b)使用基于质量图引导的非连续路径积分算法的解包裹相位图

Fig. 11. (a) Unwrapping phase diagram with the method of point by point; (b) unwrapping phase diagram with discontinuous path integral algorithm based on quality graph guidance

下载图片 查看所有图片

图 12. 特征点提取与匹配结果

Fig. 12. Result of feature point extraction and matching

下载图片 查看所有图片

图13为基于主动双目视觉的条纹识别方法流程图。所投射条纹图样图片的大小为1024 pixel×960 pixel,每幅图片包含64条条纹,以16个像素为周期,每个周期对应一条条纹。所投射的第一幅条纹投影图片的灰度值为:

I1(u,v)=121+cos2πu×641024-π。(10)

图 13. 基于主动双目视觉的条纹识别方法流程图

Fig. 13. Flow chart of stripe recognition method basedon active binocular vision

下载图片 查看所有图片

假设像素点P=(u,v),当u∈[1,16]时,点P所在条纹级数为0级,随着u从1增大到16,此时第一幅图像上该像素点的灰度值从1/2[1+cos(-7π/8)]变化为1/2(1+cosπ),解相位结果从-π增长到了π。当u∈[17,32]时,点P所在条纹级数为1级,随着u从17增大到32,对其进行解相位,所得的相位值依旧从-π增长到了π,但实际上cos函数内相位值从π增长到了3π,如果选取1级条纹内的点作为相位解包裹初始点,则解包裹结果与真实相位相差2π。图14为P点相位随u的变化趋势图。图14(a)为当v=1时,随着u的变化,点P处真实相位的变化规律。图14(b)为当v=1时,随着u的变化,点P处解相位所得的包裹相位的变化规律,为了便于查看,取u∈[1,100]。

通过基于主动双目视觉的条纹识别方法,可以获得特征点P在投影图片中的坐标为(u_p,v_p),则其在条纹投影图像上的条纹级数为k=INT[(u_p-1)/16][其中INT( )为向下取整运算符],其实际相位φ_pr满足:

(2k-1)π≤ϕpr≤(2k+1)π。(11)

图 14. P点相位随u的变化趋势图。(a)真实相位的变化规律;(b)包裹相位的变化规律

Fig. 14. Trend of the phase of point P with the change of u. (a) Change law of real phase; (b) change law of wrapped phase

下载图片 查看所有图片

假设P点在相位解包裹中的结果为φ_p,则可知该点所在条纹级数m=INT(φ_p+π/2π)与其真实位置相差了k-m级条纹。则P点的真实相位φ_pr为:

φpr=φp-2(m-k)π=φp-2INTφp+π2π-INTup-116π。(12)

(2n-1)π≤φqr≤(2n+1)π。(13)

假设Q点在相位解包裹中的结果为φ_q,则可知该点所在条纹级数i=INT(φ_q+π/2π)。Q点实际相位φ_qr与相位解包裹中的相位值φ_q的关系满足:

φqr-φpr=φq-φp,(14)

可得到Q点真实相位φ_qr为:

φqr=φq-2INTφp+π2π-INTup-116π。(15)

3.3 叶片点云数据拼接

由于条纹投影三维测量方法为面结构光测量方法,只能获得物体单侧表面的点云数据。为了得到叶片的三维形貌,需要通过旋转台控制叶片进行旋转,分别获取两面的叶片数据,需要对两面的叶片点云数据进行拼接。为了解决点云数据拼接的问题,实验采用旋转轴旋转与迭代最近点算法相结合的方法。图15为三维还原结果拼接流程图。

图 15. 三维还原结果拼接流程图

Fig. 15. Stitching flow chart of three-dimensional restoration result

下载图片 查看所有图片

2.2.3节对旋转轴进行了标定由旋转轴方程可以将一组点云数据与另外一组点云数据进行初步拼接。迭代最近点算法以欧氏距离为迭代判据,通过多次迭代获取最优解,进行精确拼接。设两组具有N个点的点云数据为点集F、G,点云F中的点F_i=(x_i,y_i,z_i)与点云G中的点G_i=(x'_i,y'_i,z'_i)相对应,则其欧氏距离为:

d(Fi,Gi)=∥FiGi→∥=(xi-x'i)2+(yi-y'i)2+(zi-z'i)2。(16)

寻找旋转矩阵R和平移向量T,利用最小二乘法求解使得下式取值最小:

E=∑i=1N|(ROFi→+T)-OGi→|2。(17)

对平移向量T进行初始估计,将两组点云的中心均平移到原点。则(19)式可转化为:

E=∑i=1N|(ROF'i→-OG'i→)+(ROF-→-OG-→+T)|2,(18)

该问题可以转化为求解使E最小的旋转矩阵R和平移向量T。

迭代最近点算法所进行拼接的点集为叶片前后两面相连接的轮廓线,通过连通区域提取算法对其轮廓线进行提取。

4 实验结果及分析

4.1 系统测量精度标定

实验对标准量块进行测量,得到了组合结构光三维测量系统的精度。标准量块是通过两个平行的工作面之间的距离作为基准,来验证测量方法的精密程度。实验所用标准量块由哈尔滨量具刀具集团有限责任公司生产,规格为75 mm×35 mm×1 mm,其中工作平面相距75 mm,将量块紧贴在标准平面上进行测量,比较量块高度与标准长度75 mm的差别。实验一共进行了10次测量。

实验采用四步相移法获取待测物体表面点的包裹相位,投影条纹图片是在Matlab软件中编制而成,图片尺寸为 1024 pixel×960 pixel,每幅图片包含64条条纹,图16为所投影的4幅条纹图样。

图 16. 标准量块表面投影条纹后所采图像。(a) 0相移;(b) π/2相移;(c) π相移;(d) 3π/2相移

Fig. 16. Images of standard measured mass surface with projected fringe. (a) 0 phase shift; (b) π/2 phase shift; (c) π phase shift; (d) 3π/2 phase shift

下载图片 查看所有图片

由双目识别获取的图像上特征点在初步解包裹相位中的解包裹相位值之差,可以得到各匹配点之间条纹级数差。图17为标准量块点云图像。 图17(a)为标准量块两面点云初始还原示意图,由于量块未放置于旋转台中心,因此在旋转前后位置差距较大。图17(b)为标准量块点云拼接后的示意图,可以排除差别较大的点,最终得到初步解包裹相位整体所差相位值,得到系统的测量精度为 0.08 mm。

图 17. 标准量块(a)初始还原结果和(b)拼接还原结果

Fig. 17. (a) Initial restoration result and (b) stitching restoration result of standard measured mass

下载图片 查看所有图片

4.2 发动机进口导向叶片测量

实验对航空发动机进口导向叶片进行了测量,图18为航空发动机进口导向叶片,其中图18(a)为进口导向叶片实物图,图18(b)为对所采集图像中叶片区域的提取结果。由于叶片在所采集的图像范围内只占很少部分,如果对整张图像作解相位和相位解包裹运算,会浪费大量时间。通过投射纯白图样,采用连通区域提取算法对图片的前景叶片进行提取,后续所有计算过程只在前景提取区域内进行计算。

图 18. (a)进口导向叶片实物图;(b)叶片区域提取结果

Fig. 18. (a) Physical map of inlet guide vane; (b) extraction result of the area of vane

下载图片 查看所有图片

图19为叶片被投射条纹图样后所采集的4幅图像,每幅图像之间相差π/2。通过四步相移法可以得到叶片表面的相位分布图。

图20为对进口导向叶片表面所采集的图像进行解相位和相位解包裹的结果,其中图20(a)为进口导向叶片包裹相位图像,图20(b)为对进口导向叶片进行相位解包裹后的图像。包裹相位图的相位值始终处于[-π,π]之间,相位解包裹结果在叶片表面部分连续平滑。

通过双目视觉对条纹级次进行判断后,对图20(b)解包裹结果进行修正,可以得到真实相位值。结合条纹投影系统参数,可以得到各点的高度值如图21所示。

图22为进口导向叶片还原结果图像,其中图22(a)为进口导向叶片两侧三维数据未拼接结果,图22(b)为进口导向叶片两侧三维数据经过旋转轴旋转拼接后的结果,图22(c)为导向叶片点云两侧三维数据经过旋转轴旋转拼接后,再经过迭代最近点算法拼接所得到的结果。由三张图的比较可以看出,经过迭代最近点算法拼接后所得到的结果更精确。

图 19. 进口导向叶片表面投影条纹后所采图像。(a) 0相移;(b) π/2相移;(c) π相移;(d) 3π/2相移

Fig. 19. Images of inlet guide vane surface with projected fringe. (a) 0 phase shift; (b) π/2 phase shift; (c) π phase shift; (d) 3π/2 phase shift

下载图片 查看所有图片

图 20. 进口导向叶片表面的(a)包裹相位值和(b)解包裹相位值

Fig. 20. (a) Wrapped phase and (b) unwrapped phase on inlet guide vane surface

下载图片 查看所有图片

图23为进口导向叶片叶身截面图,该截面为叶片与Y坐标为-42.5 mm的平面所交的平面,并取点云中Y坐标处于[-42.5 mm,-42.4 mm]中的点进行曲线拟合得到。

图 21. 进口导向叶片表面高度图

Fig. 21. Height diagram of inlet guide vane surface

下载图片 查看所有图片

图 22. 进口导向叶片的(a)初始还原结果、(b)初步拼接还原结果和(c)迭代最近点算法拼接结果

Fig. 22. (a) Initial restoration result, (b) preliminary stitching restoration result and (c) stitching result using the iterative nearest point algorithm of inlet guide vane

下载图片 查看所有图片

图 23. 进口导向叶片叶身截面

Fig. 23. Blade section of inlet guide vane

下载图片 查看所有图片

5 结论

针对发动机叶片的三维测量与拼接问题,提出了一种基于条纹投影级次识别的发动机叶片三维测量方法。通过投射二维码与主动双目视觉的方法,实现投影条纹级次的判别,并对获取的解包裹相位进行周期校正;对获取的面形信息通过旋转轴标定与迭代最近点算法相结合的方式,实现了精度高于0.08 mm的三维测量,将其运用到叶片三维形貌的获取,得到了较好的结果,实验证明了本方法的可行性。但是由于航空发动机叶片对精度要求较高,通常需达到0.01 mm以上,因此尚存在不足。本方法为发动机叶片快速有效的检测做出了探索,后期工作将围绕进一步提高测量系统精度展开。