一种面向大尺寸零部件离散特征检测的连接路径规划方法及系统

本发明涉及三维视觉测量，具体涉及一种面向大尺寸零部件离散特征检测的连接路径规划方法及系统。

背景技术：

1、三维视觉测量技术已成为智能制造中复杂零部件尺寸检测的核心手段。通过面结构光相机与机械臂或龙门架组合构成的柔性测量系统，能够以非接触式获取工件表面高精度三维点云，广泛应用于汽车制造、航空航天等领域的大尺寸零部件尺寸与位置度检测。在此类检测任务中，测量需求多为特征驱动且呈空间离散分布。

2、为了实现离散测点间局部数据的可靠拼接，目前工业现场主要存在两种方案：方案一依赖外部高精度光学跟踪仪实时监测相机位姿，但这显著增加了系统的部署复杂度与硬件成本，且在大范围车间环境中易受通光遮挡和杂光干扰；方案二依赖机械臂或物理龙门架的正运动学模型将局部点云转换到全局坐标系，然而，受限于关节柔性、热漂移、传动间隙等物理因素，基于纯运动学模型的绝对位姿估计精度通常较低，无法直接满足高精度计量要求。

3、为规避上述外部硬件依赖与绝对运动学误差，基于连续点云配准的视觉里程计范式被广泛用于位姿追踪。然而，由于视觉里程计的配准收敛性严格受限于沿途环境的局部几何特征丰富度，连接路径的空间分布策略直接决定了全局坐标传递的可靠性。

4、现有的纯几何最短路径规划算法虽然能够生成空间距离最短的连接路径，但由于其缺乏对底层几何特征丰富度的动态感知能力，生成的路径极易经过平坦、无纹理等高难配准区域，造成配准发散或精度下降。与之相对，传统的基于下一最佳视点（nbv）的全局覆盖类算法虽然能够主动探索高信息区域，但此类方案往往将视点选择与物理执行代价割裂，频繁引发机械臂剧烈扭转或空间大范围游走，缺乏对视点间转移代价的显式优化，导致检测周期延长。

5、在大尺寸零部件的实际检测场景中，相机往往工作在微距与窄视场环境下，工件表面交织着高曲率几何特征区域与平坦无纹理区域，即不同空间位置的点云配准稳定性存在明显的各向异性。因此，如何在确保高精度位姿坐标传递的前提下，最大程度剔除空间冗余测站，压缩测量执行时间，是目前本领域亟待解决的深层次技术矛盾。

技术实现思路

1、本发明是为了解决上述问题而进行的，目的在于提供一种面向大尺寸零部件离散特征检测的连接路径规划方法及系统。

2、本发明提供了一种面向大尺寸零部件离散特征检测的连接路径规划方法，具有这样的特征，包括：步骤s1，构建轻量化点云感知代理模型，对输入目标工件表面提取的局部点云进行快速前向推理，预测候选视点的配准稳定性分数；步骤s2，建立目标工件表面的视点流形图，设计融合空间平移代价、姿态平顺性代价与基于配准稳定性分数的感知惩罚项的多目标代价函数，通过流形寻路引擎计算离散测量点间的全局多目标最优连续路径；步骤s3，在全局多目标最优连续路径上，采用基于焦平面解析的极大步长下采样策略，利用二维焦平面投影解析计算大跨度节点间的重叠率保守下界，并结合位姿累计误差与等效广义误差指标，输出稀疏最优测站序列；步骤s4，驱动测量系统按照稀疏最优测站序列执行空间转移与数据采集，利用机械臂的正运动学高置信度位姿作为迭代最近点算法的先验初值，通过双物理图层进行微容差精细配准，得到重构全局点云。

3、在本发明提供的面向大尺寸零部件离散特征检测的连接路径规划方法中，还可以具有这样的特征，其中，步骤s1包括以下子步骤：步骤s11，筛选abc数据集构建基础数据集，在目标工件表面的工作距离内进行均匀半球面采样，获取离散视点池，并利用物理仿真引擎执行光线投射，提取相机视锥内的局部几何点云；步骤s12，采用随机重采样策略将局部几何点云规范化为固定规模的点集，基于点到面的几何误差度量标准计算其对应的配准信息矩阵，提取其最小特征值作为监督标签；步骤s13，构建基于pointnet架构的回归预测网络，输入数据首先通过权值共享的一维卷积层对输入进行非线性空间映射与特征提取；步骤s14，应用全局最大池化层聚合全局拓扑特征向量，再通过全连接层与softplus激活函数，回归输出配准稳定性分数。

4、在本发明提供的面向大尺寸零部件离散特征检测的连接路径规划方法中，还可以具有这样的特征，其中，步骤s1还包括：步骤s15，在网络离线训练阶段，采用平滑损失作为优化目标函数对网络参数进行更新，并在面结构光相机的标称测量精度下，向输入张量叠加高斯抖动噪声。

5、在本发明提供的面向大尺寸零部件离散特征检测的连接路径规划方法中，还可以具有这样的特征，其中，建立目标工件表面的视点流形图具体包括：以最佳工作距离为偏置，沿法向反方向生成候选视点集合，利用kd-tree在受限的搜索半径内构建无向边集合，将搜索半径约束为小于相机最小物理视场边界的二分之一以实现空间硬避障，引入基于广义半球面的法线一致性平滑算子，确保薄壁工件流形拓扑的连续性。

6、在本发明提供的面向大尺寸零部件离散特征检测的连接路径规划方法中，还可以具有这样的特征，其中，极大步长下采样策略具体包括：从当前基准采样节点出发，沿连续路径执行前向最大步长试探，设定空间行进距离，构建龙门导轨随距离线性累积的位姿累计误差协方差矩阵，引入最佳工作距离作为特征长度，将旋转误差等效折算为末端平移误差，并显式结合配准稳定性分数，定义等效广义误差指标，设定安全的重叠率阈值与安全精度阈值，当重叠率保守下界小于安全的重叠率阈值或等效广义误差指标小于安全精度阈值时，判定超出了配准收敛的安全边界，立即中止前向探索并执行单步回退，将前一节点锁定为稀疏最优测站序列。

7、在本发明提供的面向大尺寸零部件离散特征检测的连接路径规划方法中，还可以具有这样的特征，其中，步骤s4具体包括以下子步骤：步骤s41，直接将龙门系统或机械臂的高置信度正运动学位姿作为迭代最近点算法的先验初值输入；步骤s42，在配准前端分离出双物理图层，利用体素大幅度降采样的稀疏图层计算宏观拓扑重叠率以优化配准计算；步骤s43，提取保留密致表面特征的极密图层用于高精密匹配，得到重构全局点云。

8、在本发明提供的面向大尺寸零部件离散特征检测的连接路径规划方法中，还可以具有这样的特征，在步骤s4中，相邻测站间的配准内点均方根误差通过下式确定：

9、

10、其中，为微容差匹配成功的内点对应关系集合，为匹配内点对的总数量，与分别为源点云与目标点云中的匹配点对，为欧氏距离。

11、在本发明提供的面向大尺寸零部件离散特征检测的连接路径规划方法中，还可以具有这样的特征，多目标代价函数的计算公式为：

12、

13、其中，为空间平移代价，为姿态平顺性代价，为感知惩罚项，、、分别为对应各项的惩罚权重，为当前视点，为相邻候选视点。

14、本发明提供了一种面向大尺寸零部件离散特征检测的连接路径规划系统，具有这样的特征，包括：配准稳定性预测模块，用于构建轻量化点云感知代理模型，对输入目标工件表面提取的局部点云进行快速前向推理，预测候选视点的配准稳定性分数；多目标路径规划模块，用于建立目标工件表面的视点流形图，设计融合空间平移代价、姿态平顺性代价与基于配准稳定性分数的感知惩罚项的多目标代价函数，通过流形寻路引擎计算离散测量点间的全局多目标最优连续路径；极大步长下采样模块，用于在全局多目标最优连续路径上，采用基于焦平面解析的极大步长下采样策略，利用二维焦平面投影解析计算大跨度节点间的重叠率保守下界，并结合位姿累计误差与等效广义误差指标，输出稀疏最优测站序列；微容差精细配准模块，用于驱动测量系统按照稀疏最优测站序列执行空间转移与数据采集，利用机械臂的正运动学高置信度位姿作为迭代最近点算法的先验初值，通过双物理图层进行微容差精细配准，得到重构全局点云。

15、发明的作用与效果

16、根据本发明所涉及的一种面向大尺寸零部件离散特征检测的连接路径规划方法及系统，因为包括：步骤s1，构建轻量化点云感知代理模型，对输入目标工件表面提取的局部点云进行快速前向推理，预测候选视点的配准稳定性分数；步骤s2，建立目标工件表面的视点流形图，设计融合空间平移代价、姿态平顺性代价与基于配准稳定性分数的感知惩罚项的多目标代价函数，通过流形寻路引擎计算离散测量点间的全局多目标最优连续路径；步骤s3，在全局多目标最优连续路径上，采用基于焦平面解析的极大步长下采样策略，利用二维焦平面投影解析计算大跨度节点间的重叠率保守下界，并结合位姿累计误差与等效广义误差指标，输出稀疏最优测站序列；步骤s4，驱动测量系统按照稀疏最优测站序列执行空间转移与数据采集，利用机械臂的正运动学高置信度位姿作为迭代最近点算法的先验初值，通过双物理图层进行微容差精细配准，得到重构全局点云，所以，本发明的面向大尺寸零部件离散特征检测的连接路径规划方法及系统在保证亚毫米级配准精度的前提下，显著提升了大尺寸零部件的三维测量效率，实现了测量效率与配准精度的协同优化与平衡。