高低温环境下的端面位姿相对变化高精度测量方法和系统与流程

1.本发明涉及一种端面位姿相对变化高精度测量方法和系统。


背景技术：

2.目前航空、航天等诸多高精尖工业领域内，受外界高低温变化环境影响许多设备产品等材料件结构件的各种端面均会因热变形及自身因素发生变形情况使端面的位姿发生变化，如何准确合理的测量被测端面在外界环境加载条件下的端面位姿变化是全面了解评估被测件性能的关键。目前常见的端面热变形测量算法是利用端面微变形测量系统例如：数字图像相关测量系统、摄影测量系统、激光多普勒测量系统、三坐标机等获取被测端面上多点的位置坐标信息，进一步利用多点坐标信息通过数据处理及相关端面形状拟合方法直接分析出端面的函数模型再根据每次测量的函数模型按温度工况区分后计算变形均值作为最终测量结果。由于现有的测量算法是对直接测量数据进行全体处理获得的端面函数模型，仅能对所有输入点信息进行统一分析处理，无法避免因测量系统误差及端面自身缺陷带来的测量噪点对端面函数拟合结果的影响，同时各温度工况下所有测量数据直接取均值的方式无法消除测量奇异数据对温度工况最终测量结果的影响，这些影响将导致测量方法精度表现不佳、测量误差较大。


技术实现要素：

3.本发明要解决的技术问题是：克服现有技术的不足，本发明提供了一种高低温环境下的端面位姿相对变化高精度测量方法和系统，能够有效的剔除测量中的端面噪点及奇异数据，进一步减小测量误差提高测量精度。
4.本发明所采用的技术方案是：一种高低温环境下的端面位姿相对变化高精度测量方法，包括步骤如下：
5.步骤一，根据被测端面的结构，确定被测端面函数形式f(r0,r1,r2,...,r
n
)，和函数相关未知参数r0,r1,r2,...,r
n
，n为正整数；
6.步骤二，导出每次测量获得的被测端面的点云图片，点云图片上包含被测端面的点云坐标点集{i
j1
(x
j1
,y
j1
,z
j1
),i
j2
(x
j2
,y
j2
,z
j2
),...,i
ji
(x
ji
,y
ji
,z
ji
),...,i
np
(x
np
,y
np
,z
np
)}；i
ji
(x
ji
,y
ji
,z
ji
)表示第j次测量被测端面上的第i个点的坐标；i＝1,2,3,...,p，p为被测端面上的点的总数；j＝1,2,3,...,n，n为对被测端面进行点云测量的总数，p,n均为正整数；
7.步骤三，利用端面拟合算法分别对每次测量采集的点云进行端面相关函数拟合，确定每次采集的端面函数的未知参数；
8.步骤四，将步骤三中用于计算的每次测量获得的所有点云坐标i
ji
(x
ji
,y
ji
,z
ji
)与相应的拟合出的端面函数进行距离计算，公式如下：
9.δli＝f(x
ji
,y
ji
,r0,r1,r2...r
n
)
‑
z
ji
10.δli表示第i个点距拟合出的平面的距离；
11.步骤五，进行循环判断：如果每次测量得到的所有点坐标到拟合函数的距离都小于α则拟合的函数为测量得到的端面函数，进入步骤七；如果存在点坐标到拟合函数的距离大于α的点，则剔除相应的点形成新的点集，进入步骤六；
12.α为设定的理论测量精度；
13.步骤六，将每次测量筛选后的剩余点重新作为新点云，返回步骤三，对每次测量采集的剩余点云进行重新函数拟合，获取新的拟合函数，再次计算每次采集的剩余点云相对新拟合函数的距离，重新进行点的筛选；
14.步骤七，得到每次测量对应的被测端面拟合函数后，以第一次测量对应的拟合出的函数的特征向量f0为基准，对比分析出其他次测量对应的拟合出的函数的特征向量f
j
相对特征向量f0的角度变化值a{a1,a2,a3,...,aj,...,an}；
15.步骤八，按照各温度工况条件给所有测量得到的点云图片进行分组，进行各温度工况下平均位姿角度变化值计算：
16.将各温度工况下的k个端面角度变化值分别进行取平均处理，得到所有m个温度工况下的平均角度变化值a{a1,a2,a3,...,am}：
17.第m个温度工况下的平均角度变化值am＝(a1 a2 .... ak)/k；
18.a＝{a1,a2,a3,...,am}；
19.k、m均为正整数，n＝k
·
m；
20.步骤九，将每个温度工况下的所有角度变化值与该温度工况对应的平均角度变化值进行对比，获取每个温度工况下k张点云图片的角度变化值相对平均角度变化值的差值绝对值δa{δa1,δa2,δa3,...,δak}；
21.第m个温度工况对应的平均角度变化差值点集为δa{δa1,δa2,δa3,...,δak}，其中，δa1＝a1
‑
am、δa2＝a2
‑
am、......、δak＝ak
‑
am；
22.步骤十，计算各温度工况下所有角度变化值的标准差a
#
，将各温度工况下所有角度变化值相对平均角度变化值的差值绝对值δa与相应的标准差a
#
进行对比，筛除各温度工况下角度变化值相对平均角度变化值的差值绝对值δa大于标准差a
#
的所有奇异数据；
23.步骤十一，进行循环判断：如果各温度工况剩余数据数量均小于初始数量k的60％，则进入步骤十二；如果存在剩余数据数量大于初始数量k的60％的温度工况，则进入步骤十三；
24.步骤十二，对各温度工况剩余数据进行重新计算平均角度变化值，将重新计算的均值作为各温度工况下的端面相对位姿变化最终测量值；
25.步骤十三，将剩余数据数量大于初始数量k的60％的所有温度工况的剩余数据按温度工况区分，重新进行平均处理获得角度变化值的新平均值a’，返回步骤九，对比剩余点云图片的角度变化值与相应各角度变化值的新平均值a’的差值绝对值，继续剔除新角度变化值相对平均角度变化值的差值绝对值大于标准差a
#
的所有数据，再进入步骤十一进行判断，直至所有温度工况下剩余数据均满足要求。
26.一种高低温环境下的端面位姿相对变化高精度测量系统，包括：
27.第一模块，用于计算被测端面每次测量的位姿初始函数；
28.第二模块，用于进行被测端面采集点云噪点剔除，筛选确认被测端面每次测量的最终位姿状态函数；
29.第三模块，用于计算被测端面各温度工况下位姿变化结果的初始结果；
30.第四模块，用于进行端面位姿变化测量数据筛选，确认各温度工况下的端面相对位姿变化最终测量结果。
31.计算被测端面每次测量的位姿初始函数的具体步骤如下：
32.步骤1.1，根据被测端面的结构，确定被测端面函数形式f(r0,r1,r2,...,r
n
)，和函数相关未知参数r0,r1,r2,...,r
n
，n为正整数；
33.步骤1.2，导出每次测量获得的被测端面的点云图片，点云图片上包含被测端面的点云坐标点集{i
j1
(x
j1
,y
j1
,z
j1
),i
j2
(x
j2
,y
j2
,z
j2
),...,i
ji
(x
ji
,y
ji
,z
ji
),...,i
np
(x
np
,y
np
,z
np
)}；i
ji
(x
ji
,y
ji
,z
ji
)表示第j次测量被测端面上的第i个点的坐标；i＝1,2,3,...,p，p为被测端面上的点的总数；j＝1,2,3,...,n，n为对被测端面进行点云测量的总数，p,n均为正整数；
34.步骤1.3，利用端面拟合算法分别对每次测量采集的点云进行端面相关函数拟合，确定每次采集的端面函数的未知参数，得到被测端面每次测量的位姿初始函数。
35.进行被测端面采集点云噪点剔除，筛选确认被测端面每次测量的最终位姿状态函数的具体步骤如下：
36.步骤2.1，将步骤1.3中用于计算的每次测量获得的所有点云坐标i
ji
(x
ji
,y
ji
,z
ji
)与相应的拟合出的端面函数进行距离计算，公式如下：
37.δli＝f(x
ji
,y
ji
,r0,r1,r2...r
n
)
‑
z
ji
38.δli表示第i个点距拟合出的平面的距离；
39.步骤2.2，进行循环判断：如果每次测量得到的所有点坐标到拟合函数的距离都小于α则拟合的函数为测量得到的端面的最终位姿状态函数；如果存在点坐标到拟合函数的距离大于α的点，则剔除相应的点形成新的点集，进入步骤2.3；α为设定的理论测量精度；
40.步骤2.3，将每次测量筛选后的剩余点重新作为新点云，返回步骤1.3，对每次测量采集的剩余点云进行重新函数拟合，获取新的拟合函数，再次计算每次采集的剩余点云相对新拟合函数的距离，重新进行点的筛选。
41.计算被测端面各温度工况下位姿变化结果的初始结果的具体步骤如下：
42.步骤3.1，根据步骤2得到的每次测量对应的被测端面的最终位姿状态函数，以第一次测量对应的拟合出的函数的特征向量f0为基准，对比分析出其他次测量对应的拟合出的函数的特征向量f
j
相对特征向量f0的角度变化值a{a1,a2,a3,...,aj,...,an}；
43.步骤3.2，按照各温度工况条件给所有测量得到的点云图片进行分组，进行各温度工况下平均位姿角度变化值计算：
44.将各温度工况下的k个端面角度变化值分别进行取平均处理，得到所有m个温度工况下的平均角度变化值a{a1,a2,a3,...,am}：
45.第m个温度工况下的平均角度变化值am＝(a1 a2 .... ak)/k；
46.a＝{a1,a2,a3,...,am}；
47.k、m均为正整数，n＝k
·
m。
48.进行端面位姿变化测量数据筛选，确认各温度工况下的端面相对位姿变化最终测量结果的具体步骤如下：
49.步骤4.1，将每个温度工况下的所有角度变化值与该温度工况对应的平均角度变
化值进行对比，获取每个温度工况下k张点云图片的角度变化值相对平均角度变化值的差值绝对值δa{δa1,δa2,δa3,...,δak}；
50.第m个温度工况对应的平均角度变化差值点集为δa{δa1,δa2,δa3,...,δak}，其中，δa1＝a1
‑
am、δa2＝a2
‑
am、......、δak＝ak
‑
am；
51.步骤4.2，计算各温度工况下所有角度变化值的标准差a
#
，将各温度工况下所有角度变化值相对平均角度变化值的差值绝对值δa与相应的标准差a
#
进行对比，筛除各温度工况下角度变化值相对平均角度变化值的差值绝对值δa大于标准差a
#
的所有奇异数据；
52.步骤4.3，进行循环判断：如果各温度工况剩余数据数量均小于初始数量k的60％，则进入步骤4.4；如果存在剩余数据数量大于初始数量k的60％的温度工况，则进入步骤4.5；
53.步骤4.4，对各温度工况剩余数据进行重新计算平均角度变化值，将重新计算的均值作为各温度工况下的端面相对位姿变化最终测量值；
54.步骤4.5，将剩余数据数量大于初始数量k的60％的所有温度工况的剩余数据按温度工况区分，重新进行平均处理获得角度变化值的新平均值a’，返回步骤4.1，对比剩余点云图片的角度变化值与相应各角度变化值的新平均值a’的差值绝对值，继续剔除新角度变化值相对平均角度变化值的差值绝对值大于标准差a
#
的所有数据，再进入步骤4.3进行判断，直至所有温度工况下剩余数据均满足要求。
55.本发明与现有技术相比的优点在于：
56.(1)本发明适用于各种端面变形测量系统对各种被测端面在高低温环境甚至其他复杂工况条件下进行变形测量时测量数据处理及位姿变形计算。本发明旨在针对现有高低温等其他工况条件下端面位姿测量过程中测量数据处理方法无法消除测量噪点及较差数据影响造成测量误差大精度不高等不足，发明一种高精度端面位姿测量数据处理方法，主要解决现有端面位姿测量数据处理中噪点消除及数据筛选等问题。
57.(2)本发明的方法可解决各种微变形测量系统对被测端面在高低温环境下的端面相对变形进行测量时因测量系统自身因素及外界影响产生的测量噪点及测量奇异数据对测量结果的影响，有效的减小了端面变形测量中的测量误差，提高了测量精度。该测量算法还可适用于高低温环境外的其他工况加载端面变形情况测量，具有较广的适用性。
58.(3)本发明提出了一种端面测量采集点云噪点筛除方法，实现了对端面进行测量过程中对采集到的点云进行噪点筛选，并进一步利用剩余较好的测量点云拟合出最佳被测端面的函数模型，有效地实现了端面位姿高精度拟合测量。
59.(4)本发明提出了一种测量数据高精度筛选方法，针对各工况下的所有初始测量数据进行标准差筛选提出测量奇异数据，并且为保证计算采样次数足够进行相关筛选中止设定确保最终处理数据量足够。该方法可解决端面位姿测量过程中每次测量间数据波动大、测量精度不稳定的问题，有效的避免了测量过程因随机误差带较大而来的测量奇异数据对测试结果的影响，有效的保证了测量过程中的全程测量高精度。
附图说明
60.图1为高低温环境下的端面位姿相对变化高精度测量方法流程图。
61.图2为端面测量噪点筛选示意图。
62.图3为测量数据筛选示意图。
具体实施方式
63.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步详细描述。
64.一种高低温环境下的端面位姿相对变化高精度测量方法，主要按以下四阶段完成：
65.1.被测端面每次采集位姿初始函数计算。首先针对采集到的各温度工况下的端面点云坐标信息进行端面形态拟合处理获取端面的初始函数，主要过程是：根据端面的形态设定函数形式建立函数未知参数，根据每次采集的所有端面点云坐标解算出每次采集的函数未知参数，建立端面位姿的初始函数。
66.2.端面采集点云噪点剔除筛选确认被测端面每次测量的最终位姿状态函数。主要过程是：对比每次采集得到的所有测量点相对拟合函数端面的位置情况剔除位置偏移大于测量系统精度范围的噪点，对剩余点重新拟合，反复迭代筛选最后得到合理准确的端面位姿拟合函数。
67.3.端面各工况位姿变化结果初始结果计算。主要过程是：针对各工况下多次采集拟合出的端面函数，将第一次采集端面作为基准计算出每次采集时相对第一次采集的角度变化情况，按工况拆分后，进行均值处理，将均值作为端面各工况位姿变化初始测量结果。
68.4.端面位姿变化测量数据筛选确认该工况的端面角度最终变化测量结果。主要过程是：对比剔除各工况下每次采集的端面角度变化测量值与相应工况位姿变化均值计算结果偏差较大的奇异数据，对剩余数据重新取均值，反复迭代筛选，直到所有数据均在筛选范围内，则剩余数据再取均值为该工况的端面角度最终变化测量结果。
69.如图1所示，一种高低温环境下的端面位姿相对变化高精度测量方法，包括步骤如下：
70.步骤一，根据被测端面的结构，确定被测端面函数形式f(r0,r1,r2,...,r
n
)，和函数相关未知参数r0,r1,r2,...,r
n
，如端面为平面则设定为平面函数，曲面为相应曲面函数，n为正整数；
71.步骤二，导出每次测量获得的被测端面点云图片，点云图片上包含被测端面的点云坐标点集{i
j1
(x
j1
,y
j1
,z
j1
),i
j2
(x
j2
,y
j2
,z
j2
),...,i
ji
(x
ji
,y
ji
,z
ji
)},...,
72.i
np
(x
np
,y
np
,z
np
)；i
ji
(x
ji
,y
ji
,z
ji
)表示第j次测量被测端面上的第i个点的坐标；i＝1,2,3,...,p，p为被测端面上的点的总数；j＝1,2,3,...,n，n为对被测端面进行点云测量的总数，p,n均为正整数；
73.步骤三，利用端面拟合算法如最小二乘法等分别对每次测量采集的点云进行端面相关函数拟合，确认每次采集的端面函数的未知参数；
74.例如利用最小二乘法，即需拟合的点集中的所有点i
ji
(x
ji
,y
ji
,z
ji
)距拟合的端面函数距离之和应为最小：
75.∑li2＝∑{f(x
ji
,y
ji
,r0,r1,r2...r
n
)
‑
z
ji
}2＝min，
76.其中li为点距拟合的端面函数距离，根据对应的偏导关系：
[0077][0078]
计算出以当前点云拟合出的端面函数模型参数：r0,r1,r2...r
n
。
[0079]
步骤四，将上一步骤中用于计算的每次测量获得的所有点云坐标i
ji
(x
ji
,y
ji
,z
ji
)与相应的拟合出的端面函数进行距离计算。
[0080]
δli＝f(x
ji
,y
ji
,r0,r1,r2...r
n
)
‑
z
ji
[0081]
δli表示第i个点距拟合出的平面的距离；
[0082]
步骤五，进行循环判断，设设定的理论测量精度为α，如果所有点坐标到拟合函数的距离都小于α则拟合的函数即为测量得到的端面函数进入步骤七，如果存在距离大于α的点如图2所示，则剔除这些点形成新的点集，进入步骤六。
[0083]
步骤六，将每次测量筛选后的剩余点重新作为新点云，重复步骤三对每次测量采集的剩余点云进行重新函数拟合，获取新的拟合函数，重复步骤四再次计算每次采集的剩余点云相对新拟合函数的距离，重新筛选。
[0084]
步骤七，所有测量次数均筛选并完成函数拟合后，以第一次采集拟合出的函数的特征向量(例如：平面的法向量，曲面的轴向量等)f0为基准，对比分析出其他次采集拟合函数的特征向量f
j
相对f0的角度变化值a{a1,a2,a3,...,aj,...,an}(假设共采集n次)。
[0085]
步骤八，按照各温度工况条件给所有测量得到的点云图片进行分组，进行各温度工况平均位姿角度变化值进行计算：
[0086]
设各温度工况下分别有k个测量数据，一共m个温度工况，将各温度工况下的k个端面角度变化值a分别进行取平均处理得到所有m个温度工况下各温度工况的平均角度变化值a{a1,a2,a3,...,am}。
[0087]
a1＝(a1 a2 .... ak)/k，
[0088]
a2＝(a1 a2 .... ak)/k，
[0089]
......
[0090]
am＝(a1 a2 .... ak)/k；
[0091]
a＝{a1,a2,a3,...,am}；
[0092]
k、m均为正整数，n＝k
·
m；
[0093]
步骤九，将每个温度工况下的所有角度变化值与该温度工况的平均角度变化值进行对比，获取每个温度工况下k张点云图片的角度变化值相对平均角度变化值的差值绝对值δa{δa1,δa2,δa3,...,δak}；
[0094]
以第一个温度工况为例，a1为第一温度工况的平均角度变化值，则第一温度工况的平均角度变化差值点集δa1{δa1,δa2,δa3,...,δak}：δa1＝a1
‑
a1、δa2＝a2
‑
a1、......、δak＝ak
‑
a1；
[0095]
a2为第二温度工况的平均角度变化值，则第二温度工况的平均角度变化差值点集δa2{δa1,δa2,δa3,...,δak}：δa1＝a1
‑
a2、δa2＝a2
‑
a2、......、δak＝ak
‑
a2；
[0096]
......
[0097]
am为第m个温度工况的平均角度变化值，第m个温度工况对应的平均角度变化差值点集为δa
m
{δa1,δa2,δa3,...,δak}，其中，δa1＝a1
‑
am、δa2＝a2
‑
am、......、δak＝ak
‑
am；
[0098]
步骤十，计算各温度工况下所有角度变化值的标准差a
#
,将各温度工况下所有角度变化值相对平均角度变化值的差值绝对值δa与相应的标准差a
#
进行对比，筛除各温度工况下角度变化值相对平均角度变化值的差值绝对值δa大于标准差a
#
的所有奇异数据，如图3。
[0099]
其中标准差为：
[0100][0101]
步骤十一，进行循环判断，各温度工况测量数据筛选完成后，如果各温度工况剩余数据数量均小于初始数量k的60％，则进入步骤十二，如果存在剩余数据数量大于初始数量k的60％的温度工况，则进入步骤十三。
[0102]
步骤十二,对各温度工况剩余数据进行重新计算平均角度变化值，将重新计算的均值作为各温度工况下的端面相对位姿变化最终测量值。
[0103]
步骤十三，将剩余数据数量大于初始数量k的60％的所有温度工况的剩余数据按温度工况区分，重新进行平均处理获得角度变化值的新平均值a’，返回步骤九，对比剩余点云图片的角度变化值与相应各角度变化值的新平均值a’的差值绝对值，继续剔除新角度变化值相对平均角度变化值的差值绝对值大于标准差a
#
的所有数据，再进入步骤十一进行判断，直至所有温度工况下剩余数据均满足要求。
[0104]
一种高低温环境下的端面位姿相对变化高精度测量系统，包括：
[0105]
第一模块，用于计算被测端面每次测量的位姿初始函数；
[0106]
第二模块，用于进行被测端面采集点云噪点剔除，筛选确认被测端面每次测量的最终位姿状态函数；
[0107]
第三模块，用于计算被测端面各温度工况下位姿变化结果的初始结果；
[0108]
第四模块，用于进行端面位姿变化测量数据筛选，确认各温度工况下的端面相对位姿变化最终测量结果。
[0109]
计算被测端面每次测量的位姿初始函数的具体步骤如下：
[0110]
步骤1.1，根据被测端面的结构，确定被测端面函数形式f(r0,r1,r2,...,r
n
)，和函数相关未知参数r0,r1,r2,...,r
n
，n为正整数；
[0111]
步骤1.2，导出每次测量获得的被测端面的点云图片，点云图片上包含被测端面的点云坐标点集{i
j1
(x
j1
,y
j1
,z
j1
),i
j2
(x
j2
,y
j2
,z
j2
),...,i
ji
(x
ji
,y
ji
,z
ji
),...,i
np
(x
np
,y
np
,z
np
)}；i
ji
(x
ji
,y
ji
,z
ji
)表示第j次测量被测端面上的第i个点的坐标；i＝1,2,3,...,p，p为被测端面上的点的总数；j＝1,2,3,...,n，n为对被测端面进行点云测量的总数，p,n均为正整数；
[0112]
步骤1.3，利用端面拟合算法分别对每次测量采集的点云进行端面相关函数拟合，确定每次采集的端面函数的未知参数，得到被测端面每次测量的位姿初始函数。
[0113]
进行被测端面采集点云噪点剔除，筛选确认被测端面每次测量的最终位姿状态函数的具体步骤如下：
[0114]
步骤2.1，将步骤1.3中用于计算的每次测量获得的所有点云坐标i
ji
(x
ji
,y
ji
,z
ji
)与相应的拟合出的端面函数进行距离计算，公式如下：
[0115]
δli＝f(x
ji
,y
ji
,r0,r1,r2...r
n
)
‑
z
ji
[0116]
δli表示第i个点距拟合出的平面的距离；
[0117]
步骤2.2，进行循环判断：如果每次测量得到的所有点坐标到拟合函数的距离都小于α则拟合的函数为测量得到的端面的最终位姿状态函数；如果存在点坐标到拟合函数的距离大于α的点，则剔除相应的点形成新的点集，进入步骤2.3；α为设定的理论测量精度；
[0118]
步骤2.3，将每次测量筛选后的剩余点重新作为新点云，返回步骤1.3，对每次测量采集的剩余点云进行重新函数拟合，获取新的拟合函数，再次计算每次采集的剩余点云相对新拟合函数的距离，重新进行点的筛选。
[0119]
计算被测端面各温度工况下位姿变化结果的初始结果的具体步骤如下：
[0120]
步骤3.1，根据步骤2得到的每次测量对应的被测端面的最终位姿状态函数，以第一次测量对应的拟合出的函数的特征向量f0为基准，对比分析出其他次测量对应的拟合出的函数的特征向量f
j
相对特征向量f0的角度变化值a{a1,a2,a3,...,aj,...,an}；
[0121]
步骤3.2，按照各温度工况条件给所有测量得到的点云图片进行分组，进行各温度工况下平均位姿角度变化值计算：
[0122]
将各温度工况下的k个端面角度变化值分别进行取平均处理，得到所有m个温度工况下的平均角度变化值a{a1,a2,a3,...,am}：
[0123]
第1个温度工况下的平均角度变化值a1＝(a1 a2 .... ak)/k，
[0124]
第2个温度工况下的平均角度变化值a2＝(a1 a2 .... ak)/k，
[0125]
......
[0126]
第m个温度工况下的平均角度变化值am＝(a1 a2 .... ak)/k；
[0127]
a＝{a1,a2,a3,...,am}；
[0128]
k、m均为正整数，n＝k
·
m。
[0129]
进行端面位姿变化测量数据筛选，确认各温度工况下的端面相对位姿变化最终测量结果的具体步骤如下：
[0130]
步骤4.1，将每个温度工况下的所有角度变化值与该温度工况对应的平均角度变化值进行对比，获取每个温度工况下k张点云图片的角度变化值相对平均角度变化值的差值绝对值δa{δa1,δa2,δa3,...,δak}；
[0131]
a1为第一温度工况的平均角度变化值，则第一温度工况的平均角度变化差值点集δa{δa1,δa2,δa3,...,δak}：δa1＝a1
‑
a1、δa2＝a2
‑
a1、......、δak＝ak
‑
a1；
[0132]
a2为第二温度工况的平均角度变化值，则第二温度工况的平均角度变化差值点集δa{δa1,δa2,δa3,...,δak}：δa1＝a1
‑
a2、δa2＝a2
‑
a2、......、δak＝ak
‑
a2；
[0133]
......
[0134]
am为第m个温度工况的平均角度变化值，第m个温度工况对应的平均角度变化差值点集为δa{δa1,δa2,δa3,...,δak}，其中，δa1＝a1
‑
am、δa2＝a2
‑
am、......、δak＝ak
‑
am；
[0135]
步骤4.2，计算各温度工况下所有角度变化值的标准差a
#
，将各温度工况下所有角度变化值相对平均角度变化值的差值绝对值δa与相应的标准差a
#
进行对比，筛除各温度工况下角度变化值相对平均角度变化值的差值绝对值δa大于标准差a
#
的所有奇异数据；
[0136]
步骤4.3，进行循环判断：如果各温度工况剩余数据数量均小于初始数量k的60％，则进入步骤4.4；如果存在剩余数据数量大于初始数量k的60％的温度工况，则进入步骤
4.5；
[0137]
步骤4.4，对各温度工况剩余数据进行重新计算平均角度变化值，将重新计算的均值作为各温度工况下的端面相对位姿变化最终测量值；
[0138]
步骤4.5，将剩余数据数量大于初始数量k的60％的所有温度工况的剩余数据按温度工况区分，重新进行平均处理获得角度变化值的新平均值a’，返回步骤4.1，对比剩余点云图片的角度变化值与相应各角度变化值的新平均值a’的差值绝对值，继续剔除新角度变化值相对平均角度变化值的差值绝对值大于标准差a
#
的所有数据，再进入步骤4.3进行判断，直至所有温度工况下剩余数据均满足要求。
[0139]
本发明未详细说明部分属于本领域技术人员公知技术。