[发明专利]应用于涡轮叶片气膜孔检测的目标点云分割方法

权利要求书

1.一种应用于涡轮叶片气膜孔检测的目标点云分割方法，其特征在于，通过五轴激光测量平台采集待测涡轮叶片的空间三维点云数据，根据激光传感器测量轨迹及激光点云分布特点，对叶片激光点云数据在前进方向上进行空间切片化降维处理，并结合各切片点云数据梯度分布特征，计算直线拟合残差、筛选气膜孔区域点云切片；在此基础上对筛选后点云切片进行去趋势化处理，得到各切片拟合误差类水平线；通过阈值筛选得到各切片上目标点集，实现气膜孔目标区域点云分割，继而对气膜孔目标区域点云进行轴线方向、孔径大小提取，实现对涡轮叶片气膜孔的质量检测；

所述的筛选气膜孔区域点云切片是指：基于直线拟合残差ε与筛选阈值λ对点云切片单元进行分类，得到包含有气膜孔区域目标点的点云切片单元d_i，具体为：其中：l_tar为含有气膜孔目标点的点云切片单元，l_unt为不包含有气膜孔目标点的点云切片单元；

为了将高低起伏情况的涡轮叶片表面形貌的点云切片单元用于目标点云数据的分割提取，对点云切片单元做去趋势化处理，具体为：基于切片离散点云拟合直线，计算点云切片单元的拟合误差：得到各切片拟合误差类水平线d_pi，其中：(x_pi，y_pi)为去趋势化后拟合误差类水平线中数据点的坐标，(x_i，y_i)为去趋势化前点云切片单元中数据点的坐标；

所述的阈值筛选是指：在处理得到的拟合误差类水平线d_pi数据点集基础上，通过拟合误差统计密度梯度法，对去趋势化处理得到的拟合误差类水平线进行等距分层，计算各层误差分布密度ρ_E，依据ρ_E的密度梯度最大值确定点云数据筛选阈值φ，筛选得到各点云切片单元上目标点集。

2.根据权利要求1所述的应用于涡轮叶片气膜孔检测的目标点云分割方法，其特征是，所述的激光传感器测量轨迹及激光点云分布特点是指：线激光扫描数据在前进方向上呈切片状分布，且相邻切片间隔一定。

3.根据权利要求1所述的应用于涡轮叶片气膜孔检测的目标点云分割方法，其特征是，所述的空间切片化降维处理是指：基于线激光传感器测量轨迹及点云分布特征，将扫描点云切片，在XZ平面投影得到X向长度为16mm的二维点云切片单元d_i，i＝1，2，3，…，n，初始化i＝1。

4.根据权利要求1所述的应用于涡轮叶片气膜孔检测的目标点云分割方法，其特征是，所述的各切片点云数据梯度分布特征是指：针对涡轮叶片不同区域扫描切片，其离散点云沿Z向具有不同的梯度分布规律，Z向梯度公式为T_i(p_i，p_i+1)＝(Z_i-Z_i+1)/d，其中：p_i为当前点云切片单元d_i上一点，Z_i为该点的Z向高度，d为当前点云切片单元的离散点间隔。

5.根据权利要求1所述的应用于涡轮叶片气膜孔检测的目标点云分割方法，其特征是，所述的直线拟合残差是指：在处理第i个点云切片单元d_i时，采用最小二乘法拟合点云切片单元d_i中的离散点云，拟合直线为z_i＝bx_i+a，计算直线拟合残差其中：w_i为残差拟合系数，Z_i为离散点测量高度，Z_i′为拟合直线高度，Z_i′＝bX_i′+a。

6.根据权利要求1所述的应用于涡轮叶片气膜孔检测的目标点云分割方法，其特征是，所述的密度梯度T_k＝ρ_E(k)-ρ_E(k-1)，其中：ρ_E(k)、ρ_E(k-1)为邻近层误差分布密度，T_k为相对应的密度梯度。