基于三维激光扫描技术的弹体表面凹凸缺陷检测研究

郭 杰，陈 阳，张冬冬，张 亮

（1.陆军工程大学，南京 210007；2.32670 部队，辽宁 朝阳 122527）

0 引言

炮弹抽样检查中，弹体表面缺陷检测必不可少，多数情况以肉眼进行判断，存在较大误差，对弹药安全使用存在较大隐患。目前，如红外热成像法、涡流法等也可实现弹体表面的缺陷检测，但均存在着技术复杂，定量分析不准等缺点，识别精度和检测速度都难以满足要求。近几年来，三维激光扫描技术广泛应用于变形监测[1]、工业零部件精度分析[2]，其自动获取的点云数据具有较高的密度，在三维物体表面缺陷检测[3]，获得了很好的效果，为弹体缺陷检测带来了新的方法。

在三维激光军事应用上，胡凯征[4]等将三维扫描重构技术应用于弹体结构的特性快速分析和计算，发现非接触、精度高、适用性强的三维激光扫描技术非常适合复杂导弹外形的检测和结构特性分析。针对利用三维激光点云进行缺陷检测，王颖[5]等在分析散乱三维点云特点的基础上，通过对三维点云规则化处理，实现了设备表面凹凸缺陷的快速检测和三维重构。李宇萌[6]等在对初始点云数据进行边缘剔除和点云精简基础上，实现了基于点云配准的转子表面缺陷检测，实验结果表明对凸起缺陷检测效果比较精准。钱海[7]等基于三维激光扫描和BIM 技术，提出的一种基于点云的建筑构件缺陷检测方法，通故实验证明可以有效、准确识别缺陷，误差量化差小于9%。在基于三维点云数据缺陷检测基础上，韦雪花[8]等针对树冠形状不规则，树冠体积难以测量和计算的问题，提出一种基于三维激光扫描点云的树冠体积计算方法，其获取的树冠参数与外业实测差异不大，能够得到较高精度的冠径、冠高数据。周绪达[9]、曹新华[10]、高云霞[11]等利用数学方法综合分析测算了不规则图形的面积，为弹体缺陷的量化计算研究奠定了基础。

本文主要研究基于三维激光扫描技术，获取弹体表面缺陷的点云数据，通过对三维点云数据的处理与计算，利用数学方法进行缺陷体积计算，实现了缺陷识别及其量化处理，对于弹药的安全储存和使用具有重要的意义

1 点云数据获取及处理

1.1 系统标定

为有效降低系统误差对点云数据的影响，利用三维激光扫描系统获取弹体表面三维数据之前，需要对该系统进行标定，即在给定的摄像机模型下，通过获取DLT 模型所需要的各种参数初始值，再通过光束法平差解求出精确的参数值，从而求解出像平面上与物理坐标中各点的映射关系。

1.2 数据采集

首先把标定好的三维激光扫描仪固定在支架，避免人为操作造成的误差；其次将弹体样品放在均匀旋转工作台上，实验开始后，使其能够匀速旋转，以保证弹体表面数据能够被三维激光扫描仪准确采集。

2 点云数据处理

三维激光扫描采集的点云数据最初是散乱的，不宜直接进行缺陷识别和量化计算，需要进行去噪、边缘剔除、点云精简等处理操作。其基本流程如图1。

图1 点云数据处理流程

2.1 点云配准

点云配准是指一对点云数据集进行两两配准，主要是由于初始获取的点云存在数据不完整、旋转错位、平移错位等问题，需要确定一个合适的坐标变换，将从各个视角得到的点集合并到一个统一的坐标系下，形成完整的点云数据，方便后续的误差识别等操作。

2.2 点云去噪

在获取弹体表面点云数据时，由于环境因素、操作原因等因素影响，三维点云数据中混杂有一些无关对象和离群点，首先需要进行去噪处理以降低对后期识别造成的影响。通常采取直接观察法和弦高偏差法结合的方式进行去噪处理，对于明显的噪声点，首先通过肉眼观察并初步删除；其次利用截面数据的起点和终点拟合出曲线，通过最小二乘法计算各数据点到曲线的距离di，允许距离D，当di＞D时，判定为噪声点，予以删除。

2.3 点云精简

获取的高密度弹体三维点云数据，其特点是数据量庞大，分布不均匀，含有大量冗余数据，若直接进行数据的三维曲面重构，计算资源占用量大，计算时间长，工作效率低。为了提高重构的效率，在保留重要的三维点云数据同时把冗余数据清除，实现对数据的精简。针对弹体形状为曲面特点，根据曲率大小，采用基于曲率的简化算法进行精简，将点云数据划分为多个曲率区间，对应各个曲率区间设定不同的阈值。设在某一曲率区间内，按照从小到大的顺序，把该区间内曲率进行排序，设该区间阈值为h，曲率基准点取该区间内曲率最小的点po，若曲率差，则删掉点pj，否则保留点pj，并把点pj作为新的基准点，重复以上过程直至该曲率区间内的点全部比较完毕。

3 基于弹体表面点云数据模型的缺陷检测原理及量化计算

本文中检测弹体具体指垂直于炮弹主体截面形状为圆截面的弹体，因此，在弹头方向朝上且始终垂直于地面时，垂直方向上的点云数据应该都是平行的闭合圆曲线。如不满足以上条件的情况则可判定为缺陷，本文主要研究弹体表面常见的缺陷特征，即凹陷和凸起。如图2 所示。

图2 弹体缺陷及横截面示意图

3.1 凹凸缺陷的识别原理

由于垂直炮弹主体截面形状为圆截面，所以通过三维激光扫描获取弹体的三维点云数据，进行规则化处理后以圆周形式存在，正常情况下，圆周上任意一点的切向量和法向量相垂直且法向量与对应半径重合，相邻点的切向量变化是相对连续的；若出现凹陷或凸起缺陷，则圆周上的点分布发生变化，此时过圆心的法向量方向与该点切线的方向连线形成的夹角θ＞90°或θ＜90°。记录下发生变化的数据点，计算其到对应的圆心距离Di，将其与对应圆周上的判别半径阈值Ri进行比较；根据Ri与Di的大小判断凹凸情况，若Ri ＜Di，则记录该点为凸出点；若Ri ＞Di，则记录该点为凹陷点。如图3 所示。

图3 弹体缺陷识别示意图

3.2 确定判别半径R

判别半径阈值R的大小为横截面圆周上正常点到圆锥顶点到圆锥底面垂线距离，可根据标准弹体实验及弹体设计要求规范查阅得知。或者根据缺陷识别的三维点云数据，通过选取法向量与半径重合的点到圆心的距离进行加权平均计算得到。即

3.3 缺陷体积的量化计算

运用微分方法，将总缺陷分成多个子缺陷，计算每个圆周子缺陷的截面积Si以及相邻圆周之间的距离Di，子缺陷体积缺陷总体积。具体方法如下：

本文以凸出缺陷为例（图4），缺陷横截面的面积为曲线AECFB和圆弧ADB所组成的区域，缺陷的体积V等于缺陷长度D乘以缺陷横截面面积SAECFBD。以圆心为坐标原点建立空间坐标系，设圆的方程为f（x），缺陷曲线方程为g（x）。则由两条封闭的曲线f（x）、g（x）组成的面积S即为缺陷面积，根据缺陷识别标定首末交点即两条曲线的交点A（xA，yA）、B（xB，yB），观察在[Xa，Xa]，

图4 弹体凸起缺陷量化计算示意图

V为缺陷体积，D为缺陷长度，Si为缺陷面积。

4 实验研究及结果分析

4.1 实验装置

实验采用法如Focus S350 三维激光扫描仪，其拥有当今创新性的功能，能够在室外和户内环境下进行激光扫描，真正具有移动性、快速性和可靠性，扫描范围达350 m，距离精度±1 mm，适用于建筑、缺陷检测等行业的应用。实验装置如图5 所示。

图5 现场实验

4.2 结果分析

实验中基于已知体积的不同形状的橡皮泥模拟凸出缺陷，附着在弹体表面，进行误差识别和量化实验，检测结果如表1。

表1 实验结果对比

实验结果分析发现，利用三维激光扫描可以有效识别弹体表面凹陷和凸出缺陷，识别精度较高；但量化精度还有待提高，对于规则型缺陷量化误差最小为0.67%，平均误差为0.81%，但不规则凹陷或凸出缺陷量化误差较大，最小误差为5.5%，平均误差为7.89%。

5 结束语

本文通过三维激光扫描技术快速、精确地获取了弹体表面点云数据，同时依托处理后的点云数据模型进行缺陷识别，不仅有效实现了凹凸缺陷识别，而且通过量化积分计算方法，得到缺陷体积的数值，并进行误差分析，为评估炮弹安全使用提供了科学依据。