复杂舱容空间离散点综合数据处理平台及容量计量技术研究

随着国防工业的发展，高新计量检测技术将成为新一代武器装备、军工产品和国民经济建设的重要支撑，与其他技术基础领域有机结合，形成综合技术保障体系，为国防建设、武器装备技术水平的提高，以及国民经济建设发挥多重功效。当前，舰船高新技术的发展除了集中在新武器新动力系统的采用外，对舰船的供给保障系统也提出了较高的要求。为了提高舰船的续航力、自给力、姿态控制能力与作战能力，提高舰船的设计水平和建造水平，必须快速、精确地测定计量舰船液舱在舰船不同姿态下的不同液面的容量。水面舰船液舱主要包括各燃料舱、生活水舱、压载水舱、调整水舱等，这类液舱主要分布在舰船的底部和舷侧，空间狭小、结构复杂。对它们的舱容计量检定一直是容量计量的难题。
目前船舶舱室容量计量检测方法通常是容量比较法和几何测量法。容量比较法因费时费力、占用船舶时间长等原因而只在特殊场合使用。几何测量法一般利用经纬仪、激光电子全站仪等仪器进行单点位的测量，然后进行拟合计算，这种测量方法缺点在于采集的数据信息有限，对物体的测量往往是先建立数学模型，再测出特征点、关键点后进行拟合计算。军用船舶的舱室往往存在不规则、形状差异大、对容量测量的要求高、时间紧等特点，如果采用单点位的测量方法，不能保证迅速检测到需要的所有特征点，往往会导致数据出现偏差，阻碍计量的准确性和可靠性的提高。现在国内外都在探索寻找多功能、快速、高精度、易操作的方法应用于容量计量。
从国内外的发展趋势看，液舱容量计量方法已经从接触测量向非接触测量，从手工作业向自动化作业，从事后处理向实时(准实时)处理，从低精度向高精度方向发展。目前在国内外液舱容量计量应用最为广泛的主要为全站仪测量，其特点是单点测量精度较高，但是对于较复杂或存在着大曲面舱壁的舱室而言，全站仪测量明显存在着采样点密度不足、人为影响因素较大、自动化程度不高等技术不足。随着近来地面三维激光扫描、数字近景摄影测量、计算机技术的飞速发展，离散点数据采集的内涵越来越丰富，手段和方法亦日趋完善，精度明显提高，这为解决不规则复杂舱室的容量计量难题提供了新的途径。高速的离散点采集技术突破了传统的单点数据采集模式，实现对物体表面完整细致准确的测量。通过空间离散点测量的数据后处理研究，可以实现对舱室舱容的准确计量。
尽管全站仪测量、数字近景摄影测量以及地面三维激光扫描这三种方法都能够在很大程度上降低计量劳动强度、提高数据获取效率以及可靠性，但是它们也各自存在着自身的技术优缺点。对于全站仪测量而言，其最大的优势就是单点测量精度较高，但是其采样点密度不足使得全站仪难以胜任当舱室结构较为复杂时的测量工作。近景摄影测量技术能够快速方便的获取舱室的真彩色影像，通过光束法平差能够快速的生成目标点云，但是由于舱室内部的纹理信息不够丰富，往往会由于同名点对数量较少而造成目标点云的密度较小。另外，摄影测量还需要通过全局的控制点将目标点云纳入到全局坐标系中，需要依赖全站仪或扫描仪提供全局控制点。地面三维激光雷达作为当前测量领域的高端测量仪器，能够高效率、高精度、高密度的自动获取海量的点云数据，尤其适合于复杂舱室和构件的测量。但是地面三维激光雷达存在着测站坐标系统任意的问题，在配准过程中需要提供高精度全局控制点来将各站点云数据纳入到全局统一坐标系中。另外，在地面三维激光雷达在数据获取过程中，往往还会由于目标遮挡、入射角、材质等而造成数据空洞，对于较复杂的空洞还需要依赖摄影测量技术进行修补。三种测量技术的比较如下表1-1所示。
目 录
1. 概述 1
1.1 项目的目的和意义 1
1.2 研究目标 3
1.3 研究内容 3
2 复杂舱室离散点综合管理 6
2.1 舱室多源离散点数据特征 6
2.1.1 全站仪测量数据 6
2.1.2 摄影测量数据 7
2.1.3 激光扫描测量数据 7
2.2 多源离散点的集成管理 8
2.2.1 树形结构集成管理 8
2.2.2 图形结构集成管理 9
3 点云高精度配准方法研究 11
3.1 点云配准算法 11
3.1.1 六参数法 11
3.1.2 四元数法 12
3.2 点云配准技术 14
3.2.1 基于特征的配准技术 14
3.2.2 基于点云的配准技术 16
3.3 点云配准的几何约束 19
3.4 点云配准参数的稳健估计 20
3.5 基于位置不确定性的点云配准误差 21
4 海量离散点数据的高效数据模型与管理机制的研究 23
4.1 海量离散点数据的索引机制 23
4.1.1 八叉树索引 23
4.1.2 K-D树索引 24
4.2 海量离散点数据管理机制 25
4.2.1 管理机制 25
4.2.2 动态更新机制 26
4.2.3 索引数据存储与访问机制 29
4.2.4 动态调度与绘制机制 32
4.2.5 邻域查询机制 35
4.3 基于Oracle空间数据库的数据模型 36
4.3.1 大对象数据类型 36
4.3.2 SDO_PC存储模型 37
4.3.3 存储关系 39
4.4 基于GPU的点云绘制技术 40
4.4.1 SPT算法 41
4.4.2 基于八叉树的SPT算法 44
5 离散点数据预处理技术研究 49
5.1.1 点云噪声滤波 49
5.1.2 滤波思想 49
5.1.3 随机噪声滤波技术 50
5.1.4 孤立点滤波技术 53
5.2 点云空洞修补 54
5.2.1 曲面拟合内插修补技术 54
5.2.2 摄影测量点云修补技术 55
5.3 点云数据简化与压缩 59
5.3.1 包围盒法 59
5.3.2 随机采样法 60
5.3.3 曲率采样法 60
6 基于舱室综合离散点数据的三维结构信息智能提取研究 62
6.1 边界提取分割法 62
6.1.1 特征点提取 63
6.1.2 最小生成树的建立 64
6.2 区域分割法 66
6.3 分割区域的识别分类 67
7 基于舱室综合离散点数据的舱室三维模型重建研究 68
7.1 离散点数据直接三角构网重建 69
7.2 基于点云区域生长的初等曲面模型重建 71
7.2.1 基于点云区域生长的平面拟合 71
7.2.2 基于点云区域生长的圆柱拟合 73
7.2.3 基于点云区域生长的球面拟合 76
7.2.4 基于点云区域生长的圆锥拟合 77
7.3 基于基面参数化的NURBS曲面重建 79
7.3.1 NURBS曲面构造 80
7.3.2 孔斯曲面构造 83
7.3.3 数据点的基面投影参数化 87
7.3.4 节点矢量的生成 88
7.3.5 参数点插值 89
7.3.6 最小二乘法拟合曲面 89
7.3.7 曲面接边 91
8 基于舱室三维模型的舱室舱容计量研究 92
8.1 曲面三角剖分 92
8.2 水面线与曲面的求交 93
8.3 体积计算 94
9 复杂舱容空间离散点综合数据处理软件研制 96
9.1 系统开发环境 96
9.2 系统结构及应用模块 96
9.3 CabinWorks系统运行实例 97