基于PTS 光栅扫描仪的模具点云获取工艺研究

时间：2024-07-28

陈智，魏艳红，刘仁培，沈泳华

(南京航空航天大学材料科学与技术学院，江苏南京210016)

0 前言

热作模具钢既承受机械负荷，又承受热载荷，在急冷极热的条件下，型腔表面易出现许多小裂纹［1］。目前，对于模具的修复问题，一般采用堆焊修复较为常见。随着时代进步，这种效率低、成本高昂、人员水平要求高的修复技术已经渐渐不能满足市场的需要，人们逐步探索出用机器人代替人工的方法去处理这些问题。将模具堆焊与增材制造相融合便形成了模具增材再制造技术。

前处理作为模具增材再制造的主要组成部分，决定着后续分层切片以及路径规划的难易，显得尤为重要。模具增材再制造前处理主要包括扫描点云的获取、点云处理、生成NURBS曲面、生成三维实体、加工余量实体模型构建以及增材所需模型获取。

如今，在对于已经获得的点云进行处理方面作了大量研究，Z．X．Yang等人［2］采用 K-means聚类算法，对点云进行聚类分析，根据运算时间和所得的聚类数量来确定最佳聚类数，进行分类去噪，所得结果良好。K．K．Sareen等人［3］运用二阶段点云精简算法，在人脸重建方面获得应用，但仅适用于样条曲面模型重建。陈璋雯等人［4］为了能够很好的保留物体表面的一些重要特征，引入模糊熵对点云进行精简。然而，扫描获取点云方法及工艺相应的研究较少。吴阳等人［5］针对三维激光扫描仪获取优质点云做了研究。但是激光三维扫描增加了获取模具点云的成本，而光栅三维扫描仪则可大大降低成本。

文中以PTS三维扫描仪为研究对象，系统分析扫描的角度、喷涂的层数以及光强对模具点云获取质量的影响，为优质模具点云的获取提供参考依据。

1 模具点云的获取流程

点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，其主要包括三维坐标、色彩两部分信息。点云精度评价指标包括点云噪点多少、点云完整性、点云的色差、点云拼接的精度等方面［5］。文中采用PTS三维扫描仪进行点云获取，如图1所示。

图1 PTS三维扫描仪

该扫描仪采用照相式光栅技术，带有两个CCD摄像机和一个中央投影单元，其基本原理如下:将光栅投影到被测件表面上时，由于受到被测零件表面高度的调制，光栅影线将发生变形;通过解调该变形光栅影线，可得到被测表面的高度信息［6］。点云获取的流程如图2所示。

可以看出，点云处理涉及八个过程，处理过程复杂。相比其它物件，模具一般较大，如果操作不当，可能会出现大量的空洞、噪点，甚至需要进行重复扫描，这些将会增加后续点云处理的难度。研究发现，实际的扫描过程中，扫描的角度、显像剂的喷涂以及光强会影响点云的获取效果。

图2 点云获取流程图

2 扫描角度对点云获取的影响

模具点云主要由平面点云和侧面点云组成。试验分别选取链轨节切边下模和挤压模为研究对象，如图3所示，分别研究扫描角度对平面点云和侧面点云的影响。

2．1 扫描角度对平面点云的影响

平面点云常常作为后续标记点识别以及点云拼接的基底部分，尤为重要。文中采取4种角度，对图3a的链轨节切边下模进行扫描，扫描角度如图4所示。

图3 不同形状模具实物图

图4 链轨节切边下模扫描角度

为了测试拼接效果，试验采取两次扫描。扫描后的标记点识别情况以及点云获取结果如图5所示。

从图5a可以看出，扫描角度为0°时，标记点识别全识别，拼接精度高，且扫描出的点云噪点较少，点云的完整性好。从图5b可以看出，扫描角度为30°时，模具点云扫描效果较好，同时标记点反射回的光线较多，能识别出大量标记点，拼接效果良好。但相比0°而言，标记点无法全识别，在精度方面略微有些欠缺。从图5c可以看出，扫描角度为45°时，中央投射单元的光线经过标记点后能部分反射回来，因而能扫描出标记点，但是扫描模具点云时，会出现边角扫描不出来的情况。从图5d可以看出，扫描角度为60°时模具表面能扫描出点云，这是由于中央投影单元的光线经过模具表面后产生漫反射，大部分关线都能被CCD相机接收到。但是60°角度扫描时标记点无法识别。这是由于入射角度过大，中央投影单元的光线经过标记点表面的反射后只有少数的光线能被CCD相机接收到，导致点无法识别出来，无法进行下一步扫描拼接。

综上，扫描角度0°为平面扫描的最佳角度。

图5 标记点识别情况及点云获取结果

2．2 扫描角度对侧面点云的影响

一般情况下，模具的侧面都为规则形状，少数模具为不规则侧面，侧面将为后续模型处理提供定位作用，因而侧面点云形成效果的好坏直接影响后续处理的效率与精度问题。选取图3b挤压模作为扫描对象，事先将平面上的标记点全识别，针对圆柱形侧面采用前后左右4次扫描。标记点识别情况如图6所示。

图6 不同扫描角度的标记点识别情况

从图6 可以看出，0°，30°，45°以及 60°这 4 种扫描角度侧面标记点识别情况都较差。0°，30°以及45°3种扫描角度平面点识别较好，但是侧面点几乎无法识别，这将造成侧面拼接失败。而60°时虽侧面点可以识别，但是平面点无法识别，拼接也无法进行。由此推断良好的扫描角度应该介于45°～60°之间，因此采取45°增加垫块的方式改变入射角度，使得上表面和侧面标记点同时识别，以便拼接。增加一块、两块垫块的示意图，如图7所示。

图7 垫块增加示意图

从图7可以看出，垫一个垫块后入射角变为58．1°，垫两个垫块变为 71．8°。观察加垫块后的标记点识别情况及点云获取结果，如图8所示。

从图8a～8b可以看出，当加一块垫块使入射角度变为58．1°时，侧面拼接效果良好，且扫描效果较好，噪点较少，点云的完整性较高，符合扫描结果的要求。而当加两块垫块(图8c)时，入射角度变为了71．8°，正表面的标记点几乎无法识别，只能识别到侧面标记点，拼接失败。

图8 45°加垫块的标记点识别情况及点云获取结果

综合以上试验结果，为使得侧面点云得以拼接，最佳入射角度应取在58．1°。在实际生产中，针对扫描角度调节时，增加垫块是调节扫描角度的好办法。

3 喷涂层数对点云获取的影响

模具因为表面氧化的作用一般都为暗黑色，而暗黑色的表面结构光的反射能力很弱，因此需要在模具的表面喷涂显像剂。喷涂显像剂是三维扫描过程中一个重要环节，可以帮助扫描者更加方便地得到更好的点云。但显像剂喷量少时，会导致反射效果弱，得到的点云不理想;而显像剂喷量多不仅浪费显像剂，而且导致一些特征消失。因此，有必要对显像剂的喷涂层数展开研究。

为了衡量喷涂量的多少，引入一个新的参考覆盖量β，即单位面积(每平方厘米)内喷涂显像剂的质量。β的计算公式为β=X/S，其中X为喷涂显像剂的质量，S喷涂模具的表面积。

为了测量各喷涂层数对应显像剂的消耗质量，采取称量方法，即:事先称量好显像剂的质量A以及九张白纸的质量B，然后在模具下垫上9张白纸，根据层数要求将显像剂喷涂在模具表面，在过程中会有显像剂损耗，落在白纸上面。喷涂完成后称量显像剂的质量C，以及白纸质量D，那么喷涂显像剂质量为:

选取图3b中的挤压模作为研究对象，采用模具采取的喷涂层数及效果图如图9所示。各喷涂层数对应显像剂以及白纸的质量前后变化见表1。

图9 显像剂喷涂层数效果

表1 各层喷涂完成后对应显像剂以及白纸的质量

根据式(1)以及表1中的数据可以得出，0层无消耗，1 层消耗 2．903 g，3 层消耗 8．890 g，5 层消耗15．076 g，7 层消耗22．020 g，10 层消耗 31．526 g，每一层的消耗量接近于3．000 g。喷涂完成后依次对各层进行扫描，标记点识别结果及点云获取结果如图10～11所示。

当不喷涂时，深暗色的金属表面在镜头下几乎无标记点能识别。当喷涂1层时，依旧不明显，且从正面扫描结果看，靠近镜头一侧的点云能被扫描出，另一侧点云稀疏，不论从标记点识别的角度还是从点云获取的结果角度来看，都不可取。

图10 不同喷涂层数的标记点识别情况

图11 不同喷涂层数的点云获取情况

当喷涂3层时，正面标记点识别状况良好，所有能见的标记点都能识别，但扫描侧面时，发现在镜头下，有明显的三个标记点未识别，且从图11a的扫描结果看，点云整体性较差，点云获取的结果存在空洞现象。

当喷涂5层时，从图10c～10d可以看出，正面和侧面标记点识别状况良好，点云拼接效果优异;从图11b中发现，模具侧面点云表面存在着许多碎小的空洞。这是由于金属表面深浅颜色不一，颜色较深的地方，5层的显像剂喷涂量不足以覆盖，因而一些细小的地方出现小型空洞现象，无法满足点云完整性得要求。

当喷涂7层的时侯，从图10e～10f以及图11c不难发现，无论从点云获取的角度还是标记点识别的角度，点云的完整性和点云的拼接精度方面都满足要求。

当喷涂10层时，标记点的识别满足要求，但与7层相比，点云获取的结果存在图12的问题。图12a中台阶较为明显，保留特征优异，而图12b中台阶趋于平滑，特征丧失。这是由于喷涂10层的量较多，使得显像剂的颗粒覆盖了金属表面的特征，一些棱角的地方变得圆润，并且10层的喷涂也较为浪费。

图12 特征获取对比

从上述分析结果看，喷涂的层数为7层，如图9e所示。通过测量计算得出该模具的表面积S为64 967．317 5 mm2，7层消耗质量X为22．020 g，因此覆盖量为:β=X/S=22．020/64 967．317 5=3．389 4 ×10－4g/mm2。

当使用显像剂喷涂模具表面进行预处理时，为了避免浪费且得到一个效果较为优异的点云，覆盖量为3．389 4×10－4g/mm2时最好，可以作为一个技术参考值。

4 光场强度对点云获取的影响

光强的调整是影响点云获取结果优劣的一个重要影响因素。过小的光强会使得镜头无法识别模具特征，甚至无法看清模具，而过大的光强也会使得一些局部特征丧失，并且会使得噪点增多。因此一个合适的光场强度值就很重要。而图片的灰度与光强有如下表达式:

式中:G为grayscale;r为反射率;l为入射光的强度。因此图像灰度与光强呈正相关，可以近似用图像灰度来反应光强。文中采取50，100，150，200四种灰度值，以枕块模具(图13)作为研究对象，得到的标记点及点云分别如图14～15所示。

图13 枕块模具

图14 不同灰度值的标记点识别情况

从图14可以发现，除了灰度值为50时，一个平面只有寥寥几个标记点被识别到，其余3种灰度值的标记点识别情况都较为优异。

比较图15a和15b，灰度值为100，150时获取的点云从表面上看完整性较好。但仔细观察可以发现，两图圈中为同一部分，相比之下，灰度值150获取的点云较为规整致密，后续处理得到的面较为平整连贯，而灰度值100所得的点云则较为断续，后续处理得到的面需要通过电脑计算进行连贯，较灰度值150的点云而言失真度较高。因此，灰度值150时结果较好。从图15c中可以发现，当灰度值为200时，因为光线太强，反射过于强烈，以至于周边的环境都显现白色，导致获取的模具点云周边有大量多余的点云，导致后处理较为麻烦。

图15 不同灰度值的点云获取结果

因此，实际扫描过程中，操作人员应调整图像灰度值控制在150附近，该灰度值对应的光强可获得最佳点云。