

国际航空航天科学|基于双目视觉的飞机翼身叉耳对接装配偏差检测方法

汉斯出版社

2025-07-15

导读：关注汉斯出版社公众号联系小编即可投稿，还可获取最新论文模板！

导读：

针对飞机翼身对接装配中叉耳位姿偏差测量精度不足的问题，本文提出了基于双目视觉的飞机翼身叉耳对接装配偏差检测方法。首先，搭建了飞机翼身叉耳对接装配偏差检测系统，然后，构建了基于双目视觉的叉耳装配偏差检测模型，采用RANSAC算法拟合叉耳孔边缘并剔除离群点，采用三角测量法并借助激光跟踪仪和参考板将相机坐标系中的孔心坐标转到全局坐标系。其次，采用三角测量法求出叉耳配合面上点的三维坐标并拟合边界直线。最后，根据同轴度和间隙偏差数学模型计算装配偏差。实验结果表明，相比于传统的单目视觉检测，该方法有效降低了叉耳同轴度检测偏差和间隙检测偏差。

基本信息：

基于双目视觉的飞机翼身叉耳对接装配偏差检测方法

Aircraft Wing-Fuselage Fork-Ear Docking Assembly Deviation Detection Method Based on Binocular Vision

作者：

崔伟, 朱永国*, 田兴源, 何敏寅, 江伟鹏：南昌航空大学航空制造与机械工程学院，江西南昌；万远：江西国科军工集团股份有限公司，江西南昌

关键词:

机翼；机身；装配；双目视觉；偏差检测

项目基金：

江西省重点研究计划(20243BBG71004)

国家自然科学基金(52465060)

航空科学基金(2024M050056002)

原文链接：

https://doi.org/10.12677/jast.2025.132004

内容简介：

在汉斯出版社《国际航空航天科学》期刊上，有论文提出了基于双目视觉的飞机翼身对接装配偏差检测方法。

基于双目视觉的叉耳对接装配偏差检测系统的主要组成部分如图1所示。

飞机翼身叉耳对接装配偏差检测流程主要步骤如下：

模型构建

1）基于RANSAC和最小二乘的叉耳孔拟合

针对提取出的叉耳孔边缘，对其边缘像素点集Ec(ui,vi) ，其中i∈(1,n) ，采用RANSAC筛选椭圆拟合所需的点集，其中i为像素点数量。翼身叉耳孔在相机像平面投影为椭圆，采用最小二乘法进行椭圆拟合。

椭圆拟合模型如下：

2）叉耳孔心三维坐标求解

如图2所示，左右相机同时采集叉耳孔图像并提取叉耳孔心，设叉耳孔心点P在左右相机成像平面的像素坐标分别为pl(ul,vl) 和pr(ur,vr) 。左右相机成像平面关系可表示为：

式中，R和T为左相机坐标系与右相机坐标系之间的旋转矩阵和平移向量。

以左相机坐标系为相机参考坐标系，点P 在左相机坐标系中的三维坐标可通过下式计算得出：

式中，flx 、fly 和frx 、fry 分别为左右相机焦距，(Xr,Yr) 是点P的右相机像平面坐标，(Xl,Yl) 是点P的左相机像平面坐标。

为确定左相机坐标系中的三维坐标在全局坐标系中的位置，利用激光跟踪仪与参考板获取左相机坐标系与全局坐标系的转换关系。

3）叉耳间隙偏差检测

从空间点集El(ui,vi) 任意选取两点(u1,v1) 和(u2,v2) 构建直线，其中i∈(1,n) ，采用RANSAC算法从若干直线中筛选内点占比最多的直线为理想直线，再通过最小二乘法优化直线方程参数，使得误差平方和最小化，得闭式解：

式中，斜率k和截距b为理想直线的优化参数。

选取直线上两个像素点，根据双目视觉三维坐标求解可以得出两个点在全局坐标系下准确坐标，通过最小二乘法拟合出空间直线方程。

实验

对相机采集图像采用张正友标定法得到左右两个单目相机的内部参数、外部参数，左右相机标定结果如表1所示。如表2所示，重投影误差仅为0.0332像素，可满足测量精度要求。

根据标定板与双目相机的相对位置关系，可确定左右相机的相对位姿，以左相机坐标系为基准，通过双目标定来获取左右相机相对位姿关系。

采用RANSAC算法拟合椭圆和直线的参数，得出叉耳对接装配的检测结果，且图像中叉耳孔边缘和叉耳配合面边界直线拟合检测效果满足预期。

在对接装配前，叉耳接头处激光光路未遮挡，为验证相机测量精度。由于叉耳装配处的遮挡，采用单目相机测量与本文测量方法进行对比实验。

结论

实验结果表明，相比于单目视觉测量方法，本文方法提高了飞机装配偏差检测精度，为飞机大部件装配技术的发展提供了新方向和方法。

1.彭雪松, 赵金星, 徐成昊, 王义文. 基于深度视觉的多旋翼无人机障碍物检测研究[J]. 建模与仿真, 2024, 13(3): 2023-2038. https://doi.org/10.12677/mos.2024.133187

2.秦昌述, 张逸飞. 基于进给轴信号采样的机床装配质量检测方法[J]. 动力系统与控制, 2021, 10(3): 152-161. https://doi.org/10.12677/DSC.2021.103016

3.戴星宇, 金晅宏, 王轩宇. 基于机器视觉的物料检测算法设计[J]. 软件工程与应用, 2022, 11(6): 1500-1513. https://doi.org/10.12677/SEA.2022.116155

4.黄远民, 易铭, 杨曼, 罗瑜清. 基于机器视觉的板材表面缺陷自动检测方法研究[J]. 人工智能与机器人研究, 2019, 8(3): 109-117. https://doi.org/10.12677/AIRR.2019.83014

5.闫朋涛, 王昆伦, 张学雨, 闫涛格, 孙家亮, 张旭. 基于机器视觉技术的小米品质检测方法研究[J]. 计算机科学与应用, 2019, 9(10): 1839-1846.

https://doi.org/10.12677/CSA.2019.910206

所属期刊

-Journal of Aerospace Science and Technology-

《国际航空航天科学》是一本开放获取、关注航空航天领域最新进展的国际中文期刊，主要刊登航空航天领域基础研究及应用的原始性研究成果及前沿报道、学者讨论和专业评论等多方面的论文。本刊支持思想创新、学术创新，倡导科学，繁荣学术，集学术性、思想性为一体，旨在给世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论该领域内不同方向问题与发展的交流平台。