大体积比工件是指由两个或多个体积相差较大的部件装配组成的工件。其典型代表为固体火箭发动机,而固体火箭发动机作为当今最常用的武器及航天器推进机构,其装配的成败直接关系着产品质量的好坏。固体火箭发动机主要部件为大体积的燃烧室及小体积的喷管,这两部分的装配是通过末端装配面之间穿过螺栓固定,此外,装配面上往往加工一个或多个台阶面(凸台及凹台)以实现密封。大体积比工件装配面的尺寸检测项目十分繁杂,传统测量方式无法高效甚至有效的进行检测。本文以大体积比工件的代表——固体火箭发动机各部件装配面作为研究对象,以其几何尺寸测量作为研究目标,研发了一套大体积比工件装配面尺寸检测系统并对测量系统获取的装配面点云数据进行处理,主要研究工作如下:(1)大体积比工件装配面尺寸测量机研发结合装配面外形特点,本文在充分利用三坐标测量机(CMM)和关节臂式坐标测量机(AACMM)优点的基础上,开发了一套基于龙门、回转臂及二维线激光传感器的关节臂式坐标测量机。二维线激光传感器可以实现大比例工件各部件装配面的高效高精度的全尺寸检测,龙门结构的引入保证了大体积比的部件(燃烧室与喷管)可以在同一坐标系下被检测,回转臂的使用给测量机提供了灵活的测量空间以应对复杂检测项目的挑战,同时摒弃了人工引导测量,从而减少了人工因素的引入。(2)激光测量信号降噪算法原始激光信号在获取过程中受环境光照、待测表面形态以及测量机自身物理限制的影响,无可避免的会存在噪声,本文提出了一种基于自适应的数学形态学滤波算法对激光信号进行降噪处理,该算法首先以RANSAC算法分段拟合激光信号,再以分段线作为形态学滤波模板,自适应的控制模板长度,在滤除噪声的同时,实现了激光测量信号中尖锐角点的保护。(3)点云压缩算法对于通过测量机获取的装配面海量三维点云数据,文中提出一种拟万有引力定律定律的点云精简算法对其进行压缩。该算法充分利用了测量机获取的点云数据的组织特点,通过将点云投影至二维平面,求取每一点的“合力”参数,并以该参数作为依据,将点云分割为“非特征点集”与“特征点集”两部分,进而保护“特征点集”并对“非特征点集”进行大比例抽样,实现了特征保持的点云压缩。(4)点云尖锐特征微分信息估计算法对于台阶面等尖锐特征,传统的K邻域(KNN)或经过结构张量协方差矩阵特征熵优化的最佳K邻域算法均无法有效解决尖锐特征处采样点邻域存在多个平面点的问题,为此,本文在最佳K邻域的基础上,提出一种基于二维特征值最大化的邻域选择算法,该算法选取尖锐特征处采样点最佳邻域中点密度最大的一个平面上的点作为其邻域,从而避免了因邻域存在多个平面而造成的法向量等微分信息失真。(5)装配面几何特征值估计算法本文将三维特征信息组成特征向量,对点云压缩时分割出的“特征点集”进行细化,将“特征点集”细化为“非特征平面点集”、“螺纹孔点集”以及“台阶圆柱体点集”,对“非特征点集”进行分层并以RANSAC算法进行平面拟合,以点数最大的平面作为基准平面,将点云各个点集分别对其投影并得到相应位图,通过数学形态学梯度获取位图边缘,从而得到点云边界点集,以RANSAC算法对边界点集进行圆拟合,从而获取装配面圆类几何特征信息。通过RANSAC算法再次对“台阶圆柱体点集”进行回转轴估计,而后将该点集投影至回转轴,统计投影最大值与最小值,从而得到了台阶高度(深度)。通过法兰类工件以模拟固体火箭发动机装配面,实验结果表明:测量系统对螺纹孔内外直径的检测最大误差为0.05mm,最大均方根误差为0.018mm;对台阶直径检测的最大误差为0.04mm,均方根误差为0.02mm;对工件外直径检测的最大误差为0.06mm,均方根误差为0.023mm;对台阶高度(深度)的检测最大误差为0.03mm,均方根误差为0.016mm。