可重构点云模型在汽车尺寸匹配分析中的应用.pdf

32March20232023年3 月DRIVESYSTEMTECHNIQUENo.1Vol.37动术第3 7 卷第1 期技传文章编号：1 0 0 6-8 2 4 4（2 0 2 3)0 1-0 3 2-7可重构点云模型在汽车尺寸匹配分析中的应用Application of Reconfigurable Point Cloud Model inCar Dimension Matching Analysis黄立辉陆淼莫俊（上汽大众汽车有限公司，上海2 0 1 8 0 3）Huang LihuiLu MiaoMo Jun(SAIC Volkswagen Automotive Co.,Ltd.Shanghai 201803)摘要针对汽车外覆盖钣金件的尺寸匹配问题，提出了一种基于光学扫描的可重构点云模型，旨在解决传统分析方法中，需要实物零件进行搭建匹配，分析效率低、成本高等问题。首先，利用光学扫描技术，构建零件点云数据库；根据CMM测量经验对外覆盖钣金件进行模块划分，得到易变形零件集模块及不易变形零件集模块；将零件点云按照一定的规则进行拼装，得到初始化点云拼装模型；根据分析需求，将新状态零件点云按照不同的坐标系变换规则换装到初始化点云拼装模型，进而实现对新状态零件的尺寸匹配评价。该方法能快速响应尺寸匹配需求，特别是在新项目阶段，能有效提升工作效率，节约分析成本LAbstractjFor the car metal part dimension matching problem,a reconfigurable point cloud model is pro-posed to solve the problem,compare with the traditional solution,the new concept can reduce the cost,im-prove the efficiency.Firstly,build up point cloud database by optical measurement;secondly,according tothe CMM result to divide the metal parts to two groups.According to specific rule to assemble the pointcloud together to get the original point cloud model,exchange the new parts and the old parts to get thenew point cloud model.Base on the new model,analysis the matching result.The dimension matching a-nalysis could be quickly response by this method,especially in new project status.关键词：尺寸匹配光学测量点云模型可重构Key words:dimension matchingoptical measurementpoint cloud1reconfigurable中图分类号：TP3U46文献标识码：B0引言整车尺寸的匹配质量，是各大车企质量控制的一个重要环节。汽车外覆盖钣金件的尺寸匹配，是整车尺寸匹配的主要组成部分。目前各大车企对汽车外覆盖钣金件的尺寸匹配评价方式主要是利用AMB/KCB等综合匹配样架及主模型1 1，对外覆盖钣金件的尺寸匹配确认，普遍存在搭建周期长、人力及零件成本高等诸多问题，如何快速有效地进行外覆盖钣金件的尺寸匹配，是各大车企呕待解决的问题。针对传统评价方式的弊端，本文提出了一种基于光学扫描、空间坐标转换、点云存储及点云拼装的可重构点云模型，该模型能充分利用光学测量数据采集全面、直观的优势，根据具体分析需求，通过坐标系转换、新老零件点云替换，快速重构可用于尺寸匹配分析的点云模型2-3 ，该方法不但能有效降低尺寸的评价时间与成本，而且可以实时对点云模型进行按需调整，为尺寸分析人员提供全面的数据支持。1可重构点云模型可重构点云模型是一个相对完整的外覆盖钣金件的点云集，在该点云集中，各个零件点云各自独立，按各自的定位规则，在空间上组合成一个点云模型，如图1 所示，该点云模型中的任意零件可以作者简介：黄立辉，男，硕士，工程师，工作方向为：汽车匹配及尺寸工程。E-mail：h u a n g l i h u i c s v w.c o m33黄立辉等：可重构点云模型在汽车尺寸匹配分析中的应用根据不同的分析需求进行更换，得到新状态的点云模型。在该模型上可以完整地评价零件之间的平整度间隙、腰线匹配、零件干涉分析等，该方法响应速度快，能实时可视化展示最新状态的零件之间的匹配状态。图1 可可重构点云模型Fig.1Reconfigurable point cloud model图2 为利用可重构点云模型进行问题分析的一个基本流程，包含数据获取、点云处理、坐标系变换、问题分析等四个方面，数据获取GOM、Cr e a f o r m 激光扫描仪等点云处理修补、光顺、精简等零件点云坐标系变换RPS,局部最佳拟合，装备基准等可重构点云模型问题分析评价平整度、间隙评价，干涉分析图22工作流程Fig.2Working process1.1数据获取可重构点云模型实现的前提是零件的数字化，目前主流的零件数字化方式是光学扫描，通过专业的光学扫描设备，如GOM公司的Scanbox、型创公司的Creaform激光扫描仪、国内思看科技的SeeScan扫描仪等（如图3 所示），快速扫描并生成零件点云1.2点云处理点云的处理，主要针对利用光学扫描仪采集的数据，进行噪点去除、缺陷修补、网格化及数据容量的精简，例如对非匹配区域的点云密度进行稀化，以保证点云在满足匹配分析要求的前提下，达到尽可能减少存储及传输压力的目的。图3常见的光学扫描设备Fig.3Opticalmeasuredevices1.2.1点云网格化点云的网格化又叫三角化处理（如图4 所示），是一个点形成三角化面片、三维重建模、形成面模型的过程。点云的三角化处理，使用Delaunay三角剖分算法4-5，其实质是给定一组散乱的数据点，将各数据点之间以三角形包络，形成一张三角网格，即三角形的顶点不一定是点云的数据点，而是通过三角形将点云数据点包络其中图4点云与三角网格Fig.4Point cloud and mesh1.2.2点云的修补与光顺网格化后的点云，有可能表面存在残缺（如图5所示），需要对点云进行修补及光顺，得到质量较好的零件点云，常用的点云修补软件有GOM等。图5点云修补与光顺Fig.5Mesh repair34黄立辉等：可重构点云模型在汽车尺寸匹配分析中的应用1.2.3点云的精简零件的点云文件具有数据全面的优势，同时也存在文件存储体积大的缺点，为了便于存储与传输，有必要对零件点云进行精简，保留匹配区域的点云密度，稀化非匹配区域的点云密度。图66点云的精简Fig.6Mesh simplification1.3点云坐标系转换如何对零件点云按照一定的规则进行拼装，是得到可重构点云模型的关键，车身坐标系是可重构点云模型的基础，所有零件基于车身坐标系，可以得到最基础的可重构点云模型，应对不同的分析需求，很多时候，需要对零件点云按照特定的要求进行坐标系变换6-7，例如：需要模拟生产线装配手法对零件点云进行拼装，分析装配过程中零件之间的干涉量等。常用的坐标转换有局部型面最佳拟合、参考点系统拟合（RPS）及装配基准最佳拟合等，如图7 所示1093图7装配基准拟合及参考点系统拟合（RPS)Fig.7Assemble reference and reference point system1.4匹配评价尺寸匹配评价是可重构点云模型的重要用途，通过可重构点云模型，可以在车身坐标系下评价零件之间的匹配状态，如常规的平整度、间隙等指标；可以根据实际问题分析需求，对零件点云空间位置进行坐标系变换，得到符合需求的点云模型，在此基础上进行干涉分析（例如侧框与尾灯的干涉分析、车门关闭力分析中涉及到的密封条压缩量分析等），如图8 所示，。距离1标称实际偏差 检验L+4.20+4.20+0.00距离2标称实际偏差检验L+15.75+15.755L+0.00图8 平整度评价及干涉分析Fig.8Analysis of flushness and interference2模块划分模块划分是可重构点云模型实现的另一个基础，合理的模块划分能有效提升可重构点云模型的精度。本文提及的模块划分8 ，主要基于以下两点：第一，模块划分原则，是基于零件在装车前后，自身的变形情况而定。基于外覆盖件钣金件在装车前后的三坐标测量数据，对外覆盖件按装配受力变形程度进行模块划分。第二，简化选取原则，通常情况，零件在装车过程中会发生不同程度的变形，对尺寸匹配分析而言，如果在匹配区域，零件变形在可接收范围内，则认为该零件受力不易变形。基于上述两个原则，对车身外覆盖钣金件各区域进行划分。35黄立辉等：可重构点云模型在汽车尺寸匹配分析中的应用图9 黑圈所示区域装配前后，零件变形在尺寸评价允许范围内，可以划分为受力不易变形区。前后盖、车门窗框区域由于受气弹簧、密封条、锁块影响较大，划分为受力易变形区。综上所述，车身外覆盖钣金件进行模块划分，如图1 0 所示。图9受力不易变形区示意图Fig.9Deformation area车身外覆盖件翼子板侧框前后门1前后盖11主模块1主模块2门板1窗框111图1 0模块划分示意图Fig.10Moduledivision主模块1：对比装车前后，零件匹配区域变形在0.2mm以内的区域，定义为受力不易变形模块，该模块主要包含的零件有：翼子板、侧框总成、前后门的门板区域，如图1 1 所示。主模块1翼子板门板侧框图1 1受力不易变形模块示意图Fig.11Module division主模块2：对比装车前后，零件匹配区域变形超过0.2 mm的区域，定义为受力变形模块，该模块主要包含的零件有：前后门的窗框区域、前后盖，如图12所示。主模块2窗框前后盖图1 2受力变形模块示意图Fig.12Moduledivision针对主模块1 的零件，可以利用坐标系空间转换、最佳拟合等方法，形成一套可重构模型的执行策略。该模块是本文的主要研究对象，可重构流程实现如下：（1）测量部门采集零件点云数据；（2)选定适合的建坐标方法，构建零件装配坐标系；（3）将零件点云进行拼装，得到可重构点云36黄立辉等：可重构点云模型在汽车尺寸匹配分析中的应用模型；（4)在可重构点云模型基础上，完成零件尺寸匹配分析及评价。针对主模块2，需要引人有限元分析技术，对模块内的子模块进行受力仿真分析，或利用大数据进行机器学习，模块2 中的零件，目前按技术实现难易程度，可以分三步走：第一步，新老状态零件通过全型面的面差计算，根据新老状态零件在匹配区域的，定性分析当前优化措施的有效性，实现实时对零件优化状态的评估；第二步，在重点匹配区域锚定参考点，通过累计大量的实例，积累学习数据，通过机器学习的方式，拟合变形后的数据；第三步，通过有限元分析技术，针对初始状态的点云添加各种约束条件，如：密封条、缓冲块、气弹簧、锁块等，输出得到受力变形后的点云数据。3可重构点云模型应用案例3.1新老状态零件替换导人数据，构造原始状态点云模型。四门按车身参考点系统构件空间坐标系，完成模型的拼装，从点云模型的匹配效果看，前后门平整度匹配较差，前门与后门匹配处平整度偏差大，后门左下部平整度偏差大，如图1 3 所示+0.53+0.20+1.00+2.33图1 3初始匹配状态Fig.13Original matching status通过针对性的优化，优化前后门，图1 4 为前后门各自优化前后对比，从色差图看，前后门在原始抱怨区域有明显的改善，.14图1 4前门及后门优化前