摘要
针对飞机蒙皮零件外形准确度要求高、制造尺寸大和外形复杂的特点,以及人工手动扫描测量工作量大、效率低的问题,搭建了基于移动机械臂的柔性测量系统,并提出一种特征自适应的多站位自动化扫描规划方法,以实现飞机大型蒙皮曲面的三维测量数据自动化采集。首先构建了柔性测量系统与待测对象坐标系变换模型,分析扫描规划与执行过程中数据的传递关系,并通过视觉定位实现系统相对位姿估计。然后通过特征敏感的扫描路径点生成、效率优化的扫描站位规划以及扫描轨迹规划,实现了基于扫描效率和扫描完整性约束的特征自适应扫描规划。最后,搭建了一个基于机械臂与移动平台的柔性测量系统,并以4个真实飞机零部件作为测量对象,从扫描效率与扫描完整性方面对所提出的自动化扫描方法与手动扫描方法进行对比,并设计试验进一步验证了系统测量精度,结果验证了所提方法替代手动扫描测量方法的可行性。
为了检验产品是否满足设计要求,三维测量是生产过程中不可或缺的重要环节。现代飞机为了获得更好的气动性能与隐身性能,对蒙皮外形准确度提出了严格的要求,同时也对测量技术提出了很大的挑战。航空制造企业正积极推进数字化测量技术的应用,如利用三维激光扫描技术快速获取复杂型面点云数据,实现飞机蒙皮曲面的非接触式测量。但是目前的扫描测量仍以人工操作为主,难以满足飞机脉动生产的效率要求。为了提升航空制造业生产自动化水平、扩大自动化数字测量技术应用范围、减少检测人员的工作量、提高检测精度及检测效率、加速航空制造业向智能制造转变的进程,国内外许多学者对航空零部件的自动化测量方法进行了一系列探
在自动化测量系统的构建方面,早期的自动化测量较多地采用了三坐标测量
扫描规划是实现自动化扫描测量的关键问题,扫描路径规划策略直接影响着扫描效率、扫描数据完整性与测量精度。Mahmud
综上,现有的自动化测量系统存在建设成本高、系统柔性差的问题;现有的自动化扫描规划方法无法针对待测对象的曲率变化大的特征区域自适应调整扫描策略,难以直接应用于飞机大型蒙皮曲面零件的扫描测量。针对以上问题及飞机蒙皮零件制造尺寸大、外形复杂的特点,本文构建了基于移动机械臂的柔性测量系统,提出了特征自适应的多站位自动化扫描规划方法,并对扫描效率,模型完整性以及测量精度进行实验验证。
柔性测量系统主要包含执行模块和测量模块,如

图1 系统组成与坐标系定义示意图
Fig.1 System composition and coordinate system definition
为了实现模块间数据传递、保证系统协调工作,首先对系统各组成部分之间的相对坐标关系进行建模,然后对待测工件进行位姿估计。
系统坐标系定义如
坐标系之间的关系由一个刚性变换矩阵表示,其中表示旋转矩阵,表示平移向量。
待测对象坐标系之间,从工件坐标系到二维码坐标系为固定变换,由工装设计参数得到。利用相机成像几何模型可估计出二维码坐标系在相机坐标系下的位姿(将在1.2节讨论)。从相机坐标系到机械臂基坐标系的变换由手眼标定得到。扫描仪坐标系与工具坐标系的相对位姿由夹具设计参数得到。由机械臂运动学模型可以得到任意姿态下工具坐标系在机械臂基座标系的位姿。基于被测对象数模进行扫描路径规划,扫描路径点可转化为扫描仪在工件坐标系下的期待位姿,为了将其转化为执行模块可执行的扫描动作,需要将其从工件坐标系转换到机械臂基座标系下,根据矩阵乘法结合律,其变换矩阵表达为
(1) |
通过该变换关系得到扫描仪坐标系在机械臂基坐标系下的期望位姿,再通过机械臂运动学逆解求得期望的机械臂各关节角度,实现扫描动作解算。
当待扫描区域较大,一个站位下无法覆盖所有扫描路径点时,将全局扫描路径点拆分成各站位下的局部扫描路径点,利用柔性测量系统的水平移动分站覆盖完整扫描区域。在系统站位转换过程中,扫描仪在机械臂基坐标系下的期待位姿会随着柔性测量系统与待测工件的相对运动而发生改变。令站位为柔性测量系统初始站位,假设从站位到站位的变换为,则
(2) |
式中:为站位坐标系下的扫描仪期待位姿集合,为站位下的扫描仪期待位姿集合,通过
另外,扫描数据通过变换从扫描仪坐标系转换到动态跟踪系统坐标系。在一个工位的扫描中,与相对位姿保持不变,得到坐标统一的工件扫描数据。
在一个工位测量任务中坐标系之间的变换关系如

图2 坐标系变换示意图
Fig.2 Coordinate system transformation
待测工件与柔性测量系统的相对位姿估计是系统数据传递中的重要内容。本文利用ArUco
基于二维码的位姿估计可描述为多点透视成像(Perspective‑n‑point,PnP)问题,其求解精度与观测角度与距离相
(3) |
式中:为相机光轴与二维码图像平面的夹角,;为相机坐标系到二维码图像平面距离,为最大有效距离,为柔性测量系统与待测对象的最小安全距离,具体参数需要根据相机分辨率、二维码尺寸等实际情况进行调整,若相机分辨率较高或二维码尺寸较大,可适当增大;权值用于调整评价函数中夹角和距离的影响比例。当且时,即相机平面与二维码平面平行且距离等于最小安全距离的时候,评价函数E取得最大值1。

图3 相机位姿估计
Fig.3 Camera pose estimation
设定阈值TE,当评价函数小于TE,则认为位姿估计精度过低,进入移动平台微调程序:首先调整移动平台朝向以使最小;然后再次评价二维码位姿估计精度,若评价函数仍小于设定阈值则使移动平台向二维码坐标系原点方向移动距离。重复这一过程,在设定最小安全距离约束内对二维码进行逼近,直至满足位姿估计精度要求。
本节首先根据扫描仪工作原理进行扫描约束分析,建立扫描规划问题模型,然后将特征自适应的大型曲面扫描规划方法分为3个步骤:(1)基于待测曲面网格模型分割得到特征区域,对不同区域自适应采样并偏置,得到离散的扫描路径点集合。(2)根据扫描路径点分布及柔性测量系统工作空间约束对扫描任务进行站位划分。(3)在每个站位下求解扫描路径点遍历顺序,利用运动规划器对有序的离散目标位姿集合平滑插值,生成每个站位的扫描轨迹,最终得到移动机械臂可执行的任务动作,实现扫描规划。在步骤(1)中主要考虑扫描完整性约束,而在步骤(2,3)中主要考虑扫描效率约束。
如

图4 扫描仪视场建模
Fig.4 Scan field modeling
扫描路径点可描述为,其中为三维空间坐标,为单位方向向量,分别代表扫描仪的位置与朝向。用于自动扫描任务执行的扫描仪空间位姿可表达为,其中为扫描仪的位置,为扫描仪绕轴的旋转,表示扫描仪的姿态。由于扫描路径点的法向量 为归一化的方向向量,只提供了两个自由度的约束。令扫描仪视场方向(扫描仪坐标系轴正方向)与扫描路径点法向量方向一致,同时令扫描仪绕轴方向的旋转角度为0(即令),即可实现扫描路径点和扫描仪的期待位姿之间的相互转换,因此下文对二者不再作区分。
为了保证扫描数据质量,扫描仪的视锥方向应尽可能与待测表面垂直,同时扫描路径点与待测表面的距离应接近扫描仪的最佳工作距离。
定义扫描目标点集合为待测曲面网格模型上的采样点集合,每个扫描目标点根据扫描仪的工作条件约束可间接求得对应的扫描路径点(延法线方向偏置并将法线反向即可)。通过在待测曲面网格模型上采样扫描目标点的方式将网格离散化,扫描仪在一个扫描路径点下其有效扫描区域可以覆盖扫描目标点所处的曲面局部区域,寻找合适的扫描路径点遍历顺序,并在扫描路径点间进行平滑插值,即得到可完整获取待测曲面表面数据的扫描路径。
飞机大型蒙皮曲面上的特征区域主要表现为曲率变化大,因此可基于曲率进行曲面特征识别与分割。首先对待测曲面三角网格模型进行平滑处理,以滤除较小特征(如铆钉等)的干扰。结合飞机大型蒙皮曲面的特点,同时考虑扫描完整性与扫描效率,将扫描目标点采样划分为两部分内容:针对连续平坦曲面区域,采用行切法快速获取曲面整体数据。针对飞机蒙皮曲面上为了满足结构或功能要求(如光电吊舱)而出现的鼓包或者凹陷,如

图5 带凸包的飞机蒙皮曲面
Fig.5 Surface of aircraft skin with convex hull

图6 扫描路径点生成流程
Fig.6 Process of scan path point generation
具体的,基于区域生长方法对网格模型进行分

图7 网格模型分割
Fig.7 Mesh segmentation

图8 网格采样空间
Fig.8 Sample space of mesh
根据曲面变化趋势动态调整采样密度,设计扫描目标点等效采样间距为
(4) |
其中
(5) |
式中:为扫描仪的扫描有效间距,同时也作为辅助平面的间距;为扫描仪的有效扫描区域半径,系数用以控制扫描重叠率。

图9 法向量夹角与等效扫描距离关系
Fig.9 Relation between the angle of normals and

图10 不同的k值对采样结果的影响
Fig.10 Influence of different k values on sampling result
将采样得到的扫描目标点沿着对应法向量方向偏置距离,再将法向量方向反转,即得到了待测曲面的扫描路径点,如

图11 偏置扫描目标点得到扫描路径点
Fig.11 Offset scan target point obtained by scan path point
通过根据曲率变化对曲面特征进行自动分割和提取,并对不同区域采取不同的扫描规划策略,最终生成的扫描路径点对待测曲面上的局部复杂结构区域具有自适应性,可避免复杂结构区域扫描数据缺失。
由于采用的柔性测量系统不包含高度调节机构,因此其高度覆盖区域不受站位规划影响;转移站位时,移动平台进行水平运动,系统俯仰、滚转两个自由度不予考虑。因此本文将站位求解空间从三维空间压缩至二维平面以简化扫描站位规划过程。以任意站位 表示柔性测量系统的平面坐标与朝向,将每个站位下的机械臂工作空间投影到移动平台的运动平面上,并简化为一个矩形区域;将三维扫描路径点集合投影至移动平台运动平面,得到投影路径点集合。扫描站位规划目标是以最少的站位尽可能覆盖集合,将该优化问题转化为以最少的矩形区域覆盖投影路径点集合。
以每个投影路径点为中心生成矩形区域,每个矩形区域对应一个扫描站位,如

图12 扫描站位示意图
Fig.12 Diagram of scanning station

图13 生成候选扫描站位集合
Fig.13 Generation of the set of candidate scanning station
为了得到目标站位集合,构造优化问题
(6) |
目标函数由两部分组成,其中为站位集合无法覆盖的投影路径点个数,和分别为相邻两个站位之间距离和夹角的函数,系数用于调节两项的权重。最小化目标函数即得到覆盖尽可能多扫描路径点,且站位分布均匀、朝向一致的目标站位集合,减小移动平台的调姿动作,提高测量效率,如

图14 生成扫描站位集合
Fig.14 Generate a set of scanning station
为使得每个站位下覆盖路径点在站位工作空间内分布均匀,进一步优化扫描站位位置:计算目标站位对应矩形工作区域所覆盖的投影路径点集合的质心
(7) |
如

图15 优化扫描站位
Fig.15 Optimized scanning station location
在任意站位下,柔性测量系统与被测对象的相对位姿已知。将规划的扫描路径点从被测对象坐标系映射到该站位下机械臂基坐标系下,将扫描路径点转化为扫描仪的期待位姿,根据机械臂与扫描仪坐标关系以及机械臂关节约束求解每个期待位姿的可达性,在求解空间中根据待测工件的相对位姿添加障碍约束,剔除不可达路径点,根据该站位下可执行的路径点集合进行机械臂的运动轨迹规划。
为实现机械臂的扫描运动轨迹规划,需要确定该站位下可执行的扫描路径点的遍历顺序。首先对复杂结构扫描路径点按照距离进行k聚类,形成若干扫描路径点簇,并依照

图16 扫描路径点簇聚类
Fig.16 Scan path point clustering
为确定子链表中扫描路径点的遍历顺序,考虑以下启发式原则以同时保障机械臂运动平稳性与扫描效率:(1)扫描轨迹应尽可能平滑,避免运动方向突变造成运动冲击;(2)两个扫描路径点之间的扫描方向差异尽可能小,避免频繁调整扫描仪位姿;(3)扫描路径总长应尽可能小。
基于上述原则,确定扫描路径点遍历顺序的流程为:以最接近点簇质心的行切法扫描路径点作为初始点和终点,遍历并寻找下一个最优路径点,重复这个过程直至完成子链表内所有扫描路径点的排序。假设 分别表示顺序的两个路径点,为下一个路径点设计评价函数
(8) |
式中,即扫描路径运动方向的变化角度;,即扫描方向的变化角度,系数用于调整运动方向与扫描方向的权重;,即两个扫描路径点的距离(

图17 路径点遍历顺序评价函数计算
Fig.17 Evaluation calculation of path point traversal sequence
选择得分最高的点作为下一个最优路径点,满足扫描轨迹运动方向变化角度小、扫描角度变化小且运动距离较短。确认所有路径点遍历顺序后,使用运动规划器进行平滑插值,得到机械臂可执行的扫描轨迹。
为验证所提出方法的有效性,搭建了柔性测量系统,如

图18 柔性测量系统与试验环境
Fig.18 Flexible measuring system and experiment environment
面向飞机大型曲面的自动化测量系统完整测量流程如

图19 自动化测量流程图
Fig.19 Automatic measurement flow chart
首先在预备阶段需要人工辅助移动平台利用激光雷达在车间内建立高精度环境地图,并设定移动平台在任务工位中的初始站位。完成预备阶段工作后,自动化测量系统工作流程如下:根据测量任务规划,柔性测量系统进入预设任务工位。视觉定位模块识别待测对象工装上的二维码,利用二维码估计待测工件与柔性测量系统的相对位姿,并微调系统站位以满足位姿估计精度要求。然后针对飞机蒙皮曲面外形复杂、尺寸大的特点,根据待测对象的网格模型,通过特征敏感的扫描路径点生成、扫描站位规划及扫描轨迹规划3个步骤实现特征自适应的扫描规划。将规划数据基于系统坐标关系模型转换到机械臂及移动平台坐标系下,得到柔性测量系统可执行的任务指令。针对尺寸较大的蒙皮零件,单一站位下机械臂的工作空间无法有效覆盖全部扫描区域,将扫描任务分站位执行,并将每个扫描站位下的局部扫描数据统一到动态跟踪系统建立的测量参照系下。基于扫描数据进行分析处理,得到测量结果,即实现待测对象的单次完整测量。
使用真实飞机产品作为测量对象,选取如飞机机身桶段、机翼上、下壁板等典型的飞机蒙皮壁板结构测试所提出的飞机大型蒙皮曲面自动化三维扫描测量方法。
试验测试了4个场景对象:场景1中测量对象为机翼上壁板,其曲率变化较小且表面平整。场景2中的测量对象为直升机尾翼垂直安定面,其表面有许多为了增加结构刚性而设计的沟槽结构。场景3和场景4分别为机翼下壁板和机身蒙皮,其表面有一定的曲率变化且包含部分鼓包或凹槽等复杂结构区域。
以场景4中的飞机机身作为测量对象进行自动化扫描规划测试。首先在待测对象数模上进行扫描目标点采样,在式(

图20 特征自适应的扫描规划
Fig.20 Feature adaptive scan planning

图21 两种规划策略对特征区域效果对比
Fig.21 Comparison of the effects of two planning strategies on feature area
在正常工况下手动对待测对象进行扫描,同时分别针对4个场景中的待测对象进行扫描规划,并执行自动化扫描。两种扫描方式分别重复进行4次,
场景 | 尺寸/(m×m) | 扫描 站位数 | 手动扫描 时间t1/s | 自动扫描 时间t2/s |
---|---|---|---|---|
场景1 | 1.8×1.0 | 2 | 158 | 123 |
场景2 | 0.7×0.6 | 1 | 127 | 91 |
场景3 | 2.5×0.9 | 3 | 265 | 259 |
场景4 | 2.9×0.8 | 3 | 272 | 256 |
在场景1和场景2中待测对象尺寸较小,自动化扫描方法所花费时间较手动扫描时间有较大优势,尤其在场景2中扫描时间减少接近30%,这是因为自动化扫描路径规划可以在保证扫描完整性的同时避免重复扫描;而随着待测对象尺寸增大,扫描站位增加,柔性测量系统扫描站位转移耗费时间较长(由实验中所使用的移动平台所限制,若使用全向移动平台则可以很大程度上减少站位调姿耗时),在场景3和场景4中自动扫描速度优势降低,但是仍优于手动扫描。整体而言,自动化扫描方法的扫描效率更高,并且在连续的、重复性的扫描任务中,自动化扫描方法有更大的优势。

图22 扫描结果对比
Fig.22 Comparison of scan results
为进一步验证系统的测量精度,设计了系统精度验证实验:将两个直径为22.225 mm的激光跟踪仪靶球固定于测试场景中,使用激光跟踪仪测量并计算两各靶球的球心距离,同时使用柔性测量系统对其进行自动化扫描,采用PloyWorks软件根据扫描数据拟合两靶球,得到靶球直径和,并计算两个靶球的球心距离。重复进行6次测量,测量结果如
测量 次数 | 球径 | 球径 | 球心距 | 球心距 |
---|---|---|---|---|
第1次 | 22.233 | 22.222 | 1 847.732 | 1 847.781 |
第2次 | 22.228 | 22.231 | 1 847.731 | 1 847.765 |
第3次 | 22.229 | 22.219 | 1 847.735 | 1 847.778 |
第4次 | 22.224 | 22.220 | 1 847.732 | 1 847.769 |
第5次 | 22.227 | 22.217 | 1 847.729 | 1 847.766 |
第6次 | 22.234 | 22.220 | 1 847.731 | 1 847.775 |
平均值 | 22.230 | 22.221 | 1 847.732 | 1 847.772 |

图23 测量误差分布
Fig.23 Distribution of measurement error
本文提出了一个用于飞机蒙皮自动化测量的柔性测量系统及特征自适应的待测对象扫描规划方法,实现了大型曲面的三维测量数据自动化采集。对测量系统坐标关系进行建模分析,并提出了基于视觉的待测工件位姿估计方法。提出特征自适应的扫描规划方法,对扫描站位和扫描路径进行优化,实现了扫描效率的提升,同时可以对飞机蒙皮上的小尺寸特征保持较好的扫描完整性。在实际场景中对所提出方法进行了测试,从扫描效率与扫描完整性两个维度与人工扫描的结果进行了对比,并进一步设计了系统精度验证试验,验证了所提出的自动化测量方案替代手动扫描测量的可行性。
参考文献
汪俊, 李红卫. 飞机大尺寸自动化柔性测量技术研究进展[J]. 南京航空航天大学学报, 2020, 52(3): 353‑362. [百度学术]
Wang Jun, Li Hongwei. Aircraft large-scale automation flexible measurement technology[J]. Journal of Nanjing University of Aeronautics & Astronautics,2020, 52(3): 353‑362. [百度学术]
SCHMITT R H, PETEREK M, MORSE E, et al. Advances in large-scale metrology‑review and future trends[J]. CIRP Annals, 2016, 65(2): 643-665. [百度学术]
孙彬, 王建华, 赫东锋,等. 基于激光测量的航发叶片表面几何缺陷识别技术[J]. 自动化学报, 2020, 46(3): 594-599. [百度学术]
Sun Bin, Wang Jianhua, He Dongfeng, et al. Identification of aero-engine blade surface geometric defects with laser measurement[J]. Acta Automatica Sinica, 2020, 46(3): 594-599. [百度学术]
EIKott D F, Veldhuis S C. CAD-based sampling for CMM inspection of models with sculptured features[J]. Engineering with Computers,2007,23(3): 187-206. [百度学术]
Song C K, Kim S W. Reverse engineering: Autonomous digitization of free-formed surfaces on a CNC coordinate measuring machine[J]. International Journal of Machine Tools and Manufacture,1997,37(7):1041-1051. [百度学术]
Jae H, JUNG A W. Precision inspection system for aircraft parts having very thin features based on CAD/CAI intergration[J] Advanced Manufacturing Technology,1996,12: 442-449. [百度学术]
金涨军,李江雄,俞慈君,等. 大尺寸空间测量中转站误差分析与评估[J]. 浙江大学学报(工学版),2015,49(4): 655-661. [百度学术]
JIN Zhangjun,LI Jiangxiong,YU Cijun,et al. Regisration error analysis and evaluation in large-volume metrology system[J]. Journal of Zhejiang University(Engineering Edition),2015,49(4): 655-661. [百度学术]
杜福洲,陈哲涵,唐晓青.iGPS 测量场精度分析及其应用研究[J]. 航空学报,2012,33(9): 1737-1745. [百度学术]
DU Fuzhou,CHEN Zhehan,TANG Xiaoqing. Precision analysis and application of iGPS survey field[J]. Journal of Aeronautics,2012,33(9): 1737-1745. [百度学术]
Shi Jinlong,Sun Zhengxing,Bai Suqin. Large-scale three-dimensional measurement via combining 3D scanner and laser rangefinder[J]. Applied Optics,2015,54(10): 14-23. [百度学术]
ZHANG Y,LIU W,LAN Zhiguang,et al. Global measurement method for large-scale components based on a multiple field of view combination[J]. Journal of Sensors,2017,2017: 1-12. [百度学术]
Jiang T,Cheng X,Cui H,et al. Combined shape measurement based on locating and tracking of an optical scanner[J]. Journal of Instrumentation,2019,14(1): 1006-1019. [百度学术]
于浩,杜福洲. 基于组合测量的大尺度产品柔性检测技术[J]. 计算机集成制造系统,2019,25(5):1037-1046. [百度学术]
YU Hao,DU Fuzhou. Flexible inspection technology of large scale products based on combination measurement[J]. Computer Integrated Manufacturing System,2019,25(5): 1037-1046. [百度学术]
孟飙,曲学军. 大尺寸复杂形状组合测量系统的全局标定与多视数据融合[J]. 自动化学报, 2017, 43(11): 2051-2060. [百度学术]
Meng Biao, Qu Xuejun. Global calibration and multi-view data fusion for combination measurement system of large complicate shapes[J]. Acta Automatica Sinica, 2017, 43(11): 2051-2060. [百度学术]
Mahmud M, Joannic D, Roy M, et al. 3D part inspection path planning of a laser scanner with control on the uncertainty[J]. Computer-Aided Design, 2011, 43(4): 345-355. [百度学术]
王鹏,孙长库,陶立.最佳视角3-D激光扫描路径的自动确定方法[J].清华大学学报(自然科学版),2007,47(11): 1980-1983. [百度学术]
WANG Peng,SUN Changku,TAO Li.Automatic determination method of 3-D laser scanning path with the best viewing angle[J].Journal of Tsinghua University(Natural Science Edition),2007,47(11): 1980-1983. [百度学术]
Ding L J, Dai S G, Mu P A. CAD-Based path planning for 3D laser scanning of complex surface[J]. Procedia Computer Science, 2016, 92: 526-535. [百度学术]
Minh P N D, Yann Q, Sylvain L, et al. Scanner path planning with the control of overlap for part inspection with an industrial robot[J]. The International Journal of Advanced Manufacturing Technology, 2018, 98: 629-643. [百度学术]
林晶. 基于激光扫描的结构件测量轨迹规划技术研究[D].南京:南京航空航天大学,2019. [百度学术]
LIN Jing. Research on automatic measurement technology of com ponents based on laser scanning technology[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2019. [百度学术]
艾小祥. 飞机机翼装配中的扫描路径规划研究[D]. 杭州:浙江大学, 2014. [百度学术]
AI Xiaoxiang. Research on path planning of scanning in aircraft wing assembly[D]. Hangzhou: Zhejiang University, 2014. [百度学术]
艾小祥,俞慈君,方强,等. 基于遗传算法的机翼壁板扫描路径优化[J]. 浙江大学学报(工学版),2015,49(3): 448-456. [百度学术]
AI Xiaoxiang,YU Cijun,FANG Qiang,et al. Optimization of scanning path of wing panel based on genetic algorithm[J]. Journal of Zhejiang University(Engineering Edition),2015,49(3): 448-456. [百度学术]
Francisco J R, RAFAEL M S, RAFAEL M C. Speeded up detection of squared fiducial markers[J]. Image and Vision Computing, 2018, 76: 38-47. [百度学术]
Garrido-Jurado S, Muñoz Salinas R, Madrid-Cuevas F J, et al. Generation of fiducial marker dictionaries using mixed integer linear programming[J]. Pattern Recognition, 2016,51: 481-491. [百度学术]
屈也频, 侯旺. 基于误差传播理论的PnP问题姿态精度分析[J]. 光学精密工程, 2019, 27(2): 214-222. [百度学术]
QU Yepin, HOU Wang. Attitude accuracy analysis of PnP based on error propagation theory[J]. Optics and Precision Engineering, 2019, 27(2): 214-222. [百度学术]
Vieira M, Shimada K. Surface mesh segmentation and smooth surface extraction through region growing[J]. Computer Aided Geometric Design, 2005, 22(8): 771-792. [百度学术]