买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长沙理工大学申请的专利基于中弧线约束的动力装置叶片三维测量方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121498549B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610046680.3，技术领域涉及：G01B11/00；该发明授权基于中弧线约束的动力装置叶片三维测量方法、装置、设备及介质是由吴昊天;徐望;陈红;欧子雄;盘伟健;樊绍胜;万琴;王鼎湘设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本基于中弧线约束的动力装置叶片三维测量方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种基于中弧线约束的动力装置叶片三维测量方法、装置、设备及介质，包括：分别将待测动力装置叶片的目标叶片模型点云和标准叶片模型点云的叶片截面点云进行部位分割，基于叶盆点云与叶背点云提取中弧线点云，基于目标叶片模型点云和标准叶片模型点云的前后缘部位点云和中弧线点云构建自适应权重误差函数，基于自适应权重误差函数求解的变换矩阵对目标叶片模型点云进行位姿转换，基于位姿转换后的目标叶片模型点云与标准叶片模型点云计算三维测量精度，通过对叶片关键部位进行分割，使用中弧线来抵消整体叶片点云在配准中产生的误差，准确计算出待测动力装置叶片的误差，提升了动力装置叶片三维测量的配准精度。

本发明授权基于中弧线约束的动力装置叶片三维测量方法、装置、设备及介质在权利要求书中公布了：1.一种基于中弧线约束的动力装置叶片三维测量方法，其特征在于，所述方法包括： 采用线结构光扫描仪对待测动力装置叶片进行扫描和建模，得到目标叶片模型点云； 分别将所述目标叶片模型点云和标准叶片模型点云的叶片截面点云分割为叶盆点云、叶背点云和前后缘部位点云，所述标准叶片模型点云为预先对标准动力装置叶片进行扫描和建模得到； 基于所述叶盆点云与所述叶背点云之间的匹配点对分别提取所述目标叶片模型点云和所述标准叶片模型点云的中弧线点云； 基于所述目标叶片模型点云和所述标准叶片模型点云的前后缘部位点云和中弧线点云构建自适应权重误差函数； 采用高斯牛顿优化算法对所述自适应权重误差函数进行求解，获得变换矩阵； 基于所述变换矩阵对所述目标叶片模型点云进行位姿转换，并基于位姿转换后的目标叶片模型点云与所述标准叶片模型点云计算待测动力装置叶片的三维测量精度； 所述基于所述目标叶片模型点云和所述标准叶片模型点云的前后缘部位点云和中弧线点云构建自适应权重误差函数，包括： 基于所述目标叶片模型点云的前后缘部位点云以及所述标准叶片模型点云的前后缘部位点云构建点到点误差项； 基于所述目标叶片模型点云的中弧线点云以及所述标准叶片模型点云的中弧线点云构建点到面误差项； 基于误差互补权重将所述点到点误差项与所述点到面误差项进行融合，获得自适应权重误差函数； 所述采用高斯牛顿优化算法对所述自适应权重误差函数进行求解，获得变换矩阵，包括： 采用高斯牛顿优化算法对所述自适应权重误差函数进行泰勒展开，将所述自适应权重误差函数转化为残差向量与对应的雅可比矩阵的乘积形式，基于所述残差向量和所述雅可比矩阵的乘积形式构建出迭代方程，所述迭代方程的刚体变换参数为旋转向量和平移向量； 对所述迭代方程进行迭代求解旋转和平移矩阵，并更新刚体变换参数； 若所述迭代方程的当前迭代次数达到迭代上限次数，或所述点到点误差项与所述点到面误差项同时满足收敛阈值条件，则输出变换矩阵； 所述基于所述变换矩阵对所述目标叶片模型点云进行位姿转换，并基于位姿转换后的目标叶片模型点云与所述标准叶片模型点云计算待测动力装置叶片的三维测量精度，包括： 基于所述变换矩阵对所述目标叶片模型点云进行位姿转换； 通过最近邻点搜索算法确定位姿转换后的目标叶片模型点云中的各点所对应的所述标准叶片模型点云中的匹配点，获得姿转换后的目标叶片模型点云与所述标准叶片模型点云之间的匹配点对； 基于各匹配点对的欧氏距离计算位姿转换后的目标叶片模型点云与所述标准叶片模型点云之间的均方根误差，并基于所述均方根误差计算待测动力装置叶片的三维测量精度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长沙理工大学，其通讯地址为：410000 湖南省长沙市天心区赤岭路45号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。