CN117444968A - 一种大型筒件局部特征机器人扫描测量路径规划方法 - Google Patents

Abstract

本发明公开了一种大型筒件局部特征机器人扫描测量路径规划方法，包括：扫描测量视点规划与扫描测量路径规划；基于模型进行局部特征的识别与划分，根据特征类型建立每个扫描测量视点的扫描视场，进行干涉判断与处理后完成扫描测量视点的规划；将规划好的扫描测量视点作为途径点形成路径，使用蚁群算法求解出最短路径，考虑机器人不可达点以及轨迹与工件的干涉情况进行调整，最终实现扫描测量路径规划。本发明可以根据被测件三维模型有效规划出包含位置和法矢信息的大型筒件局部特征的扫描测量视点，并能在规避机器人超限情况和干涉情况发生的同时规划出机器人最短扫描测量路径。

Description

一种大型筒件局部特征机器人扫描测量路径规划方法

技术领域

本发明涉及大型构件的三维扫描测量技术领域，尤其涉及一种大型筒件局部特征机器人扫描测量路径规划方法。

背景技术

大型构件装配界面是保证航空航天大型工业产品最终装配质量的关键加工特征，在最终装配前对加工特征进行有效测量从而获取加工余量是实现装配界面高精高效精加工的一项重要保证。

部分大型筒类构件由于具有专用夹具或定位设备，可以在加工现场直接进行位姿测量或找正，而其余大部分的大型筒类构件都只能通过人工原位测量的方式获取到位姿数据，这种方式效率极低，且对工人的操作有较高的要求，无法保证测量精度与效率。随着此类筒构件年产量需求的增加，生产节拍不断被压缩，传统测量调姿工序费时费力，已成为大型筒件的生产瓶颈环节。

发明内容

本发明针对大型筒件传统加工模式工艺复杂，人工经验依赖性强，测量结果不稳定，提出一种大型筒件局部特征机器人扫描测量路径规划方法，该方法通过对工件进行三维扫描测量获取工件加工余量信息，并根据获得的大型构件加工特征的实际加工余量对基于理论模型规划的加工工艺进行调整或优化，从而有效提高装配界面的精加工质量。

为实现上述目的，本发明提供了一种大型筒件局部特征机器人扫描测量路径规划方法，包括：

获取筒件的原始三维模型，对所述原始三维模型进行预处理，分别获取所述原始三维模型和预处理模型中的三角面顶点和法矢信息；

基于所述预处理模型的三角面顶点进行特征识别与划分，提取需要扫描的特征，其中所述需要扫描的特征包括常规结构特征和特殊结构特征，所述常规结构特征为直接依据模型的三角面信息进行规划的结构，所述特殊结构特征为需要单独进行规划的结构；

对所述常规结构特征中的每一个特征进行三角面法矢聚类，确定单一扫描测量视点的扫描范围，建立单一测量视点的扫描视场，对所述特殊结构特征，结合特征类型，根据所述特征类型的三角面位置信息单独规划测量视点；

基于所述测量视点，分别对扫描仪与工件的干涉情况、扫描仪与所述扫描视场的干涉情况进行处理及调整，获取规划好的扫描测量视点；

根据所述规划好的扫描测量视点，通过机器人运动学逆求解机器人位姿，判断所述机器人不可达点的数量是否超过预设阈值，根据判断结果分别进行处理，获取扫描测量路径，并通过蚂蚁算法求解出最短路径。

优选地，对所述原始三维模型进行预处理，分别获取所述原始三维模型和预处理模型中的三角面顶点和法矢信息，包括：

对所述原始三维模型中需要扫描测量的吊挂孔进行预处理，填平孔特征，并分别读取所述原始三维模型以及所述预处理模型的三角面法矢和顶点坐标信息。

优选地，所述提取需要扫描的特征，包括：

通过轴线方向的坐标分布情况将需要扫描测量的特征和筒件两端的法兰框进行划分，依据半径大小剔除与扫描测量无关的筒身部分信息，提取所述需要扫描的特征。

优选地，对所述常规结构特征中的每一个特征进行三角面法矢聚类，包括：

对所述常规结构特征使用K-means算法进行聚类，并进行有序化处理，根据有序化处理结果，对所述常规结构特征中的每个支脚和吊挂的三角面法矢分别进行聚类，基于每一个聚类后的三角面顶点坐标对单一测量视点在空间中的扫描范围进行划定。

优选地，所述基于每一个聚类后的三角面顶点坐标对单一测量视点在空间中的扫描范围进行划定，包括：

S1.1、在每一个类中创建与聚类后得到的法矢v_k重合且过原点的直线L_k，将该类中所有点投影到所述直线L_k上，找出所有投影点在直线L_k上的两个端点，作为扫描高度，并记录两端点形成线段的中点P_m；

S1.2、在每一个类中创建一个平面S_k，所述平面S_k的法向量n_k与该类数据集聚类后得到的法矢v_k重合且同向，所述平面S_k过所述中点P_m，将该类中所有点投影到所述平面S_k上，获取投影点集计算包含所述投影点集/>的最小外接矩形，将所述最小外接矩形作为扫描平面S_r；

S1.3、以所述扫描平面S_r为基准面，将其分别向上、向下拉伸形成的空间即扫描范围；

S1.4、所述扫描范围处于扫描视场可扫描范围之内，若不满足，则对该类中的坐标进行聚类，将其分成K’类，重复S1.1-S1.3，最终获得符合要求的扫描范围集合。

优选地，所述S1.2中，求解所述最小外接矩形的方法为：

S2.1、选择起始点P₀，在所述投影点集中寻找y坐标最小的点，若包含若干个点y坐标相同，则取其中x坐标最小的点作为所述起始点P₀；

S2.2、将所述点集中的所有点按照与所述起始点P₀的极角大小排序，若所述极角相同，则按照点到起始点的距离从小到大排序；

S2.3、依次将排序后的点加入凸包中，将凸包中的点按照加入顺序存储在栈中，每加入一个点，都将其与栈顶的点以及栈顶的前一个点构成的向量进行叉积计算，若叉积的结果小于等于预设值，则当前所述凸包不满足凸性，将凸包栈顶的点去除；

S2.4、重复S2.3直到所有点被加入凸包中；

S2.5、根据所述凸包，使用旋转卡壳法求解最小外接矩形，在所述凸包上找到距离最远的点对P_i-1、P_i，作为最小外接矩形的一条边C_lC_i，在C_lC_i垂直方向上找到最远点P_k，绘制与C_lC_i的平行边C_jC_k交于点P_k，在C_lC_i方向上找到距离最远的两个点p_l、P_j，绘制边以此绘制与C_lC_i垂直的两条边C_kC_l、C_iC_j，由此形成外接矩形，其中，有矩形各边与凸包形成的夹角θ_i、θ_j、θ_k、θ_l；将矩形沿着凸包的边逆时针旋转，在旋转过程中保持凸包完全处于矩形包围内，每旋转一次记录此时旋转的角度以及外接矩形面积S_i，当旋转角度达到90°时结束，最终求取所记录面积中的最小值，所述最小值对应的矩形即为最小外接矩形。

优选地，根据所述特征类型的三角面位置信息单独规划测量视点，包括：

对于单一孔特征，基于孔特征的位置与尺寸根据激光扫描仪的锥形视场确定测量视点；对于分布式孔特征采用DBSCAN算法对分布式孔的坐标点进行聚类后确定各个孔特征的位置，根据激光扫描仪的锥形视场确定测量视点；

其中，所述特征类型包括：吊挂孔以及法兰框的外表面、内表面和装配面。

优选地，获取所述规划好的扫描测量视点，包括：

通过旋转矢量方法的方法进行空间干涉的处理，先对所述扫描仪与工件干涉的情况进行处理，再对所述扫描仪与扫描视场干涉的情况进行处理，直至获取所述规划好的扫描测量视点；

其中，所述旋转矢量的方法包括：

S3.1、以扫描范围中得出的最小包围矩形中心点为原点，记录原点与每一个干涉点的向量，并求出所述向量的平均值，获得干涉点参考向量u；

S3.2、将所述干涉点参考向量u与法矢v进行叉乘得到旋转向量v_R；

S3.3、将所述法矢v沿所述旋转向量v_R进行旋转，每旋转一次进行一次空间干涉判断，若无干涉发生则终止旋转，记录旋转后的法矢v′为干涉处理后法矢；

S3.4、若达到最大旋转角度后仍有干涉情况发生，则更换旋转方向重复S3.3，若依旧无法得到满足条件的所述旋转后的法矢v′，则将所述扫描范围中的点通过K-means算法聚类为两类后重复空间干涉的判断与处理。

优选地，根据所述判断结果分别进行处理，包括：

若所述不可达点超过所述预设阈值，则按照坐标分布情况分为两组，沿轴线旋转筒件，分两次完成扫描测量，直至所述机器人不可达点个数小于所述预设阈值；

若所述不可达点未超过所述预设阈值，则将扫描测量视点作为途径点形成路径，并分别使用蚁群算法求解出各组最短路径；

其中，对于无法避免的不可达点，进行手动位姿调整，在空间中建立锥形扫描视场，旋转所述扫描视场方向直至机器人位姿可达，同时满足长方体扫描范围仍处于锥形扫描视场当中。

优选地，所述方法还包括使用仿真软件判断轨迹执行过程中是否有空间干涉情况发生，对发生干涉的路径添加途径点规避干涉，并仿真验证扫描测量路径的正确性。

与现有技术相比，本发明具有如下优点和技术效果：

(1)本发明通过对工件进行三维扫描测量获取工件加工余量信息，并根据获得的大型构件加工特征的实际加工余量对基于理论模型规划的加工工艺进行调整或优化，从而有效提高装配界面的精加工质量；

(2)本发明可以根据被测件三维模型有效规划出包含位置和法失信息的大型筒件局部特征的扫描测量视点，并能在规避机器人超限情况和干涉情况的发生的同时规划出机器人最短扫描测量路径。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明实施例的一种大型筒件局部特征机器人扫描测量路径规划方法流程图；

图2为本发明实施例的研究对象图；

图3为本发明实施例的确定扫描高度、扫描平面示意图，其中(a)为投影到直线的示意图，(b)为投影到平面的示意图；

图4为本发明实施例的旋转卡壳法示意图，其中，(a)旋转前的示意图，(b)为旋转后的示意图；

图5为本发明实施例的扫描视场示意图；

图6为本发明实施例的吊挂孔测量视点规划示意图；

图7为本发明实施例的法兰框测量视点规划示意，其中，(a)为外表面规划示意图，(b)为内表面规划示意图；

图8为本发明实施例的扫描视场无遮挡区域建立示意图；

图9为本发明实施例的空间干涉处理流程图。

具体实施方式

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

以大型筒件为研究对象，筒件直径为550mm，长度为2090mm，筒件整体主要由筒段、两个法兰框、四个支脚、四个吊挂组成，如图2所示。研究内容为基于三维模型对筒件上较为复杂的特征结构：支脚、吊挂、法兰框进行三维扫描测量规划。其中支脚和吊挂的装配面为主要加工特征，对其进行扫描测量获取加工余量信息，法兰框为定位特征，对其进行扫描测量，并根据测量结果点云拟合得到工件坐标系，作为加工基准。

本发明提出了一种大型筒件局部特征机器人扫描测量路径规划方法，如图1，包括：

S101，对模型中的需要扫描测量的四个吊挂孔进行预处理，填平孔特征，分别读取原始模型以及预处理模型的三角面法矢和顶点坐标信息；

S102，基于预处理模型的三角面信息进行特征识别与划分，通过轴线方向的坐标分布情况将支脚和吊挂这两种需要扫描测量的特征和筒件两端的法兰框进行划分，再依据半径大小将与扫描测量完全无关的筒身部分的信息剔除；至此可以提取出两部分需要扫描的特征：吊挂、支脚和法兰框；

通过对吊挂支脚部分的三角面顶点使用K-means算法进行聚类，该筒件中支架与吊挂的总数为8，因此K值取8，完成此次聚类后进行有序化处理，根据三角面的顶点坐标分布情况，为四个吊挂与四个支脚进行编号，分别为吊挂1、吊挂2、吊挂3、吊挂4、支脚1、支脚2、支脚3、支脚4，数据集中与之对应的索引值为0至7，保证每个索引值都对应一个具体的可知的特征结构。

S103，可以直接依据模型三角面信息进行规划的吊挂(不含孔)、支脚为常规结构特征，无法直接依据模型三角面信息规划而需要单独进行规划的吊挂孔、法兰框为特殊结构特征。

S104，根据有序化处理结果，对每个支脚和吊挂的三角面法矢分别进行聚类，K值的选定在这里取决于法矢差异较大的面得个数，对于吊挂而言共有7个法矢差异较大的面，因此K值取7；同样地，对于支脚而言法矢差异较大的面共有8个，K值取8。

基于每一个聚类后的三角面顶点坐标对单一测量视点在空间中的扫描范围进行划定，将扫描范围定义为一个长方体，该长方体中需要囊括所有三角面的顶点，同时要保证该长方体的体积尽量小，具体步骤如下：

(1)首先向直线投影。在每一个类中创建一个与聚类后得到的法矢v_k重合且过原点的直线L_k，如图3(a)所示。将该类中所有点(P₁，P₂，P₃，...，P_i)根据公式投影到直线L_k上，找出这些投影点/>在直线上的两个端点，作为扫描高度H，并记录两端点形成线段的中点P_m。

(2)接着向平面投影。在每一个类中创建一个平面S_k，该平面的法向量n_k与该类数据集聚类后得到的法矢v_k重合且同向，该平面过P_m，如图3(b)所示。将该类中所有点(P₁，P₂，P₃，...，P_i)根据公式投影到平面S_k上，获取投影点集计算包含投影点集/>的最小外接矩形，将其作为扫描平面S_r。

(3)以扫描平面S_r为基准面，将其分别向上、向下拉伸形成的空间即扫描范围。

(4)该扫描范围应处于扫描视场可扫描范围之内，若不满足，则对该类中的坐标进行聚类，将其分成K’类，重复步骤(1)至(3)，最终得出符合要求的扫描范围集合。

对于步骤(2)中最小外接矩形的求解，首先选用Graham算法求解凸包，其具体步骤如下：

S1、选择一个起始点P₀，在投影点集中寻找y坐标最小的点，若有多个点y坐标相同，取其中x坐标最小的点作为起始点，这里选择y坐标最小的点作为起始点的原因是y坐标越小的点，在点集中越靠近下方，更有可能成为凸包上的点；而选择x坐标最小的点可以保证起始点在点集中的唯一性；

S2、将点集中的所有点按照与起始点P₀的极角大小从小到大排序，若极角相同，则按照点到起始点的距离从小到大排序，从而保证点集中每个点的唯一性；

S3、依次将排序后的点加入凸包中，将凸包中的点按照加入顺序存储在栈中，每加入一个点，都将其与栈顶的点以及栈顶的前一个点构成的向量进行叉积计算，如果叉积的结果小于等于0，则当前凸包不满足凸性，将凸包栈顶的点去除；

S4、重复步骤S3直到所有点都被加入凸包中；

根据凸包，使用旋转卡壳法求解最小外接矩形，旋转卡壳法的旋转过程示意如图4所示，在获取到凸包P后，如图4(a)所示，在凸包上找到距离最远的两个点对P_i-1、P_i，这两个点将成为最小外接矩形的一条边C_lC_i，在直线C_lC_i垂直方向上找到最远点P_k，绘制与C_lC_i的平行边C_jC_k交于点P_k，在直线C_lC_i方向上找到距离最远的两个点P_l、P_j，绘制边以此绘制与C_lC_i垂直的两条边C_kC_l、C_iC_j，由此形成外接矩形，其中，有矩形各边与凸包形成的夹角θ_i、θ_j、θ_k、θ_l；将矩形沿着凸包的边逆时针旋转，在旋转过程中需要保持凸包完全处于矩形包围内，第一次旋转后的情况如图4(b)所示，每旋转一次记录此时旋转的角度以及外接矩形面积S_i，当旋转角度达到90°时结束，最终求取所记录面积中的最小值，该值对应的矩形即为最小外接矩形；

由于现有凸包求解方法均为二维空间中的方法，所以在三维空间中，若平面法向量不与x、y、z三个坐标轴中任何一个平行，则该平面上难以直接寻找凸包，从而无法进行最小外接矩形的确定，因此需要通过投影到二维平面解决该问题，将得到的最小外接矩形通过直线与原平面的交点映射回至三维空间中。

扫描视场是扫描仪在固定某一视角时所能扫描到的范围，根据扫描仪的视场参数确定出锥形扫描视场，如图5所示，其中P_s为测量视点位置、S₃为远景深平面，P₃为面S₃的中心点。S₂为基准距离平面，处于视点的基准距离上，在远景深范围内可采集到数据信息，在基准平面以内能获取到更精准的数据信息，P₂为面S₂的中心点。S₁为近景深平面，为了避免在扫描仪移动过程中发生空间干涉，并考虑扫描面积大小，因此将S₁的位置设定为P_sP₃的中点，P₁为面S₁的中心点；扫描视场中P_sP₃所形成的法向量与扫描范围法矢重合且反向，扫描范围需要处于扫描视场范围之内且处于S₁至S₃之间，扫描视场的基准距离平面一般与最小外接矩形所在平面重合，P₂与最小外接矩形的中点重合。

S105，分6个视点对吊挂孔进行扫描，如图6所示，P₁至P₆是在孔内侧的倒角内圈上的六个点，相邻两点与倒角内圈圆心形成的夹角为60°，P₀为孔的外侧面上的中心点，P₀与P₁-P₆连接形成的向量为六个法矢，其位置定义为六个线段的中点处；

法兰框的测量规划可分为三个部分：外表面、内表面、装配面；筒件两侧的法兰框并不相同，一侧共有13个孔，其中一个孔与另外12个孔的尺寸不同，另一侧有18个孔，每个孔的尺寸都一致；

对于外表面，将其分为任意6段圆弧，圆弧两端点连接而成的线段大小为275mm，将每段圆弧的端点作为法矢的位置，生成由筒件端面圆心指向6段圆弧端点的6个向量，以某一个向量为例，如图7(a)所示，该向量为P₀P_s0，旋转45°所得新向量P₀P_s即为法矢，∠P_s0P₀P_s为45°，测量视点定于法矢方向上距离法矢位置为基准距离处，即线段P₀P_s长度为基准距离处；

由于扫描仪和机器人的尺寸较大，难以将其置于筒件内部完成测量，因此对于内表面需要将测量视点规划于筒件之外，如图7(b)，P₁、P₂是内表面最外侧投影后距离最长的两个点，P₀是圆心的投影，P_s是测量视点位置，线段P₀P₁、P₀P₂的长度均为245mm，在此定义P₀P_s线段的长度为180mm，内表面的法矢同样需要参照外表面圆弧划分的方法，数量同样为6个，法矢方向由圆弧端点指向扫描视点P_s；

装配面的规划中，针对三维模型的特点，在扫描测量孔的同时即可完成对整个装配面的扫描测量，使用DBSCAN算法对孔的坐标点进行聚类的同时去除噪点，其中半径大小的取值为22、最小样本数量的取值为100，每一个孔的法矢与孔的轴线重合，方向指向外侧，测量视点的位置定义于每个簇中点沿法矢的距离为基准距离处。

S106，在测量视点规划阶段，会发生两种空间干涉的情况：扫描仪与工件的空间干涉、扫描视场被非扫描区域遮挡；

这两种情况的判断均可以转换为被判断点集是否在长方体之内的问题，该问题可以转换为判断点是否在两个平行面的同一侧的问题，进一步转换为判断点与长方体的边的法线夹角的问题，最终转换为判断余弦值的符号即向量内积的符号的问题；

由于筒件中某些部分三角面面积较大，顶点分布较为稀疏，需要对其进行密集化处理，在三角面边长大于2mm的边上添加点，让筒件中点与点之间的距离不超过2mm；将筒件密集化处理后的三角面顶点作为干涉判断点集，将扫描仪或扫描视场作为干涉判断长方体，根据干涉判断点集中的每一个点是否在干涉判断长方体内这一方式实现空间干涉的判断；考虑扫描仪与机器人末端的连接件以及机器人腕部在空间中的影响，根据扫描仪尺寸在干涉判断中将其视为一个600mm×310mm×310mm的长方体，以310mm×310mm的正方形作为该长方体的底面，底面的中心点是测量视点，最长边的方向与法矢方向相同；虽然扫描视场是一个四棱锥，但实际扫描目标是扫描范围中的点，因此只需考虑扫描范围不被遮挡即可，如图8所示，P_s为测量视点，向量n为扫描视场方向，法矢方向相反，根据扫描范围所得到的长方体尺寸，其在法矢方向上最远的面为底面建立一个矩形作为底面，沿其法矢方向拉伸该矩形直至与测量视点相交，形成的长方体为图8中的无遮挡区域。

S107，记录空间每一个扫描视点空间干涉判断中发生干涉的点集，即在长方体内部的点集，通过旋转法矢的方法进行空间干涉的处理，先对扫描仪与工件干涉的情况进行处理，再对扫描视场干涉的情况进行处理，两者的处理思路相同，具体流程如图9所示，其中旋转矢量方法的步骤如下：

(1)以扫描范围中得出的最小包围矩形中心点为原点，记录原点与每一个干涉点的向量，并求出其平均值得到干涉点参考向量u；

(2)将干涉点参考向量u与法矢v进行叉乘得到旋转向量v_R；

(3)将法矢v沿着旋转向量v_R进行旋转，每旋转一次进行一次空间干涉判断，若无干涉发生则终止旋转，记录此时旋转后的法矢v′为干涉处理后法矢；

(4)若达到最大旋转角度后依旧有干涉情况发生则更换旋转方向重复步骤4，若此依旧无法得到满足条件的法矢v′，则将该扫描范围中的点通过K-means算法进行聚类为两类后重复空间干涉的判断与处理。

S201，根据规划好的扫描测量视点，通过机器人运动学逆解求解机器人位姿，并判断是否可达，最终分为四次进行扫描测量，在第二次至第四次测量之前筒件绕轴线旋转90°。通过在工件表面粘贴靶标点，在测量过程中使用跟踪仪对靶标点进行捕捉，可以实现工件在旋转后的情况下，保证测量到的点云数据在统一的坐标系下且有统一的基准。

对于无法避免的不可达点，需进行手动位姿调整，在空间中建立锥形扫描视场，旋转扫描视场方向直至机器人位姿可达，同时满足长方体断扫描范围仍处于锥形扫描视场当中。

S202，使用蚁群算法逐一对各组扫描测量视点形成的路径进行最优路径求解，第一组的起点为机器人HOME点，第二组的起点为第一组的终点，第三组的起点为第二组的终点，以此类推；将起点的信息素设置为100，其余元素的值为0.1，在0.5-1.4范围内遍历信息素重要程度因子，在4.0-9.0范围内遍历启发函数重要程度因子，同时取信息素挥发因子为0.999。

以上，仅为本申请较佳的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，包括：

获取筒件的原始三维模型，对所述原始三维模型进行预处理，分别获取所述原始三维模型和预处理模型中的三角面顶点和法矢信息；

基于所述预处理模型的三角面顶点进行特征识别与划分，提取需要扫描的特征，其中所述需要扫描的特征包括常规结构特征和特殊结构特征，所述常规结构特征为直接依据模型的三角面信息进行规划的结构，所述特殊结构特征为需要单独进行规划的结构；

对所述常规结构特征中的每一个特征进行三角面法矢聚类，确定单一扫描测量视点的扫描范围，建立单一测量视点的扫描视场，对所述特殊结构特征，结合特征类型，根据所述特征类型的三角面位置信息单独规划测量视点；

基于所述测量视点，分别对扫描仪与工件的干涉情况、扫描仪与所述扫描视场的干涉情况进行处理及调整，获取规划好的扫描测量视点；

根据所述规划好的扫描测量视点，通过机器人运动学逆求解机器人位姿，判断所述机器人不可达点的数量是否超过预设阈值，根据判断结果分别进行处理，获取扫描测量路径，并通过蚂蚁算法求解出最短路径。

2.根据权利要求1所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，对所述原始三维模型进行预处理，分别获取所述原始三维模型和预处理模型中的三角面顶点和法矢信息，包括：

对所述原始三维模型中需要扫描测量的吊挂孔进行预处理，填平孔特征，并分别读取所述原始三维模型以及所述预处理模型的三角面法矢和顶点坐标信息。

3.根据权利要求2所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，所述提取需要扫描的特征，包括：

通过轴线方向的坐标分布情况将需要扫描测量的特征和筒件两端的法兰框进行划分，依据半径大小剔除与扫描测量无关的筒身部分信息，提取所述需要扫描的特征。

4.根据权利要求1所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，对所述常规结构特征中的每一个特征进行三角面法矢聚类，包括：

对所述常规结构特征使用K-means算法进行聚类，并进行有序化处理，根据有序化处理结果，对所述常规结构特征中的每个支脚和吊挂的三角面法矢分别进行聚类，基于每一个聚类后的三角面顶点坐标对单一测量视点在空间中的扫描范围进行划定。

5.根据权利要求4所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，所述基于每一个聚类后的三角面顶点坐标对单一测量视点在空间中的扫描范围进行划定，包括：

S1.1、在每一个类中创建与聚类后得到的法矢v_k重合且过原点的直线L_k，将该类中所有点投影到所述直线L_k上，找出所有投影点在直线L_k上的两个端点，作为扫描高度，并记录两端点形成线段的中点P_m；

S1.2、在每一个类中创建一个平面S_k，所述平面S_k的法向量n_k与该类数据集聚类后得到的法矢v_k重合且同向，所述平面S_k过所述中点P_m，将该类中所有点投影到所述平面S_k上，获取投影点集计算包含所述投影点集/>的最小外接矩形，将所述最小外接矩形作为扫描平面S_r；

S1.3、以所述扫描平面S_r为基准面，将其分别向上、向下拉伸形成的空间即扫描范围；

S1.4、所述扫描范围处于扫描视场可扫描范围之内，若不满足，则对该类中的坐标进行聚类，将其分成K’类，重复S1.1-S1.3，最终获得符合要求的扫描范围集合。

6.根据权利要求5所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，所述S1.2中，求解所述最小外接矩形的方法为：

S2.1、选择起始点P₀，在所述投影点集中寻找y坐标最小的点，若包含若干个点y坐标相同，则取其中x坐标最小的点作为所述起始点P₀；

S2.2、将所述点集中的所有点按照与所述起始点P₀的极角大小排序，若所述极角相同，则按照点到起始点的距离从小到大排序；

S2.3、依次将排序后的点加入凸包中，将凸包中的点按照加入顺序存储在栈中，每加入一个点，都将其与栈顶的点以及栈顶的前一个点构成的向量进行叉积计算，若叉积的结果小于等于预设值，则当前所述凸包不满足凸性，将凸包栈顶的点去除；

S2.4、重复S2.3直到所有点被加入凸包中；

S2.5、根据所述凸包，使用旋转卡壳法求解最小外接矩形，在所述凸包上找到距离最远的点对P_i-1、P_i，作为最小外接矩形的一条边C_lC_i，在C_lC_i垂直方向上找到最远点P_k，绘制与C_lC_i的平行边C_jC_k交于点P_k，在C_lC_i方向上找到距离最远的两个点P_l、P_j，绘制边以此绘制与C_lC_i垂直的两条边C_kC_l、C_iC_j，由此形成外接矩形，其中，有矩形各边与凸包形成的夹角θ_i、θ_j、θ_k、θ_l；将矩形沿着凸包的边逆时针旋转，在旋转过程中保持凸包完全处于矩形包围内，每旋转一次记录此时旋转的角度以及外接矩形面积S_i，当旋转角度达到90°时结束，最终求取所记录面积中的最小值，所述最小值对应的矩形即为最小外接矩形。

7.根据权利要求1所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，根据所述特征类型的三角面位置信息单独规划测量视点，包括：

对于单一孔特征，基于孔特征的位置与尺寸根据激光扫描仪的锥形视场确定测量视点；对于分布式孔特征采用DBSCAN算法对分布式孔的坐标点进行聚类后确定各个孔特征的位置，根据激光扫描仪的锥形视场确定测量视点；

其中，所述特征类型包括：吊挂孔以及法兰框的外表面、内表面和装配面。

8.根据权利要求1所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，获取所述规划好的扫描测量视点，包括：

通过旋转矢量方法的方法进行空间干涉的处理，先对所述扫描仪与工件干涉的情况进行处理，再对所述扫描仪与扫描视场干涉的情况进行处理，直至获取所述规划好的扫描测量视点；

其中，所述旋转矢量的方法包括：

S3.1、以扫描范围中得出的最小包围矩形中心点为原点，记录原点与每一个干涉点的向量，并求出所述向量的平均值，获得干涉点参考向量u；

S3.2、将所述干涉点参考向量u与法矢v进行叉乘得到旋转向量v_R；

S3.3、将所述法矢v沿所述旋转向量v_R进行旋转，每旋转一次进行一次空间干涉判断，若无干涉发生则终止旋转，记录旋转后的法矢v′为干涉处理后法矢；

S3.4、若达到最大旋转角度后仍有干涉情况发生，则更换旋转方向重复S3.3，若依旧无法得到满足条件的所述旋转后的法矢v′，则将所述扫描范围中的点通过K-means算法聚类为两类后重复空间干涉的判断与处理。

9.根据权利要求1所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，根据所述判断结果分别进行处理，包括：

若所述不可达点超过所述预设阈值，则按照坐标分布情况分为两组，沿轴线旋转筒件，分两次完成扫描测量，直至所述机器人不可达点个数小于所述预设阈值；

若所述不可达点未超过所述预设阈值，则将扫描测量视点作为途径点形成路径，并分别使用蚁群算法求解出各组最短路径；

其中，对于无法避免的不可达点，进行手动位姿调整，在空间中建立锥形扫描视场，旋转所述扫描视场方向直至机器人位姿可达，同时满足长方体扫描范围仍处于锥形扫描视场当中。

10.根据权利要求9所述的大型筒件局部特征机器人扫描测量路径规划方法，其特征在于，所述方法还包括使用仿真软件判断轨迹执行过程中是否有空间干涉情况发生，对发生干涉的路径添加途径点规避干涉，并仿真验证扫描测量路径的正确性。