本發(fā)明涉及民航客機(jī)外觀檢測(cè)，具體涉及一種基于民航客機(jī)外觀檢測(cè)的機(jī)械臂路徑規(guī)劃方法及相關(guān)產(chǎn)品。

背景技術(shù)：

1、民航客機(jī)外觀檢測(cè)作為保障飛行安全的核心環(huán)節(jié)，其技術(shù)發(fā)展對(duì)航空運(yùn)輸業(yè)至關(guān)重要。目前，民航客機(jī)外觀檢測(cè)主要采用傳統(tǒng)人工檢測(cè)和部分自動(dòng)化檢測(cè)兩種方式。傳統(tǒng)人工檢測(cè)主要依賴檢測(cè)人員使用簡(jiǎn)單工具對(duì)飛機(jī)機(jī)身進(jìn)行近距離逐一檢查。該方法存在顯著缺陷：其一，檢測(cè)效率極低，檢測(cè)單架民航客機(jī)需耗費(fèi)大量時(shí)間，嚴(yán)重制約航班周轉(zhuǎn)效率；其二，檢測(cè)準(zhǔn)確性高度依賴檢測(cè)人員的經(jīng)驗(yàn)和技能水平，不同檢測(cè)人員判斷標(biāo)準(zhǔn)存在差異，導(dǎo)致漏檢、誤檢情況頻發(fā)，難以有效保障飛行安全。

2、隨著科技的不斷發(fā)展，部分自動(dòng)化檢測(cè)系統(tǒng)逐漸應(yīng)用于民航客機(jī)外觀檢測(cè)領(lǐng)域。這些系統(tǒng)通常借助固定攝像頭或簡(jiǎn)單的移動(dòng)設(shè)備來(lái)采集飛機(jī)機(jī)身的圖像，然后利用圖像處理技術(shù)對(duì)采集到的圖像進(jìn)行分析，以識(shí)別機(jī)身是否存在損傷。然而，在實(shí)際應(yīng)用中，這些自動(dòng)化檢測(cè)系統(tǒng)暴露出了一系列明顯的缺陷：民航客機(jī)機(jī)身具有復(fù)雜的曲面結(jié)構(gòu)，而現(xiàn)有的固定路徑規(guī)劃?rùn)z測(cè)系統(tǒng)在設(shè)計(jì)上存在局限性，難以全面覆蓋這些曲面區(qū)域。在檢測(cè)過(guò)程中，容易遺漏一些關(guān)鍵區(qū)域，導(dǎo)致潛在的安全隱患無(wú)法被及時(shí)發(fā)現(xiàn)，給飛行安全帶來(lái)嚴(yán)重威脅；并且，無(wú)法及時(shí)調(diào)整檢測(cè)路徑和參數(shù)，導(dǎo)致后續(xù)檢測(cè)依然沿用低效或不準(zhǔn)確的檢測(cè)方式，使得整體檢測(cè)效率低下，難以滿足民航客機(jī)外觀檢測(cè)對(duì)高效準(zhǔn)確、全面覆蓋的要求。

3、因此，如何實(shí)現(xiàn)民航客機(jī)外觀檢測(cè)的高效準(zhǔn)確、全面覆蓋，已成為當(dāng)前本領(lǐng)域技術(shù)人員亟待攻克的技術(shù)難題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于民航客機(jī)外觀檢測(cè)的機(jī)械臂路徑規(guī)劃方法及相關(guān)產(chǎn)品，以克服現(xiàn)有檢測(cè)方法覆蓋不全面且效率低下的問(wèn)題。

2、本發(fā)明通過(guò)下述技術(shù)方案來(lái)解決上述技術(shù)問(wèn)題：

3、一種基于民航客機(jī)外觀檢測(cè)的機(jī)械臂路徑規(guī)劃方法，包括以下步驟：

4、獲取民航客機(jī)外觀檢測(cè)區(qū)域的待檢損傷目標(biāo)，構(gòu)建民航客機(jī)的機(jī)身三維數(shù)字孿生模型，基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)對(duì)待檢損傷目標(biāo)的擴(kuò)展趨勢(shì)進(jìn)行預(yù)測(cè)，結(jié)合預(yù)測(cè)結(jié)果和機(jī)身三維數(shù)字孿生模型，規(guī)劃?rùn)C(jī)械臂的掃描路徑；

5、利用機(jī)身三維數(shù)字孿生模型模擬機(jī)械臂的掃描路徑，判斷掃描路徑是否與障礙物的運(yùn)動(dòng)軌跡沖突或掃描路徑未覆蓋完全民航客機(jī)外觀檢測(cè)區(qū)域的機(jī)身表面，若判斷結(jié)果為是，則通過(guò)遺傳算法對(duì)掃描路徑進(jìn)行動(dòng)態(tài)優(yōu)化，直至掃描路徑不與障礙物的運(yùn)動(dòng)軌跡沖突且完全覆蓋民航客機(jī)外觀檢測(cè)區(qū)域的機(jī)身表面；

6、根據(jù)掃描路徑對(duì)民航客機(jī)外觀檢測(cè)區(qū)域進(jìn)行檢測(cè)，獲取檢測(cè)反饋數(shù)據(jù)，計(jì)算得到反饋值，當(dāng)反饋值在預(yù)設(shè)的反饋閾值范圍內(nèi)時(shí)，優(yōu)化機(jī)械臂的運(yùn)動(dòng)速度和光源參數(shù)；當(dāng)反饋值低于預(yù)設(shè)的反饋閾值范圍下限時(shí)，增設(shè)機(jī)械臂的數(shù)量，進(jìn)行多機(jī)械臂協(xié)同掃描；當(dāng)反饋值超過(guò)預(yù)設(shè)的反饋閾值范圍上限時(shí)，維持當(dāng)前檢測(cè)狀態(tài)。

7、本發(fā)明進(jìn)一步地改進(jìn)在于：所述獲取民航客機(jī)外觀檢測(cè)區(qū)域的待檢損傷目標(biāo)具體包括：

8、實(shí)時(shí)采集民航客機(jī)外觀檢測(cè)區(qū)域的場(chǎng)景信息數(shù)據(jù)，計(jì)算得到場(chǎng)景復(fù)雜度指標(biāo)；

9、判斷場(chǎng)景復(fù)雜度指標(biāo)是否大于等于預(yù)設(shè)的場(chǎng)景復(fù)雜度指標(biāo)閾值，若判斷為是，則在民航客機(jī)外觀檢測(cè)區(qū)域部署自適應(yīng)光源陣列，調(diào)整光源參數(shù)直至場(chǎng)景復(fù)雜度指標(biāo)小于預(yù)設(shè)的場(chǎng)景復(fù)雜度指標(biāo)閾值；

10、獲取民航客機(jī)外觀檢測(cè)區(qū)域的機(jī)身表面數(shù)據(jù)，通過(guò)融合算法生成rgb-d-thermal圖像；將rgb-d-thermal圖像輸入至訓(xùn)練好的模型，得到可能存在損傷區(qū)域的圖像，通過(guò)密度聚類(lèi)算法，定位得到待檢損傷目標(biāo)。

11、本發(fā)明進(jìn)一步地改進(jìn)在于：所述通過(guò)融合算法生成rgb-d-thermal圖像具體為：

12、

13、其中，為通過(guò)融合算法生成rgb-d-thermal圖像在坐標(biāo)(x,y)處的像素值；為可見(jiàn)光圖像像素值；為激光雷達(dá)深度數(shù)據(jù)；為紅外熱成像數(shù)據(jù)；分別為rgb、深度、熱成像數(shù)據(jù)的歸一化權(quán)重且。

14、本發(fā)明進(jìn)一步地改進(jìn)在于：所述場(chǎng)景信息數(shù)據(jù)包括光照強(qiáng)度、曲面復(fù)雜度及障礙物密度；

15、所述場(chǎng)景復(fù)雜度指標(biāo)具體為：

16、

17、且，，；

18、其中，為場(chǎng)景復(fù)雜度指標(biāo)；為時(shí)刻；為時(shí)刻t的特征向量；為衰減函數(shù)；為光照強(qiáng)度；為曲面復(fù)雜度；為障礙物密度；為權(quán)重矩陣；為卷積操作權(quán)重矩陣；α、β為權(quán)重系數(shù)且滿足0<α<1，0<β<1，α+β=1；為常數(shù)項(xiàng)偏置向量；為卷積運(yùn)算。

19、本發(fā)明進(jìn)一步地改進(jìn)在于：所述構(gòu)建民航客機(jī)的機(jī)身三維數(shù)字孿生模型具體包括：

20、基于數(shù)字孿生思想，構(gòu)建民航客機(jī)的機(jī)身三維數(shù)字孿生模型；獲取障礙物的運(yùn)動(dòng)軌跡，并持續(xù)更新待檢損傷目標(biāo)的變化和障礙物的運(yùn)動(dòng)軌跡至機(jī)身三維數(shù)字孿生模型中。

21、本發(fā)明進(jìn)一步地改進(jìn)在于：所述反饋值具體為：

22、

23、其中，為反饋值；為權(quán)重系數(shù)，的取值均在0到1之間且；t為檢測(cè)周期；為機(jī)械臂在時(shí)刻t的掃描速度；為時(shí)刻t的檢測(cè)準(zhǔn)確率；為時(shí)刻t的誤檢率；為；為衰減系數(shù)，的取值在0到1之間。

24、本發(fā)明進(jìn)一步地改進(jìn)在于：所述預(yù)設(shè)的反饋閾值范圍具體為；

25、其中，為預(yù)設(shè)的反饋閾值范圍下限，具體為：

26、

27、為預(yù)設(shè)的反饋閾值范圍上限，具體為：

28、

29、其中，，i為檢測(cè)反饋值的次序，k為檢測(cè)周期內(nèi)檢測(cè)的反饋值總個(gè)數(shù)；為檢測(cè)的反饋值均值；為第個(gè)檢測(cè)反饋值。

30、本發(fā)明還提供一種基于民航客機(jī)外觀檢測(cè)的機(jī)械臂路徑規(guī)劃系統(tǒng)，包括：

31、第一模塊，用于獲取民航客機(jī)外觀檢測(cè)區(qū)域的待檢損傷目標(biāo)，構(gòu)建民航客機(jī)的機(jī)身三維數(shù)字孿生模型，基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)對(duì)待檢損傷目標(biāo)的擴(kuò)展趨勢(shì)進(jìn)行預(yù)測(cè)，結(jié)合預(yù)測(cè)結(jié)果和機(jī)身三維數(shù)字孿生模型，規(guī)劃?rùn)C(jī)械臂的掃描路徑；

32、第二模塊，用于利用機(jī)身三維數(shù)字孿生模型模擬機(jī)械臂的掃描路徑，判斷掃描路徑是否與障礙物的運(yùn)動(dòng)軌跡沖突或掃描路徑未覆蓋完全民航客機(jī)外觀檢測(cè)區(qū)域的機(jī)身表面，若判斷結(jié)果為是，則通過(guò)遺傳算法對(duì)掃描路徑進(jìn)行動(dòng)態(tài)優(yōu)化，直至掃描路徑不與障礙物的運(yùn)動(dòng)軌跡沖突且完全覆蓋民航客機(jī)外觀檢測(cè)區(qū)域的機(jī)身表面；

33、第三模塊，用于根據(jù)掃描路徑對(duì)民航客機(jī)外觀檢測(cè)區(qū)域進(jìn)行檢測(cè)，獲取檢測(cè)反饋數(shù)據(jù)，計(jì)算得到反饋值，當(dāng)反饋值在預(yù)設(shè)的反饋閾值范圍內(nèi)時(shí)，優(yōu)化機(jī)械臂的運(yùn)動(dòng)速度和光源參數(shù)；當(dāng)反饋值低于預(yù)設(shè)的反饋閾值范圍下限時(shí)，增設(shè)機(jī)械臂的數(shù)量，進(jìn)行多機(jī)械臂協(xié)同掃描；當(dāng)反饋值超過(guò)預(yù)設(shè)的反饋閾值范圍上限時(shí)，維持當(dāng)前檢測(cè)狀態(tài)。

34、本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述基于民航客機(jī)外觀檢測(cè)的機(jī)械臂路徑規(guī)劃方法的步驟。

35、本發(fā)明還提供一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上述基于民航客機(jī)外觀檢測(cè)的機(jī)械臂路徑規(guī)劃方法的步驟。

36、與現(xiàn)有技術(shù)相比，本發(fā)明的積極進(jìn)步效果在于：

37、本發(fā)明提供的基于民航客機(jī)外觀檢測(cè)的機(jī)械臂路徑規(guī)劃方法，通過(guò)機(jī)身三維數(shù)字孿生模型模擬機(jī)械臂的掃描路徑，并利用遺傳算法對(duì)掃描路徑進(jìn)行動(dòng)態(tài)優(yōu)化，確保了掃描路徑能夠全面覆蓋民航客機(jī)外觀檢測(cè)區(qū)域的機(jī)身表面，避免了因路徑規(guī)劃不合理而導(dǎo)致的漏檢情況；通過(guò)計(jì)算反饋值并與預(yù)設(shè)的反饋閾值范圍進(jìn)行比較，能夠?qū)崟r(shí)評(píng)估檢測(cè)效果，并根據(jù)評(píng)估結(jié)果動(dòng)態(tài)調(diào)整機(jī)械臂的運(yùn)動(dòng)速度和光源參數(shù)，使得檢測(cè)過(guò)程更加準(zhǔn)確、靈活；利用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)對(duì)待檢損傷目標(biāo)的擴(kuò)展趨勢(shì)進(jìn)行預(yù)測(cè)，能夠提前預(yù)判損傷的發(fā)展方向，從而規(guī)劃出更加高效的掃描路徑，有助于減少不必要的檢測(cè)區(qū)域，提高檢測(cè)效率。

38、進(jìn)一步地，本方法通過(guò)實(shí)時(shí)采集民航客機(jī)外觀檢測(cè)區(qū)域的場(chǎng)景信息數(shù)據(jù)，并計(jì)算得到場(chǎng)景復(fù)雜度指標(biāo)，能夠動(dòng)態(tài)評(píng)估檢測(cè)環(huán)境的復(fù)雜程度，為后續(xù)的光源調(diào)整和檢測(cè)策略制定提供依據(jù)；當(dāng)場(chǎng)景復(fù)雜度指標(biāo)大于等于預(yù)設(shè)閾值時(shí)，在檢測(cè)區(qū)域部署自適應(yīng)光源陣列，并調(diào)整光源參數(shù)直至場(chǎng)景復(fù)雜度指標(biāo)低于閾值，有效解決了因環(huán)境光線復(fù)雜或光照不足導(dǎo)致的檢測(cè)困難問(wèn)題，提高了檢測(cè)圖像的清晰度和準(zhǔn)確性。