一种飞行器模型表面压力测量方法及系统

技术领域

本发明涉及风洞试验技术领域 ，尤其是涉及一种飞行器模型表面压力测量方法及系统。

背景技术

目前，我国在航空航天领域的发展快速，而飞行器在飞行过程中会受到各种外界压力，通常情况下飞行器测压是在风洞试验中进行。目前压敏漆技术已经广泛应用于航空航天飞行器表面的压力测量中，压敏漆技术利用发光涂层分子在特定波长激发光照射下其荧光强度随压力变化的现象，是将压力大小转变为光强信息后，再对图像进行处理，然后根据图像处理后的结果，计算出模型表面压力分布。

由于飞行器模型表面压力分布的测量是有风工作图像和无风参考图像相除，而图像的相除运算要求有风工作图像和无风参考图像中飞行器模型的位置固定不动，若两幅图像之间的模型位置发生任何位移，均会严重影响压力测量的精度，因此，在计算飞行器模型表面压力的关键是必须保证两幅图像像素点对应。但是在风洞中进行试验时，由于存在空气动力载荷，飞行器模型会发生较大尺度的姿态改变和弹性变形，在这种情况下将有风工作图和无风参考图进行精确匹对压力的计算结果起着重要的影响。

发明内容

本发明的目的是提供一种飞行器模型表面压力测量方法，来解决现有技术中存在的技术问题，包括如下步骤：

步骤S100：在飞行器模型表面涂覆压敏漆，并沿飞行器模型表面轮廓布置多个标记点；

步骤S200：将飞行器模型布置于风洞试验段中；采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；

步骤S300：分别对无风参考图像中的标记点和有风工作图像中的标记点进行定位；

步骤S400：根据所述定位结果，分别构建无风参考图标记点云和有风工作图标记点云；

步骤S500：将无风参考图标记点云和有风工作图标记点云进行匹配；

步骤S600：计算飞行器模型表面的压力分布。

进一步地，步骤S300包括如下步骤：

步骤S310：采用增强阈值分割法对采集到的图像中的标记点进行粗定位，获得标记点的粗位置

步骤S320：根据标记点的粗定位结果，采用加权阈值方法对标记点进行精确定位获得标记点的精确位置

进一步地，步骤S310包括如下步骤：

对采集到的图像进行黑帽运算，获得黑帽图像；

采用自适应阈值分割法对黑帽图像进行处理，获得粗定位二值化图像；

计算粗定位二值化图像中的所有连通区域，并计算每个连通区域的面积

若

进一步地，步骤S320包括如下步骤：

获取图像中包含粗位置

根据像素最小值

对图像中包含粗位置

计算区域

对

进一步地，步骤S400包括如下步骤；

根据获得的精确定位结果，获得无风参考图像中标记点的坐标和有风工作图像中标记点的坐标；

以飞行器模型表面标记点中任一标记点作为原起始标记点，以原起始标记点在无风参考图像中的坐标点作为无风起始标记点，以原起始标记点在有风工作图像中的坐标点作为有风起始标记点；

沿无风起始标记点所在环的第一方向，搜索无风参考图像中所有标记点，形成无风参考图标记点云；沿有风起始标记点所在环的第一方向，搜索有风工作图像中所有标记点，形成有风工作图标记点云，所述第一方向为顺时针或逆时针。

进一步地，步骤S500包括如下步骤：

步骤S510：采用双向最近邻搜索法，对有风工作图标记点云和无风参考图标记点云的标记点到进行初始匹配；

步骤S520：根据初始匹配结果，计算有风工作图标记点云和无风参考图标记点云的标记点之间的匹配参数，进行精确匹配；

进一步地，步骤S510包括如下步骤：

步骤S511：将有风工作图标记点云与无风参考图标记点云进行正向匹配，获得正向匹配结果，正向匹配结果包括正向匹配标记点和正向未匹配标记点；

步骤S512：将无风参考图标记点云与有风工作图标记点云进行反向匹配，获得反向匹配结果，反向匹配结果包括反向匹配标记点和反向未匹配标记点；

步骤S513：将正向匹配结果和反向匹配结果进行修正融合，完成有风工作图标记点云与无风参考图标记点云之间的初始匹配。

进一步地，步骤S513包括如下步骤：

提取所述反向匹配结果中的截取匹配点，所述截取匹配点为所述反向匹配结果中与正向未匹配标记点匹配的点；解除正向已匹配标记点中与截取匹配点有关的匹配关系；

在正向匹配结果中，将截取匹配点更新为与正向未匹配标记点进行匹配的标记点，完成飞行器模型表面标记点的初始匹配。

进一步地，步骤S520包括：

采用二维非刚体匹配法，计算无风参考图标记点云和有风工作图标记点云之间的匹配参数；

根据所述匹配参数，将有风工作图标记点云向无风参考图移动，完成精确匹配。

本发明还提供了一种采用所述的飞行器模型表面压力测量方法的压力测量系统，包括：图像采集模块、图像定位模块、标记点云生成模块、图像匹配模块、压力计算模块；

图像采集模块：用于采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；

图像定位模块：用于计算无风参考图像中标记点的位置和有风工作图像中标记点；

标记点云生成模块：用于生成无风参考图标记点云和有风工作图标记点云；

图像匹配模块：用于将无风参考图标记点云和有风工作图标记点云进行匹配；

压力计算模块：用于计算飞行器模型表面的压力分布。

本发明的有益效果至少具有以下方面：

1）本发明提供的飞行器模型表面压力测量方法，通过对获取的有风工作图像和无风参考图像中的标记点进行定位、构造标记点云、然后对有风工作图像和无风参考图像进行精确匹配，此时计算出飞行器模型表面压力分布的压力值精度高，适用于不同飞行器模型表面的压力测量，工作效率高。

2）通过本发明的飞行器模型表面压力测量方法，实现了有风工作图像和无风图像的精确匹配，匹配精度高，然后根据高精度的匹配结果，将有风工作图像和无风参考图像相除，获得有风工作状态下飞行器模型表面的压力分布，此时获得的压力值误差小、精确度高。除此之外，通过获得的高精度压力值，可以积分得到准确度高的气动载荷，如得到增升装置的气动力，控制舵的铰链力矩等关键的气动载荷。

3）本发明提供的飞行器模型表面标记点的定位方法，通过对无风参考图像上的标记点和有风工作图像上的标记点采用增强阈值分割法和加权阈值方法进行两次定位，来获取标记点的精确位置，采用本发明的定位方法，可以获得飞行器模型表面标记点的精确坐标，定位准确度高，有助于飞行器模型表面标记点的精确匹配和受力情况的准确分析。

4）本发明提供的飞行器模型表面标记点的匹配方法，根据获得的标记点位置信息，构造有风工作图像标记点云和无风参考标记点云，通过将有风工作图标记点云和无风参考图标记点云之间进行双向初始匹配，针对双向初始匹配结果中出现未匹配的标记点和匹配发生错误的标记点云的现象，通过迭代配准目标函数，计算获得有风工作图标记点云到无风参考图标记点云之间进行匹配的最优变换参数，实现有风工作图标记点云到无风参考图标记点云之间的精确匹配。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明中飞行器模型表面压力测量方法的流程图；

图2是本发明中采集到的飞行器模型的图像；

图3（a）是阈值分割三维图，图3（b）是标记点的精确位置图；

图4是本发明中的有风工作图标记点云到无风参考图标记点云正向匹配结果；

图5是本发明中的无风参考图标记点云到有风工作图标记点云反向匹配结果；

图6是本发明中有风工作图标记点云到无风参考图标记点云的初始匹配结果；

图7是本发明中有风工作图标记点云和无风参考图标记点云的精确匹配结果；

图8是本发明中有风工作图和无风参考图的对比示意图；

图9是本发明中有风工作图标记点云和无风参考图标记点云的精确匹配结果效果图。

具体实施方式

以下的说明提供了许多不同的实施例、或是例子，用来实施本发明的不同特征。以下特定例子所描述的元件和排列方式，仅用来精简的表达本发明，其仅作为例子，而并非用以限制本发明。

实施例1：

如附图1-图9所示，本发明实施例1提供了一种飞行器模型表面压力测量方法，来解决现有技术中存在的技术问题，包括如下步骤：

步骤S100：在飞行器模型表面涂覆压敏漆，并沿飞行器模型表面轮廓布置多个标记点；

步骤S200：将飞行器模型布置于风洞试验段中；采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；

步骤S300：分别对无风参考图像中的标记点和有风工作图像中的标记点进行定位；

步骤S400：根据所述定位结果，分别构建无风参考图标记点云和有风工作图标记点云；

步骤S500：将无风参考图标记点云和有风工作图标记点云进行匹配；

步骤S600：计算飞行器模型表面的压力分布。

上述方案中，在获取飞行器模型图像前，需要在飞行器模型表面涂覆压敏漆、布置标记点，然后将飞行器模型布置于风洞试验段中，图像采集装置布置与飞行器模型周围；本发明实施例中图像采集装置采用由阵列式LED发光二极管构成的平行光源作为激发光源，相机采用科学级灰度CCD相机，采集飞行器模型图像时，激发光源发出激发光至飞行器模型表面，相机接收飞行器模型表面的反射光，获取飞行器模型图像，相机获得的图像如图2所示。

在获取飞行器模型图像时，需要获取飞行器模型两种状态下的图像，一种是飞行器模型在无风状态下的图像，即无风参考图像，另一种是飞行器模型在有风状态下的图像，即有风工作图像，利用无风参考图像上的标记点和有风工作图像上的标记点进行匹配，根据匹配结果分析飞行器模型表面的受力情况。

需要说明的是，在对有图像进行的定位处理计算过程，均指的是对无风参考图像和有风工作图像，两者都会进行同样的处理步骤。

具体地，现有技术中对标记点的定位通常采用最小二乘法等方法只进行一次定位，获得的标记点的坐标不准确，本发明对采集到的有风工作图像和无风参考图像中的标记点采用两次进行定位，首先对有风工作图像和无风参考图像中的标记点采用增强阈值分割法进行粗定位，然后再采用加权阈值方法对标记点进行精确定位，通过两次定位获得的标记点定位准确度高，且有助于飞行器模型表面标记点的精确匹配和受力情况的准确分析。

根据获得的标记点坐标序列，构建有风工作图标记点云和无风参考图标记点云，即对有风工作图和无风参考图中标记点进行排序，为后续标记点的匹配做准备；然后采用双向最近邻搜索法，对有风工作图标记点云和无风参考图标记点云进行初始匹配，然后再采用非刚体配准法，有风工作图标记点云和无风参考图标记点云进行精确匹配，使得有风工作图标记点云中的所有标记点和无风参考图标记点云中所有的标记点均能形成一一映射匹配的关系。

根据精确匹配结果，将有风工作图像和无风参考图像相除，获得有风工作状态下飞行器模型表面的压力分布，此时获得的压力值误差小、精确度高。除此之外，进而可以积分得到气动载荷，如得到增升装置的气动力，控制舵的铰链力矩等关键的气动载荷。

优选地，在飞行器模型表面沿边缘至中心的方向可以布置多圈标记点，位于同一圈上的每一个标记点距飞行器模型边缘的距离相等。

在获取飞行器模型图像

进一步地，步骤S300包括如下步骤：

步骤S310：采用增强阈值分割法对采集到的图像中的标记点进行粗定位，获得标记点的粗位置

步骤S320：根据标记点的粗定位结果，采用加权阈值方法对标记点进行精确定位获得标记点的精确位置

当获取了飞行器模型表面的图像后，首先需要将图像转化为灰度图像，然后对灰度图像采用黑帽运算，对图像进行去噪进而减小背景带来的干扰，增强标记点所在的区域，得到黑帽图像，在此基础上，对黑帽图像采用自适应阈值分割的方法，针对图像中的不同区域，自适应计算不同的阈值，对图像进行分割，得到二值化图像，计算二值化图像中所有的连通区域，并计算每一个连通区域的面积和位置，此时由技术人员根据实际经验设置面积阈值，将连通区域面积小于面积阈值的连通区域保留，并将连通区域中面积小于面积阈值的连通区域的位置作为标记点的粗位置，将连通区域面积不小于面积阈值的连通区域进行过滤，依次将每一个连通区域的面积与面积阈值进行比较，获得每一个标记点的粗位置，即在对图像进行了自适应阈值分割的基础上，对图像又根据面积阈值进行了一次增强阈值分割，因此，对采集到的飞行器模型图像通过增强阈值的分割办法实现了对标记点的粗定位。

进一步地，步骤S310包括如下步骤：

对采集到的图像进行黑帽运算，获得黑帽图像；

采用自适应阈值分割法对黑帽图像进行处理，获得粗定位二值化图像；

计算粗定位二值化图像中的所有连通区域，并计算每个连通区域的面积

若

上述方案中，首先将相机获得的图像

其中，

在此基础上，对黑帽图像采用自适应阈值分割的方法，针对图像中的不同区域，自适应计算不同的阈值，对图像进行分割，得到粗定位二值化图像

其中，

当计算得到每个连通区域的面积

进一步地，步骤S320包括如下步骤：

获取图像中包含粗位置

根据像素最小值

对图像中包含粗位置

计算区域

对

具体地，当

图3（a）为在不同阶梯阈值下的对应的阈值分割三维图，比较图像

计算区域

中心坐标

其中，

对

其中，

上述方案中，当

获取图像

本发明实施中，对图像采用加权阈值定位的方法，为了便于理解，可以认为将一个图像分成了多层，对每一层的图像进行阈值分割，然后计算该层的中心坐标，然后将每一层的中心坐标通过加权得到标记点的精确坐标。

进一步地，步骤S500包括如下步骤；

根据获得的精确定位结果，获得无风参考图像中标记点的坐标和有风工作图像中标记点的坐标；

以飞行器模型表面标记点中任一标记点作为原起始标记点，以原起始标记点在无风参考图像中的坐标点作为无风起始标记点，以原起始标记点在有风工作图像中的坐标点作为有风起始标记点；

沿无风起始标记点所在环的第一方向，搜索无风参考图像中所有标记点，形成无风参考图标记点云；沿有风起始标记点所在环的第一方向，搜索有风工作图像中所有标记点，形成有风工作图标记点云，所述第一方向为顺时针或逆时针。

上述方案中，在飞行器模型表面轮廓布置有多个标记点，当对获取的标记点进行定位后获得了无风参考图像中的标记点序列和有风工作图像中的标记点序列，但是毫无关系的两个点序列导致后面的无风参考图像中的标记点和有风工作图像中的标记点进行匹配，因此，将分别对无风参考图像中的标记点序列和有风工作图像中的标记点序列构造了2D的标记点云，使得后续在匹配过程中两个标记点云之间可以有序、准确地进行匹配。

因此，以飞行器模型表面标记点中任何标记点作为原起始标记点，如，可以选择飞行器模型表面左下角的标记点作为原起始标记点，右下角的标记点作为原起始标记点等任何一个位置的标记点作为原起始标记点；然后在无风参考图像中将原起始标记点对应的标记点作为无风起始标记点，在有风工作图像中将原起始标记点对应的标记点作为有风起始标记点，然后沿距离飞行器模型轮廓为d范围内的无风起始标记点所在环的顺时针方向搜索下一个标记点，直至完成一圈的搜索，同时沿距离飞行器模型轮廓为d范围内的有风起始标记点所在环的顺时针方向搜索下一个标记点，完成一圈搜索；或者沿距离飞行器模型轮廓为d范围内的无风起始标记点所在环的逆时针方向搜索下一个标记点，直至完成一圈的搜索，同时沿距离飞行器模型轮廓为d范围内的有风起始标记点所在环的逆时针方向搜索下一个标记点，完成一圈搜索；在此过程中，无风起始点和有风起始点每次搜索的方向相同，使得搜索时标记点的顺序尽可能相同，使得无风参考图中的标记点和有风工作图中的标记点在后续的匹配过程中匹配精度更高，效率更快。

若飞行器模型表面的标记点布置有多圈时，则沿距离飞行器模型轮廓为d’、d’’、d’’’等范围内，距离飞行器模型轮廓为d’范围内的无风起始标记点所在环的顺时针/逆时针方向搜索下一个标记点，直至完成一圈的搜索，同时沿距离飞行器模型轮廓为d’范围内的有风起始标记点所在环的顺时针/逆时针方向搜索下一个标记点，完成一圈搜索，其中，无风起始点和有风起始点每次搜索的方向相同，两个方向都为顺时针或者都为逆时针。依次迭代循环，直到完成有风工作图像中所有标记点和无风参考图像中所有标记点的搜索。这样就构造好了沿飞行器模型轮廓分布的环状标记点云，即无风参考图标记点云和有风工作图标记点云。

在构建完成无风参考图标记点云和有风工作图标记点云的基础上，计算出无风参考图标记点云和有风工作图标记点云之间的平移向量，实现无风参考图标记点云和有风工作图标记点云之间的平移，即使无风参考图标记点云和有风工作图标记点云在后续标记点进行匹配前，先使其重心重合，为后续无风参考图标记点云和有风工作图标记点云的匹配打基础，减小匹配时的工作量。

进一步地，步骤S500包括如下步骤：

步骤S510：采用双向最近邻搜索法，对有风工作图标记点云和无风参考图标记点云的标记点到进行初始匹配；

步骤S520：根据初始匹配结果，计算有风工作图标记点云和无风参考图标记点云的标记点之间的匹配参数，进行精确匹配；

当分别构建了无风参考图标记点云和有风工作图标记点云后，首先，有风工作图像标记点云在无风参考图标记点云中进行搜索匹配，使得有风工作图标记点云中的每个标记点在无风参考图标记点云中找到与其距离最近的标记点，然后反向进行搜索，无风参考图标记点云在有风工作图像标记点云中进行搜索匹配，使得无风参考图标记点云中的每个标记点在有风工作图标记点云中找到与其距离最近的标记点，由于无风参考图表标记点云和有风工作图标记点云在进行搜索匹配的过程中会出现沿飞行器模型轮廓外围边缘的点没有匹配的情况，如果这种情况下直接进行标记点匹配的话，会导致在后续精确匹配的时候出现标记点整体平移的问题，因此，在无风参考图表标记点云和有风工作图标记点云完成双向的搜索匹配之后，需要对双向搜所的结果进行修正融合，获得最终的有风工作图标记点云到无风参考图标记点云的初始匹配。

在有风工作图标记点云和无风参考图标记点云完成初始匹配之后，还是会出现一些标记点之间匹配错误的问题，为了使有风工作图像标记点云尽可能接近无风参考图像的标记点云，通过不断地迭代优化有风工作图像标记点云尽可能接近无风参考图像的标记点云之间的变化参数，实现精确匹配。

进一步地，步骤S510包括如下步骤：

步骤S511：将有风工作图标记点云与无风参考图标记点云进行正向匹配，获得正向匹配结果，正向匹配结果包括正向匹配标记点和正向未匹配标记点；

步骤S512：将无风参考图标记点云与有风工作图标记点云进行反向匹配，获得反向匹配结果，反向匹配结果包括反向匹配标记点和反向未匹配标记点；

步骤S513：将正向匹配结果和反向匹配结果进行修正融合，完成有风工作图标记点云与无风参考图标记点云之间的初始匹配。

进一步地，步骤S513包括如下步骤：

提取所述反向匹配结果中的截取匹配点，所述截取匹配点为所述反向匹配结果中与正向未匹配标记点匹配的点；解除正向已匹配标记点中与截取匹配点有关的匹配关系；

在正向匹配结果中，将截取匹配点更新为与正向未匹配标记点进行匹配的标记点，完成飞行器模型表面标记点的初始匹配。

上述方案中，首先，将有风工作图标记点云与无风参考图标记点云进行正向匹配，即是对于有风工作图标记点云中的每个点分别在无风参考图标记点中进行搜索，找到与其距离最近的点（最近邻点），有风工作图标记点云中的每一个标记点在无风参考图标记点中都找到最近邻点之后，会形成两种正向匹配结果，无风参考图标记点云中，一部分标记点（正向匹配标记点）与有风工作图标记点云中的标记点进行了匹配，另一部分标记点（正向未匹配标记点）在有风工作图标记点云中没有任何标记点与之匹配，如附图4中的标记点a和标记点b。

其次是无风参考图标记点云与有风工作图标记点云进行反向匹配，即是对于无风参考图标记点云中的每个点分别在有风工作图标记点中进行搜索，找到与其距离最近的点（最近邻点），无风参考图标记点云中的每一个标记点在有风工作图标记点中都找到最近邻点之后；会形成两种反向匹配结果，有风工作图标记点云中，一部分标记点（反向匹配标记点）与无风参考图标记点云中的标记点进行了匹配，另一部分标记点（反向未匹配标记点）在无风参考图标记点云中没有任何标记点与之匹配。

在反向匹配结果中，提取有风工作图标记点云中与无风参考图像中正向未匹配标记点的匹配的标记点（截取标记点）。

在有风工作图标记点云与无风参考图标记点云的正向匹配结果中，解除无风参考图标记点云已匹配的标记点之中，与截取标记点有之间的匹配关系。

最后，将有风工作图标记点云与无风参考图标记点云进行正向匹配的匹配结果中，无风参考图标记点云中未匹配的标记点的匹配点更新替换为有风工作图标记点云中与无风参考图像中正向未匹配标记点的匹配的标记点，完成有风工作图标记点云到无风参考图像标记点云的初始匹配。

本方案中，通过将有风工作图标记点云与无风参考图标记点云进行正向匹配，再将无风参考图标记点云与有风工作图标记点云进行反向匹配，最后对无正向匹配中无风参考图标记点云中的标记点进行修正匹配，完成初始匹配，进行双向匹配的原因是由于在飞行器模型表面布置的标记点属于稀疏标记点，只要其中一个标记点发生了错误，就会导致匹配结果产生比较大的影响，因此进行双向匹配至少使得飞行器模型轮廓外围边缘布置的标记点得到正确的匹配结果，避免后续精度匹配时，有风工作标记点云发生整体平移的错位匹配结果。

结果附图进一步进行解释说明，其中白色圆点表示无风参考图标记点云中的标记点，黑色圆点表示有风工作图标记点云中的标记点：

附图4为有风工作图标记点云与无风参考图标记点云进行正向匹配的结果图，从图中可以看出，有风工作图标记点云中没有标记点与无风参考图标记点云中有两个标记点a、b匹配，在附图5中无风参考图标记点云与有风工作图标记点云进行反向匹配，无风参考图标记点云中有两个标记点a、b分别与有风工作图标记点云中的标记点a’、b’匹配，此时将有风工作图标记点云中的标记点a’、b’提取出来，将附图2中解除正向匹配标记点中与标记点a’、b’有匹配关系的标记点，将标记点a’、b’更新修正为标记点a、b的初始匹配点，即完成了有风工作图标记点云与无风参考图标记点云之间的初始匹配，如附图6所示。

优选地，有风工作图标记点云与无风参考图标记点云进行正向匹配，得到正向匹配结果的步骤如下：

将有风工作图标记点云中的标记点记为

取每个标记点

遍历每一个标记点

计算标记点

计算 对应的标记点，记为

当

上述方案中，针对有风工作图标记点云中的每个标记点在无风参考标记点云中找到对应的距离最近的点。

如图4所示，具体是，在有风工作图标记点云中取出一点

优选地，有风工作图标记点云与无风参考图标记点云进行反向匹配，得到反向匹配结果的步骤如下：

取每个标记点

遍历每一个标记点

计算标记点

计算

当

为预设距离阈值。

上述方案中，针对无风参考图标记点云中的每个标记点在有风工作图标记点云中找到对应的距离最近的点。

如图5所示，具体是，在无风参考图标记点云中取出一点

然后分别计算取出的标记点

需要说明的是，通常情况下，有风工作图标记点云中的标记点数量与无风参考标记点云中标记点的数量相同

具体地，所述距离阈值

进一步地，步骤S520包括：

采用二维非刚体匹配法，计算无风参考图标记点云和有风工作图标记点云之间的匹配参数；

根据所述匹配参数，将有风工作图标记点云向无风参考图移动，完成精确匹配。

上述方案中，根据初始匹配的结果，有风工作图标记点云中的标记点和无风参考图标记点云中的标记点完成了初始匹配，如图4所示，无风参考标记点云中存在标记点未与有风工作图标记点云中的任何标记点匹配、无风参考图标记点云的一个标记点同时与有风工作图标记点云中的两个标记点进行匹配，因此，需要通过精确匹配来解决出现的这种情况。

精确匹配的原理是，使无风参考图标记点云位置保持不动，有风工作图标记点云向无风参考标记点云移动匹配，或者是有风工作图标记点云位置保持不动，无风参考图标记点云向有风工作标记点云移动进行匹配；两者在移动的过程中需要满足一定的约束条件，否则，标记点云会沿着任意方向或者距离移动，导致匹配结果错乱，不理想。

下面以有风工作图标记点云到无风参考标记点云的精确匹配过程为例：

采用非刚体匹配目标函数，公式如下：

具体地，配准错误精度

其中，

由于二维坐标点匹配的信息量比较少，结合飞行器模型整体刚性、局部非刚性、弹性形变的特点，采用弹簧约束的变形场拓扑保持方法，自由形变模型通过附加在数据2D空间上的一个控制网格表示形变场，计算公式如下：

其中，

通过对配准错误精度

实施例2：

本发明实施例2提供了一种采用所述的飞行器模型表面压力测量方法的压力测量系统，包括：图像采集模块、图像定位模块、标记点云生成模块、图像匹配模块、压力计算模块；

图像采集模块：用于采集飞行器模型的图像，所述图像包括无风参考图像和有风工作图像；

图像定位模块：用于计算无风参考图像中标记点的位置和有风工作图像中标记点；

标记点云生成模块：用于生成无风参考图标记点云和有风工作图标记点云；

图像匹配模块：用于将无风参考图标记点云和有风工作图标记点云进行匹配；

压力计算模块：用于计算飞行器模型表面的压力分布。

上述方案中，当飞行器模型表面涂覆完压敏漆和布置标记点后，通过图像采集模块采集飞行器模型的两种状态下的图像，在无风即静止状态下的无风参考图像和有空气动力载荷状态下的有风工作图像；然后采用图像定位模块，计算无风参考图像的标记点和有风工作图像的标记点中的每个标记点的位置，获得无风参考图像标记点序列和有风工作图像标记点序列，点云生成模块将这些点序列进行排序，生成无风参考图标记点云和有风工作图标记点云；在此基础上对无风参考图标记点云和有风工作图标记点云采用图像匹配模块进行精确匹配，使得标记点云中的标记点精确匹配，压力计算模块将匹配后的无风参考图和有风工作图中的像素点进行计算，计算出飞行器模型表面的分布的压力值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。