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

背景技術(shù)：

1、民航客機外觀檢測作為保障飛行安全的核心環(huán)節(jié)，其技術(shù)發(fā)展對航空運輸業(yè)至關(guān)重要。目前，民航客機外觀檢測主要采用傳統(tǒng)人工檢測和部分自動化檢測兩種方式。傳統(tǒng)人工檢測主要依賴檢測人員使用簡單工具對飛機機身進(jìn)行近距離逐一檢查。該方法存在顯著缺陷：其一，檢測效率極低，檢測單架民航客機需耗費大量時間，嚴(yán)重制約航班周轉(zhuǎn)效率；其二，檢測準(zhǔn)確性高度依賴檢測人員的經(jīng)驗和技能水平，不同檢測人員判斷標(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，部分自動化檢測系統(tǒng)逐漸應(yīng)用于民航客機外觀檢測領(lǐng)域。這些系統(tǒng)通常借助固定攝像頭或簡單的移動設(shè)備來采集飛機機身的圖像，然后利用圖像處理技術(shù)對采集到的圖像進(jìn)行分析，以識別機身是否存在損傷。然而，在實際應(yīng)用中，這些自動化檢測系統(tǒng)暴露出了一系列明顯的缺陷：民航客機機身具有復(fù)雜的曲面結(jié)構(gòu)，而現(xiàn)有的固定路徑規(guī)劃檢測系統(tǒng)在設(shè)計上存在局限性，難以全面覆蓋這些曲面區(qū)域。在檢測過程中，容易遺漏一些關(guān)鍵區(qū)域，導(dǎo)致潛在的安全隱患無法被及時發(fā)現(xiàn)，給飛行安全帶來嚴(yán)重威脅；并且，無法及時調(diào)整檢測路徑和參數(shù)，導(dǎo)致后續(xù)檢測依然沿用低效或不準(zhǔn)確的檢測方式，使得整體檢測效率低下，難以滿足民航客機外觀檢測對高效準(zhǔn)確、全面覆蓋的要求。

3、因此，如何實現(xiàn)民航客機外觀檢測的高效準(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)實現(xiàn)思路

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

2、本發(fā)明通過下述技術(shù)方案來解決上述技術(shù)問題：

3、一種基于民航客機外觀檢測的機械臂路徑規(guī)劃方法，包括以下步驟：

4、獲取民航客機外觀檢測區(qū)域的待檢損傷目標(biāo)，構(gòu)建民航客機的機身三維數(shù)字孿生模型，基于長短期記憶神經(jīng)網(wǎng)絡(luò)對待檢損傷目標(biāo)的擴展趨勢進(jìn)行預(yù)測，結(jié)合預(yù)測結(jié)果和機身三維數(shù)字孿生模型，規(guī)劃機械臂的掃描路徑；

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

6、根據(jù)掃描路徑對民航客機外觀檢測區(qū)域進(jìn)行檢測，獲取檢測反饋數(shù)據(jù)，計算得到反饋值，當(dāng)反饋值在預(yù)設(shè)的反饋閾值范圍內(nèi)時，優(yōu)化機械臂的運動速度和光源參數(shù)；當(dāng)反饋值低于預(yù)設(shè)的反饋閾值范圍下限時，增設(shè)機械臂的數(shù)量，進(jìn)行多機械臂協(xié)同掃描；當(dāng)反饋值超過預(yù)設(shè)的反饋閾值范圍上限時，維持當(dāng)前檢測狀態(tài)。

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

8、實時采集民航客機外觀檢測區(qū)域的場景信息數(shù)據(jù)，計算得到場景復(fù)雜度指標(biāo)；

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

10、獲取民航客機外觀檢測區(qū)域的機身表面數(shù)據(jù)，通過融合算法生成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，通過密度聚類算法，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：所述通過融合算法生成rgb-d-thermal圖像具體為：

12、

13、其中，為通過融合算法生成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：所述場景信息數(shù)據(jù)包括光照強度、曲面復(fù)雜度及障礙物密度；

15、所述場景復(fù)雜度指標(biāo)具體為：

16、

17、且，，；

18、其中，為場景復(fù)雜度指標(biāo)；為時刻；為時刻t的特征向量；為衰減函數(shù)；為光照強度；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)項偏置向量；為卷積運算。

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

20、基于數(shù)字孿生思想，構(gòu)建民航客機的機身三維數(shù)字孿生模型；獲取障礙物的運動軌跡，并持續(xù)更新待檢損傷目標(biāo)的變化和障礙物的運動軌跡至機身三維數(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為檢測周期；為機械臂在時刻t的掃描速度；為時刻t的檢測準(zhǔn)確率；為時刻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為檢測反饋值的次序，k為檢測周期內(nèi)檢測的反饋值總個數(shù)；為檢測的反饋值均值；為第個檢測反饋值。

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

31、第一模塊，用于獲取民航客機外觀檢測區(qū)域的待檢損傷目標(biāo)，構(gòu)建民航客機的機身三維數(shù)字孿生模型，基于長短期記憶神經(jīng)網(wǎng)絡(luò)對待檢損傷目標(biāo)的擴展趨勢進(jìn)行預(yù)測，結(jié)合預(yù)測結(jié)果和機身三維數(shù)字孿生模型，規(guī)劃機械臂的掃描路徑；

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

33、第三模塊，用于根據(jù)掃描路徑對民航客機外觀檢測區(qū)域進(jìn)行檢測，獲取檢測反饋數(shù)據(jù)，計算得到反饋值，當(dāng)反饋值在預(yù)設(shè)的反饋閾值范圍內(nèi)時，優(yōu)化機械臂的運動速度和光源參數(shù)；當(dāng)反饋值低于預(yù)設(shè)的反饋閾值范圍下限時，增設(shè)機械臂的數(shù)量，進(jìn)行多機械臂協(xié)同掃描；當(dāng)反饋值超過預(yù)設(shè)的反饋閾值范圍上限時，維持當(dāng)前檢測狀態(tài)。

34、本發(fā)明還提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述基于民航客機外觀檢測的機械臂路徑規(guī)劃方法的步驟。

35、本發(fā)明還提供一種計算機設(shè)備，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上述基于民航客機外觀檢測的機械臂路徑規(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外觀檢測的機械臂路徑規(guī)劃方法，通過機身三維數(shù)字孿生模型模擬機械臂的掃描路徑，并利用遺傳算法對掃描路徑進(jìn)行動態(tài)優(yōu)化，確保了掃描路徑能夠全面覆蓋民航客機外觀檢測區(qū)域的機身表面，避免了因路徑規(guī)劃不合理而導(dǎo)致的漏檢情況；通過計算反饋值并與預(yù)設(shè)的反饋閾值范圍進(jìn)行比較，能夠?qū)崟r評估檢測效果，并根據(jù)評估結(jié)果動態(tài)調(diào)整機械臂的運動速度和光源參數(shù)，使得檢測過程更加準(zhǔn)確、靈活；利用長短期記憶神經(jīng)網(wǎng)絡(luò)對待檢損傷目標(biāo)的擴展趨勢進(jìn)行預(yù)測，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區(qū)域，提高檢測效率。

38、進(jìn)一步地，本方法通過實時采集民航客機外觀檢測區(qū)域的場景信息數(shù)據(jù)，并計算得到場景復(fù)雜度指標(biāo)，能夠動態(tài)評估檢測環(huán)境的復(fù)雜程度，為后續(xù)的光源調(diào)整和檢測策略制定提供依據(jù)；當(dāng)場景復(fù)雜度指標(biāo)大于等于預(yù)設(shè)閾值時，在檢測區(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)致的檢測困難問題，提高了檢測圖像的清晰度和準(zhǔn)確性。