面向大型精密装配摄影测量验收的联合基准—形状分解（JDFD）方法

《Sensors》：Joint Datum–Form Decomposition for Photogrammetric Acceptance of Large Precision Assemblies

　　

数字工业摄影测量（digital industrial photogrammetry）用于大型精密装配验收，但将时间不变的装配形状误差与逐历元（epoch-varying）测量扰动分离仍具挑战。仅由少量控制点以六自由度（six-degree-of-freedom, 6-DoF）基准将每个重复独立配准至计算机辅助设计（computer-aided design, CAD）会吸收部分形状误差，使装配均方根误差（root-mean-square, RMS）产生偏差。本文提出联合基准—形状分解（joint datum–form decomposition, JDFD），一种广义Procrustes分析（generalised Procrustes analysis, GPA），其在重复间共享一个锚定至CAD的公共刚体变换，并去除每个历元的残余整体相似变换。JDFD具有两个优势。第一，其装配RMS独立于稀疏控制预算：独立逐历元6-DoF在Monte Carlo（蒙特卡洛）中高估装配RMS约43%（σ_M=6.0 μm），在n_c=4个控制的真实五次重复数据中高估约79%（随机四点布局的中位数约51%，5–95%范围约6–168%），而JDFD在测试的每个n_c下均在数值噪声范围内返回全集合参考RMS(^{^}I)=11.92 μm；仅当n_c≈32时偏差降至2%以下。第二，通过去除残余相似变换，JDFD给出未受污染的会话内扰动RMS(^{^}M)=3.36 μm，相比之下未剥离时为5.57 μm，相对于全集合独立基准基线为3.91 μm。所得装配RMS超过10 μm规格，因此验收应基于对n_c不变的装配RMS(^{^}I)，并将RMS(^{^}M)视为次要质量指标。

研究背景：大型精密装配（如反射面板、模具、飞机蒙皮等）需按微米级装配均方根误差（RMS）规格验收。工业摄影测量是数米级结构现场测量的实用方法，但自由曲面装配的残差同时混合时间不变的制造与装配形状误差，以及随网络变化的逐历元摄影测量扰动。经典机床误差分离依赖机械反转，难以直接迁移至光学网络观测的自由曲面装配。实际厂商软件通常对每个历元以少量工装球或比例尺独立拟合六自由度（6-DoF）基准；当基准靶标本身携带形状误差或控制点稀疏时，形状误差的倾斜与活塞项会被部分吸收至基准参数，导致装配RMS有偏，且独立基准使各历元残差不易直接比较。因此，研究人员需要回答：在稀疏工装约束下，是每历元独立配准，还是先跨重复汇总再形成残差；独立基准偏差可有多大。JDFD通过共享锚定CAD的公共刚体并剥离逐历元残余相似，旨在使装配形状误差估计不受稀疏控制预算影响，并给出未受污染的扰动估计，为验收决策提供依据。

研究人员开展了真实五重复数据与Monte Carlo相结合的研究。真实数据为某太赫兹反射天线的浅抛物面主反射面，由铝面板阵列组装于球节点桁架，具备微米级法向调整；在单次室内会话中采集五个独立网络R1–R5，共7182个同源靶标，配密靶标和比例尺。研究比较独立逐历元配准（IND）、公共基准（CD）、JDFD与厂商结果，并在稀疏控制n_c下量化偏差、检验JDFD不变性。结论是：JDFD的装配RMS与全集合参考一致，IND在稀疏控制下显著高估装配RMS；验收应基于对n_c不变的装配RMS(^{^}I)，扰动RMS(^{^}M)作为次要质量指标。其意义在于为大型精密装配摄影测量验收提供对稀疏工装稳健的基准分解方案。

关键技术方法：输入为单次室内五重复摄影测量数据集R1–R5（太赫兹反射天线浅抛物面，7182个同源靶标）及CAD法向。JDFD由均值靶标集经Horn绝对定向（Horn absolute orientation）估计锚定CAD的公共刚体并计算符号法向残差，再逐历元最小二乘估计并剥离七参数残余相似，迭代重锚定至收敛；以全集合JDFD为参考比较IND/CD/JDFD，并在稀疏n_c下用控制点初值加剥离检验不变性。仿真采用浅抛物面高斯过程场叠加白噪声与随机相似扰动；真实数据采用随机四点布局、块bootstrap及留一历元评估稳定性。

研究结果：
4.1 测量对象与实验设置：通过单次室内数字工业摄影测量获取五次独立网络，覆盖7182个同源靶标，确认每历元至CAD的额外相似量级，建立用于量化稀疏控制失效的扰动条件。
4.2 全集合分解与残余相似剥离的作用：在全靶标集下比较厂商、IND、CD与JDFD，发现IND/CD/JDFD的装配RMS一致至微米级，JDFD给出全集合参考RMS(^{^}I)=11.92 μm；CD未剥离相似时扰动RMS为5.57 μm，JDFD剥离后降至3.36 μm，相对全集合独立基准基线3.91 μm亦降低；装配RMS超过10 μm规格，留一历元与块bootstrap表明估计稳定。
4.3 真实五次重复数据的稀疏控制检验：通过稀疏控制n_c的IND与“全均值公共刚体+n_c控制初值+剥离”的JDFD对比，检验JDFD能否吸收故意较差初值并回归全集合参考。
4.3.1 检验设计：IND_n_c每历元由恰好n_c个控制点拟合6-DoF；JDFD_n_c先由全均值靶标集估计公共刚体，再以n_c控制初值初始化，最后运行残余相似剥离迭代；控制点按固定格点规则选取。
4.3.2 稀疏控制检验结果：JDFD在测试的每个n_c下均返回全集合参考至数值噪声内；n_c=4时IND高估装配RMS约79%，仅当n_c≈32时闭合。线性化论证表明，稀疏控制刚体偏差的诱导高度场位于剥离回归量张成空间内，会被下一次剥离去除；但注入远大于实测的姿态偏差时不变性会失效。
4.3.3 稀疏控制偏差的Monte Carlo预测：以浅抛物面高斯过程场叠加白噪声和随机相似扰动，IND在n_c=4时高估约43%，n_c≈32时降至2%以下；CD与JDFD因配准均值靶标集零偏差，说明JDFD相对IND的决定性优势是稀疏控制偏差防护。
4.3.4 对扰动幅度的敏感性：匹配实测扰动幅度与headline幅度的Monte Carlo给出统计不可区分的IND偏差，n_c≈32时均低于2%；CD与JDFD仍为零偏差，结论不依赖保守扰动幅度。
4.3.5 真实数据偏差超过预测的原因：检验表明扰动模型无关；实测装配场的面板尺度内容解释约五分之二偏差；均匀索引间隔的四点布局是不利抽样，200个随机四点子集中位偏差约51%、5–95%范围约6–168%，实测79%位于第70百分位。
4.3.6 基于实测装配场的Monte Carlo：以实测场作为伪真值固定不变，Monte Carlo在每n_c复现实测IND曲线，误差不超过约4%；去除面板尺度内容显著降低n_c=4偏差，说明稀疏控制偏差是估计器作用于实测场的性质，且与剥离收益可分离。
4.4 零均值假设的时间漂移审计：逐历元厂商相似峰值旋转低于8 arcsec、平移低于50 μm，尺度为1.0000，非零旋转/平移正是JDFD剥离项；残差RMS无显著线性漂移，支持扰动零均值假设。
4.4.1 每历元残余相似：非零旋转与平移被JDFD去除；无尺度抖动说明比例尺漂移为共模项，不能由重复平均去除而留在装配形状误差中。
4.4.2 线性趋势：逐历元残差RMS的Student-t与Theil–Sen斜率区间跨零，小负斜率在量级上低于规格，不威胁零均值假设。

讨论部分总结：当每历元基准可由数十个刚性控制或全靶标集实现时，IND与JDFD的装配RMS接近，JDFD主要优势是给出未受污染的扰动RMS；当基准由稀疏工装实现、重复需共享一个CAD锚定参考形状或需报告扰动时，JDFD更必要。全集合IND不剥离相似会使扰动RMS受整体抖动膨胀，稀疏IND不共享公共基准会使装配RMS偏高；JDFD同时实现n_c不变的装配RMS和未受污染扰动RMS。3.36 μm是配置不变条件下的会话内同源重复性下界，并非日间重现性；日间独立扰动会显著增大扰动RMS，但验收所依赖的装配RMS变化有限，故扰动RMS宜作为次要指标。共同模项如比例尺、标定或靶标厚度误差不能通过重复消除；均匀活塞项通常使装配RMS增大，只有约23 μm量级的空间反相相干抵消才可能翻转结论。JDFD计算成本低，适用于大型装配常规车间检测。

研究结论翻译：JDFD是一种用于摄影测量验收的限制性GPA，在重复间共享一个锚定CAD的公共刚体并剥离逐历元残余相似。其给出的装配RMS独立于IND使用的稀疏控制预算：在n_c=4时，IND在真实数据中高估RMS(^{^}I)约79%——随机四点布局中位数约51%，5–95%范围约6–168%——在Monte Carlo（σ_M=6.0 μm）中约43%，而JDFD在测试的每个n_c下恢复全集合参考11.92 μm。此外，剥离残余相似给出未受污染的扰动RMS(^{^}M)=3.36 μm，相比之下未剥离为5.57 μm，相对于全集合独立基准基线为3.91 μm。该校益不能由仅含白噪声历元的Monte Carlo再现；它特定于交付网络携带的整体相似，并作为测量结果而非估计器一般性质报告。对7182个靶标的五次重复检测，JDFD给出的RMS(^{^}I)=11.92 μm及块bootstrap区间超过10 μm规格，而RMS(^{^}M)=3.36 μm表示配置不变条件下的会话内重复性。这些结果支持以对n_c不变的RMS(^{^}I)作为验收决策基础。