2. 三维检测数据基础

在FARO三维检测与质量追溯体系中,数据不是单一形态的“一个文件”,而是从原始采集到最终判定之间不断变换的多种表达。理解这些数据类型的差异,是判断“这份检测结果能不能被追溯”的前提。本节围绕四类核心数据对象——点云、网格、CAD模型、测量特征——以及FARO常见输出格式、精度/分辨率/不确定度三个易混概念,说明它们各自承担什么角色、在追溯链中处于什么位置。

一、四类数据对象及其角色

点云(Point Cloud)是三维检测最原始的几何数据。FARO Focus 激光扫描仪通过激光测距与角度编码,逐点记录目标表面的三维坐标,形成海量离散点。每个点通常包含 X/Y/Z 坐标,并附带反射强度、RGB 颜色等信息。点云是“未经解释的测量事实”,它不判断哪里是平面、哪里是孔,只忠实记录“在某个方向上、某个距离处有回波”。因此点云是追溯链的源头证据,一旦被过度处理,原始性就难以恢复。

网格(Mesh)是由点云三角化得到的连续表面模型。通过 Delaunay 三角剖分或泊松重建等算法,把离散点连成三角面片,使模型具有封闭表面、法向和体积。网格便于可视化、截面分析和体积计算,但它引入了算法假设:孔洞被填补、噪声被平滑、尖锐边被圆化。网格是“解释后的几何”,适合做形貌展示和快速比对,但不应作为唯一追溯依据。

CAD模型是设计意图的数学表达,由理想平面、圆柱、球、圆锥等解析曲面构成,尺寸精确、无噪声。检测中CAD模型作为名义基准(Nominal),点云或网格作为实测(Actual),两者对齐后计算偏差。CAD模型本身不是测量数据,而是比对参照,其版本号、坐标系定义必须与图纸一致,否则偏差值没有意义。

测量特征(Measurement Feature)是从点云或网格中拟合出的几何要素,如平面度、圆度、圆柱度、孔位、直径、角度等。特征是“可判定的量”,直接对应图纸公差。例如从孔壁点云拟合出圆柱轴线,再计算位置度。特征提取依赖拟合算法和采样策略,同一片点云用不同拟合方法可能得到不同的直径值,因此特征结果必须记录算法参数。

FARO三维检测数据链:从采集到判定 原始性递减 → 解释性递增;追溯要求保留每一级的来源与参数 ① 点云 Point Cloud FARO Focus 激光扫描 X/Y/Z + 强度 + RGB .fls / .fws / .pts 原始测量事实 ② 网格 Mesh 三角剖分 / 泊松重建 封闭表面 + 法向 .stl / .obj / .ply 解释后的几何 ③ CAD 模型 理想解析曲面 名义基准 Nominal .step / .iges / .sat 设计意图参照 ④ 测量特征 平面度 / 圆度 位置度 / 直径 拟合算法参数 可判定量 对齐与偏差计算 实测(点云/网格) ↔ 名义(CAD) 输出:偏差色谱图、特征实测值、超差清单 质量追溯对数据完整性的要求 原始点云不可覆盖 · 处理参数可复现 · 坐标系与版本可查 · 特征算法可追溯 · 时间戳与操作人绑定 任一环节缺失 → 偏差值无法复算 → 追溯链断裂

二、FARO常见输出格式与选用

FARO设备与软件生态中,格式选择直接影响后续处理与追溯能力。下表列出常见格式的定位与注意事项(示例参数为教学说明,实际以设备与软件版本为准)。

格式 类型 典型来源 特点与追溯注意
.fls 扫描工程 FARO Focus / SCENE 保留扫描站、配准、滤镜等工程信息,原始性较好,适合作为追溯主档
.fws 扫描工程 FARO Focus 便携式 类似工程容器,含多站数据;导出后需确认是否丢失配准参数
.pts 点云 SCENE / 第三方 纯坐标文本,通用性强但无元数据,导出即脱离工程上下文
.stl 网格 SCENE / Geomagic 仅三角面片,无颜色、无单位、无坐标系,追溯需另附说明
.step CAD 设计端 解析曲面,版本与坐标系必须与图纸一致

选用原则:追溯主档用工程格式(.fls/.fws),交换与比对用 .pts/.stl,名义基准用 .step。若只保留 .stl 而丢弃原始点云,则无法复算拟合特征,也无法验证网格重建是否引入了形变。

三、精度、分辨率与不确定度

这三个概念常被混用,但含义不同。分辨率是点与点之间的最小可分辨间隔,由扫描仪角分辨率和距离决定。例如 Focus 在 10 m 处设置 1/4 分辨率,点间距约 3–4 mm;分辨率越高,点越密,但数据量和处理时间上升。精度是测量值与真值的接近程度,FARO 标称测距精度常以“±1 mm + 10 ppm”形式给出,表示固定项加距离比例项。不确定度是对测量结果可信区间的量化,包含仪器、环境、配准、拟合等多项来源,通常用扩展不确定度 U(k=2)表达。

实际判断时,不要只看单点精度。例如检测一个直径 50 mm 的孔,若点云分辨率 3 mm,孔壁仅约 50 个点,拟合圆的不确定度可能达到 0.05–0.1 mm;若分辨率提高到 1 mm,点数增加,拟合更稳定。因此分辨率不足会放大特征不确定度,而精度指标只描述单点,不描述特征。

教学示例:某支架孔位检测,图纸位置度公差 Ø0.2 mm。扫描距离 3 m,分辨率 1/4,点间距约 1.5 mm;孔壁约 100 点。拟合圆柱轴线后位置度实测 0.12 mm,扩展不确定度 U=0.04 mm(k=2)。判定:0.12 + 0.04 = 0.16 < 0.2,合格但余量小,建议复测或提高分辨率确认。此数据为教学假设,非实测结果。

四、质量追溯对数据完整性的硬性要求

追溯不是“把文件存起来”,而是保证任何一次判定都能被独立复算。至少需要满足以下条件:

  • 原始点云不可覆盖:采集后立即归档,后续滤波、抽稀、配准均另存新版本,保留原始文件哈希值。
  • 处理参数可复现:记录配准算法、采样间距、去噪阈值、网格重建参数;同一输入按相同参数应得到相同输出。
  • 坐标系与版本可查:CAD 版本号、基准坐标系定义、对齐方式(如 3-2-1、最佳拟合)必须写入报告。
  • 特征算法可追溯:每个特征的拟合方法(最小二乘、最大内切、最小外接)、采样区域、剔除规则需记录。
  • 时间戳与操作人绑定:采集、处理、判定各环节的操作人、设备编号、软件版本、时间戳不可缺失。
若只保留最终偏差色谱图而丢失原始点云与配准参数,一旦客户质疑某处超差,检测方无法复算,追溯链即断裂。此时色谱图只是“结论”,不是“证据”。

综上,点云是证据,网格是表达,CAD 是参照,特征是判定;格式决定信息保留程度,精度/分辨率/不确定度决定结论可信度,而完整性要求决定追溯是否成立。四者缺一,三维检测数据就无法支撑质量追溯。