本发明属于激光扫描，具体涉及一种用于激光扫描投影系统投影图形的畸变预测补偿校正方法。
背景技术：
1、激光扫描投影技术可以根据待投影零部件的cad数模，在投影工作面上进行轮廓形状、位置标识、工艺文字信息等的准确投影，因而被广泛应用于先进制造和数字化智能装配场景。该技术通过快速、精准、连续地偏转双轴振镜，使激光光束按指定的顺序不断改变位置和方向，从而在投影工作面上或待投影工件表面形成清晰且稳定的激光轮廓图案。该激光轮廓图案或信息均具有准确的三维形状和空间位置，可以有效辅助工人完成装配定位操作，大幅提高装配定位工作效率。
2、激光扫描投影仪器中的双轴振镜是由两个互相垂直的平面反射镜组成，该反射镜安装于线圈电机上，且存在一个微小的垂直偏移距离，故振镜系统的扫描角度与投影工作面的坐标之间存在原理上的非线性映射关系，严重影响了扫描投影的精度。
3、为了实现误差补偿校正激光扫描投影系统图形畸变，就要对每个坐标相对应的畸变值进行预测，从而对相应的畸变误差值进行补偿。
4、现阶段对于校正激光扫描投影系统投影图形畸变是通过线性插值法建立校正表和使用f-theta透镜进行校正。然而，基于上述方法插值获取畸变校正表需要振镜系统对标准网格文件进行校正，并且需要校正的网格数目比较大。这种方法容易受到网格数目多少的影响，适用范围比较小。而使用光学元件如f-theta校正焦距较长的激光扫描投影仪器时，由于进一步引入透镜成像原理y'＝fθ造成的误差，会导致投影准确度降低。
技术实现思路
1、为了解决上述问题，本发明提供了一种激光扫描投影系统的投影图形畸变预测补偿校正方法，可以实现在全视场范围内对投影面上投影点畸变进行准确预测，从而对相应的畸变误差值进行补偿，提升了投影图形畸变校正的效率和准确度。
2、本发明的目的是通过以下技术方案实现的：
3、一种激光扫描投影系统的投影图形畸变预测补偿校正方法，包括以下步骤：
4、步骤一、导入待投影图形的模型，进行激光扫描投影系统投影；
5、步骤二、获取投影图形畸变数据并进行处理，建立神经网络训练数据集与测试数据集；
6、步骤三、建立bp神经网络初始拓扑结构、权重和阈值；
7、步骤四、基于粒子群算法优化bp神经网络的权重和阈值，并将步骤二建立的数据集代入经pso优化的bp神经网络进行训练，得到pso-bp神经网络模型，根据pso-bp神经网络的训练输出对各投影点坐标位置进行偏差补偿；
8、步骤五、在待投影平面按等间距划分为几个部分，并在各部分选取特征点，使用所述pso-bp神经网络完成畸变偏差校正的投影仪对特征点进行投影，获取特征点投影坐标值；将无畸变理想投影点坐标与校正后的特征投影点坐标作差，判断差值是否满足误差区间；若是，则确定投影坐标值畸变误差已获得校正补偿；若否，则返回步骤三进行反馈式多次迭代，直至差值满足误差区间。
9、进一步地，所述步骤一包括：
10、s11.导入待投影图形的cad模型；
11、s12.导入投影面坐标系与投影仪坐标系中投影点之间的坐标转换关系式；
12、s13.根据投影面坐标系和投影仪坐标系的坐标转换关系，指导双轴振镜偏转，改变投影光线的投射方向；
13、s14.通过移动投影光线照射到投影平面上的定向回归反射合作目标进行标定，从而获取定向回归反射合作目标的坐标值，将坐标值代入坐标转换公式进行激光扫描投影系统投影。
14、更进一步地，所述步骤s12中，投影面坐标系与投影仪坐标系中投影点之间的坐标转换关系式如下：
15、
16、其中，x,y,z是投影仪坐标系下任意点的坐标；e为双轴振镜之间的垂直距离；h、v为水平方向和竖直方向上的激光光线的偏转角度。
17、进一步地，所述步骤二包括：采用双目视觉系统获取投影图形畸变数据并进行处理，建立神经网络测试数据集，包括测试输入和测试输出；根据坐标转换公式计算得出有畸变投影点坐标值，获取有畸变投影点坐标值和理想无畸变投影点坐标值，无畸变理想投影点横坐标与有畸变投影点横坐标作差得到畸变误差值，从而建立神经网络训练数据集，包括训练输入和训练输出；将获取的数据归一化处理。
18、更进一步地，所述步骤二具体包括：
19、s21.通过双目视觉系统测得待投影平面上的实际投影点坐标并进行处理，建立神经网络测试数据集，包括测试输入和测试输出；
20、s22.获取无畸变理想投影点坐标值；
21、s23.在±30°的全视场范围内将水平方向偏转角h划分为若干份；
22、s24.在±30°的全视场范围内将竖直方向坐标y划分为若干份；
23、s25.将划分好的h和y代入投影面坐标系与投影仪坐标系中投影点之间的坐标转换公式中，并设置好两振镜之间的距离，获取每一个有畸变投影点的横坐标x；
24、s26.计算各投影点的畸变值δx，畸变值δx表示为：
25、δxi＝x’i-xi
26、其中，x’i为理想无畸变投影点横坐标，xi为有畸变投影点横坐标；
27、s27.将(x,y)与各自对应的δx分别作为训练输入和训练输出；
28、s28.将数据进行归一化处理。
29、进一步地，所述步骤三包括：
30、s31.建立bp神经网络的初始拓扑结构，将权重和阈值视作被定义空间中的粒子；
31、s32.通过所述步骤二建立的训练数据集设置好训练轮数、迭代次数，确定pso-bp神经网络的参数，包括输入层节点个数、输出层节点个数、以及隐藏层层数；
32、s33.计算pso算法的适应度，更新粒子的位置和速度，通过比较当前所有粒子单独发现的最好位置和群里粒子共同发现的最好位置来更新整个群体所有粒子发现的最好位置；
33、s34.判断适应度值是否满足要求或者迭代次数是否达到设定次数；若是，则将pso优化好的权值和阈值赋给bp神经网络；若否，则返回步骤s33重新进行粒子群优化权值和阈值的过程，直至满足终止条件。
34、更进一步地，所述步骤s33中，选择均方根误差作为适应度函数：
35、
36、通过适应度函数计算预测值与实际值之间的预测精度；其中，yi表示第i个样本的真实值，表示第i个样本的预测值，n表示样本数量；rmse的值越小，表示预测模型的拟合程度越好，与真实值之间的差异越小。
37、本发明具有以下优点：
38、本发明通过粒子群算法优化bp神经网络，由于常规的bp神经网络因采用梯度下降法修正权重和阈值使网络易陷入局部极值或者过拟合从而影响预测精度，因此本发明进一步提出采用粒子群优化bp神经网络来适应对投影图形畸变的预测，可以避免陷入局部极值同时缩短收敛时间，提高预测精度。
39、本发明该可以在全视场范围内，实现对投影平面上的投影图形各点畸变值进行准确预测，从而对相对应的畸变误差值进行补偿，提升了投影图形畸变校正的效率和准确度。
1.一种激光扫描投影系统的投影图形畸变预测补偿校正方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种激光扫描投影系统的投影图形畸变预测补偿校正方法，其特征在于，所述步骤一包括：
3.如权利要求2所述的一种激光扫描投影系统的投影图形畸变预测补偿校正方法，其特征在于，所述步骤s12中，投影面坐标系与投影仪坐标系中投影点之间的坐标转换关系式如下：
4.如权利要求1所述的一种激光扫描投影系统的投影图形畸变预测补偿校正方法，其特征在于，所述步骤二包括：采用双目视觉系统获取投影图形畸变数据并进行处理，建立神经网络测试数据集，包括测试输入和测试输出；根据坐标转换公式计算得出有畸变投影点坐标值，获取有畸变投影点坐标值和理想无畸变投影点坐标值，无畸变理想投影点横坐标与有畸变投影点横坐标作差得到畸变误差值，从而建立神经网络训练数据集，包括训练输入和训练输出；将获取的数据归一化处理。
5.如权利要求4所述的一种激光扫描投影系统的投影图形畸变预测补偿校正方法，其特征在于，所述步骤二具体包括：
6.如权利要求1所述的一种激光扫描投影系统的投影图形畸变预测补偿校正方法，其特征在于，所述步骤三包括：
7.如权利要求6所述的一种激光扫描投影系统的投影图形畸变预测补偿校正方法，其特征在于，所述步骤s33中，选择均方根误差作为适应度函数：
