李景俊，芮执元，剡昌锋，王文斌，魏财斌

（1.兰州理工大学机电工程学院，兰州 730050；2.甘肃路桥飞宇交通设施有限责任公司，兰州 730050）

航空发动机叶片是航空飞行器的核心部件之一，其健康状况直接影响飞行器的安全性能和使用寿命[1]。涡轮叶片受载情况复杂，工作环境恶劣，容易造成疲劳损伤，而三维模型的逆向重建是修复受损叶片的关键技术之一[2]。缺陷孔洞的边界作为表达曲面的重要几何特征[3]，边界特征点的快速、准确提取对于重建曲面模型具有重要意义[4]。

目前，航空发动机叶片缺陷孔洞的边界提取主要有两种方法，一种是在不确定数据结构的情况下基于三角网格提取缺陷孔洞边界[5]，提取效果较好。但是对于海量点云，网格重构的复杂度高，占用内存空间大，耗时较长。另外，重构中不匹配的相接系数会产生错误的拓扑结构，导致重建模型结果失真或小孔洞识别失败，影响检测结果的准确性。另一种是基于三维点云的空间特征直接提取边界特征点。Nguyen等[6]采用区域网格增长算法确定目标网格边界，该算法效率较高，但是没有考虑噪声点对提取结果的影响。王小超等[7]利用协方差矩阵求得每一个采样点的法向度量，通过对阈值筛选后的特征三角形集进行子邻域划分并拟合每个子类点集的平面，判断采样点是否落在多个平面从而提取边界特征点。刘庆等[8]建立了点云的空间拓扑关系，基于K邻域内的采样点在微切平面上构建局部坐标系，以矢量合成的原理作为点云分布特性判别准则，实现边界特征点的提取。……