CN104634787B - 一种汽车车身外表面喷漆瑕疵自动检测装置与方法 - Google Patents
一种汽车车身外表面喷漆瑕疵自动检测装置与方法 Download PDFInfo
- Publication number
- CN104634787B CN104634787B CN201510079496.0A CN201510079496A CN104634787B CN 104634787 B CN104634787 B CN 104634787B CN 201510079496 A CN201510079496 A CN 201510079496A CN 104634787 B CN104634787 B CN 104634787B
- Authority
- CN
- China
- Prior art keywords
- flaw
- detection
- motor car
- industrial robot
- probe
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种汽车表面喷漆瑕疵自动检测方法与装置,装置主要包括车位定位系统、扫描头、标记喷涂装置、工业机器人及主计算机。机器人通过坐标转换,将汽车位置坐标转换成以机器人为参照系的位置坐标,并根据检测汽车的型号和预设定的检测区,生成检测扫描轨迹。机器人搭载扫描头对汽车表面进行全车扫描,并把扫描图像传入计算机。主机通过对扫描图像进行处理,检测出所有瑕疵并对其进行分类,最后主机以链表的形式将检测的结果传回机器人,实现按类别对瑕疵区域进行标记,供后续工序进行处理。本发明可替代人工,快速、自动地实现对汽车喷漆瑕疵进行检测和标记,提高汽车的生产效率和质量。
Description
技术领域
本发明涉及一种汽车车身外表面喷漆瑕疵自动检测装置及采用该装置的检测方法,属于汽车制造技术领域。
背景技术
随着我国经济高速发展,人们生活水平不断提高,汽车成为越来越多家庭必备的交通工具,与此同时,人们对于汽车性能和外观的要求也越来越高。汽车涂装效果是汽车外观给人最直接的印象。汽车涂装工艺是汽车制造四大工艺(冲压、焊装、涂装、总装)之一,其质量直接影响消费者对于汽车品牌的第一印象。由于汽车涂装质量受到多种因素的影响,如:涂料本身、涂装环境以及各个工艺参数设定等,使得汽车涂装成为一项高精度、高难度的工作,因此汽车车身喷漆烘干后仍然需要进行瑕疵检测。但由于汽车表面的高反光特性,使得瑕疵检测异常困难。
目前我国汽车企业中的涂装瑕疵检测环节均由人工完成,通过打油石,光照等方法,从不同角度结合观察和触摸等方式对微小瑕疵进行检测。在生产线上,汽车完成涂装烘干后,一般由多名工人对瑕疵进行检测,为后续修复环节提供依据。这项工作不仅需要检测人员具有丰富的工作经验,并且要求检测工人始终保持高强度的注意力,对于流水线连续工作的工人,很容易产生视觉疲劳,从而易导致检测效率和检测准确率下降,不可避免地会出现误检漏检的现象。另一方面,随着世界经济的区域调整和中国经济的产业转型,人工成本也越来越高,采用人工检测的方法也无法适应目前高速、精准、自动化的生产要求。因此,如何提高汽车产业的自动化水平,降低生产成本是我国汽车产业也是世界汽车产业面临的迫切问题。
发明内容
本发明所要解决的技术问题是提供一种汽车车身外表面喷漆瑕疵自动检测方法与装置,以替代人工,实现快速、自动地对汽车喷漆瑕疵进行检测和标记,提高汽车的生产效率和质量。
为了解决上述技术问题,本发明的一个技术方案是提供了一种汽车车身外表面喷漆瑕疵自动检测装置,其特征在于,包括:
车身定位系统,采集汽车车身预先设置特征的图像;
主电脑,利用从车身定位系统获得的图像,生成汽车车身的空间位置坐标;利用从工业机器人获得的扫描图像序列,检测出汽车车身表面的瑕疵并将该瑕疵分类;
工业机器人,利用主电脑生成的汽车车身的空间位置坐标获得检测扫描轨迹曲线,再搭载扫描头按检测扫描轨迹曲线,对汽车车身表面进行扫描;用于搭载标记工具按主电脑生成的瑕疵类别对汽车车身上瑕疵所在的区域进行标记。
优选地,所述车身定位系统包括四个分别固定在检测工位四个角部的CCD传感器。其中位于前方的两个CCD传感器构成一组前双目CCD成像系统,位于后方的两个CCD传感器构成一组后双目CCD成像系统。
优选地,所述工业机器人有三个,分别为位于汽车车身两侧的侧工业机器人一及侧工业机器人二以及搭载的扫描头或标记工具位于汽车车身上方的上工业机器人。
优选地,扫描头包括光盾式盒型半封闭型结构,在光盾式盒型半封闭型结构内设置两对称倾斜安装的条形光源,图像传感器CCD安装于两条形光源对称轴的中点位置,光盾式盒型半封闭型结构的边缘设置两测距传感器。
优选地,所述扫描头通过可旋转的连接器固定在所述工业机器人上,通过可旋转的连接器使扫描头在扫描过程中,能根据所述测距传感器获取的信息,调节扫描头成像面与汽车车身检测面的倾角。
优选地,所述标记工具为标记喷涂装置,搭载有标记喷涂装置的工业机器人根据不同的瑕疵类别对汽车车身上瑕疵所在的区域喷涂不同的颜色。
本发明的另一个技术方案一种采用上述的汽车车身外表面喷漆瑕疵自动检测装置的检测方法,其特征在于,包括以下步骤:
步骤1、装载在车轿上的汽车车身达到检测工位后,触发上述的汽车车身外表面喷漆瑕疵自动检测装置;
步骤2、前双目CCD成像系统及后双目CCD成像系统,采集汽车车身预先设置特征的四帧图像,并传入主电脑,通过分析并锁定特征点位置,计算出以工位某参考点为参照系的汽车车身的三维空间位置坐标;
步骤3、主电脑将汽车车身的三维空间位置坐标依次传入所有工业机器人,每个工业机器人各自将三维空间位置坐标转换成以当前工业机器本身为参照系的位置坐标,随后,根据预先存储的当前汽车车身所对应车型的外表曲面参数及当前工业机器人预先设定的检测范围,所有工业机器人分别计算出各自的检测扫描轨迹曲线;
步骤4、各工业机器人按各自的检测扫描轨迹曲线进行优化后,按检测扫描轨迹曲线对汽车车身表面进行扫描成像,生成扫描图像序列,在扫描成像过程中,先由扫描头上的测距传感器获取扫描头表面与汽车车身的检测面之间的平行度,在满足成像条件后再采集图像,否则,启动可旋转的连接器对扫描头内图像传感器CCD的方向进行调整,再进行图像采集;
步骤5、各扫描头将各自的扫描图像序列依次传入主电脑;
步骤6、由主电脑对扫描图像序列中的每一帧图像进行分析处理,检测车身表面的瑕疵,并对其进行分类和标记,从而生成瑕疵类型表,同时提取瑕疵所在区域边缘轮廓曲线,并对其进行矢量化处理,生成精确的瑕疵边缘轨迹矢量图文件后进行存储;
步骤7、由主电脑为每台工业机器人建立一个链表,将每台工业机器人本次检测的扫描图像序列所检出的所有瑕疵信息采用链表的形式进行管理和存储,链表结点的内容包含两个域,其中一个域为指向瑕疵边缘轨迹矢量图文件的指针,另一个域存储该瑕疵的类型标识号;
步骤8、主电脑将生成的与工业机器人数量相等且一一对应的链表文件,包括对应的所有瑕疵边缘轨迹矢量图文件及类型标识号,分别传给各工业机器人,每个工业机器人按照各自链表的结点信息进行处理,包括瑕疵边缘轨迹矢量图文件和瑕疵类别信息,通过其上搭载的标记工具对瑕疵区域进行标记。
优选地,在所述步骤6中,在检测车身表面的瑕疵时,对于汽车车身表面固有的缝隙、边缘线及非喷漆位置,根据检测扫描轨迹曲线对应汽车车身表面位置参数信息与扫描图像特征信息,将扫描图像划分为有效检测区和无关检测区,先将无关检测区进行自动排除,再对有效区进行瑕疵检测。
优选地,在所述步骤8后,还包括:步骤9、统计当次的检测信息,并保存当次检测的结果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:
(a)本发明提出了一种基于机器视觉和图像处理技术的汽车车身外表面喷漆瑕疵自动检测装置,以计算机为中心,将汽车车身定位、表面图像采集与处理、瑕疵检测、分类与标记集中于一体。将检测装置用于汽车生产线上,可取代流水线连续工作的检测工人,同时,提高检测效率和准确率,提高汽车产业的自动化水平,降低生产成本。
(b)采用机器视觉进行瑕疵检测,其关键技术就是如何获取被检测汽车车身表面清晰图像。本发明提出检测装置,从两个方面来保证扫描车身表面的成像质量。一是采用精确定位系统,首先对检测车身在检测工位进行准确的三维定位,然后通过坐标转换,为机器人确定精确的扫描轨迹提供保证。二是考虑到汽车的表面主要由曲面构成,所以在扫描头的设计上,提出安装距离传感器的方法,实现最佳的成像角度,以保证成像质量。同时采用光盾式盒型半封闭结构及双对射型条形光源的设计方法,不仅可屏蔽生产车间外杂光的影响,也可抑制车身表面反射光对瑕疵成像的影响。
附图说明
图1是本发明的检测装置示意图;
图2是本发明中扫描头内部结构示意图;
图3是本发明中检测信息存储方式示意图;
图4是本发明的检测过程流程图。
图中:汽车车身1,车桥2,侧工业机器人一3,侧工业机器人二4,上工业机器人5,前双目CCD成像系统6,后双目CCD成像系统7,图像传感器CCD8,光源9,测距传感器10,光盾式盒型半封闭型结构11。
具体实施方式
为使本发明更明显易懂,兹以优选实施例,并配合附图作详细说明如下。
本发明涉及一种汽车车身外表面喷漆瑕疵自动检测装置,该装置由车身定位系统、扫描头、标记喷涂装置、三台工业机器人及主电脑等组成。
其中,扫描头通过控制线和视频线与主电脑相连,三台分别搭载扫描头和标记喷涂设备的工业机器人,即位于汽车车身1两侧的侧工业机器人一4及侧工业机器人二5以及搭载的扫描头或标记工具位于汽车车身1上方的上工业机器人3,则通过通信网络与主电脑相连。在生产线上,被检测的汽车车身1到达检测工位后,立刻触发本发明提供的检测装置,先由车身定位系统获取汽车车身1的空间位置信息,并分别传入三台工业机器人,每台工业机器人通过坐标转换,将汽车车身1的位置坐标转换成以当前工业机器人为参照系的位置坐标,然后根据待检测的汽车的车型外表曲面参数和各自规定的检测范围,生成检测扫描轨迹曲线。然后工业机器人各自搭载扫描头按生成的检测扫描轨迹曲线对汽车车身1表面进行扫描,生成表面检测图像序列。通过对检测图像序列进行分析和处理,检测出汽车车身1表面瑕疵,并对其边缘提取和分类。最后,由工业机器人搭载标记工具对瑕疵所在的区域进行标记。
车身定位系统由安装在检测工位的位于前方的两个CCD传感器构成一组前双目CCD成像系统6,位于后方的两个CCD传感器构成一组后双目CCD成像系统7组成。并且四个CCD传感器在系统工作前进行了严格的关联标定。
扫描头,采用光盾式盒型半封闭结构11,其内设置两对称倾斜安装的条形光源9,图像传感器CCD8安装在两条形光源9对称轴的中点位置。光盾式盒型半封闭结构11正面边缘设置两测距传感器10。扫描头的固定装置设计成可旋转连接器,使其在扫描过程中,能根据测距传感器10获取的信息,调节扫描头成像面与车身检测面的倾角。
标记工具采用标记喷涂装置,配置不同颜色喷液,在瑕疵标记时,可以根据瑕疵的类别,在汽车表面瑕疵区的相应位置进行不同颜色标记,以便后续工序能根据标记颜色,进行不同处理。
整个检测系统以工程机为核心并采用Windows.7操作系统。系统设备采用电源额定电压是单相220V AC。系统与车间生产线提供的相关信号,如车身到达检测位置信号、检测过程中的车辆运行停止中断信号、车辆运行启动信号等,采用工业总线方式连接到本设备PLC控制器上,所有数据通讯均采用西门子profinet协议进行通信。
在本发明的实施过程中,可采用如下的设备和器材:
(1)主电脑:Advantech生产的IPC_5120:CPU:LGA 775 Intel CORE5300/E7400,内存为DDRII 800 1G/2G;硬盘为SATA II 250G/500G/1T;光驱为DVD。4U高上架式工控机抗震动驱动器托架设计,可安装3个5.25”和1个3.5”磁盘驱动器。前置USB接口,前置过滤冷却风扇符合最佳的空气流向,友好界面的前置空气过滤装置易于用户维护,可锁式前舱门。
(2)车身定位系统的CCD传感器:CCD型号为HV1303UM,主要参数:分辨率为1280*1024的CMOS CCD;光学尺寸为1/1.8″;最高130万像素;最高的水平分辨率为1280;数模转换精度为10bit;45dB的高信噪比(AGC OFF);可开/关的自动增益控制(AGC),数字增益倍数是:*2、*1、*0.5、*0.25;对于550nm的光源,其灵敏度为:2.1V/Lux-s;可自动跟踪(ATW)/手动设定的黑白电平衡校正方式;可接受24V AC及12V DC两种电源供应。
(3)车身定位系统的的光学镜头:型号为Computar,H0514-MP,1/2″规格;C接口;5(mm)焦距;光圈(F):1.4-16C;视角(水平):65.5°;最近物像距离(m):0.1;有效口径前(φmm):27.8,后(φmm)14.8;前置滤光镜螺纹(φM×P=):43.0×0.75;外形尺寸(直径×深mm):44.5×45.5。
(4)光源9:采用ASB-W-030卤钨光源,灯灯丝尺寸:1mmx4mm,输入功率:30W,输出光:800lumens,电流:2.75A,色温:3100°K。光谱强度分布近黑体辐射。220 VAC,50/60Hz供电。并可选用自动远程光纤控制光学照明0.5amp。
(5)扫描头采用的相机:采用500万工业相机FL2G-50S5C-C,1394B接口,其像元大小为3.45μm*3.45μm,其成像阵面大小为2/3,分辨率为2448*2048,帧率为7.5fps,彩色相机,接口类型为C-Mount。
(6)侧工业机器人一3,侧工业机器人二4,上工业机器人5采用六轴工业机器人:采用ADT-HA010L,负载10kg,臂长1,986mm,结构为多关节6轴自由度。程控硬件为多处理器系统,插补类型为点对点,线型,圆弧等,最多可控轴数最多同时16轴,最大可记录点数17,000点,外部程序选择255(二进制)/8(十进制),位置检测器为串行绝对编码器,备份采用USB记忆,全数字伺服控制,数字输入输出/输入最大256点,模拟输入/输出为8通道,现场总线为DeviceNet,Profibus-DP,Modbus,CC-Link等方式。
本发明解决其技术问题所采用的技术方案是提供一种汽车车身外表面喷漆瑕疵自动检测方法,包括以下步骤:
步骤1:启动检测装置,等待汽车车身到位触发信号;
步骤2:一旦检测到触发信号,立刻启动车身定位系统的前双目CCD成像系统6及后双目CCD成像系统7,分别采集汽车车身1预先设置特征区的四帧图像,传入主电脑,通过图像处理,确定出特征点位置,并计算出以工位某参考点为参照系的汽车的三维空间坐标。
系统检测到车身到位的触发信号,立刻启动定位系统,此时,前双目CCD成像系统6及后双目CCD成像系统7关联标定的CCD分别采集汽车前部和后部车身图像,并分别将图像采集的四帧图像,并传入主电脑。主电脑计算出以工位某点为原点的地球参照系的汽车车身的三维空间位置坐标;采用双CCD定位方法,可分别定为汽车前轴中点与后轴中点的位置,最后计算汽车刚体的空间位置。采用两台数码相机来定位汽车前面指定的一个特征点,其方法是用两部固定于不同位置的相机摄取汽车的前视图像,分别获得该指定特征点在两部相机像平面的坐标。我们只要知道两部相机精确的关联坐标(相对位置),则采用几何方法得到该特征点在固定一部相机的坐标系中的坐标,即可确定特征点的位置。对双目定位,精确地确定两部相机的相对位置就是关键,这一过程称为系统标定。精确实现对目标的定位需要解决两个问题,一是获得特征点在相机像平面上的坐标,二是精确地确定两部相机的相对位置。要想获得特征点在相机像平面上的坐标,需建立两个空间坐标系,即实物坐标系(以实物平面建立x、y轴,垂直于xoy平面的方向建立z轴,且以二者相对的方向为正方向)、像平面坐标系(以像平面建立X、Y轴,以垂直于XOY平面的方向建立Z轴,且以二者相对的方向为正方向)。考虑到两个坐标系之间存在一定的角度,可以通过空间坐标系旋转,使实物坐标系旋转到与像平面坐标系平行的方向,此时二者z和Z重合;然后根据照相机成像原理及三角形相似的知识就可以将实物坐标系中的任意一点(x,y,z)转换到像平面坐标系中,即得到此点在像平面坐标系中的坐标(X,Y,Z);由小孔成像成倒像可知,此点在像平面上的实际坐标(X′,Y′,Z′)与(X,Y,Z)在XOY平面上关于原点对称,即X′=-X,Y′=-Y,所以实物坐标系中的任意一点(x,y,z)在像平面上的坐标为(-X,-Y,Z)。要想精确确定两部相机的相对位置,可以利用三角形的边角关系,以实物坐系为基础,连接坐标原点与特征点在两相机中的像,像与特征点之间的距离是已知的,且两连线与实物坐标系各坐标轴的夹角是可知的。
步骤3:将汽车的三维空间坐标依次传入三台工业机器人,然后它们各自将汽车的位置坐标转换成以当前工业机器人本身为参照系的位置坐标。由于工业机器人安装时,其本身相对与车位预设中点的地球坐标系已经标定,将以车位预设中点的地球坐标系的位置坐标传入工业机器人后,很容易就能通过坐标转换获取以工业机器人为参照系的汽车位置坐标。
步骤4:根据预先存储的与当前检测的汽车相对应的车型外表曲面参数和各自规定的检测范围,三组工业机器人分别计算出本次检测的扫描轨迹控制方程。被检测汽车车身的型号,可以在汽车车身到达检测工位前,由车间的任务库,通过通信方式传递给主电脑,再由主电脑及时分别传递给工业机器人。根据目前检测汽车车身1的精确位置,工业机器人通过调取该汽车车身的面曲线参数和预先分配好的扫描区域范围,如侧工业机器人一4扫描车身左面和前面区域,侧工业机器人二5扫描车身右面和后面区域,上工业机器人3扫描车身顶面,即可生成检测扫描运动轨迹。
步骤5:工业机器人按各自的检测扫描运动轨迹进行优化后,按检测扫描运动轨迹对汽车检测曲表面进行扫描成像。在扫描成像过程中,由扫描头上的距离传感器10先获取扫描头表面与检测面的之间的平行度,在满足成像条件后采集图像,否则,启动可旋转的连接器对图像传感器CCD8的成像面的方向进行调整,满足要求后,再进行图像采集;
考虑到三台工业机器人按各自的检测扫描运动轨迹并行工作,如何使扫扫描路径最短及如何使三台工业机器的机械臂不互相碰触地进行工作,需要对生成的各自的检测扫描运动轨迹进行优化。在检测过程中,尽管工业机器人搭载扫描头能到检测表面的准确位置,但由于汽车表面是曲面,而非平面,摄像系统成像面往往与检测曲面的交角不满足成像要求,难于获取满意的扫描图像。所以在扫描过程中,每次成像前均由扫描头上的距离传感器10先获取CCD成像面与检测面之间的平行程度,在满足条件后采集图像,否则,启动可旋转的连接器对传感器进行适当的方向调整,再进行图像采集。为了能实现快速检测扫描头成像面与检测面的平行程度,在发明中我们提出采用在扫描头的正面边框安装两测距传感器10的方法,在每一次进行成像前进行距离检测,只有在两测距传感器10所检测的距离之差满足一定的范围时,我们认为扫描头传感器的成像阵面与检测表面基本平行,满足检测要求,并对该曲面进行图像采集;否则,进行传感器拍摄角度调整,直到图像传感器的拍摄角度满足要求为止。采用这种方法来保证图像采集的有效性。
步骤6:按传输协议,三扫描头将扫描图像序列依次传入计算机;
步骤7:对获取的每一帧图像进行分析处理,检测车身表面的瑕疵,对其进行分类和标识,同时提取瑕疵所在区域边缘轮廓,并对其进行矢量化处理,生成精确的轨迹矢量文件后,进行存储;实际上,由于汽车涂装是一项复杂严密的工艺流程,瑕疵形成的原因多种多样,包括人为因素、设备因素、工艺因素、环境因素等。因此汽车表面瑕疵的种类也是也是多种多样,包括颗粒、气泡、流挂、缩孔、抽缩、鱼眼、颜色不匀(发花)、云斑(银粉不匀)、浮色(色分离)、划痕、针孔、起皱、光泽不良等,不同的瑕疵需要采用不同后续工艺进行处理,以满足人们的视觉要求。所以在汽车车身的瑕疵检测过程中,不仅需要检测出瑕疵区,还需要对其进行分类和标识,以方便后续工序采用不同的方法进行处理。在本发明中,我们采用局部变化算子的旋转不变性测量方法首先对瑕疵进行定位,然后利用一对多支持向量机的分类器对瑕疵进行分类,最后采用数字记号表示不同类别的瑕疵。
步骤8、为每台机器人建立一个链表,将每台机器人本次检测的图像序列所检出的所有瑕疵信息采用链表的形式管理和存储,链表结点的内容包含两个域,其中一个域为指向瑕疵边缘轨迹矢量文件的指针,另一个域存储该瑕疵的类型标识号。检测系统检测出的瑕疵,最终需要对其进行分类和标记,为后续的工序处理提供信息。本发明提出采用链表的形式对瑕疵点的区域边界信息和类别信息进行存储和管理。对于所检测的瑕疵,包含两部分信息,一是瑕疵所在区域的边缘坐标信息,二是瑕疵的类别信息。所以,所设计链表结点分为连个域,一个域是存储对应于该瑕疵边缘的矢量化文件指针,另一个域存储该瑕疵点的类别号,即存储该类别所对应的数字化标号。如图3所示,hP1至hP3分别对应三台工业机器人链表的头指针,fP10至fP1N为hP1所指向链表的边缘轨迹文件指针域,No10至No1N为hP1所指向链表的瑕疵类型编号域;同理,fP20至fP2N为hP2所指向链表边缘轨迹文件指针域,No20至No2N为hP2所指向链表的瑕疵类型编号域,fP30至fP3N为hP3所指向链表边缘轨迹文件指针域,No30至No3N为hP3所指向链表瑕疵类型编号域。对每一个机器人,主机将为建立一个链表,并将其所检测的瑕疵信息,用该链表进行表示和存储。最后,将三个链表分别传输给机器人。
步骤9、三个机器人根据通信协议获取主机传来的链表信息,然后对其对应链表的每一个结点进行处理,包括根据瑕疵类别选用不同颜色的标记笔,再根据瑕疵点边缘的矢量轨迹对瑕疵区域进行标记;
步骤10、统计本次检测的信息,并保存检测结果。
如图4所示为其实施过程的流程图,在生产线上,当被检测汽车车身到达检测工位,立刻触发检测装置,先由定位系统获取汽车车身的空间位置信息,并分别传入三台工业机器人,每台机器人通过坐标转换,将汽车车身的位置坐标转换成机器人为参照系位置坐标,然后据检测车型外表曲面参数和各自规定的检测范围,生成检测扫描轨迹曲线。然后机器人各自搭载扫描头按生成的扫描轨迹曲线,对汽车车身表面进行扫描,生成表面检测图像序列。通过对扫描图像序列进行分析和处理,检测出车身表面瑕疵,并对其边缘提取和分类。最后,由机器人搭载标记工具对瑕疵所在的区域进行标记。
Claims (8)
1.一种汽车车身外表面喷漆瑕疵自动检测装置,其特征在于,包括:
车身定位系统,采集汽车车身(1)预先设置特征的图像;
主电脑,利用从车身定位系统获得的图像,生成汽车车身(1)的空间位置坐标;利用从工业机器人获得的扫描图像序列,检测出汽车车身(1)表面的瑕疵并将该瑕疵分类;
工业机器人,利用主电脑生成的汽车车身(1)的空间位置坐标获得检测扫描轨迹曲线,再搭载扫描头按检测扫描轨迹曲线,对汽车车身(1)表面进行扫描;用于搭载标记工具,按主电脑生成的瑕疵类别对汽车车身(1)上瑕疵所在的区域进行标记;
扫描头包括光盾式盒型半封闭型结构(11),在光盾式盒型半封闭型结构(11)内设置两对称倾斜安装的条形光源(9),图像传感器CCD(8)安装于两条形光源(9)对称轴的中点位置,光盾式盒型半封闭型结构(11)的边缘设置两测距传感器(10)。
2.如权利要求1所述的一种汽车车身外表面喷漆瑕疵自动检测装置,其特征在于,所述车身定位系统包括四个分别固定检测工位四个角部的CCD传感器, 其中位于前方的两个CCD传感器构成一组前双目CCD成像系统(6),位于后方的两个CCD传感器构成一组后双目CCD成像系统(7)。
3.如权利要求1所述的一种汽车车身外表面喷漆瑕疵自动检测装置,其特征在于,所述工业机器人有三个,分别为位于汽车车身(1)两侧的侧工业机器人一(4)及侧工业机器人二(5)以及搭载的扫描头或标记工具位于汽车车身(1)上方的上工业机器人(3)。
4.如权利要求1所述的一种汽车车身外表面喷漆瑕疵自动检测装置,其特征在于,所述扫描头通过可旋转的连接器固定在所述工业机器人上,通过可旋转的连接器使扫描头在扫描过程中,能根据所述测距传感器(10)获取的信息,调节扫描头成像面与汽车车身(1)检测面的倾角。
5.如权利要求1所述的一种汽车车身外表面喷漆瑕疵自动检测装置,其特征在于,所述标记工具为标记喷涂装置,搭载有标记喷涂装置的工业机器人根据不同的瑕疵类别对汽车车身(1)上瑕疵所在的区域喷涂不同的颜色。
6.一种采用如权利要求1所述的汽车车身外表面喷漆瑕疵自动检测装置的检测方法,其特征在于,包括以下步骤:
步骤1、装载在车桥(2)上的汽车车身(1)达到检测工位后,触发如权利要求1所述的汽车车身外表面喷漆瑕疵自动检测装置;
步骤2、前双目CCD成像系统(6)及后双目CCD成像系统(7),采集汽车车身(1)预先设置特征的四帧图像,并传入主电脑,通过分析并锁定特征点位置,计算出以工位某参考点为参照系的汽车车身(1)的三维空间位置坐标;
步骤3、主电脑将汽车车身(1)的三维空间位置坐标依次传入所有工业机器人,每个工业机器人各自将三维空间位置坐标转换成以当前工业机器本身为参照系的位置坐标,随后,根据预先存储的当前汽车车身(1)所对应车型的外表曲面参数及当前工业机器人预先设定的检测范围,所有工业机器人分别计算出各自的检测扫描轨迹曲线;
步骤4、各工业机器人按各自的检测扫描轨迹曲线进行优化后,按检测扫描轨迹曲线对汽车车身(1)表面进行扫描成像,生成扫描图像序列,在扫描成像过程中,先由扫描头上的测距传感器(10)获取扫描头表面与汽车车身(1)的检测面的之间的平行度,在满足成像条件后再采集图像,否则,启动可旋转的连接器对扫描头内图像传感器CCD(8)的方向进行调整,再进行图像采集;
步骤5、各扫描头将各自的扫描图像序列依次传入主电脑;
步骤6、由主电脑对扫描图像序列中的每一帧图像进行分析处理,检测车身表面的瑕疵,对其进行分类和标识,从而生成瑕疵类型表,同时提取瑕疵所在区域边缘轮廓,并其进行矢量化处理,生成精确的瑕疵边缘轨迹矢量图文件后进行存储;
步骤7、由主电脑为每台工业机器人建立一个链表,将每台工业机器人本次检测的扫描图像序列所检出的所有瑕疵信息采用链表的形式管理,链表结点的内容包含两个域,其中一个域为指向瑕疵边缘轨迹矢量图文件的指针,另一个域存储该瑕疵的类型标识号;
步骤8、主电脑将生成的与工业机器人数量相等且一一对应的链表文件,包括所有瑕疵的边缘轨迹矢量图文件及类型标识号,分别传给各工业机器人,每个工业机器人按照各自链表的结点信息进行处理,包括瑕疵边缘轨迹矢量图文件和瑕疵类别信息,通过其上搭载的标记工具对瑕疵区域进行标记。
7.如权利要求6所述的一种检测方法,其特征在于,在所述步骤6中,在检测车身表面的瑕疵时,对于汽车车身(1)表面固有的缝隙、边缘线及非喷漆位置,根据检测扫描轨迹曲线对应汽车车身(1)表面位置参数信息与扫描图像特征信息,将扫描图像划分为有效检测区和无关检测区,先将无关检测区进行自动排除,再对有效区进行瑕疵检测。
8.如权利要求6所述的一种检测方法,其特征在于,在所述步骤8后,还包括:步骤9、统计当次的检测信息,并保存当次检测的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510079496.0A CN104634787B (zh) | 2015-02-13 | 2015-02-13 | 一种汽车车身外表面喷漆瑕疵自动检测装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510079496.0A CN104634787B (zh) | 2015-02-13 | 2015-02-13 | 一种汽车车身外表面喷漆瑕疵自动检测装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104634787A CN104634787A (zh) | 2015-05-20 |
CN104634787B true CN104634787B (zh) | 2017-06-06 |
Family
ID=53213779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510079496.0A Expired - Fee Related CN104634787B (zh) | 2015-02-13 | 2015-02-13 | 一种汽车车身外表面喷漆瑕疵自动检测装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104634787B (zh) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424718B (zh) * | 2015-11-02 | 2018-08-03 | 东华大学 | 一种基于双工位的车镜瑕疵在线自动检测装置与方法 |
KR102395276B1 (ko) * | 2016-09-13 | 2022-05-09 | 현대자동차주식회사 | 운전자 지원 시스템 검사 장치 및 그 제어 방법 |
CN106770343A (zh) * | 2017-03-28 | 2017-05-31 | 慧眼自动化科技(广州)有限公司 | 涂胶产品视觉检测系统及检测方法 |
CN107030734B (zh) * | 2017-06-22 | 2023-05-16 | 北京兴信易成机电工程有限公司 | 一种漆膜机器人自动检测系统 |
CN109253754A (zh) * | 2017-07-13 | 2019-01-22 | 哈尔滨市科佳通用机电股份有限公司 | 一种用于自动检测运行系统的检测方法 |
CN109290098A (zh) * | 2017-07-25 | 2019-02-01 | 广州宁基智能系统有限公司 | 一种基于3d视觉扫描新型的门板喷漆装置 |
CN108435456A (zh) * | 2018-03-23 | 2018-08-24 | 四川恒立智方自动化工程有限公司 | 工业机器人喷涂控制系统 |
CN108212623A (zh) * | 2018-04-12 | 2018-06-29 | 芜湖凯源汽车服务有限公司 | 汽车喷漆工作装置 |
CN108665444B (zh) * | 2018-04-12 | 2022-11-01 | 浙江大学 | 一种荧光pcb三防漆涂覆质量检测系统及方法 |
CN108745837A (zh) * | 2018-08-21 | 2018-11-06 | 麦特汽车服务股份有限公司 | 一种汽车维修自动喷漆实现方法 |
CN109358059A (zh) * | 2018-10-12 | 2019-02-19 | 东华大学 | 一种基于激光动态散斑技术的油漆干燥分析仪 |
CN109239086B (zh) * | 2018-10-22 | 2023-11-17 | 上海易清智觉自动化科技有限公司 | 车辆漆面及外观瑕疵检测系统 |
CN111103306A (zh) * | 2018-10-29 | 2020-05-05 | 所罗门股份有限公司 | 检测与标记瑕疵的方法 |
CN109483409B (zh) * | 2018-11-21 | 2020-10-02 | 无锡荣恩科技有限公司 | 航空零部件自动补喷的除漆方法 |
CN109991237A (zh) * | 2019-03-14 | 2019-07-09 | 上汽大通汽车有限公司 | 汽车涂装裙边胶视觉检测系统及方法 |
CN110181536A (zh) * | 2019-06-28 | 2019-08-30 | 华中科技大学无锡研究院 | 用于高铁车体定位的系统 |
CN111007200B (zh) * | 2019-11-23 | 2022-04-19 | 无为县金徽机动车检测有限公司 | 一种汽车磨损扫描检测用探头控制器 |
CN110988262A (zh) * | 2019-11-23 | 2020-04-10 | 无为县金徽机动车检测有限公司 | 针对汽车车检的汽车外表面磨损检测设备 |
CN111123853B (zh) * | 2019-11-25 | 2021-05-14 | 浙江明泉工业涂装有限公司 | 一种对汽车内表面喷涂检测与补救的机器人的控制方法 |
CN110879230A (zh) * | 2019-12-13 | 2020-03-13 | 江苏海洋大学 | 汽车瑕疵智能化检测系统 |
CN111880503B (zh) * | 2020-08-03 | 2022-04-01 | 深圳回收宝科技有限公司 | 流水线的控制方法、控制装置及计算机存储介质 |
CN114331944A (zh) * | 2020-09-29 | 2022-04-12 | 财团法人工业技术研究院 | 人工智能瑕疵图像分类方法及其系统 |
DE102021211376A1 (de) * | 2020-10-09 | 2022-04-14 | Virtek Vision International, Inc. | Verfahren und system zum überprüfen vonreparatur- oder montagevorgängen |
CN112326669A (zh) * | 2020-10-28 | 2021-02-05 | 哈尔滨工程大学 | 一种涂层缺陷检测与标记系统及方法 |
CN113030100A (zh) * | 2021-03-02 | 2021-06-25 | 成都小淞科技有限公司 | 涂层瑕疵在线自动检测系统 |
CN113030102A (zh) * | 2021-03-02 | 2021-06-25 | 成都小淞科技有限公司 | 基于机器视觉的漆面瑕疵检查系统 |
CN113324994B (zh) * | 2021-05-26 | 2022-11-29 | 江苏骠马智能工业设计研究有限公司 | 车身面漆缺陷分层检测装置及其检测方法 |
CN113600358A (zh) * | 2021-07-29 | 2021-11-05 | 五邑大学 | 一种双目视觉检测缺陷的移动机器人标记装置 |
WO2023060403A1 (en) * | 2021-10-11 | 2023-04-20 | Abb Schweiz Ag | Method and electronic device for controlling robotic system |
CN113858212A (zh) * | 2021-11-09 | 2021-12-31 | 南京工程学院 | 一种非接触式多机器人协作坐标系转换装置及方法 |
TWI802516B (zh) * | 2022-10-25 | 2023-05-11 | 捷將科技有限公司 | 塗面自動檢查裝置 |
CN115922713B (zh) * | 2022-12-07 | 2024-02-13 | 南京航空航天大学 | 一种基于多机械臂协同的汽车整车配置防错检测方法 |
CN116228752B (zh) * | 2023-05-06 | 2023-07-21 | 四川广安承平投资开发有限公司 | 一种表面瑕疵识别方法及处理机器人 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5844801A (en) * | 1994-12-08 | 1998-12-01 | Honda Giken Kogyo Kabushiki Kaisha | Method of inspecting and manufacturing vehicle body |
CN101752218B (zh) * | 2008-12-05 | 2011-12-28 | 东京毅力科创株式会社 | 基板检查方法、基板检查装置和存储介质 |
CN102680487A (zh) * | 2011-02-28 | 2012-09-19 | C.R.F.阿西安尼顾问公司 | 用于监控特别是汽车车身部件的喷漆质量的系统和方法 |
CN102749884A (zh) * | 2012-07-03 | 2012-10-24 | 山东理工大学 | 陶瓷天线罩光透射扫描检测控制方法 |
CN103163144A (zh) * | 2011-12-09 | 2013-06-19 | C.R.F.阿西安尼顾问公司 | 用于在喷漆之前监视施加到机动车车身上的底漆层的质量的方法 |
-
2015
- 2015-02-13 CN CN201510079496.0A patent/CN104634787B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5844801A (en) * | 1994-12-08 | 1998-12-01 | Honda Giken Kogyo Kabushiki Kaisha | Method of inspecting and manufacturing vehicle body |
CN101752218B (zh) * | 2008-12-05 | 2011-12-28 | 东京毅力科创株式会社 | 基板检查方法、基板检查装置和存储介质 |
CN102680487A (zh) * | 2011-02-28 | 2012-09-19 | C.R.F.阿西安尼顾问公司 | 用于监控特别是汽车车身部件的喷漆质量的系统和方法 |
CN103163144A (zh) * | 2011-12-09 | 2013-06-19 | C.R.F.阿西安尼顾问公司 | 用于在喷漆之前监视施加到机动车车身上的底漆层的质量的方法 |
CN102749884A (zh) * | 2012-07-03 | 2012-10-24 | 山东理工大学 | 陶瓷天线罩光透射扫描检测控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104634787A (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104634787B (zh) | 一种汽车车身外表面喷漆瑕疵自动检测装置与方法 | |
CN107635126B (zh) | 用于生成飞机建造过程的增强立体视频的系统和方法 | |
CN110291376A (zh) | 用于在生产过程结束时检测和检查轮胎上的缺陷的设备 | |
CN109612390A (zh) | 基于机器视觉的大尺寸工件自动测量系统 | |
CN104713885A (zh) | 一种用于pcb板在线检测的结构光辅助双目测量方法 | |
Michalos et al. | Robot path correction using stereo vision system | |
EP1433112A1 (en) | System and method for transforming graphical images | |
CN109648202B (zh) | 非平整面自主识别机器人增材制造成形精度控制方法 | |
US10579890B2 (en) | Automatic alignment of a 3D model to a test object | |
CN104385282A (zh) | 一种视觉智能数控系统及其视觉计测方法 | |
CN109291048A (zh) | 一种磨抛工业机器人实时在线编程系统及方法 | |
CN106918306A (zh) | 基于光场单相机的工业产品三维形貌实时检测系统 | |
CN105841641A (zh) | 一种基于激光三角法3d测量仪及平整度检测方法 | |
CN107121967A (zh) | 一种激光在机找正和工序间测量装置 | |
CN107063130A (zh) | 一种基于光栅投影三维重构的工件自动焊接方法 | |
Labudzki et al. | The essence and applications of machine vision | |
CN109622404B (zh) | 一种基于机器视觉的微工件自动分拣系统及方法 | |
CN204854653U (zh) | 一种快速三维扫描设备 | |
CN108020172B (zh) | 一种基于3d数据的飞行器表面制造质量检测方法 | |
CN105388842A (zh) | 一种零件表面加工缺陷的定位方法 | |
Nooralishahi et al. | Drone-enabled multimodal platform for inspection of industrial components | |
CN109931882B (zh) | 换热翅片关键参数检测系统及测量方法 | |
CN114608841A (zh) | 一种智能网联汽车测试平台 | |
CN111612071B (zh) | 一种从曲面零件阴影图生成深度图的深度学习方法 | |
Clark | Implementing non‐contact digitisation techniques within the mechanical design process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170606 Termination date: 20200213 |
|
CF01 | Termination of patent right due to non-payment of annual fee |