CN105066915B - 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 - Google Patents
模具曲面加工误差和表面粗糙度在机检测装置及检测方法 Download PDFInfo
- Publication number
- CN105066915B CN105066915B CN201510481240.2A CN201510481240A CN105066915B CN 105066915 B CN105066915 B CN 105066915B CN 201510481240 A CN201510481240 A CN 201510481240A CN 105066915 B CN105066915 B CN 105066915B
- Authority
- CN
- China
- Prior art keywords
- displacement sensor
- laser displacement
- laser
- mould
- measurement
- 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.)
- Active
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种模具曲面加工误差和表面粗糙度在机检测装置及检测方法。曲面检测装置多采用接触式在机测量,接触工件表面,测速慢,无法测量小于测头曲率半径的微观表面、复杂曲面,不能适用于在机检测。本发明组成包括:检测装置(7),检测装置包括整体支撑装置(1),整体支撑装置上平面中间位置安装有数控机床刀柄(6),整体支撑装置下平面通过螺栓与面阵CCD照相装置(3)连接,整体支撑装置两侧分别通过连接轴与激光位移传感器装置(5)连接,激光位移传感器装置具有槽,槽内分别安装有左激光位移传感器(2)、右激光位移传感器(4)。本发明采用曲面采样、重构和图像处理技术,用于模具曲面加工误差和表面粗糙度的在机检测装置。
Description
技术领域:
本发明涉及数控机床在机测量技术领域,具体涉及一种模具曲面加工误差和表面粗糙度在机检测装置及检测方法。
背景技术:
目前复杂曲面检测装置均采用接触式测量,需要接触工件的表面,接触式测量移动速度较慢,无法测量小于测头曲率半径的微观表面,尤其是难以测量的复杂曲面,不能适用于实时的在线在机检测。在机械复杂曲面加工过程中,需要同步得到表面的形状误差和表面粗糙度,这样才能判定所加工的零件是否合格,特别是随着现代机械制造技术的发展,零件的表面质量问题越来越引起广泛的关注,而且高强度复杂曲面零件的使用可靠性,在一定程度上依赖于加工后表面的总体质量,根据原来所要求的润滑性能、耐磨性能、动力性能、抗疲劳性能等单项性能特性,转变为要求零部件综合性能,因而对机械零件表面质量的检测、识别和快速评定提出了新的要求,为防止二次装卡产生的误差,需要在机测量被加工曲面的加工质量,针对模具曲面加工误差和表面粗糙度,发明在机检测装置及进行具体检测的方法。
工件表面质量一般包括表面物理性能和表面几何特征,工件表面几何特征的检测一般存在接触式测量和非接触式测量,虽然接触式测量由于其测量的直观性,可靠性而被广泛应用于机械加工领域中,但是由于接触式测量需要接触工件的表面,接触式测量移动速度较慢,无法测量小于测头曲率半径的微观表面,特别是难以测量复杂曲面的工件,非接触式测量可以在不接触被测物体的前提下进行精准测量,其中光学法是测量的主体,其测量精度高,适于对软质材料、易损工件等进行测量,采用光学原理测量表面的非接触式测量方法,可以较好地弥补触针式仪器的不足,本产品同时采用CCD摄像机和激光位移传感器进行工件表面粗糙度和加工误差的测量,全面满足工件对机械加工表面形面误差和表面粗糙度的要求。
发明内容:
本发明的目的是提供一种模具曲面加工误差和表面粗糙度在机检测装置及检测方法。
上述的目的通过以下的技术方案实现:
一种模具曲面加工误差和表面粗糙度在机检测装置及检测方法,其组成包括:检测装置,所述的检测装置包括整体支撑装置,所述的整体支撑装置上平面中间位置安装有刀柄,所述的整体支撑装置下平面通过螺栓与面阵CCD照相装置连接,所述的整体支撑装置两侧分别通过连接轴与激光位移传感器装置连接,所述的激光位移传感器装置具有槽,所述的槽内分别安装有左激光位移传感器、右激光位移传感器。
所述的模具曲面加工误差和表面粗糙度在机检测装置,所述的检测装置分别通过所述的左激光位移传感器、所述的右激光位移传感器对模具曲面进行测量,所述的检测装置通过所述的面阵CCD照相装置对所述的模具曲面进行数据采集。
所述的模具曲面加工误差和表面粗糙度在机检测装置,所述的左激光位移传感器、所述的右激光位移传感器激光聚集点交汇在所述的模具曲面表面上,所述的面阵CCD照相装置采集点垂直于所述的模具曲面上表面。
一种模具曲面加工误差和表面粗糙度在机检测装置及检测方法。该方法包括如下步骤:首先是由在安装在数控机床主轴的面阵CCD照相装置和DSP芯片,对复杂加工曲面进行图像采集和图像处理,采用WV-BP330CCD摄像机,16K的线阵CCD摄像机,提供570线的水平清晰度,准确获得模具机械加工表面的粗糙度。然后采用左激光位移传感器、右激光位移传感器对模具加工曲面进行测量,精确非接触测量出复杂加工曲面的位置、位移变化、厚度、振动、距离、直径等几何量的测量,以便精准获得模具加工曲面的形状误差;
激光位移传感器采用激光三角测量法,激光发射器通过镜头将可见红色激光射向被测物体表面,经物体反射的激光通过接收器镜头,被内部的线性相机接收,根据不同的距离,线性相机可以在不同的角度下找到这个光点,根据这个角度及已知的激光和相机之间的距离,数字信号处理器能够计算出传感器和被测物体之间的距离,通过面阵CCD照相装置与激光位移传感器的结合使用,精准测量出加工表面的粗糙度和形状误差。
有益效果:
1.本发明是一种模具曲面加工误差和表面粗糙度在机检测装置及检测方法,采用非接触式测量,利用光学原理测量表面的非接触式测量方法,可以较好地弥补触针式仪器的不足,本产品同时采用CCD摄像机和激光位移传感器进行工件表面粗糙度和加工误差的测量,全面满足工件对机械加工表面粗糙度和表面形面误差的要求。
本发明可以在不接触被测物体的前提下进行精准测量,其中光学法是测量的主体,其测量精度高,适于对软质材料、易损工件等进行测量,采用光学原理测量表面的非接触式测量方法,可以较好地弥补触针式仪器的不足。
本发明采用激光位移传感器对加工表面进行分析检测,激光传感器是通过激光技术进行测量的传感器,能够实现无接触远距离测量,具有速度快、精度高、量程大、抗光、电干扰能力强等优点。
本发明测量装置的图像采集和图像处理,由CCD摄像机和DSP芯片完成,能够获得机械加工表面的粗糙度等,采用激光位移传感器获得机械加工表面的形状误差等,
5.本发明选择的Panasonie的WV-BP330CCD摄像机,8K的线阵CCD摄像机,提供570线的水平清晰度,具有数字调节背光补偿(BLC)功能和同步锁相功能,当用于观察光线充足的物体时,可以有效的扩大动态范围,准确获得机械加工表面的粗糙度。
本发明测量装置的激光位移传感器可精确非接触测量被测物体的位置、位移等变化,对于检测物体的位移、厚度、振动、距离、直径等几何量的测量非常精准,激光位移传感器原理采用激光三角测量法,激光三角测量法一般适用于高精度、短距离的测量,激光发射器通过镜头将可见红色激光射向被测物体表面,经物体反射的激光通过接收器镜头,被内部的线性相机接收,根据不同的距离,线性相机可以在不同的角度下找到这个光点。
本发明根据角度及已知的激光和相机之间的距离,数字信号处理器就能计算出传感器和被测物体之间的距离,通过CCD照相装置与激光位移传感器的结合使用可以提高测量的精准性,同时得到加工表面的粗糙度和形状误差。
本发明采用CCD摄像机和激光位移传感器进行工件表面粗糙度和加工误差的测量,同步得到零部件表面的加工误差和表面粗糙度等几何误差信息,采用激光位移传感器进行曲面的在机测量获得曲面的加工误差,同时为CCD照相装置对零部件表面质量分析提供测量依据。
本发明通过面阵CCD照相装置采集工件表面的信息,对零部件进行图像摄取,摄取过程中根据激光位移传感器提供的曲面形状信息,根据曲面的凹凸程度进行等距采样,选择合适的图像预处理方式,分析灰度变化轮廓曲线,通过滤波和图像增强零部件表面图像的处理效果,并建立BP神经网络模型,实现对零部件表面粗糙度的测量。
本发明测量装置是在机测量装置,具有很高的测量精度、良好的可靠性与稳定性,所获得的测量数据不需要像接触式测量的那样对测头等进行半径补偿,能对测量复杂曲面的加工误差,同时得到该区域加工表面的粗糙度,加工误差测量精度达0.002mm,粗糙度的判定可以达到0.05~10.00μm,精确度≤±10%。
本发明的测量装置中激光位移传感器可根据实际情况转动,具有多个自由度,测量方便等优点,测量装置操作简单,测量速度快、精度高,能有效地提高模具加工的精度和效率。
本发明应用于数控机床在机测量技术领域,主要采用复杂曲面形面误差测量技术,包括所加工曲面的加工误差和表面粗糙度的同步测量技术。
附图说明:
附图1是本发明的结构示意图。
附图2是附图1的分解图。
附图3是附图1中的左激光位移传感器、右激光位移传感器测量示意图。
附图4是附图1中面阵CCD照相装置采集过程示意图。
附图5是本发明逻辑框图。
附图6是本发明计算点到曲面间距的流程图。
附图7是附图1中的左激光位移传感器、右激光位移传感器测量流程图。
附图8是附图1中的面阵CCD照相装置采集及工件表面粗糙度测量工作原理流程图。
具体实施方式:
一种模具曲面加工误差和表面粗糙度在机检测装置,其组成包括:检测装置7,所述的检测装置包括整体支撑装置1,所述的整体支撑装置上平面中间位置安装有刀柄6,所述的整体支撑装置下平面通过螺栓与面阵CCD照相装置3连接,所述的整体支撑装置两侧分别通过连接轴与激光位移传感器装置5连接,所述的激光位移传感器装置具有槽,所述的槽内分别安装有左激光位移传感器2、右激光位移传感器4。
实施例2:
根据实施例1所述的模具曲面加工误差和表面粗糙度在机检测装置,所述的检测装置分别通过所述的左激光位移传感器、所述的右激光位移传感器对模具曲面进行测量,所述的检测装置通过所述的面阵CCD照相装置对所述的模具曲面进行数据采集。
实施例3:
根据实施例1所述的模具曲面加工误差和表面粗糙度在机检测装置,所述的左激光位移传感器、所述的右激光位移传感器激光聚集点交汇在所述的模具曲面表面上,所述的面阵CCD照相装置采集点垂直于所述的模具曲面上表面。
实施例4:
一种利用实施例1-3所述的模具曲面加工误差和表面粗糙度在机检测装置及检测方法,本方法是:首先是由在安装在数控机床主轴的面阵CCD照相装置和DSP芯片,对复杂加工曲面进行图像采集和图像处理,采用WV-BP330CCD摄像机,16K的线阵CCD摄像机,提供570线的水平清晰度,准确获得模具机械加工表面的粗糙度。然后采用左激光位移传感器、右激光位移传感器对模具加工曲面进行测量,精确非接触测量出复杂加工曲面的位置、位移变化、厚度、振动、距离、直径等几何量的测量,以便精准获得模具加工曲面的形状误差;
激光位移传感器采用激光三角测量法,激光发射器通过镜头将可见红色激光射向被测物体表面,经物体反射的激光通过接收器镜头,被内部的线性相机接收,根据不同的距离,线性相机可以在不同的角度下找到这个光点,根据这个角度及已知的激光和相机之间的距离,数字信号处理器能够计算出传感器和被测物体之间的距离,通过面阵CCD照相装置与激光位移传感器的结合使用,精准测量出加工表面的粗糙度和形状误差。
实施例5:
根据实施例3所述的模具曲面加工误差和表面粗糙度在机检测装置及检测方法,所述的激光传感器和图像技术复杂曲面检测装置包括:
1.刀柄:刀柄用于将本产品装置放到主轴上面。
支撑装置:用于支撑连接面阵CCD照相装置与激光位移传感器连接装置。
照相装置:支撑面阵CCD照相机。
激光位移传感器连接装置:用于连接激光位移传感器,可左右转动。
左激光位移传感器、右激光位移传感器:用于自适应采样,左右两个激光位移传感器通过激光位移传感器连接装置可以使激光聚集到一点实现更精准的采样。
、激光位移传感器采样
首先用激光位移传感器对加工表面进行分析检测,激光传感器是通过激光技术进行测量的传感器。它由激光器、激光检测器和测量电路组成。激光传感器能实现无接触远距离测量,速度快,精度高,量程大,抗光、电干扰能力强。采用激光位移传感器,结合自适应采样算法,基于物体重心原理对三维模具曲面进行自适应采样。通过自适应采样算法,利用曲面的随机散点进行迭代计算,得到自适应网格,网格间距还可以由形状参数控制,具体实施方法如下:
(1)自适应采样:
基于物体重心原理对已经加工好的模具曲面进行自适应采样。设自由曲面参数方程为:
(1)
式中,,为曲面的参数,若已知自由曲面有个离散的采样点,则该自由曲面物理域采样点集合为,自适应采样点集合,若为第个采样点的领域集合,则所有邻域集合。则自适应采样点可以通过如下迭代算法得出:
(2)
可见采样点等于它的邻域值加权和,为充分反映迭代过程中网格的实时变化影响,在迭代循环过程中要实时更新网点矢量。迭代求解过程中收敛原则为,式中是平均范数,为给定的精度。求解前加上边界条件,如角点固定不变,边界上的点只能沿着一个参数方向变化。式中为反映曲面局部曲率的形状函数,
(3)
式中,——控制曲面离散点间形状函数r(w)的比值,其值大于零;
——曲面的弯曲度;
——曲面弯曲度的最大值;
——曲面弯曲度的最小值。
采样的疏密程度依赖于曲面的曲率,网格间距还可以由q控制。即以曲面曲率的变化为准则进行采样,在曲面曲率变化较为剧烈的区域,采样点较为密集;反之,在曲面曲率变化较为舒缓的区域,采样点较为稀疏。高斯曲率弯曲模型可以准确的反应曲面的弯曲程度,它的数学描述为:
(4)
式中,,——曲面上一点的两个主曲率;
——曲面上一点的高斯曲率;
L、M、N ——曲面第一类基本量;
E、F、G ——曲面第二类基本量。
自适应采样算法具有自组织特征,经过相应迭代次数后随机网格收敛为矩形拓扑网格,采样的疏密程度依赖于曲面曲率,网格间距可与参数来控制。
(2)生成测量程序验证
按照上述采样方法可以获得加工曲面上测量路径。
验证前首先关闭加工中心电源对机床进行接线,使红外接收器通电以及电脑与机床的数据线接入。对红外接收器接线直接利用数控中心供电柜提供的24V电压,然后进行数据线的接入,把红外接收器的数据接口插入加工中心的操作面板后的JA40口,使其接收到激光与工件的接触信号后能够控制加工中心停止继续运动并且退回等动作。电脑的USB接口经过接口转换器,和数控加工中心的控制面板的RS232(25针DB25)串口相连。打开机床电源,开机后,进行参数写入开关设置、I/O口设置、信号鉴定等机床参数调整。
程序验证主要分为三部分,有测量路径规划模块、机床通讯模块以及测量报告生成模块。
测量路径生成模块打开模型上自适应采样规划生成的测量路径,编程规则机床验证切实可行;机床通讯模块能够实现程序的传输与数据的接收,经过传输测量程序以及接收数据后,返回测量值;测量报告生成模块通过得到实际点的坐标值进行运算,得出各坐标值变化趋势,生成测量报告,而且生成EXCEL表格。通过程序的控制,用激光位移传感器进行在机测量,获得采样数据的同时为下一步CCD图像检测提供曲面形状信息。
(3)NURBS曲面拟合
获得采样数据后通过修改曲面形状方法,通过插入节点、修改权因子、修改控制点的进行NURBS曲面拟合。
次曲面表示如下:
(5)
式中,是曲面的控制点;是与控制点相联系的权因子,当所有时,和分别为向次和向次的规范样条基,它们是由节点矢量、(,)决定的次和次的分段多项式,可以由德布尔-考克斯递推公式得到:
(6)
(4)误差评定
曲面加工误差可以用曲面外一点到曲面的最小距离来表示,这样曲面加工误差的检测可以转化为计算实际加工曲面到理论曲面模型的距离。即先将实际加工曲面离散成多个关键点(采样点),然后用加工曲面上的采样点到理论曲面的最小距离来表示曲面加工误差,曲面加工误差可以用曲面的面轮廓度误差来评定。曲面的面轮廓度误差可以用最小包容区域法来评定,曲面的面轮廓度的最小包容区域是相对理想曲面轮廓成双向等距离分布的区域,该区域包容了实际被测轮廓面,且由法向距离为最小的双向等距曲面构成,该区域的法向宽度为曲面的面轮廓度误差,本曲面的加工误差采用广义牛顿法来求解点到曲面的最小距离,程序简单,而且结果有很高的计算精度,采用广义牛顿法求解点到曲面最小距离的程序流程。
、图像检测采样
通过面阵CCD照相装置采集工件表面的信息,对零部件进行图像摄取,摄取过程中根据激光位移传感器提供的机械加工曲面的形状信息,根据复杂曲面的凹凸程度进行等距采样或其它,首先进行图像预处理,然后在LED光源条件下提取机械加工表面的图像特征。值得注意的是要优选机械加工表面的光源,得到相应的灰度变化轮廓曲线,用来分析各种滤波和图像增强方式对机械加工表面图像的处理效果。最后建立相应的BP神经网络模型,实现对机械加工表面的局部粗糙度的图像测量。
具体实施方法如下:首先确定LN-60聚光型LED线光源作为本产品CCD光源,通过多个机械加工零件表面的测试,选定最佳参数,结合CCD摄像机、相应的图像采集卡和计算机等设备,构建图像检测硬件系统。针对机械加工表面的图像先分析灰度变化曲线,采用高斯滤波对加工表面的图像进行降噪处理,可通过直方图均衡化进行图像增强,利用灰度级闭值化的分割处理实现机械加工表面的识别与定位。
然后采用空间频率的方法,利用二维傅里叶变换后的频谱实现机械加工表面粗糙度的综合评定。即对图像进行二维频域分析,得到功率谱半径、功率谱平均、倒谱、复倒谱、功率谱估计等,然后以这五个特征量作为输入,建立了表面粗糙度与图像特征值关系的BP神经网络模型,并通过学习,确定粗糙度预测值和粗糙度实测值之间具有良好的一致性,实现了经由CCD摄像机提取特征参数、神经网络模型完成机械加工表面粗糙度检测的目标。
具体包括高斯滤波模块、图像增强模块、表面边界检测模块、图像频域分析模块、特征参数的提取模块和BP神经网络的零件表面质量检测模块,BP神经网络模块的神经网络的训练需要量的复杂零件表面的学习样本,如果学习样本过少,不足以反应这五个特征量与曲面几何特征之间的关系,学习样本过多,则需要增加神经网络中神经元的个数,容易导致学习时间过长,影响机械加工表面粗糙度值的生成时间,本产品共设计了9个不同粗糙度等级的试件,每个等级设计了10个试件,对每个试件分别采集了8幅图像,共有9×10×8=720个样本,通过训练确定了神经网络的最终模型,面阵CCD照相装置采集及工件表面粗糙度测量工作原理如8所示,面阵CCD照相装置采集过程示意图如4所示。
Claims (4)
1.一种模具曲面加工误差和表面粗糙度在机检测装置,其组成包括:检测装置,其特征是:所述的检测装置包括整体支撑装置,所述的整体支撑装置上平面中间位置安装有数控机床的刀柄,所述的整体支撑装置下平面通过螺栓与面阵CCD 照相装置连接,所述的整体支撑装置两侧分别通过连接轴与激光位移传感器装置连接,所述的激光位移传感器装置具有槽,所述的槽内分别安装有左激光位移传感器、右激光位移传感器。
2.根据权利要求1 所述的模具曲面加工误差和表面粗糙度在机检测装置,其特征是:所述的检测装置分别通过所述的左激光位移传感器、所述的右激光位移传感器对模具曲面进行测量,所述的检测装置通过所述的面阵CCD 照相装置对所述的模具曲面进行数据采集。
3.根据权利要求2 所述的模具曲面加工误差和表面粗糙度在机检测装置其特征是:所述的左激光位移传感器、所述的右激光位移传感器激光聚集点交汇在所述的模具曲面表面上,所述的面阵CCD 照相装置采集点垂直于所述的模具曲面上表面。
4.一种利用权利要求1或2或3 所述的模具曲面加工误差和表面粗糙度在机检测装置的检测方法,其特征是:该方法包括如下步骤:
首先是由在安装在数控机床主轴的面阵CCD 照相装置和DSP 芯片,对复杂加工曲面进行图像采集和图像处理,采用WV-BP330CCD 摄像机,16K 的线阵CCD 摄像机,提供570 线的水平清晰度,准确获得模具机械加工表面的粗糙度;然后采用左激光位移传感器、右激光位移传感器对模具加工曲面进行测量,精确非接触测量出复杂加工曲面的位置、位移变化、厚度、振动、距离、直径几何量的测量,以便精准获得模具加工曲面的形状误差;
激光位移传感器采用激光三角测量法,激光发射器通过镜头将可见红色激光射向被测物体表面,经物体反射的激光通过接收器镜头,被内部的线性相机接收,根据不同的距离,线性相机可以在不同的角度下找到这个光点,根据这个角度及已知的激光和相机之间的距离,数字信号处理器能够计算出传感器和被测物体之间的距离,通过面阵CCD 照相装置与激光位移传感器的结合使用,精准测量出加工表面的粗糙度和形状误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510481240.2A CN105066915B (zh) | 2015-08-07 | 2015-08-07 | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510481240.2A CN105066915B (zh) | 2015-08-07 | 2015-08-07 | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105066915A CN105066915A (zh) | 2015-11-18 |
CN105066915B true CN105066915B (zh) | 2018-01-26 |
Family
ID=54496343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510481240.2A Active CN105066915B (zh) | 2015-08-07 | 2015-08-07 | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105066915B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105157642B (zh) * | 2015-09-30 | 2017-06-30 | 江苏双阳机械科技有限公司 | 数控刀柄内径跳动检测机 |
CN106052561B (zh) | 2016-08-05 | 2019-07-09 | 京东方科技集团股份有限公司 | 位置传感器以及包括其的运送装置和利用其进行位置修正的方法 |
CN107632025B (zh) * | 2017-09-21 | 2024-06-25 | 征图新视(江苏)科技股份有限公司 | 曲面高精度成像系统 |
CN108061529B (zh) * | 2018-02-23 | 2020-03-31 | 西南科技大学 | 基于干涉图像自相关值曲率特征的表面粗糙度测量方法 |
CN110076627B (zh) * | 2019-06-05 | 2021-04-23 | 辽宁工程技术大学 | 一种数控机床主轴单元热力耦合误差测量系统 |
CN113758451B (zh) * | 2020-06-04 | 2023-09-22 | 拓荆科技股份有限公司 | 平行板反应器中相对位置及平行状态的检测装置及方法 |
CN111830905B (zh) * | 2020-08-10 | 2021-06-08 | 哈尔滨工业大学 | 一种基于简化牛顿法的多维系统轮廓误差估计方法 |
CN112035978B (zh) * | 2020-09-03 | 2022-07-12 | 哈尔滨理工大学 | 一种刀具参数优化设计方法及系统 |
CN112762825B (zh) * | 2020-12-24 | 2022-02-22 | 复旦大学 | 表征摄影测量系统三维坐标重构误差的矩阵谱半径方法 |
CN112884057B (zh) * | 2021-03-04 | 2022-03-18 | 晶仁光电科技(苏州)有限公司 | 基于点云数据的三维曲面质量分类方法、系统及存储介质 |
CN113091658B (zh) * | 2021-04-12 | 2022-09-27 | 广东工业大学 | 一种基于面阵电荷耦合器件的激光衍射表面粗糙度轮廓仪 |
CN114076573B (zh) * | 2021-11-10 | 2022-10-28 | 中国科学院长春光学精密机械与物理研究所 | 等效元件、等效元件的制备方法、检测精度校验方法 |
CN114485466B (zh) * | 2022-01-26 | 2023-11-21 | 哈尔滨理工大学 | 行星轮齿形加工误差测量装置及自适应在机测量方法 |
CN114777670A (zh) * | 2022-04-21 | 2022-07-22 | 西安交通大学 | 一种基于接触式测头的曲面在机测量方法 |
CN116432052B (zh) * | 2023-06-12 | 2023-08-18 | 深圳市欣精艺科技有限公司 | 一种新能源汽车模具用夹具质量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246000A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工业大学 | 路面平整度自动检测装置及检测方法 |
CN202432999U (zh) * | 2012-02-16 | 2012-09-12 | 西华大学 | 曲面抛光表面粗糙度非接触测量装置 |
CN104330024A (zh) * | 2014-10-15 | 2015-02-04 | 济宁中科先进技术研究院有限公司 | 面向小型机械零件形位误差检测装置及检测方法 |
CN204881558U (zh) * | 2015-08-07 | 2015-12-16 | 哈尔滨理工大学 | 模具曲面加工误差和表面粗糙度在机检测装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004340828A (ja) * | 2003-05-16 | 2004-12-02 | Nissan Motor Co Ltd | 表面評価装置 |
KR100903882B1 (ko) * | 2006-09-28 | 2009-06-24 | 주식회사 미르기술 | 레이저 변위센서를 구비한 비전 검사 시스템 및 비전 검사방법 |
-
2015
- 2015-08-07 CN CN201510481240.2A patent/CN105066915B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246000A (zh) * | 2008-03-21 | 2008-08-20 | 哈尔滨工业大学 | 路面平整度自动检测装置及检测方法 |
CN202432999U (zh) * | 2012-02-16 | 2012-09-12 | 西华大学 | 曲面抛光表面粗糙度非接触测量装置 |
CN104330024A (zh) * | 2014-10-15 | 2015-02-04 | 济宁中科先进技术研究院有限公司 | 面向小型机械零件形位误差检测装置及检测方法 |
CN204881558U (zh) * | 2015-08-07 | 2015-12-16 | 哈尔滨理工大学 | 模具曲面加工误差和表面粗糙度在机检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105066915A (zh) | 2015-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105066915B (zh) | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 | |
Peng et al. | Study of tool wear monitoring using machine vision | |
CN110033447A (zh) | 一种基于点云方法的高铁重轨表面缺陷检测方法 | |
CN104809738B (zh) | 一种基于双目视觉的安全气囊轮廓尺寸检测方法 | |
CN102494663B (zh) | 摆动喷管的摆动角度的测量方法 | |
CN101907448A (zh) | 一种基于双目三维视觉的深度测量方法 | |
CN107121061B (zh) | 一种基于椭圆锥约束的制孔点法矢量求解方法 | |
CN102920459A (zh) | 一种基于三维点云的人体围度参数测量方法 | |
CN108008006B (zh) | 一种焊缝缺陷检测方法、装置、设备及系统 | |
CN110006372A (zh) | 一种基于局部优化的三维点云平面度计算方法 | |
Ren et al. | Invariant-feature-pattern-based form characterization for the measurement of ultraprecision freeform surfaces | |
CN103106632A (zh) | 一种基于均值漂移的不同精度三维点云数据的融合方法 | |
CN107633507A (zh) | 基于轮廓检测和特征匹配的lcd缺陷检测方法 | |
CN112116553A (zh) | 一种基于k-d树的无源三维点云模型缺陷识别方法 | |
CN204881558U (zh) | 模具曲面加工误差和表面粗糙度在机检测装置 | |
CN115375636A (zh) | 一种动力电池模组全尺寸检测方法及设备 | |
CN118130477B (zh) | 一种基于视觉识别的压铸合金工件缺陷检测方法及系统 | |
CN106403818A (zh) | 多规格大型方矩形管在线尺寸参数检测用的系统及方法 | |
CN110864671B (zh) | 基于线结构光拟合平面的机器人重复定位精度测量方法 | |
CN113340215B (zh) | 基于平行约束的平面间断差在线测量方法 | |
Cheng et al. | An effective coaxiality measurement for twist drill based on line structured light sensor | |
Yu et al. | Visual texture-based 3-D roughness measurement for additive manufacturing surfaces | |
Jian et al. | Photometric stereo-based 3D reconstruction method for the objective evaluation of fabric pilling | |
CN107270858A (zh) | 一种基于三坐标自由曲面的智能几何采样方法 | |
LU503375B1 (en) | Measuring method and system for structured light 3d scanning |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180427 Address after: 150000 No. 21 East Lake Road, Yingbin Road concentrated area, Harbin hi tech Industrial Development Zone, Heilongjiang Patentee after: Harbin Xinli Optoelectronic Technology Co., Ltd. Address before: 150080 College of mechanical and power engineering, Harbin University of Science and Technology, 52 Xuefu Road, Nangang District, Harbin, Heilongjiang Patentee before: Harbin University of Science and Technology |
|
TR01 | Transfer of patent right |