CN105335971B - 基于图像的工件加工精确定位方法 - Google Patents
基于图像的工件加工精确定位方法 Download PDFInfo
- Publication number
- CN105335971B CN105335971B CN201510679348.2A CN201510679348A CN105335971B CN 105335971 B CN105335971 B CN 105335971B CN 201510679348 A CN201510679348 A CN 201510679348A CN 105335971 B CN105335971 B CN 105335971B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- image
- benchmark
- workpiece
- blade
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000000463 material Substances 0.000 claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims abstract description 30
- 238000003384 imaging method Methods 0.000 claims abstract description 19
- 230000003287 optical effect Effects 0.000 claims abstract description 4
- 230000004807 localization Effects 0.000 claims description 10
- 238000003754 machining Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000003801 milling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000003746 surface roughness Effects 0.000 description 3
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000013558 reference substance Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/604—Rotation of whole images or parts thereof using coordinate rotation digital computer [CORDIC] devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种基于图像的工件加工精确定位方法，通过建立增材制造的零件毛坯安装于数控机床之上的工件坐标系，以相机透镜中心和主光轴为基准建立成像坐标系，拍摄同时包含零件基准参照物和工件坐标系参照物的图像，识别图像中零件基准参照物和工件坐标系参照物之间的相对位置信息，经坐标变换得到零件基准参照物在工件坐标系内的位置，从而确定零件毛坯的初始加工位置。本发明能够将同一坐标系内图片的有效特征之间的关系来求得实际中的位置关系，从而进行找正定位。该方法确保在无接触的情况下，利用机床的自由度实现工件毛坯找正基准。
Description
技术领域
本发明涉及的是一种金属加工领域的技术，具体是一种通过视觉识别提取近净成形毛坯特征从而找正定位基准的方法。
背景技术
在传统加工过程中，一般采用“去除材料”的方式来获得零件的最终形状。在这种情况下，闭式整体叶盘类零件的毛坯一般采用能够包络最终形面的锻件实体为毛坯，致使后续加工的材料去除量非常大，经常会遇到需要去除毛坯上50％以上材料的情况。这样一来，一方面完整尺寸的锻件毛坯会使得毛坯成本居高不下，尤其是闭式整体叶盘类零件的材料采用高温合金或者钛合金的等比较昂贵的材料，且加工时这些材料都被去除，会产生很大浪费；而另一方面，大余量材料去除需要大量的工时，设备的占用率也会相应很大，同时加工还需要消耗大量的刀具以及人力资源，在这些效果综合作用下，零件的加工成本也会非常高昂。针对高温合金等难切削材料，这个影响会更大。
如果能够减少闭式整体叶盘类零件的加工余量，将会大大减少制造成本。而增材制造恰好提供了这样一种可能。随着技术的发展，增材制造正在逐渐改变加工的过程。尤其是在制造具有复杂结构零件的过程中，增材制造拥有巨大的优势。近些年来，增材制造技术已经获得了越来越多的应用。增材制造技术是指基于离散‐堆积原理，由零件三维数据驱动直接制造零件。这样可以生产出来贴近最终形面的近净成形毛坯，甚至在零件精度要求不高的情况下可以用来直接完成最终形面的制造，大大减少后续工序的材料去除量。从而缩短零件的生产周期，并降低生产成本，同时也可以减少材料的浪费。增材制造有着非常广泛的应用前景，随着越来越多的材料可以用作增材制造，制造业将会迎来颠覆性的发展。
增材制造给加工带来的便利不只是在减少了材料去除量，由于此时闭式整体叶盘类零件已经拥有预成形轮廓，很多型腔已经贯通，加工过程中的排屑和冲液可以更好。这对传统的切削加工和特种加工都可以带来积极的影响。在切削加工过程中，由于切屑可以非常方便地被带走，冲液可以直达加工区域，带走大量的加工产生的热，可以提高刀具寿命，并减小因加工引起的热应力。对特种加工而言，贯通的型腔可以获得较好的冲液流场，也可以改善加工状态。在闭式叶盘类零件的生产过程中，这两种手段都是常用的。因此，将增材制造技术应用于复杂零件的制备，则可以极大地改善加工过程。
但是，增材制造的闭式整体叶盘类零件拥有预成形轮廓，在后续加工中需要解决加工基准转移的问题。通过增材制造获得的叶盘类零件已经拥有贴近最终形面的轮廓，在增材制造的过程中零件已经拥有一个基准，后续加工需要在此基准之上进行。而后续加工的时候如果不能正确地找到这个基准，则很可能会损伤已有的轮廓，最终导致零件报废。为了获取这些基准，一般采用机械找正的方式，通过获取零件上一些特征形面相对机床的位置建立工件坐标系，从而进行后续加工。这种方式对零件上的特征形面要求比较高，一般只适合平面和圆柱面等比较规则的形面。而一旦零件上出现自由曲面，基准获取将难以实现。同时，机械式找正所采集数据有限，不能很好的从统计角度上获得基准，这样获得的基准精度也比较低。现有的增材制造的精度并不是很高，尤其是金属材料，零件的表面粗糙度也比较大。机械找正多采用接触式方法，零件的表面粗糙度会给机械找正精度带来不小的影响。为了确保后续加工，减少因增材制造本身精度和找正操作精度的影响，一般需要在增材制造的毛坯上为后续加工留有足够的余量。如果余量设置的过大，则会一定程度上削弱增材制造的优势。
经过对现有技术文献检索发现，目前基准找正相关的方法多是采用一些特殊装置实现。中国专利文献号CN103481085A，公开(公告)日2014.01.01，公开了一种非规则外形结构毛料数控加工基准快速找正装置及其方法，在铣切夹具上设有支撑台，其长度方向上设有定位装置，宽度方向的一端设有快速找正装置，另一端设有压板，压板的端部位于支撑台的上方；其中定位装置和压板分别与铣切夹具活动连接；在快速找正装置是由快速找正器、两个圆柱定位销和若干个圆锥找正销组成，在上弯折表面上设有若干个圆锥找正销，其底部顶尖均匀分布在待加工铸件的待加工轮廓线，在快速找正器的下弯折表面设有两个圆柱定位销，并与铣切夹具上对应位置设置的两个通孔配合；在铣切夹具的某一固定位置设有圆形对刀块。但该技术需要非常复杂的装置来实现基准找正，操作复杂。
中国专利文献号CN101101484，公开(公告)日2008.01.09，公开了一种基于机器视觉的二维定位装置，它包括固联于机床上的数字相机，与数字相机相连的处理器；选定工件上的几何特征作定位对象特征，所述数字相机获取该定位对象特征的数字图像并传送到处理器，处理器采用图像的模板匹配算法识别工件上的定位对象特征，采用边缘检测算法计算所述定位对象特征在相机视场中的坐标，通过坐标变换得到工件在机床中的坐标。但该技术只能用于二维定位，且定位的参考需要位于平行于机床工作台面，而定位基准如果不在这些平面内，则适用性会降低。同时，该方法的相机固定于机床上，能够拍摄的自由度会受到一定限制。
目前，随着图像摄取设备的飞速发展，机器视觉已经获得越来越广泛地应用。通过机器视觉，可以实现设备的高度智能化。目前视觉识别的精度也达到了很高的水准，可以很好地满足工业应用的要求。采用视觉识别来提取近净成形毛坯基准则可以较好地解决上述问题。
发明内容
本发明针对现有技术存在的上述不足，提出一种基于图像的工件加工精确定位方法，能够将同一坐标系内图片的有效特征之间的关系来求得实际中的位置关系，从而进行找正定位。该方法确保在无接触的情况下，利用机床的自由度实现工件毛坯找正基准。
本发明是通过以下技术方案实现的：
本发明通过建立增材制造的零件毛坯安装于数控机床之上的工件坐标系，以相机透镜中心和主光轴为基准建立成像坐标系，拍摄同时包含零件基准参照物和工件坐标系参照物的图像，识别图像中零件基准参照物和工件坐标系参照物之间的相对位置信息，经坐标变换得到零件基准参照物在工件坐标系内的位置，从而确定零件毛坯的初始加工位置。
所述的零件基准参照物是指：零件毛坯包含定位基准信息的形面特征。
所述的工件坐标系参照物是指：与机床固连的包含工件坐标系基准的形面特征。
所述的图像，优先经过预处理，该预处理包括但不限于：灰度处理、二值化处理、滤波处理等。
所述的相对位置信息是指：从图像上零件基准参照物和工件坐标系参照物的像素簇中识别出各自基准，拟合其在成像坐标系内的表达，得到零件定位基准相对工件坐标系的位置关系。
技术效果
与现有技术相比，本发明可以再无接触的情况下获取闭式整体叶盘零件增材制造毛坯的基准，可以减少近净成形毛坯表面粗糙度大和近净成形过程中精度不高的影响。对于近净成形毛坯来说，此时零件已经有大致轮廓，零件上只有基准，并无供精加工所用的基准，采用机械打表或者划线找正的方式的误差会比较大。尤其是针对拥有自由行面的叶盘类零件来说，叶片的扭曲会给找正带来非常大的困难。并且零件的后续加工的余量也不是很大，如果找正误差比较大，则很容易在后续加工过程中损坏已有的形面，造成零件报废。本发明提出的视觉识别方法则可以很容易解决这个难题，该方法受毛坯表面形式的影响小，可以很容易提取有用的形面特征。同时，该方法针对毛坯上有重复的特征时，可以对于多个特征均进行视觉识别处理，从而获得一个统计意义上更加精确的基准。
附图说明
图1为实施例中的工件坐标系和成像坐标系示意图；
图2为实施例中的近净成形毛坯示意图；
图中：WCS为工件坐标系，VCS为成像坐标系；
图3为实施例中的拍摄图片；
图4为实施例中的图片处理之后的结果示意图；
图5为实施例中的基准示意图；
图6为实施例叶盘加工后效果示意图。
具体实施方式
在本实施例中，针对采用近净成形的闭式整体叶盘的加工进行说明。采用电子束熔融成形获得的叶盘的近净成形毛坯如图1所示。对于该毛坯来说，后续还需要精加工外圆轮廓、端面和叶片。在外圆轮廓加工和端面加工时，基准可以选择外圆面端面，由于这两个面的均是比较简单的形面，直接采用机械打表找正的方式即可。但是，叶盘上已经有叶片的初始轮廓，在加工时必须从周向的特定位置开始。否则会损坏叶片的形貌，导致整个叶盘报废。也就是说，需要识别出叶片的基准才能进行后续加工。而叶片的形面比较复杂，在本实施例中采用视觉识别来获取叶片的周向基准。
将经过切削加工外轮廓之后的叶盘安装在数控机床之上，其加工的工件坐标系和拍摄照片的成像坐标系如图2所示。
成像坐标系VCS依赖于相机本身，其三个基向量U、V、N分别指向相机的水平方向、竖直方向和主光轴，原点采用相机透镜的中心。
如图2所示，距离成像坐标系VCS原点L的面是相机的成像平面。然后根据透视投影定理，对成像坐标系内的点再次进行投影变换即可获得点在成像平面的表达。
所述的投影变换的过程为：其中：(xi，yi)即为成像平面内投影点的坐标，L为相机的焦距。由此即可以建立机床上工件坐标系到拍摄图片上的坐标转换。在这个过程中需要忽略相机镜头曲率引起的畸变。
至此，工件坐标系WCS内的点到拍摄到的图片内的点之间的变换关系即确定下来。只要确定变换矩阵T的具体表达，则可以通过图片内的像之间的位置关系反算出实际坐标系内物体的位置关系。
本实施例中所采用的叶盘的边缘去掉圆角之后为直线，在图片中比较容易识别，取其为叶盘周向基准的分布特征。加工时。以叶片边缘平行于工件坐标系Z轴作为加工的起始位置。此时，在机床主轴之上安装定位心轴作为工件坐标系的参考物，将叶盘和标准杆同时拍摄到照片中，在图片中提取二者之间的夹角，并通过变换矩阵即可获取两个参考物的实际夹角，转动叶盘相应角度二者夹角为零则可作为周向起始。由于周向基准的分布特征位于叶盘正面，为了减小后续处理的误差，相机拍摄时需要尽量正对叶盘正面。
如图3所示，为通过相机拍摄的叶片边缘和心轴的图片。此时，叶片边缘和心轴在图片中都不是很突出，其他多余的信息过多，会影响识别的精度。为此，需要对照片进行处理。首先，需要对照片进行灰度处理，然后进行二值化，只保留轮廓特征信息的图片。为了更清晰的突出叶片和心轴的特征，此过程中还可以包含一定的滤波处理。
处理之后的图片如图4所示，可以发现，叶片边缘和心轴的轮廓已经非常明显。然后在图中提取叶片边缘和心轴边缘的像素簇，并对提取出来的像素簇进行拟合，从而获得二者的具体描述。
叶片周向分布特征和定位心轴在工件坐标系内的描述为： 其中：(xb，yb，zb)为叶片周向分布特征线上的点，(mb，nb，pb)为叶片周向分布线的方向向量；(xs，ys，zs)为定位标准杆轮廓线上的点，(ms，ns，ps)为定位标准杆轮廓线的方向向量。
由于工件坐标系到成像坐标系是线性变换，这两个特征在成像坐标系内还是两条直线。可以描述为：其中：(x'b，y'b，z'b)和(x's，y's，z's)分别为两条直线上的点，(m'b，n'b，p'b)和(m's，n's，p's)分别为直线的方向向量，以单位向量形式表达。且(m'b，n'b，p'b)为(mb，nb，pb)经过T变换而来，(m's，n's，p's)为(ms，ns，ps)经过T变换而来。
经过相机成像的中心投影之后的投影面内，两条投影直线可以表述为：
拟合过程中，可以使用最小二乘法，以减小误差。通过拟合可以确定两个特征的表达式，继而计算出二者的夹角，得到叶盘到加工初始位置的角度偏差，即获得叶片的周向基准，如图5所示。
为了减小偶然误差，对于每个叶片都进行同样的处理。再对所有叶片到周向起始位置的角度偏差进行统计平均，由于叶片在周向均布，可以从统计角度上获得叶片的周向基准，从而保证该方法的有效性。表1则显示了每个叶片的周向角度偏差，可以发现本方法获得的周向角度偏差波动较小，可信度高。将叶盘旋转该角度，即可将叶盘调整到加工起始位置。
图6展示了根据本方法获取周向基准的叶盘加工之后的结果，可以发现叶片的所有形面都有精加工的痕迹，说明本方法获取的周向基准非常准确，可适用于大规模生产。
表1叶片周向角度偏差
| 叶片编号 | 周向角度偏差/° | 叶片编号 | 周向角度偏差/° |
| 1 | 0.068 | 13 | 0.033 |
| 2 | 0.400 | 14 | 0.134 |
| 3 | 0.217 | 15 | ‐0.082 |
| 4 | 0.336 | 16 | ‐0.052 |
| 5 | 0.634 | 17 | 0.116 |
| 6 | 0.503 | 18 | ‐0.081 |
| 7 | 0.237 | 19 | ‐0.183 |
| 8 | ‐0.148 | 20 | ‐0.213 |
| 9 | ‐0.423 | 21 | ‐0.477 |
| 10 | ‐0.266 | 22 | ‐0.130 |
| 11 | ‐0.265 | 23 | ‐0.596 |
| 12 | 0.032 |
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。
Claims (5)
1.一种基于图像的闭式整体叶盘加工精确定位方法，其特征在于，通过建立增材制造的零件毛坯安装于数控机床之上的工件坐标系，以相机透镜中心和主光轴为基准建立成像坐标系，拍摄同时包含零件基准参照物和工件坐标系参照物的图像，识别图像中零件基准参照物和工件坐标系参照物之间的相对位置信息，经坐标变换得到零件基准参照物在工件坐标系内的位置，从而确定零件毛坯的初始加工位置；
所述的闭式整体叶盘的叶片周向分布特征和定位心轴在工件坐标系内的描述为：其中：(xb，yb，zb)为叶片周向分布特征线上的点，(mb，nb，pb)为叶片周向分布线的方向向量；(xs，ys，zs)为定位标准杆轮廓线上的点，(ms，ns，ps)为定位标准杆轮廓线的方向向量；
所述的叶片周向分布特征和定位心轴在成像坐标系内描述为：
其中：(x'b，y'b，z'b)和(x's，y's，z's)分别为两条直线上的点，(m'b，n'b，p'b)和(m's，n's，p's)分别为直线的方向向量，以单位向量形式表达；且(m'b，n'b，p'b)为(mb，nb，pb)经过T变换而来，(m's，n's，p's)为(ms，ns，ps)经过T变换而来；
经过相机成像的中心投影之后的投影面内，两条投影直线表述为：其夹角为叶盘到加工初始位置的角度偏差，即获得叶片的周向基准。
2.根据权利要求1所述的基于图像的闭式整体叶盘加工精确定位方法，其特征是，所述的零件基准参照物是指：零件毛坯包含定位基准信息的形面特征。
3.根据权利要求1所述的基于图像的闭式整体叶盘加工精确定位方法，其特征是，所述的工件坐标系参照物是指：与机床固连的包含工件坐标系基准的形面特征。
4.根据权利要求1所述的基于图像的闭式整体叶盘加工精确定位方法，其特征是，所述的图像，经过预处理，该预处理包括：灰度处理、二值化处理、滤波处理。
5.根据权利要求1所述的基于图像的闭式整体叶盘加工精确定位方法，其特征是，所述的相对位置信息是指：从图像上零件基准参照物和工件坐标系参照物的像素簇中识别出各自基准，拟合其在成像坐标系内的表达，得到零件定位基准相对工件坐标系的位置关系。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510679348.2A CN105335971B (zh) | 2015-10-19 | 2015-10-19 | 基于图像的工件加工精确定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510679348.2A CN105335971B (zh) | 2015-10-19 | 2015-10-19 | 基于图像的工件加工精确定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105335971A CN105335971A (zh) | 2016-02-17 |
| CN105335971B true CN105335971B (zh) | 2018-07-13 |
Family
ID=55286476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510679348.2A Active CN105335971B (zh) | 2015-10-19 | 2015-10-19 | 基于图像的工件加工精确定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105335971B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6834232B2 (ja) * | 2016-08-09 | 2021-02-24 | オムロン株式会社 | 情報処理システム、情報処理装置、ワークの位置特定方法、およびワークの位置特定プログラム |
| CN110230082B (zh) * | 2019-07-18 | 2021-06-25 | 烟台大学 | 一种集束阴极微弧氧化膜制备装置和方法 |
| CN110631535A (zh) * | 2019-09-02 | 2019-12-31 | 北京星航机电装备有限公司 | 一种大型铸造舱体类结构件机加基准传递方法 |
| CN111028227B (zh) * | 2019-12-17 | 2023-07-21 | 江西洪都航空工业集团有限责任公司 | 一种数控机床快速找正方法 |
| CN113177540A (zh) * | 2021-04-14 | 2021-07-27 | 北京明略软件系统有限公司 | 基于铁轨旁部件的定位方法和系统 |
| CN113538583A (zh) * | 2021-07-28 | 2021-10-22 | 柔胜刚智能科技(苏州)有限公司 | 一种工件在机床上位置的精准定位方法及视觉系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308015A (zh) * | 2008-07-09 | 2008-11-19 | 北京理工大学 | 基于光幕式激光器的高精度位姿检测方法与装置 |
| CN101419063A (zh) * | 2008-10-30 | 2009-04-29 | 上海大学 | 基于多孔径拼接技术的圆柱度非接触测量方法和系统 |
| CN102003938A (zh) * | 2010-10-11 | 2011-04-06 | 中国人民解放军信息工程大学 | 大型高温锻件热态在位检测方法 |
| CN102107374A (zh) * | 2011-02-01 | 2011-06-29 | 吉林大学 | 轴盘类零件直径尺寸在线检测方法 |
| CN104325268A (zh) * | 2014-11-04 | 2015-02-04 | 南京赫曼机器人自动化有限公司 | 一种基于智能学习的工业机器人三维空间自主装配方法 |
| CN104669065A (zh) * | 2015-01-28 | 2015-06-03 | 中国工程物理研究院激光聚变研究中心 | 金刚石刀具在位检测与定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005300248A (ja) * | 2004-04-08 | 2005-10-27 | Mitsutoyo Corp | 載置テーブル、表面性状測定機および表面性状測定方法 |
-
2015
- 2015-10-19 CN CN201510679348.2A patent/CN105335971B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101308015A (zh) * | 2008-07-09 | 2008-11-19 | 北京理工大学 | 基于光幕式激光器的高精度位姿检测方法与装置 |
| CN101419063A (zh) * | 2008-10-30 | 2009-04-29 | 上海大学 | 基于多孔径拼接技术的圆柱度非接触测量方法和系统 |
| CN102003938A (zh) * | 2010-10-11 | 2011-04-06 | 中国人民解放军信息工程大学 | 大型高温锻件热态在位检测方法 |
| CN102107374A (zh) * | 2011-02-01 | 2011-06-29 | 吉林大学 | 轴盘类零件直径尺寸在线检测方法 |
| CN104325268A (zh) * | 2014-11-04 | 2015-02-04 | 南京赫曼机器人自动化有限公司 | 一种基于智能学习的工业机器人三维空间自主装配方法 |
| CN104669065A (zh) * | 2015-01-28 | 2015-06-03 | 中国工程物理研究院激光聚变研究中心 | 金刚石刀具在位检测与定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105335971A (zh) | 2016-02-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105335971B (zh) | 基于图像的工件加工精确定位方法 | |
| CN112017232B (zh) | 图像内圆形图案的定位方法、装置及设备 | |
| CN101885152A (zh) | 一种自动找正的预印制图像板材数控切割方法 | |
| CN111047588A (zh) | 一种轴型小零件尺寸的图像化测量方法 | |
| CN103308021B (zh) | 一种测量工件圆度误差的方法 | |
| CN104084610A (zh) | 高光组合倒角刀 | |
| CN117115196B (zh) | 一种切割机刀具磨损视觉检测方法及系统 | |
| CN107270826A (zh) | 一种孔的视觉测量方法 | |
| CN111008602B (zh) | 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法 | |
| CN103111529B (zh) | U型钣金零件回弹模胎的加工方法 | |
| CN105082375A (zh) | 一种晶体切割方法 | |
| CN110415247B (zh) | 一种机器人化模锻过程锻件异位识别和定位方法 | |
| CN105479120A (zh) | 一种高尔夫球头击打面的加工工艺 | |
| CN104384360A (zh) | 利用与模座成任意角度的斜楔基准的加工方法 | |
| EP3427113A1 (en) | Method of making a counter-die cutter, adapting unit for a milling machine and milling machine comprising this unit | |
| CN111413933A (zh) | 轮毂的亮面的加工方法和轮毂及其制造方法、加工系统 | |
| CN111159823B (zh) | 一种针对结构件加工变形的快速测量和识别方法 | |
| CN106951814B (zh) | 编码器偏心调整系统的圆光栅偏心计算方法 | |
| CN107695397B (zh) | 一种薄壁结构件双面对接加工调整方法 | |
| CN114998417A (zh) | 基于二次曲线不变量的薄壁冲压件孔组尺寸测量方法 | |
| CN114972948A (zh) | 一种基于神经检测网络的识别定位方法及系统 | |
| CN203726294U (zh) | 透镜磨边分面装置 | |
| CN104607875B (zh) | 一种局部锥面配合轮的加工方法及所使用的测试夹具 | |
| CN204209448U (zh) | 多腔瓶盖类注塑模具中half块加工工艺用夹具 | |
| CN109544626B (zh) | 卡尺式定位方法 |
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 |