CN106841206B - 大型零件化学铣削切割非接触在线检测方法 - Google Patents
大型零件化学铣削切割非接触在线检测方法 Download PDFInfo
- Publication number
- CN106841206B CN106841206B CN201611179458.3A CN201611179458A CN106841206B CN 106841206 B CN106841206 B CN 106841206B CN 201611179458 A CN201611179458 A CN 201611179458A CN 106841206 B CN106841206 B CN 106841206B
- Authority
- CN
- China
- Prior art keywords
- point
- coordinate
- boundary
- binocular vision
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
- G01N2201/06113—Coherent sources; lasers
Abstract
本发明大型零件化学铣削切割非接触在线检测方法属于激光测量技术领域,涉及一种测量大型零件化铣切割质量的非接触性在线检测方法。检测方法将双目视觉系统集成在机床的横梁上,通过调节双目视觉系统的位姿测得大型零件边界的局部数据;分别对双目摄像机内外参数、T‑Mac位姿进行标定,采集测量数据,对数据进行零件边界结构特征点提取,得到零件边界的局部三维信息。将局部测量数据统一到全局坐标系下,实现整体三维信息的测量与重建。该检测方法测量效率高,位姿调节方便,安装时不破坏机床原有结构,与零件无接触,精度高。具有能实时测量的优点,满足大型零件化铣切割质量检测的要求。
Description
技术领域
本发明属于激光测量技术领域,涉及一种测量大型零件化铣切割质量的非接触性在线检测方法。
背景技术
在飞机制造工艺中,需要对机身等零部件进行化学铣削,然后将化铣件进行切边处理,使其达到规定的技术及精度要求,满足装配条件。在零件化学铣削之后,将零件放在切边机床上按照设计要求对边缘部分进行切割,零件边缘质量的好坏直接影响零件的外形尺寸,从而影响飞机的装配质量,因此零件切割位置的准确性对飞机的质量非常重要。通过轮廓切割位置测量数据的分析,可获得实际加工位置与理论数模的偏差大小,同时为加工过程中的偏差分析提供数据依据,有效调整加工中运动偏差。经文献检索,中国发明专利号:CN201210153987.1,卢科青等人的发明专利“基于影像复合的薄片零件轮廓自动检测测头与检测方法”提出了一种基于影像复合的薄片零件轮廓自动检测测头与检测方法。该方法在测量过程中将放大倍数不同的三个照相机镜头安装在镜头转换器上,先将低倍镜头转换至工作位置,由CCD照相机获取薄片零件的全景图像,并提取零件轮廓;然后由路径规划模块根据零件整体轮廓分布情况规划二次测量路径;接着将高倍镜头转换至工作位置,由CCD照相机按二次测量路径对薄片零件的轮廓分区域进行精确测量;最后以二次测量获得的数据作为最终的检测结果。该方法装置结构简单,能实现复杂形状薄片零件的自动化检测,但由于安装在三坐标测量仪上,无法对飞机的大型零件边界进行检测,并需要对路径进行规划,效率较低,无法对正在加工中的零件进行实时检测。
发明内容
本发明为克服现有技术的缺陷,发明一种大型零件化学铣削切割非接触在线检测方法。该方法通过将双目视觉系统通过横纵导轨悬挂在机床横梁上,并与激光接收器T-Mac(以下均用T-Mac进行简称)连接在一起,通过T-Mac得到激光跟踪仪全局坐标系和双目视觉系统局部坐标系的转换关系;通过调节双目视觉系统的位姿来获取大型零件边界的多组局部图像信息,对双目视觉系统进行内外参数标定,并利用测量系统采集测量数据,对数据进行结构边界特征点提取与精密检测等处理,然后计算目标的三维信息,实现对大型航空零件化铣边界的切割质量进行检测。测量效率高,位姿调节方便,安装时不破坏机床原有结构,与零件无接触,并且具有能实时测量的优点,能够满足一般大型零件化铣切割质量检测的要求。
本发明采用的技术方案是大型零件化学铣削切割非接触在线检测方法,其特性是,检测方法将双目视觉系统集成在机床的横梁上,通过调节双目视觉系统的位姿测得大型零件边界的局部数据;分别对双目摄像机内外参数、T-Mac位姿进行标定,通过T-Mac得到运动的双目视觉系统局部坐标系和静止的激光跟踪仪全局坐标系之间的转换关系,实现全局坐标实时统一;采集测量数据,对数据进行零件边界结构特征点提取等处理,然后得到零件边界的局部三维信息。然后将局部测量数据统一到全局坐标系下,实现整体三维信息的测量与重建。方法的具体步骤如下:
第一步将双目视觉系统集成在机床的横梁上
将上横向导轨1直接通过两端的左、右固定块2A、2B用螺母紧固后安装在机床的横梁上,再将下横向导轨3也通过两端的左、右固定块2A、2B用螺母紧固后安装在上横向导轨1下面;纵向导轨6上端由固定块4安装在上、下横向导轨1、3上,纵向导轨6下端通过连接块5与联接板9连接;
搭建小型双目视觉集成系统的集成箱7:首先将激光器11与转台12通过螺套连接在一起,再将转台12通过四个螺栓固定在集成箱7的底部中心;将左、右摄像机10A、10B安装在激光器11的两侧,并用螺栓固定在集成箱7底部;最后将集成系统箱7与T-Mac 8通过通孔用螺母装配连接在一起;用联接板9安装到纵向导轨6上;
第二步对测量系统进行标定
首先采用张氏标定方法对双目视觉系统的左、右摄像机的内参数进行标定,然后,在现场测量安装好激光跟踪仪,利用激光跟踪仪标定双目摄像机的外参数;并进行T-Mac与视觉系统的标定,最终使在每一个测量位置拍摄时重建的测量结果都在激光跟踪仪的测量坐标系下;
第三步图像目标信息的获取
针对被检测零件化铣边界结构特征的精密检测,基于光条位置突变进行边界特征点的识别;首先获取准确的光条中心位置Pj,定义其坐标值为(x,f(x)),提取光条。定义f(x)的一阶离散导数最大值与二阶离散导数为零的位置为结构边界特征点。建立理想光条中心位置特征点模型为:
f(x)=(b2-b1)u(x-x0)+q1x+b1 (1)
其中,u(x-x0)为理想阶跃函数,b1,b2不同结构表面光条中心线方程截距参数,q1为光条中心线斜率;x0为光条中心线曲率突变位置,即被测物理论边界特征点;对提取得到的光条中心位置坐标值(x,f(x))进行离散求导计算,
其中,m为第m个离散点,i为m点之后的其他点;一阶导数最大值所对应的行坐标v0为目标初始结构边界行坐标,定义其对应的光条中心列坐标f(v0)为目标初始结构边界列坐标值,得到目标初始结构边界特征点坐标为(v0,f(v0));
再进行边界精定位,令一维理想阶跃边界模型为由具有特征值h1与h2的特征点构成;
利用公式(3)计算一维理想边缘模型的前三阶特征矩:
其中,P1、P2分别表示特征值h1与h2的特征点所占的比例,且有P1+P2=1。mk中k=1,2,3为一维理想边缘模型的前三阶特征矩;目标初始边界特征点坐标值(v0,f(v0)),在v0的α邻域内选取2α+1个特征点作为特征矩计算的输入序列h(j),j=1,2,…,n,n=2α+1;再通过公式(4)得到边界的实际特征矩
联立公式(3)和(4),通过前三阶特征矩建立方程组解得三个未知数h1,h2,P1,并得到边界亚像素位置为:
l=nP1 (5)
通过以上操作得到边界的精确行坐标l,然后利用附近光条中心点坐标进行插值或拟合得到对应的边界列坐标f(l),由此定位到精确的边界特征点(l,f(l));
利用双目视觉系统左、右摄像机图像平面满足极线约束关系进行左、右图像中对应光条特征点的匹配,其满足公式(6):
其中,pl、pr分别为左、右图像对应匹配点,基本矩阵F可通过已知准确距离的两个标定板进行标定计算;以左图像为基础,基于基本矩阵的极线约束计算右图像的匹配点;根据得到的左、右图像对应匹配点,结合双目视觉重建基本原理实现上述匹配点的三维重建;对空间任意一点Pi,重建得到其三维空间坐标如下:
其中,xi',yi'分别为左摄像机采集的特征点在图像坐标系下的横、纵坐标;xi',yi'分别为右摄像机采集的特征点在图像坐标系下的横、纵坐标;f1、f2分别为左、右摄像机标定得到的焦距;是右摄像机相对于左摄像机的旋转矩阵,[tx,ty,tz]T是右摄像机相对于左摄像机的平移矩阵;
利用下面公式将局部坐标值转换为激光跟踪仪坐标系下的全局坐标值:
Qk=Rcn·Pk+Tcn (8)
其中,Pk为局部坐标系下第k个点的坐标,Qk为全局坐标系下第k个点的坐标。Rcn和Tcn分别为全局的激光跟踪仪世界坐标系与局部的双目视觉系统坐标系之间的旋转矩阵和平移矩阵;
最后通过移动双目视觉测量系统,调节双目视觉系统的位姿,使双目视觉测量视场覆盖所有的感兴趣区域,测得大型零件边界的数据;并将每一部分的测量点云数据均统一到固定不变的全局的激光跟踪仪世界坐标系下,最终实现大型零件的全局三维数据整体测量。
本发明的有益效果是该方法测量效率高,位姿调节方便,安装时不破坏机床原有结构,与零件无接触,并且具有能实时测量的优点,能够满足一般大型零件化铣切割质量检测的要求。
附图说明
图1为在线检测方法流程图。图2为机床横梁上的零件切割质量测量系统主视图,图3为机床横梁上的零件切割质量测量系统左视图,图4为图3中部件7从K视角观察的剖视放大图。其中,1-上横向导轨,2A、2B-左、右固定块,3-下横向导轨,4-固定块,5-连接块,6-纵向导轨,7-双目相机集成箱,8-T-MAC,9-联接板,10A、10B-左、右摄像机,11-激光器,12-转台。
图5-光条中心位置曲线图。其中,横坐标轴-光条中心点的行坐标,纵座标轴-光条中心点的列坐标,单位均为像素。
图6A-目标结构边界特征在左摄像机中的提取结果图,图6B-目标结构边界特征在右摄像机中的提取结果图。其中,13-光条突变点,即目标结构边界特征点。
具体实施方式
下面结合附图和技术方案详细说明本发明的具体实施方式。
本实施例中,被测物为一块600*800mm、平面度为0.01mm的铝制样板。其上有化铣切割后留下的边界。采用激光跟踪仪型号为Leica-AT960LR,T-Mac型号为TMC30-B,采用两台3-D摄像机与50mw的蓝色激光器进行检测实验。
图1为在线检测方法流程图,检测方法是将双目视觉系统通过横纵导轨悬挂在机床横梁上,通过调节双目视觉系统的位姿实现对大型航空零件化铣边界的切割质量检测的方法。方法具体步骤如下:
第一步将双目视觉系统集成在机床的横梁上
图2为机床横梁上的零件切割质量测量系统主视图,附图3搭建双目视觉测量系统。如图所示,将上横向导轨1直接通过两端的左、右固定块2A、2B用螺母紧固后安装在机床的横梁上,再将下横向导轨3通过同样方式安装在上横向导轨1下面在机床的横梁上,纵向导轨6上端由固定块4安装在上、下横向导轨1、3上,纵向导轨6下端通过连接块5与联接板9连接。这样就可以通过调节视觉系统的位姿来满足景深距离要求和在零件被测区域内可运动的要求,对大型零件可分区域测量,且不影响机床正常工作。
搭建小型双目视觉集成系统的集成箱7,首先将激光器11与转台12通过螺套连接在一起,再将转台12及激光器11通过四个螺栓固定在集成箱7的底座中心。然后一左一右放入双目摄像机10于激光器11的两侧,并用螺栓固定在底座上。最后将集成系统箱7的外部表面通过设备联接板9安装在机床横梁上的纵向导轨6上,并与T-Mac8通过通孔,使用螺母连接在一起进行联动装配。
第二步对系统进行标定
首先进行双目视觉系统的内参数标定,采用常用的张氏标定方法通过定焦的镜头对测量系统的内参数进行可离线的标定。然后对双目视觉系统的外参数标定,在现场测量安装好激光跟踪仪,利用激光跟踪仪标定双目相机的外参数。
为了让零件的三维信息统一到一个世界坐标系下,将T-Mac与双目视觉系统连接在一起,并对T-Mac与视觉系统进行标定,使在每一个测量位置拍摄时重建的测量结果都在激光跟踪仪的测量坐标系下。得到一组T-Mac与双目视觉系统的转换矩阵如下:
通过调节双目视觉系统集成箱的位姿,得到两组激光跟踪仪全局坐标系与双目视觉系统局部坐标系之间的两组转换矩阵,表示如下:
并以此来重建这两个位置下拍摄的局部图像的三维信息。
第三步对采集数据进行处理
通过双目视觉系统集成箱中的激光器,将激光线打在被测物上,采集零件结构特征点原始数据,对获得的原始信号进行滤波去噪等预处理,获得更接近真实情况的数据信号以进行后续特征信息的提取。根据标定结果,实时计算目标特征的三维信息。针对化铣区域位置的结构边界进行精密检测,基于光条位置突变进行边界特征点的识别,获得如图5所示的光条中心位置曲线,提取光条。
根据公式(1)建立理想光条中心位置特征点模型。根据公式(2)对提取得到的光条中心位置特征点进行离散求导计算以得到边界粗定位,得到目标结构边界特征点坐标。然后利用公式(3)计算一维理想边缘模型的前三阶特征矩。再通过公式(4)得到边界的边界实际特征矩,联立公式(3)(4)得到边界的精确行坐标k后,利用附近光条中心点坐标进行插值或拟合得到对应的边界列坐标f(k),由此定位到精确的目标结构边界特征点(k,f(k)),由此定位到精确的边界特征点。左、右摄像机对目标结构边界特征提取结果如图6A、6B所示,其中光条突变点13,即目标结构边界特征点。
然后进行左、右图像对应特征点的匹配和重建。首先,利用双目立体视觉测量系统左、右摄像机图像平面满足极线约束关系的前提条件进行左、右图像中对应光条特征点的匹配,根据公式(5),以左图像为基础,基于基本矩阵的极线约束计算右图像的匹配点。根据得到的左、右图像对应匹配点,结合双目视觉重建基本原理可实现上述匹配点的三维重建。对空间一点,重建得到其三维空间坐标如公式(6)所示。得到双目相机坐标系下的点的局部坐标值以后,利用公式(7)将双目视觉系统获取的局部坐标值转换为激光跟踪仪世界坐标系下的全局坐标值。最后通过移动测量系统,使测量视场覆盖所有的感兴趣区域,并将每一部分的测量点云数据均统一到固定不变的全局坐标系下,最终实现大型零件的全局三维数据整体测量。
本发明采用双目测量系统安装机床横梁上的方式在线进行测量,其位姿调节方便,安装时不破坏机床原有结构,与零件无接触。利用测量系统可精确测量零件边界特征的位置与切割质量,精度高,效率高,具有实时测量的优点,解决了原有技术测量不方便,与零件有接触等缺点,能够满足零件化学切割质量检测的要求。
Claims (1)
1.大型零件化学铣削切割非接触在线检测方法,其特征是,检测方法将双目视觉系统集成在机床的横梁上,通过调节双目视觉系统的位姿测得多种大型零件边界的数据;分别对双目摄像机内外参数、T-Mac位姿进行标定,通过T-Mac得到运动的双目视觉系统局部坐标系和静止的激光跟踪仪全局坐标系之间的转换关系,实现全局坐标实时统一;采集测量数据,对数据进行零件边界结构特征点提取处理,得到零件边界的局部三维信息;将局部测量数据统一到全局坐标系下,实现整体三维信息的测量与重建;方法的具体步骤如下:
第一步将双目视觉系统集成在机床的横梁上
将上横向导轨(1)通过两端的左、右固定块(2A、2B)用螺母紧固后安装在机床的横梁上,再将下横向导轨(3)也通过两端的左、右固定块(2A、2B)用螺母紧固后安装在上横向导轨(1)下面;纵向导轨(6)上端由固定块(4)固定在上、下横向导轨(1、3)上,纵向导轨(6)下端通过连接块(5)与联接板(9)连接;
搭建小型双目视觉集成系统的集成箱(7);首先将激光器(11)与转台(12)通过螺套连接在一起,再将转台(12)通过四个螺栓固定在集成箱(7)的底部中心;将左、右摄像机(10A、10B)安装在激光器(11)的两侧,并用螺栓固定在集成箱(7)底部;最后将集成系统箱(7)与T-Mac(8)通过通孔用螺母装配连接在一起;通过联接板(9)安装到纵向导轨(6)上;
第二步对测量系统进行标定
首先采用张氏标定方法对双目视觉系统的左、右摄像机的内参数进行标定,然后,在现场测量安装好激光跟踪仪,利用激光跟踪仪标定双目摄像机的外参数;并进行T-Mac与双目视觉系统的标定,最终使在每一个测量位置拍摄时重建的测量结果都在激光跟踪仪的测量坐标系下;
第三步图像目标信息的获取
针对被检测零件化铣边界结构特征的精密检测,基于光条位置突变进行边界特征点的识别;首先获取准确的光条中心位置Pj,定义其坐标值为(x,f(x)),提取光条;定义f(x)的一阶离散导数最大值与二阶离散导数为零的位置为结构边界特征点;建立理想光条中心位置特征点模型为:
f(x)=(b2-b1)u(x-x0)+q1x+b1 (1)
其中,u(x-x0)为理想阶跃函数,b1,b2不同结构表面光条中心线方程截距参数,q1为光条中心线斜率;x0为光条中心线曲率突变位置,即被测物理论边界特征点;对提取得到的光条中心位置坐标值(x,f(x))进行离散求导计算,
其中,m为第m个离散点,i为m点之后的其他点;一阶导数最大值所对应的行坐标v0为目标初始结构边界行坐标,定义其对应的光条中心列坐标f(v0)为目标初始结构边界列坐标值,得到目标初始结构边界特征点坐标为(v0,f(v0));
再进行边界精定位,令一维理想阶跃边界模型为由具有特征值h1与h2的特征点构成;利用公式(3)计算一维理想边缘模型的前三阶特征矩:
其中,P1、P2分别表示特征值h1与h2的特征点所占的比例,且有P1+P2=1;mk中k=1,2,3为一维理想边缘模型的前三阶特征矩;目标初始边界特征点坐标值(v0,f(v0)),在v0的α邻域内选取2α+1个特征点作为特征矩计算的输入序列h(j),j=1,2,…,n,n=2α+1;再通过公式(4)得到边界的实际特征矩
联立公式(3)和(4),通过前三阶特征矩建立方程组解得三个未知数h1,h2,P1,并得到边界亚像素位置为:
l=nP1 (5)
通过以上操作得到边界的精确行坐标l,然后利用附近光条中心点坐标进行插值或拟合得到对应的边界列坐标f(l),由此定位到精确的边界特征点(l,f(l));利用双目视觉系统左、右摄像机图像平面满足极线约束关系进行左、右图像中对应光条特征点的匹配,应满足公式(6):
其中,pl、pr分别为左、右图像对应匹配点,基本矩阵F可通过已知准确距离的两个标定板进行标定计算;以左图像为基础,基于基本矩阵的极线约束计算右图像的匹配点;根据得到的左、右图像对应匹配点,结合双目视觉重建基本原理实现上述匹配点的三维重建;对空间任意一点Pi,重建得到其三维空间坐标如下:
其中,x′i,y′i分别为左摄像机采集的特征点在图像坐标系下的横、纵坐标;y″i为右摄像机采集的特征点在图像坐标系下的纵坐标;f1、f2分别为左、右摄像机标定得到的焦距;是右摄像机相对于左摄像机的旋转矩阵,[tx,ty,tz]T是右摄像机相对于左摄像机的平移矩阵;
利用下面公式将局部坐标值转换为激光跟踪仪坐标系下的全局坐标值:
Qk=Rcn·Pk+Tcn (8)
其中,Pk为局部坐标系下第k个点的坐标,Qk为全局坐标系下第k个点的坐标;Rcn和Tcn分别为全局的激光跟踪仪世界坐标系与局部的双目视觉系统坐标系之间的旋转矩阵和平移矩阵;
最后通过移动双目视觉测量系统,调节双目视觉系统的位姿,使双目视觉测量视场覆盖所有的感兴趣区域,测得大型零件边界的数据;并将每一部分的测量点云数据均统一到固定不变的全局的激光跟踪仪世界坐标系下,最终实现大型零件的全局三维数据整体测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611179458.3A CN106841206B (zh) | 2016-12-19 | 2016-12-19 | 大型零件化学铣削切割非接触在线检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611179458.3A CN106841206B (zh) | 2016-12-19 | 2016-12-19 | 大型零件化学铣削切割非接触在线检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106841206A CN106841206A (zh) | 2017-06-13 |
CN106841206B true CN106841206B (zh) | 2018-07-24 |
Family
ID=59140522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611179458.3A Expired - Fee Related CN106841206B (zh) | 2016-12-19 | 2016-12-19 | 大型零件化学铣削切割非接触在线检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106841206B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563991B (zh) * | 2017-08-01 | 2019-08-20 | 大连理工大学 | 零件表面断裂激光光条的提取与匹配方法 |
CN107855726B (zh) * | 2017-10-31 | 2019-12-06 | 上海卫星装备研究所 | 一种航天器大尺度载荷安装面平面度在位调修方法 |
CN107883894A (zh) * | 2017-10-31 | 2018-04-06 | 上海卫星装备研究所 | 一种航天器大尺度载荷安装面平面度在位调修系统 |
CN108106549B (zh) * | 2017-11-24 | 2019-10-18 | 清华大学 | 一种电机转子磁钢片装配径向缺陷的结构光检测方法 |
CN108230400B (zh) * | 2017-12-26 | 2021-10-19 | 常州固高智能控制技术有限公司 | 一种适用于激光切割机的自适应坐标重建方法 |
CN108311952B (zh) * | 2017-12-27 | 2021-01-12 | 于振 | 一种实时自反馈数控机床及其加工方法 |
CN109323650B (zh) * | 2018-01-31 | 2020-04-14 | 黑龙江科技大学 | 测量系统中视觉图像传感器与光点测距传感器测量坐标系的统一方法 |
CN108195557A (zh) * | 2018-04-04 | 2018-06-22 | 绵阳浩微科技有限公司佰腾分公司 | 基于双目视觉的模型姿态非接触测量系统 |
CN109684709B (zh) * | 2018-12-20 | 2022-12-30 | 中国民航大学 | 一种航空发动机叶片修复的自适应定位方法 |
CN109872397B (zh) * | 2019-02-18 | 2023-04-11 | 北京工业大学 | 一种基于多目立体视觉的飞机零件的三维重建方法 |
CN110153567A (zh) * | 2019-04-04 | 2019-08-23 | 江苏大学 | 一种基于图像识别的激光切割系统 |
US10591420B1 (en) * | 2019-04-30 | 2020-03-17 | Spirit Aerosystems, Inc. | In-line laser profilometry inspection system |
CN110369772B (zh) * | 2019-08-07 | 2020-10-13 | 沈阳飞机工业(集团)有限公司 | 一种铝合金蒙皮化铣边缘加工方法 |
CN111008602B (zh) * | 2019-12-06 | 2023-07-25 | 青岛海之晨工业装备有限公司 | 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 |
CN113447022A (zh) * | 2020-03-24 | 2021-09-28 | 百德机械股份有限公司 | 工件检测的路径规划方法及其系统 |
CN111941425B (zh) * | 2020-08-17 | 2023-02-10 | 沈阳飞机工业(集团)有限公司 | 基于激光跟踪仪和双目相机的机器人铣削系统工件快速定位方法 |
CN112964196B (zh) * | 2021-02-05 | 2023-01-03 | 杭州思锐迪科技有限公司 | 三维扫描方法、系统、电子装置和计算机设备 |
CN112950705A (zh) * | 2021-03-15 | 2021-06-11 | 中原动力智能机器人有限公司 | 一种基于定位系统的图像目标滤除方法及系统 |
CN113182701A (zh) * | 2021-03-29 | 2021-07-30 | 大族激光科技产业集团股份有限公司 | 激光加工方法、装置、设备及存储介质 |
CN114018155B (zh) * | 2021-11-19 | 2023-02-17 | 上海交通大学 | 化铣激光刻型轮廓精度检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661722A (zh) * | 2012-05-16 | 2012-09-12 | 浙江大学 | 基于影像复合的薄片零件轮廓自动检测测头与检测方法 |
CN103018253A (zh) * | 2012-11-30 | 2013-04-03 | 湖南大学 | 医药视觉检测机器人的安瓿瓶外观质量检测方法 |
CN103674068A (zh) * | 2013-12-19 | 2014-03-26 | 哈尔滨工程大学 | 一种基于激光跟踪仪的传递对准的验证方法 |
CN104266900A (zh) * | 2014-10-13 | 2015-01-07 | 清华大学 | 一种基于高温图像处理的裂纹尖端张开位移测量方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI112279B (fi) * | 2001-11-21 | 2003-11-14 | Mapvision Oy Ltd | Menetelmä vastinpisteiden määrittämiseksi |
JP5876260B2 (ja) * | 2011-10-05 | 2016-03-02 | 中国電力株式会社 | クリープ損傷を受ける金属の余寿命診断装置 |
-
2016
- 2016-12-19 CN CN201611179458.3A patent/CN106841206B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661722A (zh) * | 2012-05-16 | 2012-09-12 | 浙江大学 | 基于影像复合的薄片零件轮廓自动检测测头与检测方法 |
CN103018253A (zh) * | 2012-11-30 | 2013-04-03 | 湖南大学 | 医药视觉检测机器人的安瓿瓶外观质量检测方法 |
CN103674068A (zh) * | 2013-12-19 | 2014-03-26 | 哈尔滨工程大学 | 一种基于激光跟踪仪的传递对准的验证方法 |
CN104266900A (zh) * | 2014-10-13 | 2015-01-07 | 清华大学 | 一种基于高温图像处理的裂纹尖端张开位移测量方法 |
Non-Patent Citations (1)
Title |
---|
A field measurement method for large objects based on a multi-viewstereo vision system;Zhenyuan Jia等;《Sensors and Actuators》;20151231;第120-132页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106841206A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106841206B (zh) | 大型零件化学铣削切割非接触在线检测方法 | |
CN109990701B (zh) | 一种大型复杂曲面三维形貌机器人移动测量系统及方法 | |
US11014211B2 (en) | Monocular vision six-dimensional measurement method for high-dynamic large-range arbitrary contouring error of CNC machine tool | |
CN108107462B (zh) | Rtk与高速相机组合的交通标志杆姿态监测装置及方法 | |
CN105046746B (zh) | 一种数字散斑人体三维快速扫描方法 | |
CN105716542B (zh) | 一种基于柔性特征点的三维数据拼接方法 | |
CN109029299B (zh) | 舱段销孔对接转角的双相机测量装置及测量方法 | |
CN103712555B (zh) | 汽车大梁装配孔视觉在线测量系统及其方法 | |
CN108594245A (zh) | 一种目标物运动监测系统及方法 | |
CN103615980B (zh) | 一种板件上圆孔参数的测量方法及系统 | |
CN105486289B (zh) | 一种激光摄影测量系统及相机标定方法 | |
CN104240262B (zh) | 一种用于摄影测量的相机外参数标定装置及标定方法 | |
CN105157609A (zh) | 基于两组相机的大型零件全局形貌测量方法 | |
CN105382631A (zh) | 一种五轴数控机床旋转轴误差的检测设备和方法 | |
CN103278138A (zh) | 一种复杂结构薄部件三维位置及姿态的测量方法 | |
CN109859272A (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
CN107610178A (zh) | 一种工业摄影测量系统相机参数移动式标定方法 | |
CN102003938A (zh) | 大型高温锻件热态在位检测方法 | |
CN107816942A (zh) | 一种基于十字结构光视觉系统的平面二维尺寸测量方法 | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
CN110044374A (zh) | 一种基于图像特征的单目视觉测量里程的方法及里程计 | |
CN106952262B (zh) | 一种基于立体视觉的船板加工精度分析方法 | |
CN110766170B (zh) | 基于图像处理的多传感器融合和人员定位的方法 | |
CN108489383A (zh) | 一种h型断面尺寸的测量装置及方法 | |
CN108917640A (zh) | 一种激光盲孔深度检测方法及其系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180724 Termination date: 20211219 |