CN110068273B - 一种基于3d模型的激光融合标定方法 - Google Patents
一种基于3d模型的激光融合标定方法 Download PDFInfo
- Publication number
- CN110068273B CN110068273B CN201910422262.XA CN201910422262A CN110068273B CN 110068273 B CN110068273 B CN 110068273B CN 201910422262 A CN201910422262 A CN 201910422262A CN 110068273 B CN110068273 B CN 110068273B
- Authority
- CN
- China
- Prior art keywords
- laser
- model
- point cloud
- data
- cloud data
- 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
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了一种基于3D模型的激光融合标定方法,其可有效减少现有需要专门设计标定块的时间和加工周期,减少了制作成本,且节省了激光调整参数时间;将激光传感器装于运动机构上,并使得所述激光传感器的激光方向与运动方向相垂直,在运动过程中激光传感器触发并进行数据采集,得到网格状的数据;随后根据运动方向的触发间距和激光的点间隔对网格状的数据进行补充,得到3D点云数据;最后将3D点云数据与测量产品的3D模型进行对齐比对,得到激光相对产品的激光姿态。
Description
技术领域
本发明涉及视觉技术领域,具体为一种基于3D模型的激光融合标定方法。
背景技术
在工业生产过程中,质量控制越来越重要,客户对测量方面的需求也越来越高,常用的基于图像的2D测量方法已经很难满足客户的需求,而基于3D的测量在未来有越来越多的应用场景,其中,标定是3D测量的核心问题,目前比较常用的标定方式都是基于标定块,但却存在几个方面问题:
1、3D测量场景比较复杂,需要花费大量精力设计标定块;
2、需要花费精力调整激光同时兼容扫描工件和标定块;
3、标定块制作成本比较高;
则基于上述问题,亟需一种更加优化的标定方法。
发明内容
针对上述问题,本发明提供了一种基于3D模型的激光融合标定方法,其可有效减少现有需要专门设计标定块的时间和加工周期,减少了制作成本,且节省了激光调整参数时间。
其技术方案是这样的:其特征在于:其包括以下标定步骤:
(1)、将激光传感器装于运动机构上,并使得所述激光传感器的激光方向与运动方向相垂直,在运动过程中激光传感器触发并进行数据采集,得到网格状的数据;
(2)、根据运动方向的触发间距和激光的点间隔对网格状的数据进行补充,得到3D点云数据;
(3)、将3D点云数据与测量产品的3D模型进行对齐比对,得到激光相对产品的激光姿态。
其进一步特征在于:
所述步骤(1)中,所述激光传感器每运动0.1mm,就自动触发一次激光,采集一次数据;
所述步骤(3)中,将3D点云数据与测量产品的3D模型进行对齐比对,得到偏差值,通过调整激光的姿态参数,在偏差值最小时的参数作为最终激光姿态;
所述步骤(3)中,对齐步骤包括:
(3.1)、在所述3D点云数据和所述3D模型上分别选择N个点,N>3,且所述3D点云数据中的N个点和所述3D模型中的N个点都不共面;
(3.2)、通过矩阵变换计算得到基于N个点的仿射矩阵,得到的所述仿射矩阵作为进行ICP对齐的初始值;
(3.3)、通过ICP对齐方式计算得到所述3D点云数据和所述3D模型的仿射矩阵,通过对齐计算得到的仿射矩阵,得到激光相对产品的激光姿态;
所述激光姿态包括激光的位置、方向向量、运动向量。
本发明的有益效果是,其通过激光传感器自动采集激光数据,实现了在线标定,并通过利用测量产品的3D模型和采集的激光数据进行对齐比对而得到激光相对产品的激光姿态的方式来实现标定,有效减少了现有需要专门设计标定块的时间和加工周期,减少了制作成本,且只需调整激光的姿态参数即可实现标定,节省了激光调整参数时间,以及在面临复杂场景时也无需重新设计标定块,兼容性强。
附图说明
图1是本发明的测量工作原理图;
图2是激光传感器采集一次的线状轮廓示意图;
图3是本发明中采集的网格状数据轮廓示意图;
图4是本发明中3D点云数据轮廓示意图;
图5是本发明中测量产品的3D模型轮廓示意图。
具体实施方式
如图1~图5所示,本发明包括以下标定步骤:
(1)、将激光传感器装于运动机构上,并使得所述激光传感器的激光方向与运动方向相垂直,测量产品的位置固定,测量产品固定放置于承载治具1上,在运动过程中激光传感器触发并进行数据采集,得到网格状的数据;其中,所述激光传感器每运动0.1mm,就自动触发一次激光,采集一次数据,且激光传感器每次可以采集一条线状的轮廓;
(2)、根据运动方向的触发间距和激光的点间隔对网格状的数据进行补充,得到3D点云数据,具体地,触发间距和激光的点间隔可根据实际测量产品的情况设置;
(3)、将3D点云数据与测量产品的3D模型进行对齐比对,得到激光相对产品的激光姿态。
所述步骤(3)中,将3D点云数据与测量产品的3D模型进行对齐比对,得到偏差值,通过调整激光的姿态参数,在偏差值最小时的参数作为最终激光姿态;
其中,对齐步骤包括:
(3.1)、在所述3D点云数据和所述3D模型上分别选择N个点,N>3,且3D点云数据中的N个点和所述3D模型中的N个点都不共面;
(3.2)、通过矩阵变换计算得到基于N个点的仿射矩阵,得到的所述仿射矩阵作为进行ICP对齐的初始值;
(3.3)、通过ICP对齐方式计算得到所述3D点云数据和所述3D模型的仿射矩阵,通过对齐计算得到的仿射矩阵,得到激光相对产品的激光姿态;
所述激光姿态包括激光的位置、方向向量、运动向量。
其中,步骤(3.2)、(3.3)中的计算公式均为
图1中,横向的箭头方向表示激光运动方向,纵向的箭头方向表示激光发射方向。
本发明中的轮廓示意图仅作为示例参考。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
Claims (4)
1.一种基于3D模型的激光融合标定方法,其特征在于:其包括以下标定步骤:
(1)、将激光传感器装于运动机构上,并使得所述激光传感器的激光方向与运动方向相垂直,在运动过程中激光传感器触发并进行数据采集,得到网格状的数据;
(2)、根据运动方向的触发间距和激光的点间隔对网格状的数据进行补充,得到3D点云数据;
(3)、将3D点云数据与测量产品的3D模型进行对齐比对,得到激光相对产品的激光姿态;
所述步骤(3)中,对齐步骤包括:
(3.1)、在所述3D点云数据和所述3D模型上分别选择N个点,N>3,且所述3D点云数据中的N个点和所述3D模型中的N个点都不共面;
(3.2)、通过矩阵变换计算得到基于N个点的仿射矩阵,得到的所述仿射矩阵作为进行ICP对齐的初始值;
(3.3)、通过ICP对齐方式计算得到所述3D点云数据和所述3D模型的仿射矩阵,通过对齐计算得到的仿射矩阵,得到激光相对产品的激光姿态。
2.根据权利要求1所述的一种基于3D模型的激光融合标定方法,其特征在于:所述步骤(1)中,所述激光传感器每运动0.1mm,就自动触发一次激光,采集一次数据。
3.根据权利要求1所述的一种基于3D模型的激光融合标定方法,其特征在于:所述步骤(3)中,将3D点云数据与测量产品的3D模型进行对齐比对,得到偏差值,通过调整激光的姿态参数,在偏差值最小时的参数作为最终激光姿态。
4.根据权利要求1所述的一种基于3D模型的激光融合标定方法,其特征在于:所述激光姿态包括激光的位置、方向向量、运动向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910422262.XA CN110068273B (zh) | 2019-05-21 | 2019-05-21 | 一种基于3d模型的激光融合标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910422262.XA CN110068273B (zh) | 2019-05-21 | 2019-05-21 | 一种基于3d模型的激光融合标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110068273A CN110068273A (zh) | 2019-07-30 |
CN110068273B true CN110068273B (zh) | 2020-08-14 |
Family
ID=67371135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910422262.XA Active CN110068273B (zh) | 2019-05-21 | 2019-05-21 | 一种基于3d模型的激光融合标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110068273B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113028989B (zh) * | 2021-03-05 | 2022-08-16 | 苏州天准软件有限公司 | 物体的三维信息获取方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1841008A (zh) * | 2005-04-01 | 2006-10-04 | 鸿富锦精密工业(深圳)有限公司 | 激光量测机台扫描精度验证方法 |
US9792728B2 (en) * | 2012-08-17 | 2017-10-17 | Thomson Licensing | Method and apparatus for 3D mesh de-noising |
CN103245291B (zh) * | 2013-04-24 | 2015-12-09 | 中国船舶重工集团公司第十二研究所 | 叶片类零件装配精度检测方法 |
CN103673999B (zh) * | 2013-12-23 | 2016-04-20 | 西南交通大学 | 一种激光测量最佳测量位置定位系统 |
CN104801784A (zh) * | 2015-04-22 | 2015-07-29 | 福建工程学院 | 一种螺旋锥齿轮加工过程的在线检测方法 |
CN105824237B (zh) * | 2016-03-11 | 2018-10-09 | 西北工业大学 | 基于线激光传感器的自适应偏移控制方法 |
-
2019
- 2019-05-21 CN CN201910422262.XA patent/CN110068273B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110068273A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111192307B (zh) | 基于激光切割三维零部件的自适应纠偏方法 | |
CN106651894B (zh) | 基于点云和图像匹配的自动化喷涂系统坐标变换方法 | |
CN109465829B (zh) | 一种基于转换矩阵误差模型的工业机器人几何参数辨识方法 | |
CN103727927A (zh) | 基于结构光的高速运动物体位姿视觉测量方法 | |
CN107516324B (zh) | 一种基于光条几何特征突变的目标边界提取方法 | |
CN109191527B (zh) | 一种基于最小化距离偏差的对位方法及装置 | |
CN103191958B (zh) | 一种板料成形回弹的光学检测方法 | |
CN112964186B (zh) | 一种轴孔自动化装配过程中间隙测量装置及方法 | |
CN110415304B (zh) | 一种视觉标定方法及系统 | |
CN102798349A (zh) | 一种基于等灰度线搜索的三维表面提取方法 | |
CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
CN110068273B (zh) | 一种基于3d模型的激光融合标定方法 | |
CN103077532A (zh) | 一种实时视频目标快速跟踪方法 | |
CN110838145A (zh) | 一种室内动态场景的视觉定位与建图方法 | |
CN111199542A (zh) | 工装板的精确定位方法 | |
CN114742883A (zh) | 一种基于平面类工件定位算法的自动化装配方法及系统 | |
CN111523547A (zh) | 一种3d语义分割的方法及终端 | |
Wu et al. | Automatic calibration of work coordinates for robotic wire and arc additive re-manufacturing with a single camera | |
CN107914067B (zh) | 一种基于被动视觉传感的薄板焊接的焊枪偏差三维提取方法 | |
CN113063348A (zh) | 一种基于立体参考物的结构光自垂直弧形焊缝扫描方法 | |
Tan et al. | An unconstrained approach to blank localization with allowance assurance for machining complex parts | |
Koodtalang et al. | A design of automated inspections of both shape and height simultaneously based on stereo vision and plc | |
CN107315392B (zh) | 冲床自动送料机的异形工件排料优化算法及其容忍度算法 | |
CN115770988A (zh) | 一种基于点云环境理解的焊接机器人智能示教方法 | |
CN114252024B (zh) | 一种单测量模组多工作模式工件三维测量装置及方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210305 Address after: 215000 Room 502, building 2, 78 Keling Road, high tech Zone, Suzhou City, Jiangsu Province Patentee after: Suzhou TZTEK Precision Co.,Ltd. Patentee after: TZTEK TECHNOLOGY Co.,Ltd. Address before: 215000 Room 502, building 2, 78 Keling Road, high tech Zone, Suzhou City, Jiangsu Province Patentee before: Suzhou TZTEK Precision Co.,Ltd. |
|
TR01 | Transfer of patent right |