CN110095069A - 一种高铁白车身装配质量检测系统和方法 - Google Patents

Abstract

本发明公开一种高铁白车身装配质量检测系统和方法，系统包括结构光投射器、图像采集设备和图像处理系统；结构光投射器向被装配件表面投射线线激光，并接收图像处理系统的控制信号；图像采集设备采集线激光被装配件表面特征调制后的结构光图像，并传输给图像处理系统；图像处理系统对采集到的图像进行预处理，并进行光条纹中心提取，再根据标定好的系统参数进行计算，将光条纹中心的图像坐标转化为对应距离信息。本发明利用图像处理算法的高效和灵活实现快速测量，可以实现宽范围的测量，还可实现装配特征的提取，同时可通过算法完成动态测量的引导，提高了检测精度和检测效率。

Description

一种高铁白车身装配质量检测系统和方法

技术领域

本发明涉及装配质量检测技术领域，具体为一种高铁白车身装配质量检测系统和方法。

背景技术

列车白车身是一个复杂的组合结构件，它是由百余种、甚至数百种薄板冲压件经过焊接、铆接、机械联接及粘接而成。其中在装配过程中，装配质量将会影响后续的焊接质量，而列车白车身焊接质量的优劣对整车质量起着决定性作用。已有的焊缝宽度检测方法中常用的传统方法为人工目测法，通过人工作业的方式对缝隙宽度进行测量，由于人工作业的局限性和人眼长时间工作导致的疲劳会引起漏测或者误测，同时效率较低。因此，列车白车身智能装配质量的在线检测对于企业的生产效率具有非凡的意义，焊缝的宽度、深度及装配件的高差度是装配质量的重要指标。

常用的自动化装配质量检测技术包括接触式测量和非接触式测量，接触式测量实时性差，且会受到检测目标材质的限制影响，造价昂贵，对操作人的健康也会产生一些影响。

列车白车身装配质量检测是智能装配过程中的一个重要环节，其中传感器的研究是核心。传统的机器视觉传感器是将被测物表面进行采集后被动获得被测物表面的特征信息，因此获得的仅仅是被测物表面的二维平面的特征信息。

图1为现有的二维激光传感器，该传感器的测量原理是激光束被一组特定透镜放大用以形成一条静态线激光，投射到被测物表面上。激光接受器是一套高品质的光学系统，将线激光的漫反射光投射到高度敏感的传感器感光矩阵上，高度敏感的感光元件CMOS矩阵可以接收从被测物体反射回来的光线，形成高精度轮廓影像。最终根据接受到的线激光点数输出一组二维坐标值，坐标系的原点与传感器本身相对固定。轮廓改变都会改变投射到被测物体表面的线激光的形状，从而改变感光器件矩阵上的影像结果。如果移动探头或者被测物体，可以得到若干扫描线轮廓，将这些轮廓合成就可以行成3D影像结果。这个影像也被称作“点云”，因为影像由数千个独立测量点所组成。

但是，激光传感器在高精度测量时，由于精度限制，水平方向测量范围较小；垂直方向受到系统结构的影响，垂直方向测试范围较小。而且在三维测量过程中仅仅完成三维尺寸的测量，需要通过引导才能完成动态测量。另外，激光传感器的成本较高，功能比较单一。

发明内容

针对上述问题，本发明的目的在于提供一种高铁白车身装配质量检测系统和方法，采用结构光机器视觉测量技术对装配过程中的装配质量进行全自动高精度测量，通过图像采集设备采集信息实现装配缝隙的实时检测，可减少人工处理过程所带入的误差，提高检测效率。技术方案如下：

一种高铁白车身装配质量检测系统，包括结构光投射器、图像采集设备和图像处理系统；结构光投射器向被装配件表面投射线线激光，并接收图像处理系统的控制信号；图像采集设备采集线激光被装配件表面特征调制后的结构光图像，并传输给图像处理系统；图像处理系统对采集到的图像进行预处理，并进行光条纹中心提取，再根据标定好的系统参数进行计算，将光条纹中心的图像坐标转化为对应距离信息。

一种高铁白车身装配质量检方法，包括以下步骤：

步骤1：通过测量前的系统初始化标定对图像采集设备和测试系统进行标定，完成三维空间坐标和二维平面的转换，得到相应的转换矩阵；

步骤2：通过图像采集设备采集结构光图像；

步骤3：通过图像处理算法进行光条纹中心提取，得到光条纹中心线；

步骤4：结合系统初始化标定坐标实现像素坐标和物理坐标的转化，得到实际的三维尺寸信息；

步骤5：根据三维尺寸信息进行质量评估并生成评估结果。

进一步的，所述系统初始化标定包括相机标定和系统标定；

所述相机标定的步骤为：

步骤1）：首先获取标定板，通过图像采集设备拍摄标定板图像；

步骤2）：根据角点提取算法计算出图像采集设备内参矩阵和镜头畸变参数。

步骤3）：对标定参数进行可行性验证；

所述系统标定的步骤为：

步骤1）：首先在三维空间内获取不共面的三条线段，根据三角形原理和空间几何可得空间内的约束关系；

步骤2）：利用空间内约束关系和像平面的三条线段的关系，可运用非线性优化方法求出最优解。

步骤3）：通过三条线段中标定点的三维坐标，得到对应的光平面参数，计算出标定所得到的光平面方程。

步骤4）：根据光平面方程获得三维坐标的转换矩阵，实现像素坐标系和世界坐标系的转换。

更进一步的，所述步骤3具体为：

步骤a：首先根据光条纹上下沿，计算出光条纹的宽度，通过光条纹宽度求出光条纹线上相邻的两个中心点。采用方向优先原则，光条纹中心线的提取从中心点开始，向两边同时进行，对图像中感兴趣特征进行提取，同时去除无效特征，降低噪声干扰；

步骤b：采用Hessian矩阵算法与脊线跟踪算法相结合，采用Hssion矩阵求解结构光中心点的法线方向，沿法线方向利用Taylor级数展开求得亚像素坐标；

步骤c：利用光条纹边缘的光强变化很快，而边缘之外的图像相应的灰度值变化很小的特点，采用梯度算子找到光条纹的边缘，同时预估出结构光条纹的中心线，再使用加权重心法准确的提取出结构光条纹的中心。

步骤d：结合Hession矩阵算法提取的中心条纹和用梯度算子所得中心线进行拟合，得到光条纹的中心线。

本发明的有益效果是：

1）本发明采用线结构光和图像采集设备组合成三维尺寸测量，图像采集设备采集到携带平面轮廓信息的线结构光，利用图像处理算法的高效和灵活实现快速测量。

2）本发明可通过修改系统图像采集系统和结构光投射器的相对安装方式，可以实现宽范围的测量。

3）本发明采用多种图像处理算法相结合，不仅可实现装配特征的提取，同时可通过算法完成动态测量的引导，提高了检测精度和检测效率。

附图说明

图1为现有二维激光传感器示意图。

图2为本发明高铁白车身装配质量检测系统的结构示意图。

图3为本发明测量系统流程框图。

图4为本发明测量系统的核心算法流程图。

图中：1-激光传感器；2-线激光；3-激光接收器；4-图像采集设备；5-结构光投射器；6-图像处理系统；7-高铁白车身型材。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细说明。本发明的测量系统的主要组成部分有：结构光投射器、图像采集设备、图像处理系统。系统的结构如图2所示。图像采集设备和结构光投射器均可通过线缆与图像处理系统进行连接，图像处理系统通过线缆实现对结构光投射器的控制，而图像采集设备的核心功能为图像采集和传输。

该系统主要实现对高铁白车身装配质量检测，系统采用斜射式三角测量原理安装方式，结构光投射器投射到装配件表面时，线激光被装配件表面特征调制，图像采集设备采集到调制的结构光图像，计算机对采集到的图像进行预处理，然后对采集的光条纹图像进行光条纹中心的提取，根据标定好的系统参数进行计算将光条纹中心的图像坐标转化为对应距离信息。

本发明的测量系统流程图如图3所示，该系统主要功能为通过测量前的系统初始化标定对图像采集设备和测试系统进行标定，完成三维空间坐标和二维平面的转换，得到相应的转换矩阵；在系统进行测量时，图像采集设备采集到图像后通过图像处理算法获取线结构光的中心线，结合系统初始化标定坐标实现像素坐标和物理坐标的转化，得到实际的三维尺寸。系统的测量流程核心功能有两部分：系统初始化标定和图像处理算法。

本发明测量方法中核心算法为系统初始化标定和图像处理，系统初始化标定又分为相机标定和系统标定，图像处理主要采用脊线跟踪很Hession矩阵结合的滤波降噪算法和加权重心法求中心线，其算法流程图如图4所示。

相机标定采用传统的角点提取算法，解决相机的径向畸变和切向畸变，通过标定系统确定世界坐标系、相机坐标系、像素坐标系和像平面坐标系之间的相对关系。系统标定采用基于空间几何约束的光平面标定方法，通过空间内不共面的三条线段，利用空间内约束关系和像平面的三条线段的关系，获得三维坐标的转换矩阵，实现像素坐标系和世界坐标系的转换。

系统测量的核心方法就是图像处理，采用脊线跟踪算法与Hessian矩阵算法相结合，通过脊线跟踪，对图像中感兴趣特征进行提取，同时去除无效特征，降低噪声干扰，弥补Hessian矩阵算法在噪声处理及运算效率方面的不足，采用Hssion矩阵求解结构光法线方向，沿法线方向利用Taylor级数展开求得亚像素坐标，采用基于梯度算子的加权重心法实现条纹中心的提取，通过梯度算子找到光条纹的边缘，再使用加权重心法提取出光条纹的中心。

Claims (4)

1.一种高铁白车身装配质量检测系统，其特征在于，包括结构光投射器、图像采集设备和图像处理系统；结构光投射器向被装配件表面投射线线激光，并接收图像处理系统的控制信号；图像采集设备采集线激光被装配件表面特征调制后的结构光图像，并传输给图像处理系统；图像处理系统对采集到的图像进行预处理，并进行光条纹中心提取，再根据标定好的系统参数进行计算，将光条纹中心的图像坐标转化为对应距离信息。

2.一种如权利要求1所述的高铁白车身装配质量检测系统的检测方法，其特征在于，包括以下步骤：

步骤1：通过测量前的系统初始化标定对图像采集设备和测试系统进行标定，完成三维空间坐标和二维平面的转换，得到相应的转换矩阵；

步骤2：通过图像采集设备采集结构光图像；

步骤3：通过图像处理算法进行光条纹中心提取，得到亚像素级别的光条纹中心线；

步骤4：根据光条纹中心线在像素坐标系中的坐标值，结合系统初始化得到的转换矩阵实现像素坐标和物理坐标的转化，得到实际的三维尺寸信息；

步骤5：根据三维尺寸信息进行质量评估并生成评估结果。

3.根据权利要求2所述的检测方法，其特征在于，所述系统初始化标定包括图像采集设备标定和系统标定；

所述图像采集设备标定的步骤为：

步骤1）：首先获取标定板，通过图像采集设备拍摄标定板图像；

步骤2）：根据角点提取算法计算出图像采集设备内参矩阵和镜头畸变参数；

步骤3）：对标定参数进行可行性验证；

所述系统标定的步骤为：

步骤1）：首先在三维空间内获取不共面的三条线段，根据三角形原理和空间几何得到空间内的约束关系；

步骤2）：利用空间内约束关系和像平面的三条线段的关系，运用非线性优化方法求出最优解；

步骤3）：通过三条线段中标定点的三维坐标，得到对应的光平面参数，计算出标定所得到的光平面方程；

步骤4）：根据光平面方程获得三维坐标的转换矩阵，实现像素坐标系和世界坐标系的转换。

4.根据权利要求2所述的检测方法，其特征在于，所述步骤3具体为：

步骤a：首先根据光条纹上下沿，计算出光条纹的宽度，通过光条纹宽度求出光条纹线上相邻的两个中心点；采用方向优先原则，光条纹中心线的提取从中心点开始，向两边同时进行，对图像中感兴趣特征进行提取，同时去除无效特征，降低噪声干扰；

步骤b：采用Hessian矩阵算法与脊线跟踪算法相结合，采用Hssion矩阵求解结构光中心点的法线方向，沿法线方向利用Taylor级数展开求得亚像素坐标；

步骤c：利用光条纹边缘的光强变化很快，而边缘之外的图像相应的灰度值变化很小的特点，采用梯度算子找到光条纹的边缘，同时预估出结构光条纹的中心线，再使用加权重心法准确的提取出结构光条纹的中心；

步骤d：结合Hession矩阵算法提取的中心条纹和用梯度算子所得中心线进行拟合，得到光条纹的中心线。