CN110986778A - 碳纤维复合材料铆钉孔尺寸检测系统及方法 - Google Patents
碳纤维复合材料铆钉孔尺寸检测系统及方法 Download PDFInfo
- Publication number
- CN110986778A CN110986778A CN201911352187.0A CN201911352187A CN110986778A CN 110986778 A CN110986778 A CN 110986778A CN 201911352187 A CN201911352187 A CN 201911352187A CN 110986778 A CN110986778 A CN 110986778A
- Authority
- CN
- China
- Prior art keywords
- hole
- rivet hole
- size
- rivet
- conical surface
- 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.)
- Granted
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
-
- 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
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- 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
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
-
- 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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- 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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
- G01B11/27—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种碳纤维复合材料铆钉孔尺寸检测系统及方法,其特点是采用线激光扫描铆钉孔轮廓的深度信息,利用深度卷积神经网络算法和投影法,分别获取单铆钉孔和圆柱孔的图像,简化边缘提取的复杂性;利用分区的思想,采用了Canny算法和亚像素边缘提取算法,较精确提取圆柱孔和圆锥面大孔的直径尺寸;通过两步法求解锥面点云数据的拟合参数,实现铆钉孔的锥面角度信息,保证锥角角度的准确性;利用三维显示技术,显示铆钉孔扫描立体图像,方便尺寸信息的直观观察。本发明提出的方法具有扫描速度快,边缘检测的难度低,尺寸检测精度高等优点。
Description
技术领域
本发明涉及智能尺寸检测领域,具体地说,是一种利用线激光动态扫描铆钉孔零件的轮廓信息获取铆钉孔尺寸的方法。
背景技术
碳纤维复合材料是由碳元素组成的一种特种纤维,具有稳定价态和耐强酸、耐强碱的优异化学性质以及耐高温、耐摩擦、导电和导热的物理性质,是一种力学性能优异的新材料。它的比重不足钢的四分之一,抗拉强度和抗拉弹性模量也是高于钢。适合恶劣环境和气候变化的条件下使用,可提高构件的承载能力、抗震性能和耐久性能。碳纤维材料广泛用于各类工民建筑、体育器材、工业及宇航领域。特别是在飞机的机身、机翼、垂尾和平尾等部位大量采用碳纤维复合材料。飞机的机身、机翼结构以数十米计,内部结构复杂,不能整体成型,数万件不同材质的零部件主要使用铆接方式拼成飞机的主结构。铆接方式的连接强度比较稳定可高,是一种高效并能加强结构稳定性的连接方式,广泛用于汽车、船舶、飞机、机械、电器等产业上。飞机外表为有效降低飞机阻力,主要采用埋头铆钉,能够减少3%的飞行阻力。每架飞机所使用的铆钉数量从数十万到上百万颗。因此,铆钉和铆钉孔结构是飞机制造工业中极为关键的一环,加工过程中对于铆接附近结构的尺寸和公差有严格的要求,对铆接的质量和连接性能具有重要的影响。
经对现有技术的文献检索发现,学位论文“冠状铆钉图像检测技术研究与实现”提出了图像处理的数学形态学、局部直方图均衡化,全局阈值分割法对边界进行提取,在此基础上研究铆钉结构尺寸的检测方法。该论文采用CCD镜头测铆钉尺寸,铆钉结构尺寸的一致性非常重要,否则会造成飞机表面蒙皮的凸起和凹陷缺陷。铆接结构的装配质量,不仅取决于铆钉尺寸还取决于铆钉孔的尺寸,孔的同轴度、锪平锥度等尺寸对铆钉的装配质量都会由重要的影响。高分辨率的灰度CCD所拍摄的图像,对物体的形状,灰度等级具有教的的区分度。然而,对于碳纤维表面,所获得的包含网格形式,导致图像的边缘检测的难度d。此外,单目CCD拍摄的图片是不包含深度信息,很难测量内孔的表面深度信息。
近年来,深度学习特别是深度卷积神经网络技术的发展为自动提取图像特征成为可能。本文在现有技术基础上,提出了采用线激光扫描碳纤维复合材料铆钉孔轮廓,利用深度卷积神经网络算法、投影法和Canny算法实现圆边缘信息的提取,计算相应直径尺寸和同轴度,通过求解锥面的点云数据进行拟合的目标方程,获得锥面的角度数据,实现对测量碳纤维复合材料上铆钉孔的尺寸的检测,并根据采集的深度信息,以三维方式展现各孔尺寸信息。
发明内容
本发明的目的是针对现有技术的不足而提供一种碳纤维复合材料铆钉孔尺寸检测系统及方法,将线激光扫描的轮廓数据转换成灰度图像,利用深度卷积神经网络和投影法分别定位单幅铆钉孔图像以及圆柱面孔图像位置;Canny算法和亚像素边缘检测算法获取铆钉孔图像的边缘信息,通过对边缘像素点的位置信息实现铆钉孔的直径尺寸和同轴度的检测,通过两步法求解点锥面云数据的拟合参数,实现铆钉孔的锥面角度信息,最后利用三维显示技术可视化铆钉孔几何信息。
本发明的目的由以下技术措施实现:一种碳纤维材料铆钉孔尺寸检测系统及方法,其特征在于;包括;激光检测系统、数据采集及控制装置和计算机系统;激光检测系统中,工作台安置主支架,在主支架前方安装横梁可沿主支架前后方向作直线运动,横梁前方安装机械臂可沿横梁作水平方向和上下方向运动,线激光安装在机械臂下方,用于获取待测工件的线轮廓信息;数据采集及控制装置中,电机伺服控制单元可控制横梁和机械臂的运动,数据采集单元可采集线激光扫描的线轮廓数据;计算机系统中,运动控制模块向电机伺服控制单元发出运动控制参数,操作界面再运动控制显示器进行,预处理模块将采集的工件线轮廓数据转化为灰度图像,目标定位模块确定单个铆钉孔的图像位置以及铆钉圆柱孔的位置,圆孔直径检测模块利用Canny算法和亚像素算法提取圆孔边缘,确定圆柱孔和圆锥大圆的直径尺寸,锥角和圆柱度检测模块获取圆锥面的锥角和圆柱孔和圆锥大圆的同轴度,三维显示模块显示铆钉孔三维立体图。
所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述其检测方法的步骤包括:包括激光检测系统中,线激光安装在机械臂下方,在数据采集及控制装置中的电机伺服控制单元控制下可沿水平、竖直和前后方向灵活运动,可根据零件的形状特征确定扫描位置,获得工件的线轮廓信息;数据采集单元将信息传送到计算机系统中预处理模块将线轮廓信息转化为灰度图像,目标定位模块从多个铆钉孔的灰度图像中识别单个铆钉孔的位置,再从单个铆钉孔的位置确定圆柱面孔的位置;圆孔直径检测模块对灰度图像进行边缘检测,分区域确定圆柱孔和圆锥大圆的直径尺寸和圆心,锥角和圆柱度检测模块利用所获取的直径尺寸和圆心信息,计算圆柱孔和圆锥大圆的同轴度,优化获取圆锥面的锥角参数,三维显示模块显示铆钉孔检测的三维立体图。
所述的线激光是指激光一发和一收过程中能测量工件一条线上所有点。
所述的线轮廓信息是指线激光一次扫描可以获得工件相对基准面上的距离值。
所述的识别单个铆钉孔的位置是指利用卷积神经网络训练出的模型,以含有多个铆钉孔灰度图像为输入,经过多层卷积、激活函数和池化的网络层,输出矩形窗口的参数信息,进而获得每个铆钉孔的灰度图像。
所述的投影法确定圆柱面孔的位置是指将单个铆钉孔的灰度图像,分别进行水平方向和垂直方向的灰度值求和,确定圆柱面孔的矩形包围盒的信息。
所述的边缘检测是指对单个铆钉孔灰度图像依次进行高斯滤波、Sobel梯度幅值、Canny算法及像素点膨胀和腐蚀的图像处理过程。
所述的分区的思想是将边缘提取的过程分成含有圆柱孔的边缘和含有圆锥面大孔的边缘两个感兴趣区域单独处理,依次剔除远离圆边界的像素点,再利用亚像素边缘提取算法获得圆柱孔和圆锥面大孔的轮廓,计算两个圆孔的直径尺寸和圆心位置。
所述的分两步优化获取圆锥面的锥角参数是指借助圆柱孔和圆锥面大孔的直径尺寸和相对的距离,用几何方法获取圆锥面的参数方程,利用聚类分析剔除圆锥面点云集合的噪声像素点,进一步采用非线性最小二乘方法拟合出准确圆锥的锥面,从而获得所测量的铆钉孔圆锥面锥角的度数。
与现有技术相比,本发明具有如下优点:
本发明适合碳纤维复合材料铆钉孔尺寸检测系统及方法,该技术方案采用线激光扫描铆钉孔轮廓的深度信息,扫描速度快,避免碳纤维复合材料表面网格结构图像对后续边缘检测的难度;利用深度卷积神经网络算法和投影法,分别获取单铆钉孔和圆柱孔的图像,简化边缘提取的复杂性;利用分区的思想,采用了Canny算法和亚像素边缘提取算法,简化边缘提取的过程,提高边缘提取的准确性;通过两步法求解点锥面云数据的拟合参数,实现铆钉孔的锥面角度信息,保证锥角角度的准确性;利用三维显示技术,显示铆钉孔扫描立体图像,方便尺寸信息的直观观察。为碳纤维复合材料铆钉孔尺寸检测系统的提供方法支撑。
附图说明
图1铆钉孔尺寸检测系统框图;
图2沉头铆钉孔的剖视图;
图3目标区域定位示意图((a)线激光扫描的深度数据灰度化的显示结果图;(b)定位单个铆钉孔位置的示意图;(c)定位铆钉孔圆柱面位置的示意图);
图4卷积神经网路识别铆钉孔定位的网络结构图;
图5铆钉孔直径尺寸检测示意图((a)铆钉孔图像边缘检测结果的示意图;(b)圆锥面大圆的轮廓提取示意图;(c)圆柱面轮廓提取示意图);
图6铆钉孔锥角和同轴度检测示意图((a)圆锥面几何确定方法示意图;(b)圆锥面拟合确定方法示意图)。
其中:1激光检测系统,101工作台102主支架,103横梁,104机械臂,105线激光,106工件,
2数据采集及控制装置,201电机伺服控制单元,202数据采集单元,
3计算机系统,301运动控制模块,302运动控制显示器,303预处理模块,304目标定位模块,305圆孔直径检测模块,306锥角和圆柱度检测模块,307三维显示模块。
具体实施方式
以下通过实施例对本发明进行具体的描述,有必要在此指出的是本实施例只用于对本发明进行进一步说明,不能理解为对发明保护范围的限制,该领域的技术熟练人员可以根据上述本发明的内容作出的一些非本质的改进和调整。
本发明的目的由以下技术措施实现:
下面对照附图详细描述本发明的实施例。
如图1所示,包括激光检测系统1中,工作台101安置主支架102,在主支架102前方安装横梁103可沿主支架前后方向作直线运动,横梁103前方安装机械臂104可沿横梁作水平方向和上下方向运动,线激光105安装在机械臂104下方,用于获取待测工件106的线轮廓信息;数据采集及控制装置2中,电机伺服控制单元201可控制横梁103和机械臂104的运动,数据采集单元202可采集线激光105扫描的线轮廓数据;计算机系统3中,运动控制模块301向电机伺服控制单元201发出运动控制参数,操作界面再运动控制显示器302进行,预处理模块303将采集的工件线轮廓数据转化为灰度图像,目标定位模块304确定单个铆钉孔的图像位置以及铆钉圆柱孔的位置,圆孔直径检测模块305利用Canny算法和亚像素算法提取圆孔边缘,确定圆柱孔和圆锥大圆的直径尺寸,锥角和圆柱度检测模块306获取圆锥面的锥角和圆柱孔和圆锥大圆的同轴度,三维显示模块307显示铆钉孔三维立体图。
图2示出了沉头铆钉孔的剖视图。沉头铆钉孔是内孔结构,由圆柱面和圆锥面组成。需要检测的三个尺寸,铆钉孔的直径尺寸、沉头圆锥面的最大直径尺寸以及圆椎体的圆锥角。在此基础上,需要测量圆锥面与圆柱面两轴线的同轴度。
图3目标区域定位示意图。检测系统一次传输过来的采集数据可以采集4~6个铆钉孔的轮廓线数据。在作尺寸检测前,要将各个孔从整幅图像分割开来。
图3(a)示出了线激光扫描的轮廓线灰度化的显示结果图。从线激光获取的信息是待测工件轮廓信息,这个信息是相对基准面的距离值,因使用的碳纤维板厚度大约是6mm,探测出的有效轮廓数据在0~6mm,不在此方位的边界点被剔除,区域内的点用根据值的大小用0或6来确定。使用线性变换,将轮廓数据值按照最小值和最大值,均匀地放大到0到255区间,获得铆钉孔的灰度图像。
图3(b)示出了定位单个铆钉孔位置的示意图。线激光一次可以扫描4~6个铆钉孔的线轮廓数据,数据采集单元传送到计算机系统中,进行处理。识别孔尺寸需要进行边缘检测,边缘检测的结果获得二维图像上,边界的位置点,这些点需要判别相互间的连通性,以便确定工件的边界信息。直接在含有多个孔结构的图像上进行尺寸检测,增加了边缘点匹配的难度。本发明用识别深度卷积神经网络获取单个铆钉孔的位置,识别的结果用一个矩形框来包围单个铆钉孔的图像,矩形由四个参数来确定,分别是矩形的中心(cx,cy),矩形的宽w和高h。根据矩形的参数,从整幅的铆钉孔影响中分割出单个铆钉孔的图片,以方便后续尺寸的检测。
图3(c)示出了定位铆钉孔圆柱面位置的示意图。为了降低边缘点的匹配难度,定完铆钉孔的位置后,确定铆钉圆柱面的位置。从单个铆钉孔的图像看,圆锥面与圆柱面的灰度差比较大,可以直接利用投影法来确定圆柱面位置。这里仍用矩形框来包围圆柱面的图像,矩形由四个参数来确定,分别是矩形的中心(cx,cy),矩形的宽w和高h。
图4示出了深度卷积神经网路识别铆钉孔定位的原理示意图。深度卷积神经网络主要是由输入层、网络层、全连接层和输出层组成。输入层可直接将图片作为网络的输入,通过训练提取特征。网络层一般包括卷积层、激活函数核池化层。卷积层中,每个卷积核在各自的输入通道上滑动,产生各自的计算结果,其实质是对输入图像的另一种表达。池化层主要是缩小图片特征尺寸,有效的去除卷积计算而带来的大量数据的问题。网络中卷积操作和池化操作都是线性操作,需要在网络中引入非线性元素使得网络能解决非线性问题,卷积层中需要添加激活函数对运算进行非线性化。本发明使用Relu函数为激活函数全连接层是参数最多的层,将学到的特征映射到样本空间,起分类器的作用。
为实现识别铆钉孔的位置,需要训练卷积网络的参数。网络训练正样本是由铆钉孔轮廓线数据转换的灰度图像。负样本来源于非铆钉孔的背景或被误识的图片,正负样本的比例1:2,对正负样本进行标签作为训练集送入模型训练。训练好的模型后,输入多铆钉孔的图像利用滑动窗口卷积进行目标检测,识别的结果有5个参数,一是铆钉孔及背景的标识,其余四个标识识别铆钉空位置的信息。
图5示出了铆钉孔直径尺寸检测示意图。获得铆钉孔的位置信息后,需要检测圆柱面直径尺寸和圆锥面最大圆的尺寸。主要利用Canny算法获取边缘像素点,利用铆钉孔圆柱免的位置信息,对像素点进行匹配,利用最小二乘法获取尺寸,剔除远离边界的点,再利用亚像素边缘检测。
图5(a)示出了铆钉孔图像边缘检测结果的示意图。边缘检测的目标是找出图像中所有的边缘像素点。图像的边缘信息主要集中在高频段,微分运算具有加强高频分量作用。然而,噪声集中于高频信号,由于噪声的影响,经常会使本该连续的边缘出现断裂。先采用高斯滤波,其目的是去除噪声,高斯模糊的半径选择很重要,过大的半径导致弱边缘检测不到。再利用Sobel算子计算水平,垂直和对角线方向获取铆钉孔图像的梯度幅值。梯度图像幅值矩阵中的元素值越大,说明图像中该点的梯度值越大,有可能是局部极大值点,需要边缘非极大值抑制。为降低伪边缘的识别,设定高阈值和低阈值两个滞后阈值。进行Canny边缘检测,检测过程中如果边缘像素点梯度值大于高阀值,则被认为是强边缘点。如果边缘梯度值小于高阀值,大于低阀值,则标记为弱边缘点。小于低阀值的点则被抑制掉。经过这样处理后,大多数不属于圆边缘的像素点被剔除,留下属于圆边缘的像素点。边缘检测算法获得的结果是二值图像,背景是黑色的,边缘点为白色。图中所显示的图像是对边缘二值化图像进行了反转,其目的是为显示清晰,便于观察。
图5(b)示出了圆锥面大圆的轮廓提取示意图。边缘检测的结果获得了边缘像素点位置,各个像素点之间是没有任何连通关系。利用铆钉孔圆柱面的区域定位信息,将圆柱孔从铆钉孔图像中分离出来。剩余的像素点进行膨胀和腐蚀操作,再利用最小二乘法拟合获得圆心和半径信息,再逐行扫描剔除于拟合边线较远的像素点,最后利用亚像素边缘提取算法获得图像级的直径尺寸和圆心位置信息。再根据激光扫描参数,进行相关换算,获得圆锥面大圆的实际尺寸。
图5(c)示出了圆柱面轮廓提取示意图。从铆钉孔的图像中,分割出圆柱面的边缘像素点,进行膨胀和腐蚀操作,对该区域内的边缘像素点进行最小二乘法拟合,获得圆心和半径信息,再逐行扫描剔除于拟合边线较远的像素点,最后利用亚像素边缘提取算法获得图像级的直径尺寸和圆心位置信息。再根据激光扫描参数,进行相关换算,获得圆柱面大圆的实际尺寸。
图6示出了铆钉孔锥角和同轴度检测示意图。铆钉孔的同轴是利用圆柱面和圆锥面的两个圆心位置直接确定,锥角需要分两步骤获得。
图6(a)示出了圆锥面几何确定方法示意图。激光扫描获取数据的深度信息,根据圆柱面和圆锥面的边缘检测结果,获取两圆包含的区域铆钉孔圆锥面的深度信息点云集合。点云集合存在噪声,直接拟合会影响了拟合圆锥面的准确性。利用圆柱孔和圆锥面的打孔的边缘像素点分别提取的深度信息,取平均值后,得到两圆的高度位置,利用高度和两个直径尺寸,可以利用几何方法获取圆锥面的参数方程,利用聚类分析的方法,剔除噪声像素点的相关信息。获得较为理想的圆锥面拟合的点云集合。
图6(b)示出了圆锥面拟合确定方法示意图。利用较理想的点云集合,确定的轴线方向和轴线位置,以几何方法获取的圆锥面的参数方程为初值,采用非线性最小二乘方法获得准确的锥面。从而,可以拟合出圆锥的顶点坐标、轴线方程和顶角。从而,获得了所测量的铆钉孔圆锥面锥角的度数。
最后,所获得的尺寸信息以及去除噪声的铆钉孔轮廓三维点云信息,输入到三维显示模块307进行显示和对比研究。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可轻易想到的变换或替代,都应涵盖在本发明的包含范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (9)
1.一种碳纤维材料铆钉孔尺寸检测系统及方法,其特征在于;包括;激光检测系统(1)、数据采集及控制装置(2)和计算机系统(3);激光检测系统(1)中,工作台(101)安置主支架(102),在主支架(102)前方安装横梁(103)可沿主支架前后方向作直线运动,横梁(103)前方安装机械臂(104)可沿横梁作水平方向和上下方向运动,线激光(105)安装在机械臂(104)下方,用于获取待测工件(106)的线轮廓信息;数据采集及控制装置(2)中,电机伺服控制单元(201)可控制横梁(103)和机械臂(104)的运动,数据采集单元(202)可采集线激光(105)扫描的线轮廓数据;计算机系统(3)中,运动控制模块(301)向电机伺服控制单元(201)发出运动控制参数,操作界面再运动控制显示器(302)进行,预处理模块(303)将采集的工件线轮廓数据转化为灰度图像,目标定位模块(304)确定单个铆钉孔的图像位置以及铆钉圆柱孔的位置,圆孔直径检测模块(305)利用Canny算法和亚像素算法提取圆孔边缘,确定圆柱孔和圆锥大圆的直径尺寸,锥角和圆柱度检测模块(306)获取圆锥面的锥角和圆柱孔和圆锥大圆的同轴度,三维显示模块(307)显示铆钉孔三维立体图。
2.一种碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述其检测方法的步骤包括:包括激光检测系统(1)中,线激光(105)安装在机械臂(104)下方,在数据采集及控制装置(2)中的电机伺服控制单元(201)控制下可沿水平、竖直和前后方向灵活运动,可根据零件的形状特征确定扫描位置,获得工件(106)的线轮廓信息;数据采集单元(202)将信息传送到计算机系统(3)中预处理模块(303)将线轮廓信息转化为灰度图像,目标定位模块(304)从多个铆钉孔的灰度图像中识别单个铆钉孔的位置,再从单个铆钉孔的位置利用投影法确定圆柱面孔的位置;圆孔直径检测模块(305)对灰度图像进行边缘检测,利用分区思想确定圆柱孔和圆锥大圆的直径尺寸和圆心,锥角和圆柱度检测模块(306)利用所获取的直径尺寸和圆心信息,计算圆柱孔和圆锥大圆的同轴度,分两步优化获取圆锥面的锥角参数,三维显示模块(307)显示铆钉孔检测的三维立体图。
3.根据权利要求2所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述的线激光是指激光一发和一收过程中能测量工件(106)一条线上所有点。
4.根据权利要求2所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述的线轮廓信息是指线激光(105)一次扫描可以获得工件(106)相对基准面上的距离值。
5.根据权利要求2所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述的识别单个铆钉孔的位置是指利用卷积神经网络训练出的模型,以含有多个铆钉孔灰度图像为输入,经过多层卷积、激活函数和池化的网络层,输出矩形窗口的参数信息,进而获得每个铆钉孔的灰度图像。
6.根据权利要求2所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述的投影法确定圆柱面孔的位置是指将单个铆钉孔的灰度图像,分别进行水平方向和垂直方向的灰度值求和,确定圆柱面孔的矩形包围盒的信息。
7.根据权利要求2所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述的边缘检测是指对单个铆钉孔灰度图像依次进行高斯滤波、Sobel梯度幅值、Canny算法及像素点膨胀和腐蚀的图像处理过程。
8.根据权利要求2所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述的分区的思想是将边缘提取的过程分成含有圆柱孔的边缘和含有圆锥面大孔的边缘两个感兴趣区域单独处理,依次剔除远离圆边界的像素点,再利用亚像素边缘提取算法获得圆柱孔和圆锥面大孔的轮廓,计算两个圆孔的直径尺寸和圆心位置。
9.根据权利要求2所述碳纤维材料铆钉孔尺寸检测方法,其特征在于;所述的分两步优化获取圆锥面的锥角参数是指借助圆柱孔和圆锥面大孔的直径尺寸和相对的距离,用几何方法获取圆锥面的参数方程,利用聚类分析剔除圆锥面点云集合的噪声像素点,进一步采用非线性最小二乘方法拟合出准确圆锥的锥面,从而获得所测量的铆钉孔圆锥面锥角的度数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911352187.0A CN110986778B (zh) | 2019-12-25 | 2019-12-25 | 碳纤维复合材料铆钉孔尺寸检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911352187.0A CN110986778B (zh) | 2019-12-25 | 2019-12-25 | 碳纤维复合材料铆钉孔尺寸检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110986778A true CN110986778A (zh) | 2020-04-10 |
CN110986778B CN110986778B (zh) | 2021-10-08 |
Family
ID=70075160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911352187.0A Active CN110986778B (zh) | 2019-12-25 | 2019-12-25 | 碳纤维复合材料铆钉孔尺寸检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110986778B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932605A (zh) * | 2020-09-11 | 2020-11-13 | 广东韶钢松山股份有限公司 | 尺寸检测方法、装置、电子设备及可读存储介质 |
CN112643618A (zh) * | 2020-12-21 | 2021-04-13 | 东风汽车集团有限公司 | 一种柔性发动机仓储工装的智能调节装置及方法 |
CN112762865A (zh) * | 2020-12-28 | 2021-05-07 | 苏州维嘉科技股份有限公司 | 一种背钻孔检测设备和方法 |
CN113483668A (zh) * | 2021-08-19 | 2021-10-08 | 广东亚太新材料科技有限公司 | 一种碳纤维复合材料产品尺寸检测方法及系统 |
CN113538489A (zh) * | 2021-07-19 | 2021-10-22 | 武汉纺织大学 | 一种非织造布纤维直径测量方法 |
CN113566735A (zh) * | 2021-07-24 | 2021-10-29 | 大连理工大学 | 一种火箭发动机喷管冷却通道线激光在位测量方法 |
CN113674236A (zh) * | 2021-08-16 | 2021-11-19 | 南京航空航天大学 | 一种基于特征学习的飞机表面多圆孔检测方法 |
CN113689495A (zh) * | 2021-08-03 | 2021-11-23 | 湖南视比特机器人有限公司 | 基于深度学习的孔心检测方法及其孔心检测装置 |
CN113865508A (zh) * | 2021-09-28 | 2021-12-31 | 南京航空航天大学 | 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法 |
CN113945169A (zh) * | 2021-10-21 | 2022-01-18 | 西北工业大学 | 一种直孔、窝孔关键尺寸测量系统及方法 |
CN114092506A (zh) * | 2022-01-20 | 2022-02-25 | 北京微链道爱科技有限公司 | 具有3d特征的扫描装置及扫描方法 |
CN115170669A (zh) * | 2022-09-05 | 2022-10-11 | 合肥安迅精密技术有限公司 | 基于边缘特征点集配准的识别定位方法及系统、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000205248A (ja) * | 1999-01-21 | 2000-07-25 | Sony Corp | 軸受け及びファンモ―タ |
CN108120417A (zh) * | 2016-11-30 | 2018-06-05 | 北京航天计量测试技术研究所 | 一种新型轴线拟合装置 |
CN109506580A (zh) * | 2018-11-26 | 2019-03-22 | 清华大学 | 基于线激光三维扫描的锪孔质量检测方法 |
CN109859206A (zh) * | 2019-02-28 | 2019-06-07 | 易思维(杭州)科技有限公司 | 一种圆孔特征的提取方法 |
CN110543883A (zh) * | 2019-08-27 | 2019-12-06 | 河海大学 | 一种基于深度学习的车牌识别方法 |
-
2019
- 2019-12-25 CN CN201911352187.0A patent/CN110986778B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000205248A (ja) * | 1999-01-21 | 2000-07-25 | Sony Corp | 軸受け及びファンモ―タ |
CN108120417A (zh) * | 2016-11-30 | 2018-06-05 | 北京航天计量测试技术研究所 | 一种新型轴线拟合装置 |
CN109506580A (zh) * | 2018-11-26 | 2019-03-22 | 清华大学 | 基于线激光三维扫描的锪孔质量检测方法 |
CN109859206A (zh) * | 2019-02-28 | 2019-06-07 | 易思维(杭州)科技有限公司 | 一种圆孔特征的提取方法 |
CN110543883A (zh) * | 2019-08-27 | 2019-12-06 | 河海大学 | 一种基于深度学习的车牌识别方法 |
Non-Patent Citations (3)
Title |
---|
夏清 等: "基于深度学习的数字几何处理与分析技术研究进展", 《计算机研究与发展》 * |
楚惠 等: "基于单目视觉轮廓法的三维重建", 《大连海事大学第二届硕博论坛暨研究生科技创新论文集》 * |
陆玲 等: "《数字图像处理方法及程序设计》", 30 December 2011 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932605A (zh) * | 2020-09-11 | 2020-11-13 | 广东韶钢松山股份有限公司 | 尺寸检测方法、装置、电子设备及可读存储介质 |
CN111932605B (zh) * | 2020-09-11 | 2023-12-01 | 广东韶钢松山股份有限公司 | 尺寸检测方法、装置、电子设备及可读存储介质 |
CN112643618A (zh) * | 2020-12-21 | 2021-04-13 | 东风汽车集团有限公司 | 一种柔性发动机仓储工装的智能调节装置及方法 |
CN112762865A (zh) * | 2020-12-28 | 2021-05-07 | 苏州维嘉科技股份有限公司 | 一种背钻孔检测设备和方法 |
CN113538489A (zh) * | 2021-07-19 | 2021-10-22 | 武汉纺织大学 | 一种非织造布纤维直径测量方法 |
CN113538489B (zh) * | 2021-07-19 | 2022-09-09 | 武汉纺织大学 | 一种非织造布纤维直径测量方法 |
CN113566735B (zh) * | 2021-07-24 | 2022-08-09 | 大连理工大学 | 一种火箭发动机喷管冷却通道线激光在位测量方法 |
CN113566735A (zh) * | 2021-07-24 | 2021-10-29 | 大连理工大学 | 一种火箭发动机喷管冷却通道线激光在位测量方法 |
CN113689495A (zh) * | 2021-08-03 | 2021-11-23 | 湖南视比特机器人有限公司 | 基于深度学习的孔心检测方法及其孔心检测装置 |
CN113674236A (zh) * | 2021-08-16 | 2021-11-19 | 南京航空航天大学 | 一种基于特征学习的飞机表面多圆孔检测方法 |
CN113483668B (zh) * | 2021-08-19 | 2023-03-17 | 广东亚太新材料科技有限公司 | 一种碳纤维复合材料产品尺寸检测方法及系统 |
CN113483668A (zh) * | 2021-08-19 | 2021-10-08 | 广东亚太新材料科技有限公司 | 一种碳纤维复合材料产品尺寸检测方法及系统 |
CN113865508A (zh) * | 2021-09-28 | 2021-12-31 | 南京航空航天大学 | 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法 |
CN113945169A (zh) * | 2021-10-21 | 2022-01-18 | 西北工业大学 | 一种直孔、窝孔关键尺寸测量系统及方法 |
CN114092506A (zh) * | 2022-01-20 | 2022-02-25 | 北京微链道爱科技有限公司 | 具有3d特征的扫描装置及扫描方法 |
CN114092506B (zh) * | 2022-01-20 | 2022-04-15 | 北京微链道爱科技有限公司 | 具有3d特征的扫描装置及扫描方法 |
CN115170669A (zh) * | 2022-09-05 | 2022-10-11 | 合肥安迅精密技术有限公司 | 基于边缘特征点集配准的识别定位方法及系统、存储介质 |
CN115170669B (zh) * | 2022-09-05 | 2022-11-22 | 合肥安迅精密技术有限公司 | 基于边缘特征点集配准的识别定位方法及系统、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110986778B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110986778B (zh) | 碳纤维复合材料铆钉孔尺寸检测系统及方法 | |
CN109658398B (zh) | 一种基于三维测量点云的零件表面缺陷识别与评估方法 | |
CN109947097B (zh) | 一种基于视觉和激光融合的机器人定位方法及导航应用 | |
CN104331876B (zh) | 直线检测、图像处理的方法及相关装置 | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN105865344A (zh) | 一种基于机器视觉的工件尺寸测量方法和装置 | |
CN104034733A (zh) | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN117011309B (zh) | 基于人工智能及深度数据的自动盘煤系统 | |
CN112419429A (zh) | 一种基于多视角的大型工件表面缺陷检测标定方法 | |
CN108582075A (zh) | 一种智能机器人视觉自动化抓取系统 | |
Ma et al. | An intelligent object detection and measurement system based on trinocular vision | |
CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
CN113295142B (zh) | 一种基于faro扫描仪和点云的地形扫描分析方法和装置 | |
CN113706496B (zh) | 一种基于深度学习模型的飞行器结构裂纹检测方法 | |
CN107389072B (zh) | 一种小天体表面导航特征区域检测方法 | |
CN113970560A (zh) | 一种基于多传感融合的缺陷三维检测方法 | |
CN117710588A (zh) | 一种基于视觉测距先验信息的三维目标检测方法 | |
CN116385356A (zh) | 一种基于激光视觉的正六边形孔特征的提取方法和系统 | |
CN116071306A (zh) | 用于滚动轴承保持架铆合缺陷的机器视觉检测方法 | |
CN115453570A (zh) | 一种多特征融合的矿区粉尘滤除方法 | |
CN113902728A (zh) | 用于检测产品质量的系统 | |
CN112365600A (zh) | 一种三维物体检测方法 | |
Yan et al. | Research of Sub-pixel Inner Diameter Measurement of Workpiece Based on OpenCV | |
CN112668585B (zh) | 一种动态环境下的物体辨识与定位方法 |
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 |