CN111322967A - 一种面向阶梯轴与孔装配过程的对中方法 - Google Patents
一种面向阶梯轴与孔装配过程的对中方法 Download PDFInfo
- Publication number
- CN111322967A CN111322967A CN202010143759.0A CN202010143759A CN111322967A CN 111322967 A CN111322967 A CN 111322967A CN 202010143759 A CN202010143759 A CN 202010143759A CN 111322967 A CN111322967 A CN 111322967A
- Authority
- CN
- China
- Prior art keywords
- characteristic
- arc
- ellipse
- image
- hole
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000008569 process Effects 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提出一种面向阶梯轴与孔装配过程的对中方法,先通过标定好的相机拍摄孔类零件图像,并利用图像识别与椭圆拟合的方法得到孔类零件的对中偏差;利用对中偏差调节待装配孔类零件的位置,直至使孔类零件中通孔的轴线与相机的轴线重合,固定此时孔类零件以及相机位置;再通过标定好的相机拍摄阶梯轴装配过程中各个端面的图像,并利用图像识别与椭圆拟合的方法得到阶梯轴小径端面拟合圆心以及阶梯轴中径端面拟合圆心坐标,将两个圆心进行连线并计算连线中点坐标,利用该中点坐标与孔类零件的轴心坐标进行比对来调整待装配阶梯轴的位姿,实现阶梯轴与孔的对中监测。本发明基于机器视觉实现对阶梯轴与孔对中情况的实时监控与反馈。
Description
技术领域
本发明属于智能装配技术领域,具体涉及一种面向阶梯轴与孔装配过程的对中方法。
背景技术
阶梯轴最主要的作用是利用径向尺寸不同的轴肩限制轴上零件的运动来对零件进行定位安装。其特点是制造精度高、配合间隙小。在航空、航天以及汽车船舶等制造领域中,阶梯轴孔类零件的装配非常普遍。随着装配要求的不断提高,阶梯轴与孔的装配精准度便受到重视。初始条件下孔与阶梯轴处于分离状态,在对中过程中不可避免地会产生对中偏差。过大的偏差可能会造成阶梯轴各端面与孔内壁的磕碰或者加剧磨损,其后果是显著降低产品的使用寿命,对产品的使用造成危害。
目前许多对中装配操作任务由工人手动完成,手工装配不仅耗时耗力,而且最终装配的精度和可靠性都难以保证,上述因素将直接影响到产品最终的服役性能和装配质量。为保证装配质量,延长装配部件的使用寿命并提高其可靠性,显而易见,阶梯轴与孔的自动化、高可靠性的精密装配技术具有重要的应用价值。
经前期调研与文献查找,针对轴孔对接问题国内目前研究现状如下:广州中船文冲船坞有限公司提出了一种轴与轴孔对中检测方法及对中检测装置,申请公布号为CN109668530A,该方法利用激光投射进行轴线拟合,但并没有应用在装配过程中;张家港长安大学汽车工程学院韩毅团队提出了一种基于图像处理的轴孔装配自动对中系统,申请公布号为CN 106204610A,该方法并未考虑阶梯轴的独有特征,仅针对常规轴孔配合进行阐述具有一定局限性;西北工业大学程云勇团队提出一种基于机器视觉监测的装配对中方法,申请公布号为CN 107617876A,利用阶梯轴靶标进行装配位姿的确定,该方法在算法方面采用圆拟合而未考虑装配过程中由于初始位姿导致的拟合误差。
发明内容
为解决现有技术存在的问题,本发明提出一种面向阶梯轴与孔装配过程的对中方法,基于机器视觉实现对阶梯轴与孔对中情况的实时监控与反馈。
本发明的技术方案为:
所述一种面向阶梯轴与孔装配过程的对中方法,其特征在于:包括以下步骤:
步骤1:固定已标定好的相机,在相机正前方固定待装配孔类零件,并安装光源,对孔零件通孔内照明;
步骤2:调节待装配孔类零件的位置,使孔类零件通孔部分位于相机拍摄画幅内;利用相机拍摄孔类零件清晰流畅的视频图像,并利用图像识别与椭圆拟合的方法得到孔类零件的对中偏差;利用对中偏差调节待装配孔类零件的位置,直至使孔类零件中通孔的轴线与相机的轴线重合,固定此时孔类零件以及相机位置;
步骤3:将待装配阶梯轴的小端送进待装配孔类零件的装配通孔中,利用相机拍摄阶梯轴各个端面清晰流畅的视频图像,并利用图像识别与椭圆拟合的方法得到阶梯轴小径端面拟合圆心以及阶梯轴中径端面拟合圆心坐标,将两个圆心进行连线并计算连线中点坐标,利用该中点坐标与孔类零件的轴心坐标进行比对来调整待装配阶梯轴的位姿,实现阶梯轴与孔的对中监测。
进一步的,步骤2中利用图像识别与椭圆拟合的方法得到孔类零件的对中偏差,并利用对中偏差调节待装配孔类零件的位置,直至使孔类零件中通孔的轴线与相机的轴线重合的过程为:
步骤2.1:对相机拍摄的孔类零件视频图像进行提取;对于提取的图像进行预处理去除噪声,得到平滑图像;
步骤2.2:对步骤2.1得到的平滑图像进行双向的sobel函数计算,得到平滑图像的梯度峰值与梯度直方图;利用adaptCanny函数对平滑图像进行边缘检测,其中在adaptCanny函数中根据平滑图像的梯度直方图,自适应计算低阈值low_thresh和高阈值high_thresh;对于梯度值小于low_thresh的像素点标记为非边界点,梯度值大于high_thresh的像素点标记为边界点,梯度值介于low_thresh与high_thresh之间的像素点标记为可能的边界点;将与边界点相连续的可能的边界点也视为边界点;将图像中连续的边界点依次相连,得到若干条特征弧;
步骤2.3:采用以下方法判断步骤2.2得到的每条特征弧的象限:
判断特征弧是凸弧或是凹弧;
以图像的几何中心为原点,建立识别坐标系V,识别坐标系坐标轴平行于图像边缘;以特征弧的起点和终点为对角线,构建一个矩形,矩形被特征弧划分为2个部分;若该特征弧为凸弧,则当凸弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第一象限,当凸弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第三象限;若该特征弧为凹弧,则当凹弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第二象限,当凹弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第四象限;
步骤2.4:对于步骤2.2识别得到的所有特征弧,按照各自所处的象限进行两两配对,得到若干由处于不同象限的特征弧组成的特征弧对;对每个特征弧对进行椭圆拟合,求取椭圆中心点;对所有根据特征弧对得到的椭圆中心点依据中心点位置聚成两类,对于每一类中的中心点,以其聚类中心为圆心,设定阈值为半径建立区域圆,得到处于区域圆内的中心点;
认为处于同一区域圆内的中心点所对应的特征弧属于同一椭圆;对于属于同一椭圆的若干特征弧进行两两组合,并对两两组合得到的特征弧对进行椭圆拟合和求取拟合后的椭圆中心,计算得到的若干椭圆中心的均值;
两个聚类结果最终得到两个椭圆中心均值,分别作为图像坐标系下,前端面椭圆圆心(X1,Y1)和后端面椭圆圆心(X2,Y2);
利用得到的椭圆圆心(X1,Y1)、(X2,Y2),以及对应特征弧上的点坐标,拟合椭圆
标准方程,并计算得到对应椭圆的长轴长度,分别得到前端面椭圆长轴长度为D1′,后
端面椭圆长轴长度为D2;
步骤2.5:分别计算前、后端面两椭圆的像素大小P1,P2:
P1=D1/D1
P2=D2/D2
其中D1,D2分别为孔类零件前端面通孔的直径与后端面通孔的直径;根据像素大小P1,P2,分别计算得到图像坐标系下,设定的相机中心与孔类零件轴线的同轴度误差所对应的像素个数ΔXn,ΔYn,n=1,2;
步骤2.6:调节待装配孔类零件的位置,直至
认为孔类零件中通孔的轴线与相机的轴线重合,(X0,Y0)为图像的几何中心在图像坐标系中的坐标。
进一步的,步骤3中利用图像识别与椭圆拟合的方法得到阶梯轴小径端面拟合圆心以及阶梯轴中径端面拟合圆心坐标,将两个圆心进行连线并计算连线中点坐标,利用该中点坐标与孔类零件的轴心坐标进行比对来调整待装配阶梯轴的位姿,实现阶梯轴与孔的对中监测的具体过程为:
步骤3.1:对相机拍摄的阶梯轴在孔类零件通孔中装配过程的视频图像进行提取;对于提取的图像进行预处理去除噪声,得到平滑图像;
步骤3.2:对步骤3.1得到的平滑图像进行双向的sobel函数计算,得到平滑图像的梯度峰值与梯度直方图;利用adaptCanny函数对平滑图像进行边缘检测,其中在adaptCanny函数中根据平滑图像的梯度直方图,自适应计算低阈值low_thresh和高阈值high_thresh;对于梯度值小于low_thresh的像素点标记为非边界点,梯度值大于high_thresh的像素点标记为边界点,梯度值介于low_thresh与high_thresh之间的像素点标记为可能的边界点;将与边界点相连续的可能的边界点也视为边界点;将图像中连续的边界点依次相连,得到若干条特征弧;
步骤3.3:采用以下方法判断步骤3.2得到的每条特征弧的象限:
判断特征弧是凸弧或是凹弧;
以图像的几何中心为原点,建立识别坐标系V,识别坐标系坐标轴平行于图像边缘;以特征弧的起点和终点为对角线,构建一个矩形,矩形被特征弧划分为2个部分;若该特征弧为凸弧,则当凸弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第一象限,当凸弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第三象限;若该特征弧为凹弧,则当凹弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第二象限,当凹弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第四象限;
步骤3.4:对于步骤3.2识别得到的所有特征弧,按照各自所处的象限进行两两配对,得到若干由处于不同象限的特征弧组成的特征弧对;对每个特征弧对进行椭圆拟合,求取椭圆中心点;对所有根据特征弧对得到的椭圆中心点依据中心点位置聚成两类,对于每一类中的中心点,以其聚类中心为圆心,设定阈值为半径建立区域圆,得到处于区域圆内的中心点;
认为处于同一区域圆内的中心点所对应的特征弧属于同一椭圆;对于属于同一椭圆的若干特征弧进行两两组合,并对两两组合得到的特征弧对进行椭圆拟合和求取拟合后的椭圆中心,计算得到的若干椭圆中心的均值;
两个聚类结果最终得到两个椭圆中心均值,分别作为图像坐标系下,阶梯轴小径端面椭圆圆心(X3,Y3)和阶梯轴中径端面椭圆圆心(X4,Y4);并得到阶梯轴小径端面椭圆圆心和阶梯轴中径端面椭圆圆心连线的中点坐标(X5,Y5)作为阶梯轴在图像坐标系内的轴心坐标;
利用得到的椭圆圆心(X3,Y3)、(X4,Y4),以及对应特征弧上的点坐标,拟合椭圆标准方程,并计算得到对应椭圆的长轴长度,分别得到阶梯轴小径端面椭圆长轴长度″
为d1′,阶梯轴中径端面椭圆长轴长度为d2′;
步骤3.5:分别计算阶梯轴小径和中径处端面椭圆的像素大小P3,P4:
P3=d1/d1′
P4=d2/d2′
其中d1,d2分别为阶梯轴小径、中径端面圆的直径;根据像素大小P3,P4,分别计算得到图像坐标系下,设定的相机中心与阶梯轴零件轴线的同轴度误差所对应的像素个数ΔXn1,ΔYn1,n=3,4;
步骤3.6:调节阶梯轴的位置,直至
然后计算阶梯轴在图像坐标系内的轴心坐标(X5,Y5)与相机轴线中心点(X0,Y0)的偏差:
X5-X0=ΔX5→0
Y5-Y0=ΔY5→0
其中ΔX5→0,ΔY5→0为图像坐标系中阶梯轴轴线与孔类零件轴线的X方向和Y方向的偏差值,将该偏差值换算到物理世界中的长度:
ΔXe,ΔYe为阶梯轴实际需要在物理世界坐标系下沿X方向和Y方向平动调整的距离,依据ΔXe,ΔYe进行位姿反馈,实现阶梯轴与孔的对中监测。
进一步的,步骤2.1和步骤3.1中采用高斯滤波的方式对提取到的图像进行滤波处理以去除噪声,得到平滑图像。
有益效果
本发明提出的阶梯轴与孔的对中方法具有如下优点:
1.面向装配过程,实现了对阶梯轴装配的实时监控与调整,保证了装配的精度。
2.图像识别计算原理简便,计算效率高,算法复杂度降低。
3.在阶梯轴的送进过程中,小径部分会对中径以及大径部分产生一定的遮挡效果,利用最小二乘法进行圆拟合会产生误差甚至识别失败。本发明中利用椭圆圆弧拟合则很好地处理了因遮挡效果造成的误差。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明中实验平台示意图;
图2为标定相机所用的棋盘形标定板;
图3为待装配孔的结构示意图;
图4为阶梯轴的结构示意图;
图5为本发明中利用平行弦拟合椭圆圆心的示意图;
图6为本发明中椭圆识别过程的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明目的是实现对阶梯轴与孔对中情况的实时监控与反馈,为此提出了一种面向阶梯轴与孔装配过程的对中方法,包括以下步骤。
步骤1:固定已标定好的工业相机,在相机正前方固定待装配孔类零件,并安装光源,对孔零件通孔内照明。
在机器视觉的应用中,为矫正镜头的畸变,确定现实中物理尺寸与像素之间的换算关系,使用国际象棋盘图案Ti-times CG-076-T对工业相机进行标定。如图2所示。
步骤2:识别并计算孔零件轴线位置。
通过调节转台与升降台,调整待装配孔类零件的位置,使孔类零件通孔部分位于相机拍摄画幅内;利用相机拍摄孔类零件清晰流畅的视频图像,并利用图像识别与椭圆拟合的方法得到孔类零件的对中偏差;通过更加精细地调整转台与升降台的位姿,使孔的轴线与工业相机的轴线重合。固定此时孔零件的位置。设固定后的工业相机所拍摄图像的左上角第一个像素点为原点,水平向右为X轴正方向,竖直向下为Y轴正方向建立图像坐标系,记为U。在图像坐标系下,记拍摄图像的几何中心为(X0,Y0),用其来表示相机轴线的中心点,孔零件的前端面中心坐标为(X1,Y1),后端面中心坐标为(X2,Y2)。
本步骤中使孔类零件中通孔的轴线与相机的轴线重合的过程为:
步骤2.1:对相机拍摄的孔类零件视频图像进行提取;对于提取的图像利用高斯滤波的方式进行滤波处理以去除噪声,得到平滑图像。
步骤2.2:对步骤2.1得到的平滑图像进行双向的sobel函数计算,得到平滑图像的梯度峰值与梯度直方图;利用adaptCanny函数对平滑图像进行边缘检测,其中在adaptCanny函数中根据平滑图像的梯度直方图,自适应计算低阈值low_thresh和高阈值high_thresh;对于梯度值小于low_thresh的像素点标记为非边界点,梯度值大于high_thresh的像素点标记为边界点,梯度值介于low_thresh与high_thresh之间的像素点标记为可能的边界点。
若两像素点具有公共顶点,则视为两像素点连续,将与边界点相连续的可能的边界点也视为边界点;将平滑图像中连续的边界点依次相连,得到若干条特征弧。
步骤2.3:采用以下方法判断步骤2.2得到的每条特征弧的象限:
判断特征弧是凸弧或是凹弧。
以图像的几何中心(X0,Y0)为原点,建立识别坐标系V,识别坐标系坐标轴平行于图像边缘。以特征弧的起点和终点为对角线,构建一个矩形,矩形被特征弧划分为2个部分;若该特征弧为凸弧,则当凸弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第一象限,当凸弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第三象限;若该特征弧为凹弧,则当凹弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第二象限,当凹弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第四象限。
步骤2.4:根据定理:椭圆的一组平行弦中点的连线必过其中心,可以进行椭圆拟合。取任意两条不在同一象限的特征弧,将两条特征弧的上端点连线作为基准线,求得与基准线平行的一组弦。利用这组平行弦的中点计算出中点质心,中点连线斜率和斜率中值。同理,将两条特征弧的下端点连线作为基准线,求得与基准线平行的一组弦。利用这组平行弦的中点计算出中点质心,中点连线斜率和斜率中值。两组平行弦中点连线的交点为椭圆中心。
在识别过程中,由于孔零件的位置原因会识别出若干条特征弧。为明确特征弧分属于前端面椭圆还是后端面椭圆,对识别得到的所有特征弧,按照各自所处的象限进行两两配对,得到若干由处于不同象限的特征弧组成的特征弧对;对每个特征弧对进行椭圆拟合,求取椭圆中心点;对所有根据特征弧对得到的椭圆中心点依据中心点位置聚成两类,对于每一类中的中心点,以其聚类中心为圆心,预设阈值为半径建立区域圆,得到处于区域圆内的中心点;
认为处于同一区域圆内的中心点所对应的特征弧属于同一椭圆;对于属于同一椭圆的若干特征弧进行两两组合,并对两两组合得到的特征弧对进行椭圆拟合和求取拟合后的椭圆中心,计算得到的若干椭圆中心的均值;
两个聚类结果最终得到两个椭圆中心均值,分别作为图像坐标系下,前端面椭圆圆心(X1,Y1)和后端面椭圆圆心(X2,Y2)。本实施例中(X1,Y1)=(487,378),(X2,Y2)=(461,386)。
利用得到的椭圆圆心(X1,Y1)、(X2,Y2),以及对应特征弧上的点坐标,拟合椭圆标准方程,并计算得到对应椭圆的长轴长度,椭圆的长轴长度与物理世界中孔零件的通孔直径具有相互映射的关系,而前、后端面两个不同的椭圆,其单个像素点代表的物理长度不同,所以可以利用椭圆的长轴长度计算得到前、后端面两个不同的椭圆上的单个像素点所代表的物理长度。
步骤2.5:分别计算前、后端面两椭圆的像素大小P1,P2:
P1=D1/D1′
P2=D2/D2′
其中D1,D2分别为孔类零件前端面通孔的直径与后端面通孔的直径,本实施例中均为″
60mm;D1′,D2′分别为图像中孔零件前端面圆的直径与后端面圆的直径,通过拟合后的椭圆长轴长度表征,对应的像素长度分别为509,644。将物理世界中对于相机中心与孔零件轴线的同轴度误差要求0.5mm映射至图像中,即根据像素大小P1,P2,分别计算得到图像坐标系下,设定的相机中心与孔类零件轴线的同轴度误差所对应的像素个数ΔXn,ΔYn,n=1,2;本实施例中ΔXn=5,ΔYn=5。
步骤2.6:调节待装配孔类零件的位置,直至
认为孔类零件中通孔的轴线与相机的轴线重合,图像的几何中心(X0,Y0)=(500,403)。
步骤3:识别并计算阶梯轴零件的轴线位置,并反馈轴孔对中偏差。
将待装配阶梯轴的小端送进待装配孔类零件的装配通孔中,利用相机拍摄阶梯轴各个端面清晰流畅的视频图像,并利用图像识别与椭圆拟合的方法得到阶梯轴小径端面拟合圆心坐标(X3,Y3)以及阶梯轴中径端面拟合圆心坐标(X4,Y4),将两个圆心进行连线并计算连线中点坐标,利用该中点坐标与孔类零件的轴心坐标进行比对来调整待装配阶梯轴的位姿,实现阶梯轴与孔的对中监测,以保证装配精度。
本步骤中利用图像识别与椭圆拟合的方法得到阶梯轴小径端面拟合圆心以及阶梯轴中径端面拟合圆心坐标,将两个圆心进行连线并计算连线中点坐标,利用该中点坐标与孔类零件的轴心坐标进行比对来调整待装配阶梯轴的位姿,实现阶梯轴与孔的对中监测的具体过程为:
步骤3.1:对相机拍摄的阶梯轴在孔类零件通孔中装配过程的视频图像进行提取;对于提取的图像利用高斯滤波的方式进行滤波处理去除噪声,得到平滑图像。
步骤3.2:对步骤3.1得到的平滑图像进行双向的sobel函数计算,得到平滑图像的梯度峰值与梯度直方图;利用adaptCanny函数对平滑图像进行边缘检测,其中在adaptCanny函数中根据平滑图像的梯度直方图,自适应计算低阈值low_thresh和高阈值high_thresh;对于梯度值小于low_thresh的像素点标记为非边界点,梯度值大于high_thresh的像素点标记为边界点,梯度值介于low_thresh与high_thresh之间的像素点标记为可能的边界点;将与边界点相连续的可能的边界点也视为边界点;将图像中连续的边界点依次相连,得到若干条特征弧。
步骤3.3:采用以下方法判断步骤3.2得到的每条特征弧的象限:
判断特征弧是凸弧或是凹弧;
以图像的几何中心为原点,建立识别坐标系V,识别坐标系坐标轴平行于图像边缘;以特征弧的起点和终点为对角线,构建一个矩形,矩形被特征弧划分为2个部分;若该特征弧为凸弧,则当凸弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第一象限,当凸弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第三象限;若该特征弧为凹弧,则当凹弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第二象限,当凹弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第四象限。
步骤3.4:在识别过程中,由于阶梯轴零件的位置原因会识别出若干条特征弧。为明确特征弧分属于阶梯轴小径端面椭圆还是阶梯轴中径端面椭圆,类似于步骤2.4,对于步骤3.2识别得到的所有特征弧,按照各自所处的象限进行两两配对,得到若干由处于不同象限的特征弧组成的特征弧对;对每个特征弧对进行椭圆拟合,求取椭圆中心点;对所有根据特征弧对得到的椭圆中心点依据中心点位置聚成两类,对于每一类中的中心点,以其聚类中心为圆心,设定阈值为半径建立区域圆,得到处于区域圆内的中心点;
认为处于同一区域圆内的中心点所对应的特征弧属于同一椭圆;对于属于同一椭圆的若干特征弧进行两两组合,并对两两组合得到的特征弧对进行椭圆拟合和求取拟合后的椭圆中心,计算得到的若干椭圆中心的均值;
两个聚类结果最终得到两个椭圆中心均值,分别作为图像坐标系下,阶梯轴小径端面椭圆圆心(X3,Y3)和阶梯轴中径端面椭圆圆心(X4,Y4);并得到阶梯轴小径端面椭圆圆心和阶梯轴中径端面椭圆圆心连线的中点坐标(X5,Y5)作为阶梯轴在图像坐标系内的轴心坐标;本实施例中计算得到(X5,Y5)=(472,465)。
利用得到的椭圆圆心(X3,Y3)、(X4,Y4),以及对应特征弧上的点坐标,拟合椭圆标准方程,并计算得到对应椭圆的长轴长度,分别得到阶梯轴小径端面椭圆长轴长度″
为d1′,阶梯轴中径端面椭圆长轴长度为d2′,即对应阶梯轴不同端面的直径,在图像坐标系中占据像素长度分别为412,375。
步骤3.5:针对小径、中径端面两个不同的椭圆,像素点代表的物理长度不同,所以分别计算阶梯轴小径和中径处端面椭圆的像素大小P3,P4:
P3=d1/d1′
P4=d2/d2′
其中d1,d2分别为阶梯轴小径、中径端面圆的直径,数据为30mm、40mm;将物理世界中对于相机中心与阶梯轴零件轴线的同轴度误差要求映射至图像中,即根据像素大小P3,P4,分别计算得到图像坐标系下,设定的相机中心与阶梯轴零件轴线的同轴度误差要求0.5mm所对应的像素个数ΔXn1,ΔYn1,n=3,4;本实施例中ΔXn1=5,ΔYn1=5。
步骤3.6:调节阶梯轴的位置,直至
然后计算阶梯轴在图像坐标系内的轴心坐标(X5,Y5)与相机轴线中心点(X0,Y0)的偏差:
X5-X0=ΔX5→0
Y5-Y0=ΔY5→0
其中ΔX5→0,ΔY5→0为图像坐标系中阶梯轴轴线与孔类零件轴线的X方向和Y方向的偏差值,数值为28、114,将该偏差值换算到物理世界中的长度:
ΔXe,ΔYe为阶梯轴实际需要在物理世界坐标系下沿X方向和Y方向平动调整的距离,分别为3.3mm、7.3mm,即阶梯轴位姿调整的依据,依据ΔXe,ΔYe进行位姿反馈,实现阶梯轴与孔的对中监测,保证了装配的精度。整个阶梯轴的送进过程,都在工业相机的监测之下,可以进行实时检测轴线的偏差并反馈需要调整的数值。做到了面向装配过程的对中监测。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (4)
1.一种面向阶梯轴与孔装配过程的对中方法,其特征在于:包括以下步骤:
步骤1:固定已标定好的相机,在相机正前方固定待装配孔类零件,并安装光源,对孔零件通孔内照明;
步骤2:调节待装配孔类零件的位置,使孔类零件通孔部分位于相机拍摄画幅内;利用相机拍摄孔类零件清晰流畅的视频图像,并利用图像识别与椭圆拟合的方法得到孔类零件的对中偏差;利用对中偏差调节待装配孔类零件的位置,直至使孔类零件中通孔的轴线与相机的轴线重合,固定此时孔类零件以及相机位置;
步骤3:将待装配阶梯轴的小端送进待装配孔类零件的装配通孔中,利用相机拍摄阶梯轴各个端面清晰流畅的视频图像,并利用图像识别与椭圆拟合的方法得到阶梯轴小径端面拟合圆心以及阶梯轴中径端面拟合圆心坐标,将两个圆心进行连线并计算连线中点坐标,利用该中点坐标与孔类零件的轴心坐标进行比对来调整待装配阶梯轴的位姿,实现阶梯轴与孔的对中监测。
2.根据权利要求1所述一种面向阶梯轴与孔装配过程的对中方法,其特征在于:步骤2中利用图像识别与椭圆拟合的方法得到孔类零件的对中偏差,并利用对中偏差调节待装配孔类零件的位置,直至使孔类零件中通孔的轴线与相机的轴线重合的过程为:
步骤2.1:对相机拍摄的孔类零件视频图像进行提取;对于提取的图像进行预处理去除噪声,得到平滑图像;
步骤2.2:对步骤2.1得到的平滑图像进行双向的sobel函数计算,得到平滑图像的梯度峰值与梯度直方图;利用adaptCanny函数对平滑图像进行边缘检测,其中在adaptCanny函数中根据平滑图像的梯度直方图,自适应计算低阈值low_thresh和高阈值high_thresh;对于梯度值小于low_thresh的像素点标记为非边界点,梯度值大于high_thresh的像素点标记为边界点,梯度值介于low_thresh与high_thresh之间的像素点标记为可能的边界点;将与边界点相连续的可能的边界点也视为边界点;将图像中连续的边界点依次相连,得到若干条特征弧;
步骤2.3:采用以下方法判断步骤2.2得到的每条特征弧的象限:
判断特征弧是凸弧或是凹弧;
以图像的几何中心为原点,建立识别坐标系V,识别坐标系坐标轴平行于图像边缘;以特征弧的起点和终点为对角线,构建一个矩形,矩形被特征弧划分为2个部分;若该特征弧为凸弧,则当凸弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第一象限,当凸弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第三象限;若该特征弧为凹弧,则当凹弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第二象限,当凹弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第四象限;
步骤2.4:对于步骤2.2识别得到的所有特征弧,按照各自所处的象限进行两两配对,得到若干由处于不同象限的特征弧组成的特征弧对;对每个特征弧对进行椭圆拟合,求取椭圆中心点;对所有根据特征弧对得到的椭圆中心点依据中心点位置聚成两类,对于每一类中的中心点,以其聚类中心为圆心,设定阈值为半径建立区域圆,得到处于区域圆内的中心点;
认为处于同一区域圆内的中心点所对应的特征弧属于同一椭圆;对于属于同一椭圆的若干特征弧进行两两组合,并对两两组合得到的特征弧对进行椭圆拟合和求取拟合后的椭圆中心,计算得到的若干椭圆中心的均值;
两个聚类结果最终得到两个椭圆中心均值,分别作为图像坐标系下,前端面椭圆圆心(X1,Y1)和后端面椭圆圆心(X2,Y2);
利用得到的椭圆圆心(X1,Y1)、(X2,Y2),以及对应特征弧上的点坐标,拟合椭圆标准方程,并计算得到对应椭圆的长轴长度,分别得到前端面椭圆长轴长度为D1′,后端面椭圆长轴长度为D2′;
步骤2.5:分别计算前、后端面两椭圆的像素大小P1,P2:
P1=D1/D1′
P2=D2/D2′
其中D1,D2分别为孔类零件前端面通孔的直径与后端面通孔的直径;根据像素大小P1,P2,分别计算得到图像坐标系下,设定的相机中心与孔类零件轴线的同轴度误差所对应的像素个数ΔXn,ΔYn,n=1,2;
步骤2.6:调节待装配孔类零件的位置,直至
认为孔类零件中通孔的轴线与相机的轴线重合,(X0,Y0)为图像的几何中心在图像坐标系中的坐标。
3.根据权利要求1所述一种面向阶梯轴与孔装配过程的对中方法,其特征在于:步骤3中利用图像识别与椭圆拟合的方法得到阶梯轴小径端面拟合圆心以及阶梯轴中径端面拟合圆心坐标,将两个圆心进行连线并计算连线中点坐标,利用该中点坐标与孔类零件的轴心坐标进行比对来调整待装配阶梯轴的位姿,实现阶梯轴与孔的对中监测的具体过程为:
步骤3.1:对相机拍摄的阶梯轴在孔类零件通孔中装配过程的视频图像进行提取;对于提取的图像进行预处理去除噪声,得到平滑图像;
步骤3.2:对步骤3.1得到的平滑图像进行双向的sobel函数计算,得到平滑图像的梯度峰值与梯度直方图;利用adaptCanny函数对平滑图像进行边缘检测,其中在adaptCanny函数中根据平滑图像的梯度直方图,自适应计算低阈值low_thresh和高阈值high_thresh;对于梯度值小于low_thresh的像素点标记为非边界点,梯度值大于high_thresh的像素点标记为边界点,梯度值介于low_thresh与high_thresh之间的像素点标记为可能的边界点;将与边界点相连续的可能的边界点也视为边界点;将图像中连续的边界点依次相连,得到若干条特征弧;
步骤3.3:采用以下方法判断步骤3.2得到的每条特征弧的象限:
判断特征弧是凸弧或是凹弧;
以图像的几何中心为原点,建立识别坐标系V,识别坐标系坐标轴平行于图像边缘;以特征弧的起点和终点为对角线,构建一个矩形,矩形被特征弧划分为2个部分;若该特征弧为凸弧,则当凸弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第一象限,当凸弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第三象限;若该特征弧为凹弧,则当凹弧上方面积小于下方面积时,判断特征弧处于识别坐标系V的第二象限,当凹弧上方面积大于下方面积时,判断特征弧处于识别坐标系V的第四象限;
步骤3.4:对于步骤3.2识别得到的所有特征弧,按照各自所处的象限进行两两配对,得到若干由处于不同象限的特征弧组成的特征弧对;对每个特征弧对进行椭圆拟合,求取椭圆中心点;对所有根据特征弧对得到的椭圆中心点依据中心点位置聚成两类,对于每一类中的中心点,以其聚类中心为圆心,设定阈值为半径建立区域圆,得到处于区域圆内的中心点;
认为处于同一区域圆内的中心点所对应的特征弧属于同一椭圆;对于属于同一椭圆的若干特征弧进行两两组合,并对两两组合得到的特征弧对进行椭圆拟合和求取拟合后的椭圆中心,计算得到的若干椭圆中心的均值;
两个聚类结果最终得到两个椭圆中心均值,分别作为图像坐标系下,阶梯轴小径端面椭圆圆心(X3,Y3)和阶梯轴中径端面椭圆圆心(X4,Y4);并得到阶梯轴小径端面椭圆圆心和阶梯轴中径端面椭圆圆心连线的中点坐标(X5,Y5)作为阶梯轴在图像坐标系内的轴心坐标;
利用得到的椭圆圆心(X3,Y3)、(X4,Y4),以及对应特征弧上的点坐标,拟合椭圆标准方程,并计算得到对应椭圆的长轴长度,分别得到阶梯轴小径端面椭圆长轴长度为d1′,阶梯轴中径端面椭圆长轴长度为d2′;
步骤3.5:分别计算阶梯轴小径和中径处端面椭圆的像素大小P3,P4:
P3=d1/d1′
P4=d2/d2′
其中d1,d2分别为阶梯轴小径、中径端面圆的直径;根据像素大小P3,P4,分别计算得到图像坐标系下,设定的相机中心与阶梯轴零件轴线的同轴度误差所对应的像素个数ΔXn1,ΔYn1,n=3,4;
步骤3.6:调节阶梯轴的位置,直至
然后计算阶梯轴在图像坐标系内的轴心坐标(X5,Y5)与相机轴线中心点(X0,Y0)的偏差:
|X5-X0|=ΔX5→0
|Y5-Y0|=ΔY5→0
其中ΔX5→0,ΔY5→0为图像坐标系中阶梯轴轴线与孔类零件轴线的X方向和Y方向的偏差值,将该偏差值换算到物理世界中的长度:
ΔXe,ΔYe为阶梯轴实际需要在物理世界坐标系下沿X方向和Y方向平动调整的距离,依据ΔXe,ΔYe进行位姿反馈,实现阶梯轴与孔的对中监测。
4.根据权利要求2和3所述一种面向阶梯轴与孔装配过程的对中方法,其特征在于:步骤2.1和步骤3.1中采用高斯滤波的方式对提取到的图像进行滤波处理以去除噪声,得到平滑图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010143759.0A CN111322967B (zh) | 2020-03-04 | 2020-03-04 | 一种面向阶梯轴与孔装配过程的对中方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010143759.0A CN111322967B (zh) | 2020-03-04 | 2020-03-04 | 一种面向阶梯轴与孔装配过程的对中方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111322967A true CN111322967A (zh) | 2020-06-23 |
CN111322967B CN111322967B (zh) | 2021-05-07 |
Family
ID=71169106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010143759.0A Expired - Fee Related CN111322967B (zh) | 2020-03-04 | 2020-03-04 | 一种面向阶梯轴与孔装配过程的对中方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111322967B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112365531A (zh) * | 2020-10-13 | 2021-02-12 | 西安理工大学 | 一种自动上卷系统椭圆检测结果可信度评估方法 |
CN112658643A (zh) * | 2020-12-30 | 2021-04-16 | 中国科学院自动化研究所 | 接插件装配方法 |
CN113804128A (zh) * | 2021-09-07 | 2021-12-17 | 西安交通大学 | 一种双轴承孔同轴度误差视觉测量装置及测量方法 |
CN113997065A (zh) * | 2021-11-11 | 2022-02-01 | 西北工业大学 | 一种基于多传感器的大型零部件孔轴自动装配对中方法 |
CN114199164A (zh) * | 2020-09-17 | 2022-03-18 | 泰科电子(上海)有限公司 | 母型连接器质量检查方法和系统 |
GB2605336A (en) * | 2021-12-10 | 2022-09-28 | Univ Jiangsu | Rapid detection tool for coaxial relationship based on photosensitive material and detection method using same |
CN115143888A (zh) * | 2022-09-06 | 2022-10-04 | 无锡沃尔德轴承有限公司 | 轴承底座的位置变化的测量系统 |
CN115248949A (zh) * | 2022-09-22 | 2022-10-28 | 中交第一航务工程局有限公司 | 一种端钢壳线性评估方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5118013A (en) * | 1989-10-19 | 1992-06-02 | Oki Electric Industry Co., Ltd. | Cylindrical toner cartridge for electrophotographic printer |
CN101751006A (zh) * | 2008-12-18 | 2010-06-23 | 陈学恭 | 一种插补方法 |
CN202149762U (zh) * | 2011-08-03 | 2012-02-22 | 上海电气核电设备有限公司 | 激光可调多用测量装置 |
CN106845444A (zh) * | 2017-02-15 | 2017-06-13 | 西安交通大学 | 一种基于弧‑点结合的车载井盖检测方法 |
CN107617876A (zh) * | 2017-07-27 | 2018-01-23 | 西北工业大学 | 一种基于机器视觉监测的装配对中方法 |
CN107633502A (zh) * | 2017-07-27 | 2018-01-26 | 西北工业大学 | 一种轴孔装配自动对中的靶心识别方法 |
CN110390696A (zh) * | 2019-07-03 | 2019-10-29 | 浙江大学 | 一种基于图像超分辨率重建的圆孔位姿视觉检测方法 |
CN109290758B (zh) * | 2018-09-30 | 2020-10-16 | 成都南方电子仪表有限公司 | 一种基于激光准直仪检测的位置对中方法 |
-
2020
- 2020-03-04 CN CN202010143759.0A patent/CN111322967B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5118013A (en) * | 1989-10-19 | 1992-06-02 | Oki Electric Industry Co., Ltd. | Cylindrical toner cartridge for electrophotographic printer |
CN101751006A (zh) * | 2008-12-18 | 2010-06-23 | 陈学恭 | 一种插补方法 |
CN202149762U (zh) * | 2011-08-03 | 2012-02-22 | 上海电气核电设备有限公司 | 激光可调多用测量装置 |
CN106845444A (zh) * | 2017-02-15 | 2017-06-13 | 西安交通大学 | 一种基于弧‑点结合的车载井盖检测方法 |
CN107617876A (zh) * | 2017-07-27 | 2018-01-23 | 西北工业大学 | 一种基于机器视觉监测的装配对中方法 |
CN107633502A (zh) * | 2017-07-27 | 2018-01-26 | 西北工业大学 | 一种轴孔装配自动对中的靶心识别方法 |
CN109290758B (zh) * | 2018-09-30 | 2020-10-16 | 成都南方电子仪表有限公司 | 一种基于激光准直仪检测的位置对中方法 |
CN110390696A (zh) * | 2019-07-03 | 2019-10-29 | 浙江大学 | 一种基于图像超分辨率重建的圆孔位姿视觉检测方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114199164A (zh) * | 2020-09-17 | 2022-03-18 | 泰科电子(上海)有限公司 | 母型连接器质量检查方法和系统 |
CN114199164B (zh) * | 2020-09-17 | 2023-07-21 | 泰科电子(上海)有限公司 | 母型连接器质量检查方法和系统 |
CN112365531A (zh) * | 2020-10-13 | 2021-02-12 | 西安理工大学 | 一种自动上卷系统椭圆检测结果可信度评估方法 |
CN112658643A (zh) * | 2020-12-30 | 2021-04-16 | 中国科学院自动化研究所 | 接插件装配方法 |
CN112658643B (zh) * | 2020-12-30 | 2022-07-01 | 中国科学院自动化研究所 | 接插件装配方法 |
CN113804128A (zh) * | 2021-09-07 | 2021-12-17 | 西安交通大学 | 一种双轴承孔同轴度误差视觉测量装置及测量方法 |
CN113997065A (zh) * | 2021-11-11 | 2022-02-01 | 西北工业大学 | 一种基于多传感器的大型零部件孔轴自动装配对中方法 |
CN113997065B (zh) * | 2021-11-11 | 2024-03-19 | 西北工业大学 | 一种基于多传感器的大型零部件孔轴自动装配对中方法 |
GB2605336A (en) * | 2021-12-10 | 2022-09-28 | Univ Jiangsu | Rapid detection tool for coaxial relationship based on photosensitive material and detection method using same |
GB2605336B (en) * | 2021-12-10 | 2023-10-11 | Univ Jiangsu | Rapid detection tool for coaxial relationship based on photosensitive material and detection method using same |
CN115143888A (zh) * | 2022-09-06 | 2022-10-04 | 无锡沃尔德轴承有限公司 | 轴承底座的位置变化的测量系统 |
CN115248949A (zh) * | 2022-09-22 | 2022-10-28 | 中交第一航务工程局有限公司 | 一种端钢壳线性评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111322967B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111322967B (zh) | 一种面向阶梯轴与孔装配过程的对中方法 | |
CN110146038B (zh) | 筒形件装配转角的分布式单目相机激光测量装置及方法 | |
US11972589B2 (en) | Image processing device, work robot, substrate inspection device, and specimen inspection device | |
CN107014291B (zh) | 一种物料精密转载平台的视觉定位方法 | |
CN107633502B (zh) | 一种轴孔装配自动对中的靶心识别方法 | |
CN104915957A (zh) | 一种提高工业机器人三维视觉识别精度的匹配矫正方法 | |
CN104315978A (zh) | 一种管路端面中心点的测量方法及装置 | |
CN111192307A (zh) | 基于激光切割三维零部件的自适应纠偏方法 | |
WO2019228523A1 (zh) | 物体空间位置形态的确定方法、装置、存储介质及机器人 | |
CN111721259A (zh) | 基于双目视觉的水下机器人回收定位方法 | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
CN110889827A (zh) | 一种基于视觉的输电线路杆塔在线识别和倾斜检测方法 | |
Zhang et al. | Narrow-seam identification and deviation detection in keyhole deep-penetration TIG welding | |
CN112767338A (zh) | 一种基于双目视觉的装配式桥梁预制构件吊装定位系统及其方法 | |
CN113516716B (zh) | 一种单目视觉位姿测量及调整方法和系统 | |
Wang et al. | Error analysis and improved calibration algorithm for LED chip localization system based on visual feedback | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN104424601B (zh) | 异形体装配件的对中装配方法及装置 | |
CN114257736A (zh) | 一种工件自适应拍摄方法 | |
CN113554713A (zh) | 飞机蒙皮移动机器人制孔视觉定位及检测方法 | |
CN111105418B (zh) | 一种针对图像中矩形目标的高精度图像分割方法 | |
CN110322508B (zh) | 一种基于计算机视觉的辅助定位方法 | |
CN114963981B (zh) | 一种基于单目视觉的筒状零件对接非接触式测量方法 | |
CN113240751A (zh) | 一种机器人末端相机的标定方法 | |
Takubo et al. | Welding line detection using point clouds from optimal shooting position |
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: 20210507 |