CN111373437A - 自动化的在线对象检验 - Google Patents
自动化的在线对象检验 Download PDFInfo
- Publication number
- CN111373437A CN111373437A CN201880074234.7A CN201880074234A CN111373437A CN 111373437 A CN111373437 A CN 111373437A CN 201880074234 A CN201880074234 A CN 201880074234A CN 111373437 A CN111373437 A CN 111373437A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- laser
- cad
- laser module
- conveyor
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 claims abstract description 85
- 230000003287 optical effect Effects 0.000 claims abstract description 69
- 230000002950 deficient Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 58
- 230000008569 process Effects 0.000 claims description 51
- 230000009466 transformation Effects 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000000284 resting effect Effects 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000005286 illumination Methods 0.000 abstract description 4
- 238000011960 computer-aided design Methods 0.000 description 112
- 230000007547 defect Effects 0.000 description 21
- 238000004519 manufacturing process Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 230000000875 corresponding effect Effects 0.000 description 8
- 244000172533 Viola sororia Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 5
- 239000010931 gold Substances 0.000 description 5
- 229910052737 gold Inorganic materials 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000001746 injection moulding Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000003070 Statistical process control Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000000356 contaminant Substances 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000238876 Acari Species 0.000 description 1
- 235000005811 Viola adunca Nutrition 0.000 description 1
- 240000009038 Viola odorata Species 0.000 description 1
- 235000013487 Viola odorata Nutrition 0.000 description 1
- 235000002254 Viola papilionacea Nutrition 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 201000009310 astigmatism Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000013072 incoming material Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
公开了一种用于对对象进行实时质量检验的系统和方法。该系统和方法包括用以使被检验的对象移动的传送装置,允许在线进行检验。设置有至少一个光学采集单元,该至少一个光学采集单元捕获被检验的对象的光学图像。将所捕获的光学图像与对象的CAD模型进行匹配,并提取匹配的CAD模型。然后具有波长在紫色光或紫外光范围内的照明光束的激光器对对象进行扫描,这样的扫描被形成为三维点云。针对每个对象将点云与提取的CAD模型进行比较,其中将CTF与用户输入或CAD模型信息进行比较,并基于点云和CAD模型之间的偏差程度确定对象是可接受的或有缺陷的。
Description
相关申请的交叉引用
本申请要求于2018年7月12日提交的美国非临时申请No.16/033,858和2017年11月17日提交的美国临时申请No.62/587,806的优先权,上述申请的内容通过引用并入本文。
技术领域
本发明涉及对物理对象的自动检验,尤其涉及实现对物理对象的非接触式三维扫描的检验系统和方法。
背景技术
在许多制造过程中,所有零件都在行业标准、公司标准或要求的规格所限定的公差内形成是重要的。例如,在通过注塑成型、增材制造或机加工制造零件时,所制造的每个零件都满足某些标准和规格是重要的。在现代生产中,零件、工具、模具和铸模通常基于计算机辅助设计(CAD)模型进行设计。例如,在计算机辅助制造(CAM)中,计算机数控(CNC)机床使用CAD设计作为输入来控制在机加工产品中工具的操作。
本领域中已知有几种用于验证所制造的零件和产品的表面形状的系统和方法。例如,使用坐标测量机(CMM)、激光跟踪仪和三维扫描测量系统以及其他设备来执行精确检验。然而,这些检验系统要求长时间且复杂的设置,并且还要求在检验可以开始之前在检验系统内对待被检验的零件或产品进行特定的定位。例如,在CMM中,要求将零件定位在夹具中以适当地保持零件。因此,大量的时间花费在简单地设置产品或零件以及检验系统上,并且需要针对待被检验的每个不同零件分别完成设置过程。因此,大批量制造商在仍然维持高生产量的同时仅能够检验零件或产品的小采样,从而导致下述问题,诸如有缺陷的零件到达客户并致使收入损失、处理退回的零件、以及失去客户信任。另外,由于使用当前检验系统的复杂性,许多制造商依赖于对其产品和零件的至少一部分进行手动检验,这增加了可观的成本。
需要一种易于使用的在线检验系统,该系统降低成本并增加周转时间和制造量。此外,需要一种在线检验系统,该系统可以检验零件和产品而不管取向如何,并且不要求将被检验的零件或产品先放入用以在检验期间对其进行保持的任何夹具或其他机构中。
发明内容
本发明涉及用于对所制造的零件和产品进行质量检验的在线系统和方法,包括第一物品检验、关键功能参数(CTF)和缺陷检测。该系统和方法通过扫描被检验的对象的三维(3-D)表面几何形状并将来自扫描过程的信息与对象的3-D模型进行比较来执行非接触式质量检验。对象可以是固体、不透明、半透明或透明的,并且可以具有镜面反射或漫射的表面特征。对象可以包括这些特征的组合,并且仍然可以用本发明的系统和方法来检验。
该系统和方法可以包括光学扫描系统和激光模块,该激光模块包括激光轮廓仪,用于执行对对象的精确在线检验。在某些实现中,激光轮廓仪的光束可以具有在紫色光或紫外光范围内的波长,但是也可以使用其他波长。在对象诸如零件或产品被检验时,可以将它们放在使它们移动经过光学扫描系统和激光轮廓仪的传送系统诸如传送带上。随着对象沿着传送带移动,它们经过光学扫描系统下方,该光学扫描系统扫描对象并识别对象在传送带上的位置和取向。该系统和方法可以同时检验放置在传送装置上的多个对象,其中传送装置使对象在在线过程中移动经过检验系统组件。所检验的对象可以是相同或不同的零件或产品,其中光学扫描系统在每个对象经过时辨识它们。另外,光学扫描仪系统可以识别污染物诸如灰尘、油或对象上存在的其他异物,并且还可以针对对象的预期颜色、纹理或修饰的准确性检测和测量对象。质量检验系统中的计算机处理器从光学扫描系统接收所确定的被检验的对象的身份,并加载与所识别的产品对应的数据文件。该数据文件可以是CAD模型,然后该CAD模型被转换成表示对象的均匀点云。
在扫描系统中在光学扫描系统之后设置有激光模块,该激光模块包括例如具有波长在紫色光或紫外光范围内的照明光束的激光轮廓仪,该激光模块用于扫描被检验的对象。激光系统输出表示一个或多个对象的规则间隔的三维(3-D)坐标点云。然后,该系统和方法将该获得的表示对象的3-D坐标点云与从计算机处理器检索的均匀点云进行比较。确定两者之间的差,并将该差用于确定被检验的对象与预期产品之间的变化程度(基于所存储的数据文件)。该系统和方法然后可以将被检验的对象的零件或部段识别为潜在地有缺陷的,并且可以在识别出有缺陷的对象时警告系统操作员。
特别地,该系统可以用于检验由铸模制造的零件。铸模将具有最终零件的期望尺寸,并且预期的是由铸模生产的零件将具有这些在一定公差水平内的期望尺寸。从注塑成形的零件中实时确定缺陷数据可以用作预测性测量方法,以确定何时出现明显的磨损,并且在缺陷变得令人讨厌之前需要更换铸模。因此,该系统可以用作几何尺寸确定和公差质量检验过程的一部分。尺寸规格限定了名义上的、如模制的或如预期的几何形状。公差规格限定了形式的允许偏差以及可能地各个特征的大小,以及特征之间的取向和位置的允许变化。
附图说明
图1是示出质量检验系统的组件的高级图。
图2是质量检验系统中的激光系统的组件的图示。
图3A和3B是使用中的产品检验系统的图示,示出了在检验期间传送装置和激光模块的运动。
图4是质量检验系统的组件的框图。
图5是当仅垂直于传送路径移动时激光系统的扫描路径的图示。
图6是当激光系统既垂直于传送路径又在与传送路径相同的方向上移动时激光系统的扫描路径的图示。
图7描绘了将所存储的对象的CAD模型转换成点云以与来自激光系统的点云进行比较的处理的细节。
图8描绘了处理来自光学采集单元的图像数据以识别被检验的对象的细节。
图9A描绘了将来自激光系统的数据与CAD模型信息融合以确定实际对象尺寸与预期对象尺寸之间的差的处理。
图9B描绘了用于基于对象的参考网格模型的对象的库生成的系统流程图。
图9C描绘了用于将目标点云配准和匹配到参考网格模型的系统流程图。
图10描绘了由该系统和方法进行的公差确定的处理。
图11描绘了可以在检验系统中使用以使被检验的对象移动经过光学采集单元和激光扫描系统的传送系统的示例。
图12描绘了确定被检验的对象是否有缺陷的处理。
图13描绘了可以被显示给操作员的示例用户界面。
具体实施方式
本发明涉及用于对对象进行高精度质量控制检验的系统和方法。该系统被配置成对所制造的零件进行几何检验,以进行质量控制和检验(包括第一物品检验、关键功能参数和缺陷检测)。该系统可以在制造线内在线使用以评估机加工工具之间的零件,以及在制造线终点使用以在完成的零件从机器出来时评估该完成的零件,或者通过将待被检验的零件物理地放置在传送装置上而离线使用。特别地,该系统对对象诸如所制造的组件、零件和产品的三维(3-D)表面几何形状进行扫描以检测缺陷。该系统通过用光学采集单元和激光模块系统扫描对象并在来自对象扫描的数据与系统处理器可访问的预定数据文件——该数据文件对应于被检验的对象——之间进行比较来执行自动化的在线或离线质量检验。
为了执行质量检验,该系统包括:移动的传送装置,诸如带或辊,用于沿着检验路径传送对象;光学系统,用于在传送路径的起始处对对象进行成像;以及激光模块测量系统,诸如紫色光或紫外光范围波长激光轮廓仪,用于在传送路径上在光学系统之后记录3-D对象几何形状。激光轮廓仪可以捕获呈非结构化点云形式的3D对象几何形状。该系统还包括用于计算和存储数据的计算机处理器,该数据包括所存储的对象数据信息,诸如显示被检验的对象的预期尺寸的CAD数据。可以设置操作员控制面板和显示器,以允许操作员查看来自存储数据库的CAD图像,查看被检验的对象的激光捕获的3-D图像,以及查看热图和直方图信息,该热图和直方图信息详细说明了来自存储数据库的CAD图像与实际成像的对象相比的差异。操作员控制面板还可以允许操作员修改检验系统的参数,控制检验系统的操作或使检验系统暂停,以及审查有关被检验的对象的缺陷信息。
如图1所示,质量检验系统100包括位于传送装置150的一端的光学采集单元110,该传送装置使待被检验的对象160移动通过检验系统。传送装置150可以是例如输送带或辊系统,并且使被检验的对象在方向A上沿着传送路径移动。光学采集单元110可以是区域或线性阵列光学系统,包括一个或多个图像捕获单元。光学采集单元110可以连接到处理设备,该处理设备被配置成分析传送装置150上的对象的捕获图像,以便识别对象以及对象在传送装置上的位置和取向。沿着传送路径在光学采集单元110之后包括激光模块200。该激光模块包括激光驱动器210和激光传感器250。激光模块发射激光束140,该激光束从被检验的对象160反射,然后被激光传感器250感测到。激光模块200可以是但不限于激光轮廓仪,该激光轮廓仪具有波长在紫色光或紫外光范围内的照明光束,用于扫描对象并输出三维(3-D)非结构化点云。激光轮廓仪可以使用但不限于激光三角测量或飞行时间位移感测来测量深度。该系统还可以包括操作员控制面板120,该操作员控制面板允许系统操作员执行对对象的检验、修改检验参数、审查对象检验结果以及对缺陷或警报通知作响应。操作员控制面板可以包括用户输入装置125,诸如键盘、鼠标或触摸屏,并且还可以包括显示器128。警报通知装置130可以被包括在质量检验系统中,并且可以是视觉或听觉警报。用户向检验系统100加载用于待被检验的一个或多个对象的适当的CAD模型和公差数据。超过预定公差的对象被识别为有缺陷的。用户可以通过在用户显示器128上显示的热图来查看相对CAD模型的有缺陷的三维(3-D)坐标点云变化,或者限定针对有缺陷的对象应该发生的动作。
如图2所示,其是激光模块200的组件的图示,激光模块200包括激光驱动器210,该激光驱动器输出具有锥形形状的激光束140。激光束140在传送装置150上形成线,该线对应于视场240。所形成的线的长度与激光束140的激光锥230的宽度以及与激光驱动器210距被检验的对象160之间的距离有关。激光束140从被检验的对象160反射回激光模块200上的激光传感器250。在替代性实施方式中,激光驱动器210可以输出激光束,其中激光束140是撞击对象并被对象反射的点。
激光模块200可以是激光轮廓仪。特别地,可以使用具有采用405nm波长的蓝紫光激光器的激光轮廓仪,因为其波长较短。对于金属和有机材料,具有波长在紫色光或紫外光范围内的照明光束的激光模块优于使用例如红色激光二极管的标准传感器。另外,与使用在红色区域中较长波长的激光模块相比,较短的波长不易受由于热特性而自发光的对象的影响。紫色光或紫外光波长使激光在被检验的对象160的表面上的扩散最小化,并且不会穿透对象,从而产生更精确的测量结果,从而可以允许对由塑料、金属、玻璃以及其他材料制成的宽范围的对象进行检测和测量,而不考虑特征表面修饰(finish,处理)。
图3A和3B示出了用于执行产品质量检验的系统配置。如图3A所示,根据一个实施方式,检验系统可以包括使被检验的对象160在方向A上移动的传送装置150。激光模块200可以被包括在允许其垂直于传送装置方向移动例如在图3A所示的方向B和C上移动的引导件上。当激光模块垂直于传送装置的方向移动时,激光视场240会在被检验的对象上多次经过(pass,通过)。回想一下,激光束140在传送装置150上形成线,该线对应于视场240,该视场平行于如方向A所示的传送装置150的方向。在每次经过期间,激光模块的视场对对象进行多次扫描。可以使用对象的重叠扫描(即,光栅扫描),这使得对象160在传送装置150上的平移和激光模块200的平移所固有的噪声减小,并且增加了采样分辨率。在点云上每个点具有多个数据允许通过使数据方差最小化来减少总扫描误差。在图3A所示的配置中,激光模块200可以旋转90度,使得激光视场240平行于方向B和C。在该情况下,激光模块200捕获对象的与激光视场240的宽度相等的扫描。激光模块200继续在方向B或C上跨传送装置150移动。当激光模块200行进与激光视场240相等的距离时,激光模块200捕获另一扫描。在图3B所示的替代性配置中,激光模块200可以被定位在允许其平行于传送装置150移动的引导件上。激光模块可以在被检验的对象上方来回移动,被反射的激光锥在对象上反复经过。在图3B中,激光模块200取向从图3旋转90°,使得激光视场240垂直于传送装置150。激光模块200在方向D上移动,从而扫描预定区域。当激光模块200到达预定区域的末端时,激光模块200在开始在方向E上的另一扫描之前在方向C上行进与激光FOV 240的宽度相等的距离。随着激光模块200在方向C上移动,激光模块继续在方向D和E上扫描。一旦激光模块200扫描了传送装置的宽度,随着激光模块200在方向B上移动,它重复在方向D和E上的扫描的过程。
在检验过程期间,当对象沿着传送装置移动时,它首先由光学采集单元110进行成像。如上所述,对象的捕获图像既用于识别对象,也用于确定其在质量检验系统中的位置和取向。可以将确定的对象160在传送装置150上的坐标位置和取向发送到与激光扫描轮廓仪模块连接的处理单元。该处理单元可以控制激光轮廓仪,使得其仅扫描传送装置的对象所在的区域。替代性地,轮廓仪可以被配置成扫描传送装置的整个宽度,而不是聚焦在确定对象被定位的特定区域上。当轮廓仪扫描整个传送装置时,针对传送装置的存在对象的区域——光学系统基于该区域找到了零件——对扫描产生的点云进行裁剪。当扫描整个传送装置宽度时,多个对象可能存在于相同轮廓仪扫描中,然后可以在后续处理期间将该多个对象分离出来。此外,激光轮廓仪模块可以定位零件并直接从背景中提取零件。
一旦基于来自光学采集单元的捕获图像识别出被检验的对象,系统处理单元170就从CAD模型数据库425加载与识别出的对象对应的CAD数据,并将其转换成均匀点云。来自激光轮廓仪的点云将被叠置并与CAD点云配准。计算CAD点云与来自激光轮廓仪的点云之间的偏差,以创建差的热图。通过分析对象的CAD模型、来自激光轮廓仪的点云以及与原始CAD模型的差的3-D配准的热图,操作员可以使用3-D配准的热图来对对象与CAD模型的任何变化进行可视化。随着时间的推移,这些对象变化的可视化将与对象计数、模腔位置、材料成分以及其他与受监控的制造过程相关的因素一起被记录。可视化以可选择的按时间顺序的序列、利用包含有3-D配准的热图的对象图示进行呈现。还对对象的每个单独图像进行配准,使得操作员可以观察到选定时期内由热图代表的劣化条件的表示。这种动态可视化形式可以通过提供磨损图案的图示用于诊断目的,并通过对受监控的退化进行投影提前确定给定对象的生产何时将超过公差,从而防止制造有缺陷的对象诸如零件或组件。为了进一步在3-D配准的热图的微小变化之间进行区分,可以通过使用不同的颜色、纹理和/或图案来增强这些变化的可视化。还可以提供监测到的劣化的计算和合成的热图投影,以用于诊断目的。
此外,可以将误差的直方图呈现给操作员。该系统可以被配置成将超过预定义公差的零件识别并标记为有缺陷的。用户可以使用零件选择器或类似装置将系统配置成发出通知、停止生产或从其他零件中分类有缺陷的零件。
图4示出了框图,其示出了质量检验系统组件的示意图。如图4所示,检验系统100包括光学采集单元110。光学采集单元包括光学成像器400,用于捕获被检验的对象的图像,图像A/D转换器402对从光学传感器400输出的模拟图像信号进行转换并生成数字图像数据,该数字图像数据然后被输出到像素校正404。如上所述,成像设备400具有使用CMOS(互补金属氧化物半导体)的图像捕获元件,其在与如箭头A所示的传送装置150垂直的主扫描方向上排成一行。如上所述,图像捕获设备可以是CIS(接触式图像传感器)。另外,也可以利用使用CCD(电荷耦合器件)的图像捕获传感器代替CIS。光学采集单元110还可以包括立体成像器。像素校正404对任何像素或放大异常进行校正。像素校正404将数字图像数据输出到系统处理单元170内的图像控制器440。系统还包括第一激光模块200a,以及可选地第二激光模块200b。尽管示出了两个激光模块,但是系统可以包括任何数量的激光模块。使用较多的激光模块,系统可以在检验过程期间捕获较大对象的轮廓,或捕获复杂对象的较多轮廓。多个激光模块的使用进一步使遮挡或阴影最小化。遮挡是激光束140从激光驱动器210行进到对象并返回到激光传感器230的阻断。例如,通过了解由光学采集单元110确定的对象取向,可以手动或动态地改变安装在质量检验系统100内的激光模块200,以使视角、视场或工作距离最优化,以便使遮挡或阴影最小化,以控制激光模块200的位置和运动以获得最佳扫描。每个激光模块200a、200b都包括激光驱动器210、激光传感器250和激光处理装置405。激光处理装置405可以是微处理器或处理电路,或者可以包括通信模块以从外部处理设备接收处理命令。激光处理装置将表示测量数据的非结构化点云打包并将其发送到图像控制器440,该图像控制器将数据存储在激光坐标存储器435中。
光学采集单元110将数字图像数据发送到图像控制器440。图像处理单元485然后处理数字图像以识别被扫描的对象。基于所识别的对象160的特性,可以从系统存储器455拉出用于激光模块200的预定义的设置参数或配方(recipe)以使激光模块200的配置最优化。对象与系统存储器455中的预定义的设置参数有关的特性可以是例如反射率、颜色、几何形状或表面修饰。预定义的设置参数或配方可以是激光驱动器210的强度、每秒的轮廓、或曝光。
操作员将检验系统100配置成通过操作员控制面板120或网络接口445执行所要求的检验。操作员控制面板120包括操作员输入装置125,该操作员输入装置可以是例如鼠标、键盘、触摸屏或触摸板。操作员显示器128和警报通知装置130也可以被包括在操作员控制面板中。警报通知装置130可以是例如红色、黄色和绿色的光堆栈、音频警报或其他视觉警报机构。网络接口445允许系统与外部处理单元和网络设备通信。网络接口可以通过有线或无线连接连接到局域网、广域网或互联网。网络接口可以是本领域技术人员已知的任何形式,包括但不限于以太网、USB、Wi-Fi、蜂窝或其他数据网络接口电路。网络接口445还提供了一种通过提供检验所要求的各种类型的信息来远程控制检验系统100的手段。网络控制器490管理网络接口445,并将网络通信引导至图像控制器440或机器控制器430。
系统存储器455还可以连接到系统处理单元170,以及检验系统中的其他处理组件。系统处理单元170和其他处理单元可以是例如一个或多个微处理器、一个或多个协处理器、一个或多个多核处理器、一个或多个控制器、处理电路、ASIC(专用集成电路)或FPGA(现场可编程门阵列)或者其组合。处理单元可以被配置成执行指令,该指令存储在系统存储器455中或以其他方式可被处理电路访问,诸如经网络控制器490通过通信网络访问。这些指令在由处理电路执行时可以使检验系统执行本文所述的功能中的一种或多种功能。存储器455可以包括易失性和/或非易失性存储器,并且可以是硬盘、随机存取存储器、只读存储器、高速缓冲存储器、闪速存储器、光盘或被配置成存储信息的电路。系统存储器455可以是与系统处理单元通信的任何非暂时性计算机可读存储介质。存储器可以被配置成存储信息、数据、应用或程序指令,从而允许系统处理单元170和其他处理单元控制检验系统并执行检验过程。
系统处理单元170包括图像控制器440,该图像控制器被配置成接收和分析来自光学采集单元110的图像。从光学采集单元110接收的图像被存储在图像缓冲存储器475中以保持经处理的图像。图像处理单元485连接到系统处理单元170。图像处理单元485被配置成从光学采集单元接收呈数字形式并且在像素校正之后的捕获图像,并对图像进行进一步的处理。这些捕获图像可以被存储在图像缓冲存储器475中,该图像缓冲存储器连接到图像处理单元485、系统处理单元440或两者。图像缓冲存储器存储在检验过程期间由光学采集单元发送的最近捕获的图像。作为处理的一部分,图像处理单元485可以与系统处理单元170的图像控制器440交互。系统还包括CAD模型数据库425,该CAD模型数据库存储用于在质量控制检验过程期间被检验的对象的CAD数据配置文件。该CAD模型数据库425可以包括预期被检验的对象的预定CAD配置文件,并且可以进一步是可更新的数据库,该可更新的数据库允许用户手动或自动地在数据库中存储用于被检验的新对象的附加的CAD配置文件。例如,可以通过执行下述过程来更新CAD模型数据库425,所述过程用于上传存储在本地存储器上的CAD模型,或者通过网络通信接口上传CAD模型。
图像控制器440还被配置成从激光模块单元200a和200b接收非结构化点云测量数据并对该非结构化点云测量数据进行分析。从激光模块单元200接收的非结构化点云数据被存储在激光坐标存储器435中,以供图像处理单元485进一步处理。
机器控制器430被配置成控制光学采集单元110和/或激光模块单元200a、200b的操作。例如,机器控制器可以控制图像捕获的定时,和/或使用图像捕获数据来控制传送装置150的移动——包括传送速度,以及激光模块单元的移动和扫描。计时器单元480以及零件位置检测器450和缺陷检测器460可以被包括在系统处理单元170中。零件位置检测器可以被配置成确定被检验的对象的位置和取向,包括在传送装置上的位置和相对于传送装置的取向或系统中另一固定坐标的取向。缺陷检测器460被配置成基于被检验的对象的激光模块扫描与所存储的关于该对象的预期尺寸的数据文件之间的比较来确定产品是否在一定的公差水平内。如果产品不在公差水平内,则缺陷检测器可能会发出缺陷警告。缺陷检测器还可以被配置成基于来自光学采集单元110的捕获图像来确定缺陷。
零件拒绝单元470可以与系统处理单元170中的缺陷检测器460通信。零件拒绝单元470可以从缺陷检测器460接收信息,并且基于对缺陷是否满足预定质量阈值要求的确定,发出停止检验过程的命令,将所检验的对象标记为有缺陷。零件拒绝单元470将与计时器单元480一起跟踪有缺陷的对象并采取行动以从传送装置150中移除有缺陷的对象,或者通过例如警报通知装置130或网络接口445向操作员警告缺陷状况。
图像检验系统还包括用于在检验过程中控制传送装置150和激光模块200的控件。传送装置马达控件465可以控制使对象沿着检验传送路径移动的传送机构的速度和定时。例如,传送装置马达控件465可以连接到对形成传送装置150的传送带或辊进行驱动的马达,并且可以以变化的速度驱动马达以控制被检验的对象的速度。当检测到有缺陷的对象时,传送装置马达控件还可以使传送装置150停止,从而允许操作员有时间从检验线中移除对象或采取其他适当的措施。可以包括两个激光马达控件,其中激光X-Y马达控件410控制激光模块200在X-Y平面中的移动,并且激光Z马达控件420控制激光模块单元在Z方向(或高度)上的移动。例如,激光X-Y马达控件410可以使激光模块单元200在X方向上移动,以使激光横移(traverse,行经、穿越、行进)传送装置150的宽度,从而使激光视场240对被检验的对象进行多次扫描。激光Z马达控件420可以使激光模块上下移动,使得系统可以检验高度不同的对象。这允许维持激光驱动器210与被检验的对象160之间的距离。
图5示出了在扫描过程期间激光模块200的移动,在该扫描过程中,对象在方向A上移动,并且激光模块仅在与方向A垂直的方向上移动。激光模块200旋转90度,使得激光视场240平行于方向A。如图所示,当激光模块在与方向A垂直的方向B和C上移动时,激光锥的视场240扫描跨传送装置150的一路径。作为光栅扫描过程的一部分,激光模块在方向B和C上交替性地移动,在其进行扫描时反复地跨越对象。相对于被检验的对象160,激光模块因此创建了具有倾斜的重叠扫描图案,由于随着扫描被执行被检验的对象继续在方向A上移动,因此赋予了该倾斜。重叠扫描可以通过更改传送装置150或激光模块200的速度来执行。为了完全覆盖被扫描的零件,以下关系必须成立:
其中Y是激光视场240的长度,W是如图5所示激光模块200跨传送装置150扫描的距离,V_B和V_L分别是传送装置150和激光模块200的速度。当该关系成立时,激光视场240将与被检验的对象重叠,从而允许捕获针对相同空间位置的多个点云数据点。另外,这允许关于位置不连续性诸如当传送不平行于激光模块时引起的位置不连续性来校准系统。
还可以考虑激光视场与传送装置之间的角度关系。如果角度关系不为零度,即它们不平行,则激光视场的一端将比另一端靠近传送装置。由于被扫描的对象正如图3A所示在A方向上移动,因此基于激光视场关于传送装置的角度关系,对象的表面上的任何点都将在Z方向或高度上看起来增加或减少。如图5所示,当激光模块在方向B和C上横移时,随着对象在A方向上行进通过该激光视场角度关系,在对象上进行的每个激光横移都将在扫描数据中在Z方向上创建阶梯。该角度关系可以通过执行校准来补偿。在该校准中,在没有任何对象出现的情况下执行对传送装置的扫描。已知激光视场的两个端点之间的任何高度差都归因于角度关系。角度关系可以被存储在系统存储器中,从而允许系统处理单元减去所扫描的数据中的任何阶梯。
类似地,对象的角度关系方向A关于激光视场必须为零度。在这该情况下,基于激光视场关于传送装置方向A的角度关系,对象表面上的任何点都将看起来在方向B或C上移动。在该校准中,将校准目标的扫描用于确定角度关系。已知沿着两个激光模块横移之间的边缘的任何阶梯差都是归因于角度关系。角度关系可以被存储在系统存储器中,从而允许系统处理单元减去扫描数据中的任何阶梯。
当扫描整个传送装置时,激光模块跨传送装置扫描的距离W可以是传送装置150的宽度,或者如果已知对象在带上的位置,则W可以是传送装置的一区域。通过在已知对象的位置时将W设置为仅与传送装置的一区域对应,可以实现相同分辨率下的较高扫描吞吐量,或者较高分辨率下的相同吞吐量。
通过执行该重叠扫描过程,可以扫描大于激光视场240的对象,并且还减少了噪声。当使激光在较大区域上横移时,该配置允许基于马达步距和采集速率来捕获较高分辨率的图像,并且不限于轮廓仪本身的固有分辨率。
如上所述,执行重叠扫描有助于减少噪声。由于对象和激光模块200在检验过程中移动,噪声由固有的测量误差和机械噪声引入。通过执行扫描使得被检验的对象的片段的扫描存在重叠,创建了针对对象上的相同空间位置的多个点云数据点。对于单个空间位置的点云点的这种多重性允许计算该空间坐标的均值和方差(或置信区间)。通过对被检验的零件的部分进行数次扫描并对数据求平均,不仅减少了系统中的总体噪声,而且准确地计算和报告了剩余的噪声。
图6示出了扫描过程,其中激光模块200在与对象160相同的方向上沿着传送路径移动,还垂直于传送路径移动。通过在与对象相同的方向上并以与对象在该方向上相同的速度移动,扫描不会引入倾斜。例如,如图6所示,激光模块200可以沿着传送装置150在与对象160的运动方向A垂直的方向C上移动,其中激光视场240在光栅扫描过程中扫描跨传送装置150的一路径。不同于图5中激光模块200仅在与方向A垂直的B和C方向上移动,在图6所示的过程中,激光模块200在其进行扫描时还在A方向上以与对象相同的速度移动。当激光模块到达扫描的端部时,其然后移动与激光的视场240的长度相等的距离A'。然后,激光模块200反转方向并在方向B上移动,同时以与对象160相同的速度在方向A上移动。因此,相对于对象160,激光模块200对整个对象扫描一次,如图6所示。
图7是示出一过程的流程图,该过程被执行以将CAD模型转换成可用于与从被检验的对象的激光模块200扫描获得的经校正的3-D点云数据进行交互的格式。CAD模型可以是dgn、dwg、dxf或stl文件格式,或者允许生成CAD文件的其他格式。该过程可以在对象被检验时实时执行,或者可以在对对象启动质量检验之前执行。当在启动检验之前被执行时,可以检索和处理预期被检验的对象的CAD模型,其中结果被存储在CAD模型数据库425中。如图7所示,CAD模型700被加载到系统中,然后在CAD模型上执行网格转换步骤705,得到CAD网格710。然后,在CAD网格710上执行提取平面步骤720,得到CAD平面网格730。CAD平面网格730表示对象的从预定义的视点看的平面或视图。这些平面或视图可以通过使用CAD编辑软件诸如MeshLab编辑CAD模型而预先手动生成,并且可用于提取平面720步骤。在替代性实施方式中,可以参考传送装置的取向、基于对象的自然静止位置来自动识别该平面或视图。可以通过从上方扫描对象以捕获扫描中的传送装置来获得传送装置的取向。一旦限定,可以自动生成这些平面。然后,可以通过提取CTF参数步骤735提取CAD平面网格730的关键功能(CTF)参数。这些CTF参数是需要被测量和验证的用户限定的尺寸。这些参数可以由操作员手动识别,也可以由系统处理自动确定。例如,很多时候,对象的软拷贝或硬拷贝图都设置成包括公差和CTF数据,可以使用文档处理或OCR软件提取该公差和CTF数据。基于提取CTF参数步骤735,生成CAD CTF参数770并将其存储在CAD模型数据库425中。CAD平面网格730也经历格式转换步骤740以生成CAD点云750和CAD范围图像(range image,深度图像,距离图像)760,该CAD点云和CAD范围图像也可以被存储在CAD模型数据库425中。CAD范围图像760表示被检验的对象的六个面。
图8是示出对来自光学采集单元110的图像数据执行的处理的流程图。该处理包括识别传送装置150上的被检验的对象以及该对象160在传送装置150上的位置和取向。如图所示,光学采集单元110执行对对象160的图像捕获800,产生该对象的至少一个数字图像810。然后,数字图像810经历分割过程步骤820,并且生成边界框830,该边界框可以被应用于数字图像810以定位可能是被检验的对象或被检验的对象的特征的感兴趣区域。这些边界框830可以用作系统处理单元170的输入以确定激光模块200的扫描区域。在零件提取步骤840中,提取数字图像810内的由边界框限定的分离的零件850。然后在来自数字图像810的每个分离零件850上执行零件辨识和查找过程860。作为该过程的辨识对象的一部分,执行模式匹配过程,在该模式匹配过程中,系统执行CAD模型查找865以将位于CAD模型数据库425中的对象与分离的零件850进行比较。边界框830可以包含需要参考不同的CAD模型的不同的被检验的对象。模式匹配处理可以是任何公知的模式匹配算法。当在CAD模型数据库425中找到匹配时,识别相关的CAD点云750以用于随后的处理。此外,识别CAD范围图像760,然后在零件配准步骤880中使用该CAD范围图像来识别平移和取向矩阵890,该平移和取向矩阵用于旋转CAD数据以匹配从对象160的激光模块200扫描获得的点云的取向,如下面所解释的。在替代性实施方式中,可以确定对象160在数字图像810中的表面尺寸,并将其用作在零件辨识和查找过程860中使用的模式匹配的替代。
图9A示出了用于将来自激光模块扫描的数据与从针对被扫描的对象的CAD模型信息获得的信息融合的过程。该过程基于CAD模型公差确定从激光扫描获得的实际对象尺寸与预计的对象尺寸之间的差异。如图9A所示,从对象160的激光模块扫描获得原始的、非结构化的点云数据900,如上面关于图5和6所述。由于零件的连续横移,而激光模块正交地扫描,线轮廓数据集(由激光驱动器210的单个激光视场240线获取的原始云数据)将彼此偏移等于v*Δt的距离,v是对象的横移速度,Δt是对象的行扫描与下一次行扫描之间的时间间隔。替代性地,计时器单元480向激光模块200生成触发信号以捕获线轮廓。计时器单元480还向机器控制器430生成触发,以捕获传送装置和激光模块的位置数据。与基于速度计算位置相反,使用触发信号允许系统从例如编码器读取位置数据。在两种情况下,实施原始点云数据910的重定相以在单个重定相的对象点云920中使这些多个点云对准并平均化。为了获取对象的准确点云表示,通过将点云中所有点平移等于-v*Δt的量来对原始点云数据进行重定相。替代性地,Δt可以被认为是从设定时间例如使用机器的时间到当前行扫描时间戳所经过的总时间。
然后将被检验的对象配准到针对特定对象的CAD模型930。作为该配准过程的一部分,检索CAD点云750以及平移和旋转矩阵890。重定相后的对象点云也在940处被配准到CAD模型,使得点云与CAD模型对准。即,将获得的重定相点云叠置在针对特定对象的CAD模型信息上。然后在步骤950计算包括结构化数据的CAD模型点云875与经配准的点云940之间的差。可能已经进行了减法匹配以将CAD模型尽可能紧密地配准到点云数据。该匹配找到了CAD模型和点云之间的最小总方差,以确定两者之间的最佳重叠。在计算差950中,对于CAD模型上具有相关联的重定相点云点的每个点,计算表示这两个点的空间坐标之间的绝对差的D值。该D值将被计算为两个点的向量的大小。
D=√(〖|x_1-x_2|〗^2+〖|y_1-y_2|〗^2+〖|z_1+z_2|〗^2)
其中x、y和z表示CAD和点云数据的空间坐标。
在上述CAD模型配准过程中使用了该相同的D值,其中基于D值的方差处于其最小值的取向将CAD模型配准到点云数据。
在计算出差之后,针对每个点以D值的形式,获得一组点云差960。然后实施热图创建过程970以生成热图980,该热图示出了CAD模型与从对象扫描获得的点云之间的高偏差区域。操作员可以使用该热图来确定被检验的实际对象的尺寸与来自CAD模型数据库的该对象的预计尺寸之间的偏差是否在提取CTF参数735中设定的预定公差水平之外。如果热图980示出了公差水平之外的区域,则该零件可以被识别为有缺陷。该热图可以是用户可配置的,其中用户针对何时将认为偏差足够相关而在热图上指示来设置预定极限。
图9B和9C示出了来自图9A的配准过程930的细节。整个配准过程分为两个阶段:1)库生成,以及2)点云配准。图9B描绘了用于创建一组特征向量(或权重)以供下一阶段使用的库生成步骤。如图所示,系统接收参考3D网格模型9101,该参考3D网格模型表示刚性对象的整个几何形状。然后,基于参考网格模型的凸包和重心来计算刚性对象的各种静止位置9102。刚性对象的静止位置是对象在水平面上稳定的位置。对于刚性对象的这些静止位置中的每个静止位置,根据参考网格模型的多个旋转版本(例如,360,以1度为增量)生成视图库9103。具体地,视图对应于参考3D网格模型在给定静止位置和特定角度处的2D投影。注意,在2D投影过程期间可以应用下采样以减少计算成本。然后使用主成分分析在本征空间中处理视图库,以为库集中的每个元素生成一组特征向量(或权重)9104。最后,系统保存本征投影库(或投影矩阵)和特征向量集9105。如果系统中考虑不止一个刚性对象,则可以重复步骤9101至9105,以生成最终库(或投影矩阵)和特征向量集。这些保存的库和特征向量集将在下一步中用于2D和3D点云配准,如图9C中所述。
图9C描绘了点云的2D和3D配准和匹配过程。如图所示,系统接收目标3D点云9201,该目标3D点云可以是经重定相的零件点云。该目标点云表示刚性对象处于其静止位置中之一的几何形状。对应的刚性对象可以是在先前库生成阶段中考虑的刚性对象中之一。接下来,加载所保存的本征投影库(或投影矩阵)和特征向量集9202。然后,在步骤9203,计算目标点云的2D投影以基于从先前阶段生成的本征投影库来生成其特征向量(权重)。再次注意,可以在2D投影过程期间应用下采样以减少计算成本。假设本征投影库是使用相同的刚性对象生成的。在步骤9204中,通过识别与目标点云最匹配的刚性对象的静止位置和旋转角度来执行粗略配准。这是通过利用来自先前阶段的对应的参考网格模型,找到目标点云的特征向量与刚性对象的所保存的特征向量集之间的最佳匹配或最接近距离来实现的。度量诸如最小均方误差或其他误差度量可以用于计算特征向量之间的距离(或匹配误差)。
然后,生成目标点云和参考网格模型之间的源于静止位置和角度识别步骤的初始对应几何变换9205。刚性2D几何变换包括信息诸如平移和旋转矩阵。接下来,将获得的几何变换应用于目标点云9206。该步骤的输出是将与所识别的参考网格模型(以及相关联的刚性对象)进行粗略对准的经平移和旋转的目标点云。
这之后是精细3D配准步骤9207,该步骤完成了整个配准过程。精细3D配准9207可以使用算法诸如迭代最近点(ICP),迭代最近点由于其简单性是一种流行的算法。该算法的输入是目标和参考点云、使目标与参考对准的几何变换的初始估计(来自步骤9205)、以及用于停止迭代的标准。该算法的输出是改进的(refined,精确的、精制的)几何变换矩阵。该算法包括:
1.对于目标点云中的每个点(来自通常被称为密集的整个顶点集或每个模型中选择的成对顶点),匹配参考点云(或选定集合中)中最接近的点。
2.使用均方根点对点距离度量最小化技术对旋转和平移的组合进行估算,该技术使每个目标点与先前步骤中找到的其匹配最佳对准。另外,可以在配准之前对点进行加权并且可以拒绝异常值。
3.使用获得的变换来变换目标点。
4.迭代(重新关联点等)。
然后,基于在以上精细3D配准步骤中获得的改进的几何变换矩阵,确定目标点云与参考网格模型之间的最终几何变换9208。注意,通常,几何变换是仿射变换,该仿射变换由平移、缩放、剪切或旋转变换中的一者或组合组成。
然后将最终几何变换应用于目标点云9209,以获得与参考网格模型的最终对准或配准。最终,测量经变换的目标点云与相同的参考3D网格之间的差9210。将匹配结果在线记录或传递到检验系统的下一步骤9211。
图10提供了对质量检验系统如何核查被检验的对象中的缺陷的说明。例如,系统可以自动核查对限定的CTF规范的公差,并且如果在检验对象期间超过了系统公差,则系统会通知操作员。例如,当检验来自铸模的制造零件时,铸模将随着时间而磨损。随着铸模磨损,来自铸模的零件将具有从预计尺寸与铸模上的磨损量成比例地更改的尺寸。当铸模变得过度磨损时,所生产的零件将不再在用于其正常和预期使用的公差范围内。如图10所示,还检索了为图9A中的每个点计算的点云差960,以及CAD CTF参数770,并在步骤1010中将其用于确定经配准的点云中的每个点是否为CTF。如果点不是CTF点,则在1015处忽略该点。但是,如果该点是CTF,则在1020处对运行公差进行更新。然后在1030处进行核查以确定运行公差是否超过预定阈值。如果未超过如提取CTF参数735限定的阈值,则在1050处确定运行公差在可接受的极限内。但是,如果运行公差超过预定阈值,则系统向操作员1040发出通知。在另一实施方式中,可以使用工业中任何公知的移除方法自动地从传送装置150移除有缺陷的对象。
通过注塑成型制造零件所特有的缺陷可能包括流线、烧伤痕迹、缩水痕、喷射痕、脱层、欠注、飞边或本领域技术人员已知的其他缺陷。在替代性实施方式中,CAD CTF参数770可以包括表面缺陷或光学特性,诸如但不限于颜色、纹理或修饰,以便识别由图像采集单元110捕获的数字图像810内的分离的零件850中存在的污染物,诸如灰尘、油或其他异物。在该实施方式中,步骤1010将确定光学特性是否超过指定的光学CAD CTF参数。
图11提供了使用输送带作为传送装置150的检验系统的实施例。输送带可以围绕辊1120放置,当辊1120沿着A所示的方向转动时,辊1120使输送带移动。辊可以由传送装置马达控件485驱动。如图所示,光学采集单元110沿着传送装置150位于第一位置,而包括激光驱动器210、激光传感器250和激光锥230的激光模块200位于检验路径上的较远下游。被检验的对象160被传送带移动,使得其在光学采集单元110和激光模块200下方通过。可选地,可以在移动的传送带下方设置带张紧器1140,以提供用于检验的固体表面,并且移除传送带中的任何振动。减小的振动运动减轻了所检验的对象的获得的光学图像和激光扫描中的噪声。如图11所示,传送带可以被标记以允许光学采集单元110或激光模块200的自动校准。沿着传送装置的一侧或两侧的斜面标记诸如刻度线1110被用于传送装置上的校准和位置识别。除刻度线外,还可以包括其他标记,以帮助识别被检验的对象或对象在传送装置上的位置。这些参考可以包括编号、形状不同的刻度线或其他识别标记。作为示例,可以使用在传送装置两侧上的单个参考刻度。该刻度线将相对于其他均匀刻度伸长,以容易识别。该系统可以执行刻度线的调制传递函数(MTF),并且可以使用刻度线作为参考来另外校准光学采集单元110的锐度、散辉、聚焦和景深。由于刻度线的均匀性,可以对光学采集单元110和激光模块200两者校准位置、景深和分辨率,连同识别由于工具的非垂直性而导致的图像和点云失真。根据该数据,可以计算并校正失真。刻度线还可以通过识别未由传送装置马达控件465记录的速度的任何变化来控制速度颤动。该信息可以用于通过添加相移来校正重定相点云数据910。
图12提供了详细说明确定被检验的对象是否有缺陷的过程的概览的流程图。如图所示,在1200处上传对象的CAD模型并转换,从而得到CAD模型网格点云。当对象160在检验系统100中沿着传送装置150移动并移动到光学采集单元110中时,在1210处捕获光学图像。然后,对象160沿着传送装置150进一步移动并在执行激光扫描的激光采集模块200下方通过。激光扫描使得在1230处捕获对象的3-D点云。在步骤1140处,使对象的3-D点云与CAD模型点云对准,然后在1250处在两者之间进行比较。确定点的差,并且在1260处确定被检验的对象160是否有缺陷。如果对象160有缺陷,则可以从传送装置拒绝对象,并且可以在1270处更新关于有缺陷对象的统计数据。如果对象没有缺陷,则在1280处更新统计数据以对通过检验过程的另一可接受的产品进行计数。统计数据可以包括环境特征,诸如温度和湿度以及针对关键功能参数的运行公差。可以基于在对象上形成的号码或其他独特特征,将统计信息关联回铸模或特定腔。该统计信息可以用于安排机器和铸模的预防性维护。
图13提供了可以显示给操作员的示例用户界面。用户界面1300可以在操作员显示器128上或通过网络接口445远程地显示给操作员。当对象160被检验时,用户界面1300可以实时更新,或者操作员可以核查被检验的对象或统计趋势的历史数据。用户界面1300可以组织被检验的对象以仅示出超过或接近超过公差的对象,从而操作员可以集中于问题区域。
用户界面1300可以包括对CAD模型1310、来自激光模型200的点云1320、以及误差的直方图1350和误差的3D热图1330的显示。操作员可以选择CAD模型1310来打开CAD模型数据库425,以显示、添加或编辑如由提取CTF参数735使用的CTF参数。点云1320可以是原始零件点云900或如由操作员偏好限定的经配准的点云940。操作员还可以限定来自一个或多个平面扫描的数据是否显示在误差的3D热图1330中。还可以显示检验报告1340。检验报告1340可以包括具有范围和实际测量值的关键功能参数。结果可以用颜色编码,以使操作员能够快速识别超过公差的测量。例如,红色可以用于指示测量值超过其公差,而黄色可以测量值指示接近公差。用户界面1300还可以允许操作员编辑关键功能参数极限,从而改变可接受或不可接受的内容。检验报告1340还可以包括对象的图,其中对象的测量尺寸直接显示在其上。用图叠置所测量的尺寸以类似于原始图规格的格式显示了所测量的结果。用户界面1300还可以包括关键功能参数的历史趋势和跨多个批次或班次的统计过程控制信息。使用趋势和统计过程控制,可以识别和跟踪铸模随时间的磨损。数据可以用于关联进入的材料的变化或过程变化诸如温度或压力。操作员可以采取适当的措施来固定或更换生产出超过公差范围的对象的铸模。在铸模具有多个腔的情况下,可以跨多个批次或班次识别和跟踪特定腔中的对象。
在注塑成型中,操作员需要具有证明新铸模合格或评估现有铸模的磨损的能力。可以加载铸模的基准CAD模型,并且可以用铸模叠置对象或一批对象的误差的颜色热图覆盖,以指示超过铸模公差的位置。这将从铸模的初始安装到需要维修或更换铸模的时间表征并跟踪铸模。可以将热图随时间的显示提供给操作员,以向操作员显示铸模随时间的磨损。
每个铸模可以包含一个或多个生产对象的腔。在构建铸模时,将基于CAD模型生产每个腔。在设计铸模时,每个腔都将与CAD模型具有唯一的偏差。当铸模被制成以生产对每个腔独特的腔CAD网格时,每个腔可以被表征。使用腔号码或通过使用腔独特的偏差作为腔签名,操作员能够识别出哪个腔制成了有缺陷的对象。这将从每个腔的初始安装到需要维修腔的时间表征并跟踪每个腔。这可以被显示以向操作员显示每个腔随着时间的磨损。
下面描述系统和过程的大体总结。使用检验系统的操作员首先将用于待检验的对象的CAD模型加载到检验系统中。如上所述,CAD模型可能已经被包括在CAD模型数据库中,或者通过操作员在开始检验过程之前由操作员加载到CAD模型数据库中。然后,由操作员手动地或者自动地将待被检验的对象放置在传送装置上,并且传送装置马达控件驱动传送装置,使得对象以已知速度被移动到系统中。当对象移动到光学采集系统中时,光学采集系统捕获对象的至少一个图像。至少一个图像被发送到系统处理单元,诸如以上关于图4描述的系统处理单元。系统处理单元分析图像并确定对象的表面轮廓。系统处理单元在确定的对象的表面轮廓与来自CAD模型数据库的CAD范围图像之间执行模式匹配技术。基于模式匹配结果,从数据库中选择对应的CAD模型,以与被检验的对象进行比较。系统处理单元还使用捕获的图像来确定对象在传送装置上的位置和取向。
当对象在激光视场内沿着传送装置移动时,系统处理单元指示激光模块沿着传送装置在何处收集数据。随着对象沿着传送装置移动,激光模块垂直于传送装置方向在预定区域内来回横移,使得激光模块视场越过对象一次或多次。反射的激光在激光传感器处被接收,并且所接收的激光用于生成所扫描的对象的3D点云。所扫描的对象的原始零件点云被发送到系统处理单元,该系统处理单元基于对象沿着传送装置移动的速度以及执行扫描时激光模块的速度和方向对点云进行校正。如前所述,对点云的校正也可以通过使用位置数据来进行。然后准备对象的该经校正的3-D点云进行分析。
系统处理单元从零件辨识和查找过程中检索被确定为与零件轮廓匹配的CAD点云。CAD点云被旋转,使得其与确定的对象的坐标几何匹配。然后,将来自对象的激光扫描的经校正的3-D点云插入到预定的几何网格中,以与CAD模型进行比较。通过减法推理,将插入的经校正的3-D点云与CAD模型配对,并且一系列D值被计算用于点云中的每个点并且与点云中的每个点相关联。D值是和所检验的对象对应的CAD模型与对象160的经校正的3-D点云数据的相对位置之间的相减差。基于用户偏好,D值可以与设定的颜色对应。例如,用户可以为预定公差容差之外的D值选择红色,为公差内的值选择绿色。预定公差基于对象的CAD模型与所扫描的对象的点云之间允许多少偏差。带有颜色覆盖的CAD模型将被生成并被保存在报告中,并且可以应用平滑过程,以使颜色在热图的最终覆盖中看起来均匀。D值参数的平滑可以通过求平均值或其他手段来执行,以便在点云数据的视觉表示的颜色编码段之间获得平滑的灰度。点云数据的视觉表示可以被表示为一组颜色编码的点云数据点,一组在经配准的CAD模型的图像的顶上分层的颜色编码的点云数据点,或者通过在点云数据点之间形成多边形表面创建的颜色编码的多边形网格。当被呈现为颜色编码的多边形网格时,多边形表面根据其被指定的D值进行颜色编码,该D值是该多边形表面连接的点的D值的平均值。
如果D值超过如由CAD CTF参数限定的某个阈值,则传送装置停止,或者被检验的对象将从检验线中被移除,并且该特定对象的颜色覆盖的热图可能被显示在操作员控制面板上或被保存到故障报告。基于操作员或客户规格,如果D值进入某个阈值区域,则系统发出警报以通知操作员。该警报可以是在操作员控制面板处呈现的听觉或视觉警报。警报可以基于用户的喜好进行颜色编码以赋予紧急性。当警报是可听警报时,可以使用不同的声调、声音或音量来表达紧急程度。警报还可以是通过网络接口发送给预定收件人的预定义或自定义电子邮件或文本消息。
如果D值没有超过CAD CTF参数所限定的某个阈值,则允许传送装置和对象继续。该特定对象的颜色覆盖热图可以被显示在操作员控制面板上或被保存到操作员报告。
光学采集单元和激光模块200检验被呈现给光学采集单元和激光模块的对象的平面或面。但是,对象可能在没有呈现给光学采集单元和激光模块的平面或面上具有CAD CTF参数。也就是说,对象的一个表面将与传送装置接触,因此对于被定位在传送装置上方的光学采集单元和激光模块将是不可见的。为了使对象的与传送装置接触的底表面成像,从而获得对对象的所有表面的完整扫描,该系统可以包括被定位在传送装置的至少顶表面下方的附加激光模块。带可以由透明材料制成,从而允许底部激光模块通过透明传送装置扫描对象的表面。在这样的配置中,底部和顶部激光模块都将扫描被检验的对象,捕获所有表面的激光扫描。底部表面的扫描与来自顶部激光模块的扫描组合,以形成表示对象的所有表面的组合点云。然后,将该组合点云与数据库中的CAD模块进行比较,如上所述。还可以在传送装置下方放置附加的光学采集单元,以捕获与传送装置接触的表面的图像。替代性地,传送装置可以包括两个分开的带,它们之间具有小的间隙。可以将激光模块放置在间隙的下方,其中其视场平行于间隙的长度。当被检验的对象跨过间隙从一个传送带到另一个传送带时,定位在该间隙下方的激光模块将捕获底表面的扫描。同样,底表面的这些扫描可以与来自顶部激光模块的扫描组合,以形成表示对象的所有表面的组合点云。作为使用透明传送装置和将另一激光模块定位在传送装置下方的替代,当被检验的对象沿着传送装置移动时,其可以被翻转或旋转以暴露对象的隐藏平面。对象可以被简单地翻转,或者其可以被自动捕获和旋转,使得对象的所有平面被呈现给光学采集单元或激光模块以进行检验。
在另一实施方式中,可以将待被检验的对象输送(funnel)到光学采集单元,该光学采集单元可以识别该对象以确定是否将具有CAD CTF参数的正确平面呈现给光学采集单元。如果呈现了对象的正确平面,则允许其沿着传送装置继续。如果呈现错误的一侧,则将对象翻转过来,然后再通过激光模块对其进行检验。这具有下述优点:使所有对象处于相同取向,并允许较简单的翻转机构,并减少了传送装置上需要由激光模块扫描的区域。在一些情况下,当用于对象的CAD模型不可用时,已知在规格内的黄金(golden,金色的)对象可能是可用的。在该实施方式中,将用光学采集单元和激光模块扫描黄金对象,以自动生成并上传预期被检验的对象的CAD轮廓,并且其中可以在CAD模型数据库中执行进一步的更新。在该情况下,操作员会将黄金对象放置在传送装置上,并将系统处理单元配置成将CAD平面网格和相关联的CAD点云、CAD范围图像存储到CAD模型数据库中,以供将来零件辨识和查找。操作员可以通过操作员控制面板或网络接口将所需的CAD CTF参数添加到CAD模型数据库中。在另一实施方式中,当检验系统检测到其在零件辨识和查找过程中未能识别的被扫描的对象时,检验系统可以向操作员发送警报,使得操作员可以采取适当的措施。
在另一实施方式中,可以检验具有已知尺寸的黄金对象,以验证检验系统的校准。在该实施例中,操作员将检验系统配置成进行校准,然后将黄金对象手动或自动放置在传送装置上以由光学采集单元和激光模块扫描。此外,通过使用黄金对象进行校准,可以校准光学采集单元和激光模块的工作距离、焦点、放大率和类似的图像参数。
多边形扫描仪通常用于激光打印引擎、条形码扫描仪中。多边形扫描仪可以用于高分辨率的面向行的扫描对象。旋转的多边形镜可以用于创建激光束,该激光束跨传送装置执行高速线性扫描。多边形镜可以通过马达旋转,并且可以由滚珠轴承或空气轴承旋转主轴支撑,以产生平稳的旋转,以使激光束内的畸变最小化。另外,激光传感器可以是线性阵列、CMOS或本领域已知的类似技术。
Claims (22)
1.一种用于对对象进行自动化在线检验的系统,包括:
传送装置,所述传送装置被配置成使被检验的对象沿着传送路径移动;
光学采集单元,所述光学采集单元被配置成捕获所述被检验的对象的图像并传输对象图像数据;
至少一个激光模块,所述至少一个激光模块被配置成捕获所述被检验的对象的激光扫描并生成表示所扫描的对象的点云数据;
系统存储器,所述系统存储器包括包含CAD模型的数据库;以及
系统处理单元,所述系统处理单元被配置成:
分析所述对象图像数据,并从CAD模型数据库中选择与所述被检验的对象对应的CAD模型;
使所选择的CAD模型与所述点云数据对准;以及
将所述点云数据与所述CAD模型进行比较。
2.根据权利要求1所述的系统,其中,所述系统处理器还被配置成:基于所述比较来确定所述对象是否是有缺陷的。
3.根据权利要求1所述的系统,其中,所述至少一个激光模块是具有在紫色光或紫外光范围内的波长的激光轮廓仪。
4.根据权利要求1所述的系统,还包括激光模块引导件,所述激光模块引导件将所述至少一个激光模块的移动限制到关于所述传送路径的预定方向。
5.根据权利要求1所述的系统,其中,所述至少一个激光模块包括第一激光模块和第二激光模块,所述第一激光模块和所述第二激光模块各自包括激光驱动器、至少一个激光传感器和微处理器。
6.根据权利要求1所述的系统,其中,所述系统处理器还被配置成:确定所述至少一个激光模块的视场与所述传送路径之间的角度关系,并且基于所确定的激光视场的端点之间因所述角度关系而引起的高度差来执行校准。
7.一种用于执行对对象的在线检验的方法,包括:
将待被检验的对象定位在传送装置上;
利用所述传送装置使所述对象沿着传送路径移动;
用光学采集单元捕获所述对象的光学图像;
用激光模块捕获表示所述对象的点云数据;
基于所捕获的光学图像,选择与所述被检验的对象匹配的用于对象的CAD模型;以及
将所述CAD模型与所捕获的点云数据进行比较。
8.根据权利要求7所述的方法,还包括:将所述CAD模型转换成CAD网格,以及从所述CAD网格提取平面以生成CAD平面网格。
9.根据权利要求8所述的方法,还包括:从所述CAD平面网格提取关键功能参数,并将所述CAD平面网格转换成CAD点云以用于与所捕获的点云数据进行比较。
10.根据权利要求7所述的方法,还包括:基于所捕获的光学图像,识别所述被检验的对象以及所述被检验的对象在所述传送装置上的位置和取向。
11.根据权利要求7所述的方法,其中,识别所述被检验的对象包括:在所捕获的光学图像中的感兴趣区域上生成边界框;以及执行对象辨识过程,所述对象辨识过程包括与存储在数据库中的CAD模型进行模式匹配。
12.根据权利要求11所述的方法,还包括:执行对所述CAD模型的平移和旋转,以便使所述CAD数据与所捕获的点云数据对准。
13.根据权利要求7所述的方法,还包括:生成热图,所述热图指示所述CAD模型与所捕获的点云数据之间的差;以及确定热图水平是否落在针对所述被检验的对象的预定公差水平内。
14.一种用于检验对象的计算机实施的方法,所述方法包括:
接收从用激光模块对对象的扫描获得的表示刚性对象的目标三维点云;
加载所述刚性对象的参考3D网格模型的投影库和特征向量集;
计算目标点云的二维投影并生成对应的特征向量;
通过识别与所述目标点云匹配的所述刚性对象的静止位置和旋转角度,来执行对所述目标点云的粗略二维配准;
基于所述二维配准,生成所述目标点云与参考网格模型之间的对应的初始几何变换;
将所述初始几何变换应用于所述目标点云;
对经变换的目标点云与相同的所述参考网格模型执行精细的三维配准;
生成所述目标点云与所述参考网格模型之间的源于所述三维配准的最终几何变换;
将所述最终几何变换应用于所述目标点云;
测量所述经变换的目标点云与相同的所述参考网格模型之间的差,并记录所测量的差。
15.根据权利要求14所述的计算机实施的方法,其中,生成投影库包括计算所述参考网格模型的凸包和质心。
16.根据权利要求14所述的计算机实施的方法,其中,所述二维配准包括对所述参考网格模型的不同视图执行主成分分析。
17.根据权利要求16所述的计算机实施的方法,其中,以所述参考网格模型的不同静止位置的不同角度执行所述主成分分析。
18.根据权利要求14所述的计算机实施的方法,其中,所述三维配准包括执行迭代最近点计算,以确定目标点云与参考网格模型之间的对应关系。
19.根据权利要求14所述的计算机实施的方法,其中,所述初始几何变换包括旋转和平移矩阵。
20.根据权利要求14所述的计算机实施的方法,其中,所述最终几何变换包括仿射变换。
21.根据权利要求14所述的计算机实施的方法,其中,所述参考网格模型和目标点云被映射或下采样到二维图像。
22.根据权利要求14所述的计算机实施的方法,还包括:执行匹配标准以计算所述经变换的目标点云与所述参考网格模型之间的差。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762587806P | 2017-11-17 | 2017-11-17 | |
US62/587,806 | 2017-11-17 | ||
US16/033,858 | 2018-07-12 | ||
US16/033,858 US11049236B2 (en) | 2017-11-17 | 2018-07-12 | Automated in-line object inspection |
PCT/US2018/057732 WO2019099167A1 (en) | 2017-11-17 | 2018-10-26 | Automated in-line object inspection |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111373437A true CN111373437A (zh) | 2020-07-03 |
Family
ID=66532471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880074234.7A Pending CN111373437A (zh) | 2017-11-17 | 2018-10-26 | 自动化的在线对象检验 |
Country Status (4)
Country | Link |
---|---|
US (3) | US11049236B2 (zh) |
EP (1) | EP3711019A1 (zh) |
CN (1) | CN111373437A (zh) |
WO (1) | WO2019099167A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184637A (zh) * | 2020-09-14 | 2021-01-05 | 中国质量认证中心 | 一种3d打印成形件缺陷在线测评装置 |
CN113758458A (zh) * | 2021-08-31 | 2021-12-07 | 南京茂莱光学科技股份有限公司 | 一种复曲面镜的面形测量方法 |
CN114322754A (zh) * | 2020-10-09 | 2022-04-12 | 维尔泰克视觉国际有限公司 | 用于检查修复或装配操作的方法和系统 |
CN116879920A (zh) * | 2023-07-12 | 2023-10-13 | 中电建绿建有限公司 | 一种基于激光点云技术的堤坝质量检测方法及系统 |
CN117805853A (zh) * | 2024-02-29 | 2024-04-02 | 钛玛科(北京)工业科技有限公司 | 一种激光反射式边缘检测装置及方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3764818B1 (en) * | 2018-03-14 | 2023-09-06 | Atlas Pacific Engineering Company | Produce orientor |
EP3811288A4 (en) * | 2018-06-22 | 2022-03-16 | Raytheon Technologies Corporation | SYSTEMS AND PROCESSES FOR AUTOMATIC ADAPTIVE MANUFACTURING OF AIRFOIL CASTINGS |
IL261733B (en) * | 2018-09-13 | 2022-09-01 | Inspekto A M V Ltd | Streamline an automated process of visual inspection |
US11039808B2 (en) * | 2019-02-13 | 2021-06-22 | Analogic Corporation | Scanning systems configured to inspect conveyed objects and related systems and methods |
US11599128B2 (en) * | 2020-04-22 | 2023-03-07 | Boston Dynamics, Inc. | Perception and fitting for a stair tracker |
US11548151B2 (en) | 2019-04-12 | 2023-01-10 | Boston Dynamics, Inc. | Robotically negotiating stairs |
US11022562B2 (en) * | 2019-04-15 | 2021-06-01 | Illinois Tool Works Inc. | Methods and systems for vision system assisted inspections |
US11718418B2 (en) * | 2019-05-03 | 2023-08-08 | The Boeing Company | Determining servicability and remaining life of an in-service structure using three-dimensional scan data |
US11768574B2 (en) * | 2019-05-07 | 2023-09-26 | Hexagon Metrology, Inc. | Graphical user interface for scheduling and monitoring an automated inspection process for batch production |
TWI700129B (zh) * | 2019-07-24 | 2020-08-01 | 開必拓數據股份有限公司 | 基於自我學習技術之移動物品分類系統及方法 |
US11288861B2 (en) | 2019-12-20 | 2022-03-29 | Zoox, Inc. | Maps comprising covariances in multi-resolution voxels |
US11430087B2 (en) * | 2019-12-20 | 2022-08-30 | Zoox, Inc. | Using maps comprising covariances in multi-resolution voxels |
US11162770B2 (en) | 2020-02-27 | 2021-11-02 | Proto Labs, Inc. | Methods and systems for an in-line automated inspection of a mechanical part |
JPWO2022024464A1 (zh) * | 2020-07-29 | 2022-02-03 | ||
EP4095795A1 (en) * | 2021-05-28 | 2022-11-30 | Fujitsu Limited | Automated optical guide |
CN113649668B (zh) * | 2021-08-17 | 2022-12-13 | 熵智科技(深圳)有限公司 | 一种工件模板点云生成方法、装置、计算机及存储介质 |
US20230062286A1 (en) * | 2021-09-01 | 2023-03-02 | Exocad Gmbh | Compensating deviations using a full manufacturing result |
TWI814483B (zh) * | 2022-07-12 | 2023-09-01 | 中國鋼鐵股份有限公司 | 金屬胚辨識系統與方法 |
WO2024037769A1 (en) | 2022-08-18 | 2024-02-22 | Carl Zeiss Ag | Method and manufacturing installation for producing a plurality of workpieces |
CN116862912B (zh) * | 2023-09-04 | 2023-11-24 | 山东恒信科技发展有限公司 | 基于机器视觉的原料油杂质检测方法 |
CN117299583B (zh) * | 2023-11-25 | 2024-05-03 | 东莞市欧宇精密科技有限公司 | 一种光学筛选机的控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040254758A1 (en) * | 2003-05-28 | 2004-12-16 | Chih-Kuang Chang | System and method for detecting defects of objects based on a CAD platform |
US20090245616A1 (en) * | 2008-03-26 | 2009-10-01 | De La Ballina Freres | Method and apparatus for visiometric in-line product inspection |
US20160300003A1 (en) * | 2015-04-13 | 2016-10-13 | Bell Helicopter Textron Inc. | Rotorcraft Component Simulation using Scan-based Geometry |
US20170280114A1 (en) * | 2016-03-28 | 2017-09-28 | Jeffrey Samuelson | Method and Apparatus for Applying an Architectural Layout to a Building Construction Surface |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL7907597A (nl) * | 1979-10-15 | 1981-04-21 | Philips Nv | Gasontladingslaserinrichting. |
US6473186B2 (en) * | 2000-05-22 | 2002-10-29 | Mitutoyo Corporation | Scanning wide-area surface shape analyzer |
DK1325471T3 (da) | 2000-10-11 | 2011-08-08 | Fraunhofer Ges Forschung | Gengivelse af et objekt ved hjælp af en gennemstråling samt rekonstruktion under anvendelse af simulerede gennemstrålingsdata |
US7103399B2 (en) | 2003-09-08 | 2006-09-05 | Vanderbilt University | Apparatus and methods of cortical surface registration and deformation tracking for patient-to-image alignment in relation to image-guided surgery |
US8311311B2 (en) * | 2005-10-31 | 2012-11-13 | Mitutoyo Corporation | Optical aberration correction for machine vision inspection systems |
DE102008045746A1 (de) | 2008-09-04 | 2010-03-25 | Lufthansa Technik Ag | Verfahren zum Vermessen des Innenraums eines Flugzeugs |
US8526705B2 (en) * | 2009-06-10 | 2013-09-03 | Apple Inc. | Driven scanning alignment for complex shapes |
WO2011012274A1 (en) * | 2009-07-27 | 2011-02-03 | Helmholtz Zentrum München Deutsches Forschungszentrum Für Gesundheit Und Umwelt (Gmbh) | Imaging device and method for optoacoustic imaging of small animals |
CN101927391A (zh) * | 2010-08-27 | 2010-12-29 | 大连海事大学 | 对破损金属部件进行自动堆焊修复的方法 |
WO2012061945A1 (en) * | 2010-11-10 | 2012-05-18 | Ambercore Software Inc. | System and method for object searching using spatial data |
JP2015011237A (ja) * | 2013-06-28 | 2015-01-19 | キヤノン株式会社 | 光走査装置及び画像形成装置 |
US10812694B2 (en) * | 2013-08-21 | 2020-10-20 | Faro Technologies, Inc. | Real-time inspection guidance of triangulation scanner |
EP2905744A1 (en) * | 2014-02-05 | 2015-08-12 | Fujitsu Limited | Mesh quality improvement in computer aided engineering |
US10284794B1 (en) * | 2015-01-07 | 2019-05-07 | Car360 Inc. | Three-dimensional stabilized 360-degree composite image capture |
GB201504360D0 (en) * | 2015-03-16 | 2015-04-29 | Univ Leuven Kath | Automated quality control and selection system |
US10350839B2 (en) * | 2015-05-21 | 2019-07-16 | The Boeing Company | Remote advanced repair guidance |
US10360438B2 (en) * | 2015-12-30 | 2019-07-23 | Dassault Systemes | 3D to 2D reimaging for search |
JP6788015B2 (ja) | 2016-01-11 | 2020-11-18 | エレメンタル サイエンティフィック レーザーズ エルエルシー | サンプル処理中における同時パターンスキャン配置 |
CN105844057B (zh) | 2016-04-15 | 2018-10-19 | 中国科学院上海技术物理研究所 | 基于光束和三角面片求交的激光扫描成像快速仿真方法 |
US10761195B2 (en) * | 2016-04-22 | 2020-09-01 | OPSYS Tech Ltd. | Multi-wavelength LIDAR system |
US10145133B2 (en) * | 2016-10-20 | 2018-12-04 | General Electric Company | Reinforcement assembly for wind turbine tower |
KR20180060784A (ko) * | 2016-11-29 | 2018-06-07 | 삼성전자주식회사 | 비정상 객체 판단 방법 및 장치 |
TWI632342B (zh) * | 2016-11-30 | 2018-08-11 | 財團法人工業技術研究院 | 量測設備及量測方法 |
US20170084085A1 (en) * | 2016-11-30 | 2017-03-23 | Caterpillar Inc. | System and method for object recognition |
US10628949B2 (en) | 2017-12-18 | 2020-04-21 | Samsung Electronics Co., Ltd. | Image processing with iterative closest point (ICP) technique |
-
2018
- 2018-07-12 US US16/033,858 patent/US11049236B2/en active Active
- 2018-10-26 WO PCT/US2018/057732 patent/WO2019099167A1/en unknown
- 2018-10-26 CN CN201880074234.7A patent/CN111373437A/zh active Pending
- 2018-10-26 EP EP18801177.9A patent/EP3711019A1/en active Pending
-
2020
- 2020-07-08 US US16/923,629 patent/US11087458B2/en active Active
-
2021
- 2021-06-01 US US17/335,755 patent/US20210295492A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040254758A1 (en) * | 2003-05-28 | 2004-12-16 | Chih-Kuang Chang | System and method for detecting defects of objects based on a CAD platform |
US20090245616A1 (en) * | 2008-03-26 | 2009-10-01 | De La Ballina Freres | Method and apparatus for visiometric in-line product inspection |
US20160300003A1 (en) * | 2015-04-13 | 2016-10-13 | Bell Helicopter Textron Inc. | Rotorcraft Component Simulation using Scan-based Geometry |
US20170280114A1 (en) * | 2016-03-28 | 2017-09-28 | Jeffrey Samuelson | Method and Apparatus for Applying an Architectural Layout to a Building Construction Surface |
Non-Patent Citations (2)
Title |
---|
BOSCHE, FREDERIC: "Automated recognition of 3D CAD model objects in laser scans and calculation of as-built dimensions for dimensional compliance control in construction", ADVANCED ENGINEERING INFORMATICS, vol. 24, no. 1, pages 107 * |
KIM, DONGHUN 等: "ESTIMATING HEAD POSE WITH AN RGBD SENSOR: A COMPARISON OF APPEARANCE-BASED AND POSE-BASED LOCAL SUBSPACE METHODS", 2013 20TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP 2013), pages 3637 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112184637A (zh) * | 2020-09-14 | 2021-01-05 | 中国质量认证中心 | 一种3d打印成形件缺陷在线测评装置 |
CN114322754A (zh) * | 2020-10-09 | 2022-04-12 | 维尔泰克视觉国际有限公司 | 用于检查修复或装配操作的方法和系统 |
CN113758458A (zh) * | 2021-08-31 | 2021-12-07 | 南京茂莱光学科技股份有限公司 | 一种复曲面镜的面形测量方法 |
CN116879920A (zh) * | 2023-07-12 | 2023-10-13 | 中电建绿建有限公司 | 一种基于激光点云技术的堤坝质量检测方法及系统 |
CN116879920B (zh) * | 2023-07-12 | 2024-02-09 | 中电建绿建有限公司 | 一种基于激光点云技术的堤坝质量检测方法及系统 |
CN117805853A (zh) * | 2024-02-29 | 2024-04-02 | 钛玛科(北京)工业科技有限公司 | 一种激光反射式边缘检测装置及方法 |
CN117805853B (zh) * | 2024-02-29 | 2024-05-14 | 钛玛科(北京)工业科技有限公司 | 一种激光反射式边缘检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
US20190156472A1 (en) | 2019-05-23 |
US11087458B2 (en) | 2021-08-10 |
EP3711019A1 (en) | 2020-09-23 |
US11049236B2 (en) | 2021-06-29 |
US20200342581A1 (en) | 2020-10-29 |
WO2019099167A1 (en) | 2019-05-23 |
US20210295492A1 (en) | 2021-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11087458B2 (en) | Automated in-line object inspection | |
US11042146B2 (en) | Automated 360-degree dense point object inspection | |
CN114041168A (zh) | 自动化360度密集点对象检验 | |
CN107578464B (zh) | 一种基于线激光扫描的传送带工件三维轮廓测量方法 | |
CN111982921B (zh) | 孔缺陷的检测方法、装置、传送平台及存储介质 | |
Molleda et al. | A profile measurement system for rail quality assessment during manufacturing | |
EP2500686A1 (en) | Device and method for inspecting tyre shape | |
US20140114461A1 (en) | 3d machine vision scanning information extraction system | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
Bernal et al. | Performance evaluation of optical scanner based on blue LED structured light | |
US20170014945A1 (en) | Methods and systems for laser marking an identifier on an industrial product | |
Fischer et al. | Optical process monitoring in Laser Powder Bed Fusion using a recoater-based line camera | |
JP6285037B2 (ja) | 部品の製造方法及びそれを用いた製造装置、容積測定方法、形状測定方法 | |
Emam et al. | Dimensional deviation measurement of ceramic tiles according to ISO 10545-2 using the machine vision | |
Anchini et al. | Metrological characterization of a vision-based measurement system for the online inspection of automotive rubber profile | |
Son et al. | Path planning of multi-patched freeform surfaces for laser scanning | |
Lerchen et al. | Methods and procedure of referenced in situ control of lateral contour displacements in additive manufacturing | |
Prieto et al. | Visual system for fast and automated inspection of 3D parts | |
García et al. | Rail surface inspection system using differential topographic images | |
Zhang et al. | In-situ 3D contour measurement for laser powder bed fusion based on phase guidance | |
SEDLAK et al. | REVERSE ENGINEERING METHOD USED FOR INSPECTION OF STIRRER'S GEARBOX CABINET PROTOTYPE. | |
JP2020109374A (ja) | 表面検査装置および表面検査方法 | |
CN115574725B (zh) | 一种基于线结构光的钢板尺寸测量方法及系统 | |
Zolfaghari et al. | On-line 3D geometric model reconstruction | |
Góral et al. | Precise 3D vision based measurements of gear wheels |
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 |