CN111412868A - 表面粗糙度测量 - Google Patents
表面粗糙度测量 Download PDFInfo
- Publication number
- CN111412868A CN111412868A CN201911373172.2A CN201911373172A CN111412868A CN 111412868 A CN111412868 A CN 111412868A CN 201911373172 A CN201911373172 A CN 201911373172A CN 111412868 A CN111412868 A CN 111412868A
- Authority
- CN
- China
- Prior art keywords
- component
- image
- roughness
- images
- map
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- 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
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
-
- 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
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- 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
-
- 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
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
-
- 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
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/128—Adjusting depth or disparity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
- H04N13/156—Mixing image signals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B2210/00—Aspects not specifically covered by any group under G01B, e.g. of wheel alignment, caliper-like sensors
- G01B2210/52—Combining or merging partially overlapping images to an overall 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10141—Special mode during image acquisition
- G06T2207/10152—Varying illumination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/246—Calibration of cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Probability & Statistics with Applications (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供了使用包括可调谐激光器光源和相机系统的光学系统测量部件的表面粗糙度的方法。将待测量的所述部件定位在所述光学系统的前部的安装件上。在第一位置处以第一波长λ1捕获所述部件的第一图像,然后在所述第一位置处以第二波长λ2捕获所述部件的第二图像。确定所述第一图像和所述第二图像的散斑统计相关性(SSC)系数。针对组合的所述第一图像和所述第二图像的SSC系数进行绘图。根据所述SSC系数绘制图计算粗糙度参数Ra和Rq。根据所计算的粗糙度参数Ra和Rq绘制成像表面的粗糙度标测图。将所述光学系统移动到新位置,并在所述新位置处重复步骤(b)至步骤(f),并且重复这些步骤直到所述部件的期望区域已经被成像。拼接关于每个位置的粗糙度标测图,以形成所述部件的所述期望区域的总体粗糙度标测图。
Description
技术领域
本公开涉及用于测量部件尤其是用于气体涡轮引擎的大的平坦或弯曲部件(诸如叶片)的表面粗糙度的方法。
背景技术
测量材料的表面粗糙度对于确定关于部件性能的信息以及能够检测部件形成中的故障或问题是重要的。航空工业对提高部件质量、强度和承载的当前设计要求导致了对改进的故障测定的要求。这将导致表面积超过数米的大面积部件,但部件或特征的尺寸却是微米级的。这些要求还对部件的度量施加了严格的要求。因此,这些部件所需的测量技术是精确的,因为它们必须能够适配部件的正常生产以及能够检测任何小的缺陷。
目前存在多种确定样品的表面粗糙度的方法;然而,这些方法通常适用于小表面积物体。这些方法可被分类为线轮廓分析、面轮廓分析或面集成技术。这些方法已广泛应用于航空工业中以证实对相应标准的遵守。这些方法包括在整个表面上移动触针、白光干涉测量法、散斑成像和显微镜法。然而,这些方法目前受到它们的逐点数据采集和小视场的限制。因此,需要改进这些方法以对大面积成像。然而,所有这些技术均受污染、测量速度或测量视场的限制。
克服这些问题的一种方式是使用光学技术。具体地,需要进一步探索激光器和散斑成像的使用。激光器散斑成像利用来自表面的相干光的随机散射和干涉来确定表面上是否存在差异。在所有基于散斑的技术中,对用于表面拓扑测量的散斑相关性技术进行了最多的研究。然而,所有这些测量技术尚未克服测量大部件的问题。这些技术要克服的问题是技术的速度、面积和/或分辨率中的一者或多者。因此,需要对方法进行改进以使其可用于航空工业以及诸如汽车、船舶、核和医疗等的在大面积部件上需要高公差的其他工业。
发明内容
根据第一方面,提供了使用包括可调谐激光器光源和相机系统的光学系统测量部件的表面粗糙度的方法,该方法包括:(a)将待测量的部件定位在光学系统的前部的安装件上;(b)在第一位置处以第一波长 捕获部件的第一图像,然后在该第一位置处以第二波长λ2捕获部件的第二图像;(c)将第一图像和第二图像相关联;(d)确定第一图像和第二图像的散斑统计相关性(SSC)系数;(e)针对组合的第一图像和第二图像的SSC系数进行绘图;(f)根据SSC系数绘制图计算粗糙度参数Ra和Rq;(g)根据所计算的粗糙度参数Ra和Rq绘制成像表面的粗糙度标测图;(h)将光学系统移动到新位置,并在该新位置处重复步骤(b)至步骤(g),并且重复这些步骤直到部件的期望区域已经被成像;以及(i)拼接关于每个位置的粗糙度标测图,以形成部件的期望区域的总体粗糙度标测图。
本公开是有益的,因为其提供了长距离下的非接触、非破坏性表面粗糙度测量。该方法还减少了部件的总体测量时间。它还能够提供易于自动化的准确并可重复的测量过程。
在将第一图像和第二图像相关联之前,可对图像进行裁切。
可通过对像素进行平均来创建粗糙度标测图。
进行平均可使用ISO 25178来完成。
可将总体粗糙度标测图显示给用户,并保存以供随后参考。
在步骤10中执行的拼接可通过如下进行:输入图像的图像尺寸并定义拼接序列,定义待拼接在一起的图像之间的重叠,以及根据拼接序列合并图像以形成总体粗糙度标测图。
光学系统可安装在具有5个自由度的自动平移镜台上。
可调谐激光器光源可耦合到光纤,以输送用于对部件的表面进行照明的光。
光学系统可将来自激光源的结构光投射到部件的表面上。
成像系统可包括用于立体成像的两个相机。
待成像的部件可以是气体涡轮引擎的一部分。
本领域的技术人员将理解,除非相互排斥,否则关于任何一个上述方面描述的特征如作适当变动,可以应用于任何其他方面。此外,除非相互排斥,否则本文中描述的任何特征可以应用于任何方面以及/或者与本文中描述的任何其他特征组合。
附图说明
现在将参考附图仅以举例的方式来描述实施方案,其中:
图1示出了根据本公开的方法的使用相机系统待测量的部件;
图2a是在本公开中使用的光学系统的实施方案;图2b是在本公开的方法中使用的光学系统的另选的实施方案;
图3a呈现了在本公开中使用的立体成像系统的另选的实施方案,图3b呈现了使用立体成像系统所需的方法步骤;
图4a呈现了在本公开中使用的结构光投影系统的另选的实施方案,图4b呈现了使用结构光投影系统所需的方法步骤;
图5a至图5e呈现了组合样品的散斑成像的示例;
图6是在组合本公开的图像中使用的可选的拼接技术的流程图;
图7呈现了本公开的方法的流程图。
图8示出了在图2b中呈现的实施方案,其测试了使用本公开的方法测量的尺寸为450mm×210mm的物体的表面粗糙度测量结果。
具体实施方式
现在将参考附图讨论本公开的方面和实施方案。另外的方面和实施方案对于本领域的技术人员而言是显而易见的。
如上所述,使用散斑成像来确定表面粗糙度是已知的。该技术利用相干光(诸如由激光器产生的光)来照明表面。入射光从物体的表面散射并随机干涉,使得在对反射光成像时其产生一系列亮暗图案—正是这些图案被称为散斑。然后可获取第二图像,其中通过光的波长来修改散斑尺寸或调整散斑尺寸。这是因为光谱散斑相关性(SSC)(即两个散斑图像的相关性)利用了所使用的照明源的波长与单个散斑尺寸之间的关系。这通过确定来自已被相关的两个图像的散斑统计来计算。关联两个连续散斑图案所需的条件是:(a)表面粗糙度的均方根(RMS)大于相干光源的波长;(b)图像形成完全显影的散斑(对比度等于1)并且表面高度概率分布为高斯分布;并且(c)图像由各向同性并均匀的材料形成,由此忽略阴影、多次反射和体积散射。影响相关性系数(SSC)与RMS表面粗糙度(Rq)之间的关系的理论公式可被描述为:
其中λ1和λ2是用于获得散斑图像的照明波长。Δλ是照明波长λ1与λ2之间的差值。θ是照明角度,其等于观察角度。另外,假设待测表面具有高斯分布,则Rq够通过以下公式与平均粗糙度Ra相关。
因此,由此可确定工件的平均粗糙度。
图1中示出了用于大面积测量的相机系统10的示例。此处,样本11被安装在镜台12上。然后,将成像装置/相机13安装在具有5个自由度的平移镜台14上。这允许相机13以俯仰和横摆移动以及在x、y和z方向上移动。这样做的一个另选方案是为了将相机固定并且使样品以相同的自由度相对于相机移动。利用相机系统能够以其5个自由度移动,可调整观察角度以对整个工件成像。
存在用于对样品进行照明的多个选项。光相干的要求意味着必须采用激光器系统。然而,光源的选择可以是任何合适的激光器或具有大的相干度的光源。在图2a和图2b所示的示例中,使用波长可调谐激光器,这可以是氩激光器(例如,其他HeNe、染料、CO2和二极管激光器)。图2a示出了适于执行本公开的方法的光学装置20的示例。在该光学装置中,可使用分束器和反射镜将来自激光器的输出引导到样品上以产生大的照明区域。在仅为示例的附图中,来自激光器的光被引导到第一成角度的分束器22,该分束器允许50%的光沿着路径A反射,而剩余的50%沿着路径B行进,沿着路径A的光被引导到第二成角度的分束器23,该分束器再次将光分开,将一半的光引导到反射镜M1,将另一半的光引导到反射镜M2。反射镜M1和M2将这部分光引导到待成像的工件30上。沿着路径B行进的光被引导到第三分束器24,该分束器将沿着该路径的光引导到反射镜M3和M4。这些反射镜继而像反射镜M1和M2一样将光引导到样品表面上的分离点。由相机25收集从工件反射的光并成像。希望这两条路径下的光束的强度相等,使得由散射所产生的强度将在整个成像表面上相等。本领域技术人员将理解,存在大量可实现类似照明特征的光学部件的变型。照明光的角度相对于相机的角度能够被设定为任何合适的值。例如,这可以是照明角度等于反射角度。然而,这些能够相对于彼此变化。对于曲面,其他角度可能是期望的。
图2b中呈现了第二另选的光学照明系统。此处,激光器21发射的光在被引导到工件30的表面之前被耦合到光纤27中。然后由相机25捕获来自工件的反射光。该示例示出了仅使用单个光纤的情况。然而,应当理解,光束能够沿光纤分开以产生多于一个照明点。
另一另选的光学装置是将结构光投射到待成像物体的表面上。结构光是将已知图案投射到物体上的过程,其方式是该图案由于离开表面的反射而变形,从而允许视觉系统计算待测物体表面上的形貌的深度和表面信息。对于该系统,需要施加两个不同波长λ1和λ2的结构光。图3a示出了使用结构光的成像装置的示例。图3b中示出了该技术的处理步骤。第一步是校准投光器和相机。第二步是使用投影仪投射来自激光器系统的条纹图案,使得光具有特征。这在λ1和λ2两者下完成,以便产生用于SSC相关性的两个必需的图像。第三步能够以两种方式中的一种完成。第一选项是使用相位卷绕/解卷绕,这是一种用于分割相位标测图并减少相邻像素之间的相位计算中的不连续性的技术。第二选项是使用图案识别和条纹上的点的三角形划分。通常使用此类技术是将二元灰度编码、快速傅立叶变换(FFT)和图案识别组合以用于成像物体的3D重建。这允许将两个图像相关联并组合。由这两个图像,可创建成像表面的深度标测图,这在第四步中完成。第五步产生λ1和λ2图像的逐点相关性,以产生散斑标测图。利用所再现的点的散斑图像,能够创建成像的每个区域的SSC相关性,并且在第六步中确定表面粗糙度Rq。
图4中示出了上述装置和过程的另选方案。在该另选方案中,代替使用多个照明点,然后系统使用两个相机来捕获表面的立体视觉图像。为了使用此类系统,激光器照明光斑被扩展以在物体的表面上形成大面积光斑。然后,相对于该光斑,可将相机定位在相对于照明光斑的期望点处。图4a中示出了这样的一个示例。在这样做时,可将两个相机安装到单独的5个自由度的移动镜台上,使得能够根据需要移动和定位相机。在这种情况下为了获得期望的结果,需要将光束扩展到期望的尺寸,这可使用任何合适的手段来完成。照明光斑尺寸可以是任何合适的尺寸。该光斑尺寸将取决于物体的形状和尺寸或激光器光斑所需的期望功率和强度。在创建光学装置的情况下,需要解析图像,并且需要获得SSC参数的过程,以便获得RMS表面粗糙度Rq。该过程在图4b中阐述。第一步是校准立体系统。第二步是获得图像并对其进行修正。这使用可调谐激光器在两个不同波长的光下完成。在第三步中,利用在不同波长下获得的图像,能够提取并记录表面特征。第四步使用这两个图像以计算任何视差并形成图像的3D重建。利用3D重建并且将两个图像链接到表面上的相同位置,对于在两个不同波长下获得的图像,能够获得这两个图像之间的相关性。这允许对λ1和λ2下的图像进行逐点相关,以根据两个相机的3D信息形成物体的散斑图像。在这一步中,也可使用共配准技术来关联对应的点云,诸如迭代最近点(ICP)、PROCRUSTES等。可用于提高图像质量的可选步骤是在点云上使用插值技术;该插值技术可以是最近邻法(NN)或移动平面法(MP)。根据附图及其相关的点云,可针对SSC相关性和RMS表面粗糙度Rq进行绘图。在前四个步骤之后,允许产生已检查表面的校准的3D标测图。为了产生高质量图像,使用该选项来获得图像需要找到物体表面的清晰特征,以便获得两个图像之间的良好配准。
用于这些不同光学系统的相机可以是任何合适的相机系统,诸如电荷耦合装置(CCD),或另选地可使用硅基互补金属氧化物(CMOS)。
然后需要处理由光学系统获得的图像,以确定对于特定照明点的样品的表面粗糙度。图像处理用于转换来自每个相机像素的输出以获得SSC值。为了对此进行处理,使用适当的软件来关联在λ1和λ2下捕获的图像。例如,这可在MATLABTM建模软件或其他合适的处理软件中创建。图5中示出了该过程的步骤的示例性图像。该图呈现了使用图2b中呈现的光学系统获得的图像的示例性相关性。图5a和图5b分别示出了由系统在波长λ1和λ2下获得的图像的示例。然后如图5c所示确定相关性绘制图;这利用了通过像素-像素相关的散斑图像的强度相关性。由此,使用公式1和公式2将SSC绘制图转换成表面粗糙度绘制图,如图5d所示。然后,最终步骤是使用相机校准参数对该绘制图进行二次采样,因为相机上的每个像素对应于样品上的特定区域。通过设置这些校准参数,基于ISO标准25178第6部分选择以像素为单位的评估长度。该标准涉及几何产品规范(GPS)-表面纹理面积,其中第6部分涉及用于测量表面纹理的方法的分类。该最终处理步骤示于图5e中,在该示例中,评估长度被设定为4个像素。
为了高精度地实现大面积处理,必须在样品上的不同点上重复该过程。为了以这种方式精确地成像,单独的图像必须在成像的样品区域中具有重叠。这种重叠允许将图像拼接在一起,使得多个较小的图像能够用于产生大得多的物体的图像。例如,重叠可以是图像的50%,或图像的45%、40%、35%、30%、25%、20%或15%。拼接的处理在图6中阐述。在第一步中,将图像连同关于图像所覆盖区域的尺寸的信息一起输入到系统中。这是连同期望的拼接序列一起输入的。该拼接序列将根据被拼接在一起以形成最终图像的图像的数量而变化。在确定了拼接顺序的情况下,第二步设置图像之间的重叠水平。如上所述,这可以是任何合适的值,并且将取决于最终图像中所需的精度。利用前两个步骤的参数输入,第三步以期望的拼接顺序合并图像。第四步显示来自合并图像的最终输出,以显示大于原始输入图像的粗糙度标测图的粗糙度标测图。这样做,通过保持类似的实验参数,能够获得用于大规模物体的高分辨率表面粗糙度绘制图。
可用于产生针对大规模物体的图像的处理步骤在图7中阐述。步骤1将待测量的部件安装在镜台上。然后可在原始位置处执行系统的校准。这确保了系统处于启动成像的适当位置,并且所有平移镜台都处于其用于成像的正确位置。根据待成像物体的类型,不同物体的校准点可根据系统的要求而不同。步骤2将设备移动到待成像的第一位置。根据待成像的物体,可选择性地选择第一图像的位置,这可位于直接中心处或朝向期望的拐角边缘。在光学设备处于第一成像位置的情况下,以第一波长λ1捕获图像以产生图像A。然后,系统在与图像A的位置相同的位置处捕获图像,但此次以不同的波长λ2进行,以产生图像B。在获取了两个图像的情况下,然后可将图像裁切以进行其相关性处理。裁切用于将图像限制为仅感兴趣的像素。这可以是用户定义的裁切,或者可将裁切自动固定在图像中心的周围。在步骤3中,确定在步骤2中获得的第一图像和第二图像的SSC系数。SSC系数使用公式1确定,并针对裁切的区域图像进行绘图。步骤4针对组合图像的SSC系数进行绘图。步骤5利用SSC系数绘制图来确定Rq和Ra参数。步骤6绘制粗糙度标测图。该步骤可使用基于ISO标准25178的像素平均或利用任何其他合适的手段来完成。然后,还可保存针对第一位置的粗糙度标测图,将其保存在指定文件夹中。然后,在步骤7中,扫描移动到下一个位置上,并且在一个或多个位置处重复步骤2至步骤6,直到扫描完成。在步骤8中,在所有扫描完成的情况下,能够将图像拼接在一起以形成整个物体的粗糙度标测图。可包括显示该图像并将输出保存到指定文件夹中的附加步骤。此后,成像过程结束。
如果成像的区域大于单个图像,则需要执行图像的拼接以产生更大的成像结果。在进行表面粗糙度计算之前,需要将多个图像拼接在一起。实现图像的精确拼接在一起的一种方式是具有示出对于每次捕获的相机或已检查物体的位置和取向的外部输入。如果使用图3和图4的3D成像系统,则可导出变换矩阵,并将其应用于每个深度标测图以将其对准在一起。这类似于将2D图像拼接在一起时所使用的方法。能够使用的其他技术对于本领域的技术人员将是显而易见的。涉及计算的其他技术中的一些可能更复杂,因为物体表面可能不具有可区分的特征来配准。在这些情况下,能够将物理或光学标记施加到成像物体的表面,并将其用作配准和对准多个图像的标记。如果纹理投影被用作图4的结构光系统的一部分,则可使用诸如ICP的表面配准技术来对准图像。如果物体具有已存在于表面上的特征或者存在诸如裂缝的故障,则可使用诸如SIFT和FAST的2D特征提取和匹配方法来确定不同捕获之间的变换矩阵并且对准点云场景。
来自相机的每个图像中所覆盖的区域可以是任何合适的尺寸,前提条件是存在足够的分辨率以能够确定正在成像的工件的表面粗糙度。例如,图像可小于100mm×100mm。如本领域技术人员将理解的,图像不限制为正方形,它们也可以是矩形的,并且可具有任何合适的纵横比。将图像拼接在一起以形成部件的全尺寸图像所需的图像数量将取决于物体的尺寸、初始图像的尺寸和用于每个图像的重叠量。
图8中示出了对450mm×210mm的物体进行成像测试的一个示例性实施方案。为了捕获该图像,使用了光纤照明技术,类似于图2b中所示的技术。耦合到氩激光器的光纤照明系统在488nm的λ1和514.5nm的λ2下操作,并且类似于探头的相机在大面积上扫描以获得散斑图像。每个框架对应于在160mm工作距离处的60mm×45mm的区域。将所有图像以50%的重叠率拼接在一起。成像系统是自动的,并且通过预定义的轨迹执行整个图像捕获以获得成像系统所需的所有图像。使用拼接算法来执行如图6中所阐述的方法。
应当理解,本发明不限于上述实施方案,并且在不脱离本文中描述的概念的情况下可进行各种修改和改进。除非相互排斥,否则任何特征可以单独使用或与任何其他特征组合使用,并且本公开扩展到并包括本文中描述的一个或多个特征的所有组合和子组合。
Claims (11)
1.一种使用包括可调谐激光器光源和相机系统的光学系统测量部件的表面粗糙度的方法,所述方法包括:
(a)将待测量的所述部件定位在所述光学系统的前部的安装件上;
(b)在第一位置处以第一波长λ1捕获所述部件的第一图像,然后在所述第一位置处以第二波长λ2捕获所述部件的第二图像;
(c)确定所述第一图像和所述第二图像的散斑统计相关性(SSC)系数;
(d)针对组合的所述第一图像和所述第二图像的SSC系数进行绘图;
(e)根据所述SSC系数绘制图计算粗糙度参数Ra和Rq;
(f)根据所计算的粗糙度参数Ra和Rq绘制成像表面的粗糙度标测图;
(g)将所述光学系统移动到新位置,并在所述新位置处重复步骤(b)至步骤(f),并且重复这些步骤直到所述部件的期望区域已经被成像;以及
(h)拼接关于每个位置的所述粗糙度标测图,以形成所述部件的所述期望区域的总体粗糙度标测图。
2.根据权利要求1所述的方法,其中在将所述第一图像和所述第二图像相关联之前裁切所述图像。
3.根据权利要求1所述的方法,其中所述粗糙度标测图通过对像素进行平均来创建。
4.根据权利要求1所述的方法,其中将所述总体粗糙度标测图显示给用户并保存以供随后参考。
5.根据权利要求1所述的方法,其中在步骤10中执行的所述拼接通过如下进行:输入所述图像的图像尺寸并定义拼接序列,定义待拼接在一起的图像之间的重叠,以及根据所述拼接序列合并所述图像以形成所述总体粗糙度标测图。
6.根据权利要求1所述的方法,其中所述光学系统安装在具有5个自由度的自动平移镜台上。
7.根据权利要求1所述的方法,其中所述可调谐激光器光源耦合到光纤,以输送用于对所述部件的表面进行照明的光。
8.根据权利要求1所述的方法,其中所述光学系统将来自所述激光源的结构光投射到所述部件的所述表面上,以对正在成像的部件进行照明。
9.根据权利要求1所述的方法,其中所述光学系统包括用于立体成像的两个相机。
10.根据权利要求1所述的方法,其中所述待成像的部件是气体涡轮引擎的一部分。
11.一种用于气体涡轮引擎的叶片,所述叶片的表面粗糙度通过权利要求1所述的方法进行测量。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1900225.2 | 2019-01-08 | ||
GB201900225 | 2019-01-08 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111412868A true CN111412868A (zh) | 2020-07-14 |
Family
ID=68917686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911373172.2A Pending CN111412868A (zh) | 2019-01-08 | 2019-12-27 | 表面粗糙度测量 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20200219273A1 (zh) |
EP (1) | EP3680607A1 (zh) |
CN (1) | CN111412868A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114370844A (zh) * | 2021-12-20 | 2022-04-19 | 包头钢铁(集团)有限责任公司 | 一种板材表面特征值均匀度统计方法 |
CN115930850A (zh) * | 2023-02-06 | 2023-04-07 | 宜科(天津)电子有限公司 | 一种检测物体表面粗糙度的数据处理系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106802138B (zh) * | 2017-02-24 | 2019-09-24 | 先临三维科技股份有限公司 | 一种三维扫描系统及其扫描方法 |
US20230236083A1 (en) * | 2021-04-12 | 2023-07-27 | Cybernet Systems Corp. | Apparatus and methods for inspecting objects and structures with large surfaces |
CN113295106B (zh) * | 2021-05-26 | 2022-07-15 | 清华大学 | 一种双光梳散斑干涉测量系统及测量方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1284337B1 (de) * | 2001-08-14 | 2005-04-06 | ALSTOM Technology Ltd | Verfahren zur Bearbeitung einer beschichteten Gasturbinenschaufel |
US9134121B2 (en) * | 2012-08-20 | 2015-09-15 | Canon Kabushiki Kaisha | Determining material properties using speckle statistics |
-
2019
- 2019-12-16 EP EP19216655.1A patent/EP3680607A1/en not_active Withdrawn
- 2019-12-27 CN CN201911373172.2A patent/CN111412868A/zh active Pending
-
2020
- 2020-01-06 US US16/734,503 patent/US20200219273A1/en not_active Abandoned
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114370844A (zh) * | 2021-12-20 | 2022-04-19 | 包头钢铁(集团)有限责任公司 | 一种板材表面特征值均匀度统计方法 |
CN114370844B (zh) * | 2021-12-20 | 2024-03-22 | 包头钢铁(集团)有限责任公司 | 一种板材表面特征值均匀度统计方法 |
CN115930850A (zh) * | 2023-02-06 | 2023-04-07 | 宜科(天津)电子有限公司 | 一种检测物体表面粗糙度的数据处理系统 |
Also Published As
Publication number | Publication date |
---|---|
EP3680607A1 (en) | 2020-07-15 |
US20200219273A1 (en) | 2020-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111412868A (zh) | 表面粗糙度测量 | |
US7327857B2 (en) | Non-contact measurement method and apparatus | |
US10282855B2 (en) | Determining object properties with respect to particular optical measurement | |
WO2018103693A1 (zh) | 一种三维轮廓的光学混合检测方法 | |
US11619485B2 (en) | Hybrid 3D optical scanning system | |
CN113237435B (zh) | 一种高反光表面三维视觉测量系统及方法 | |
He et al. | Accurate calibration method for blade 3D shape metrology system integrated by fringe projection profilometry and conoscopic holography | |
EP1643210A1 (en) | Method and apparatus for measuring shape of an object | |
CN108362228B (zh) | 一种基于双光机的光刀光栅混合式三维测量装置及测量方法 | |
CN110864650A (zh) | 基于条纹投影的平面度测量方法 | |
JP2013186100A (ja) | 形状検査方法およびその装置 | |
CA2799705C (en) | Method and apparatus for triangulation-based 3d optical profilometry | |
CN109307483A (zh) | 一种基于结构光系统几何约束的相位展开方法 | |
US20140063230A1 (en) | Cell Feature Extraction and Labeling Thereof | |
US9157874B2 (en) | System and method for automated x-ray inspection | |
CN111272099A (zh) | 一种面向航空发动机叶片表面三维形貌的面结构光精密检测系统 | |
JP2014238299A (ja) | 被検物の計測装置、算出装置、計測方法および物品の製造方法 | |
JP6362058B2 (ja) | 被検物の計測装置および物品の製造方法 | |
CN108413872A (zh) | 基于法布里-珀罗多光束干涉的三维尺寸精密测量方法 | |
Salah et al. | New and optimal set up for 3D-based stereovision system for manufacturing inspection in 4.0 industry | |
CN107941147B (zh) | 大型系统三维坐标非接触在线测量方法 | |
Mcleod | Illumination techniques for 3-D machine vision | |
Munaro et al. | Fast 2.5 D model reconstruction of assembled parts with high occlusion for completeness inspection | |
Castillo-Santiago et al. | 3D reconstruction of aerodynamic airfoils using computer stereo vision | |
Vilchez-Rojas et al. | 3D scanning of objects by projection of three incoherent RGB lines with Gaussian profile |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200714 |
|
WD01 | Invention patent application deemed withdrawn after publication |