CN111476786B - 一种基于实测数据的长桁自动化涂胶及质量检测方法 - Google Patents

一种基于实测数据的长桁自动化涂胶及质量检测方法 Download PDF

Info

Publication number
CN111476786B
CN111476786B CN202010321066.6A CN202010321066A CN111476786B CN 111476786 B CN111476786 B CN 111476786B CN 202010321066 A CN202010321066 A CN 202010321066A CN 111476786 B CN111476786 B CN 111476786B
Authority
CN
China
Prior art keywords
stringer
gluing
skin
point cloud
cloud data
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.)
Active
Application number
CN202010321066.6A
Other languages
English (en)
Other versions
CN111476786A (zh
Inventor
汪俊
周军
刘元朋
谢乾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202010321066.6A priority Critical patent/CN111476786B/zh
Publication of CN111476786A publication Critical patent/CN111476786A/zh
Priority to US17/169,538 priority patent/US11504731B2/en
Application granted granted Critical
Publication of CN111476786B publication Critical patent/CN111476786B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/004—Arrangements for controlling delivery; Arrangements for controlling the spray area comprising sensors for monitoring the delivery, e.g. by displaying the sensed value or generating an alarm
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
    • B05B12/084—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to condition of liquid or other fluent material already sprayed on the target, e.g. coating thickness, weight or pattern
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
    • B05B12/12—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus
    • B05B12/122—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus responsive to presence or shape of target
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • G06T7/60—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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B13/00—Machines or plants for applying liquids or other fluent materials to surfaces of objects or other work by spraying, not covered by groups B05B1/00 - B05B11/00
    • B05B13/02—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work
    • B05B13/04—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work the spray heads being moved during spraying operation
    • B05B13/0431—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work the spray heads being moved during spraying operation with spray heads moved by robots or articulated arms, e.g. for applying liquid or other fluent material to 3D-surfaces
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45013—Spraying, coating, painting
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45238—Tape, fiber, glue, material dispensing in layers, beads, filling, sealing
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30088—Skin; Dermal
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Geometry (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
  • Application Of Or Painting With Fluid Materials (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于实测数据的长桁自动化涂胶及质量检测方法，利用三维激光扫描仪采集长桁和蒙皮组合件三维点云数据；对采集到的三维点云数据进行处理，包括去噪和采样步骤；利用基于高斯映射K均值方法的长桁和蒙皮待胶接处交线特征点提取，对提取出的特征点集构建最小生成树，建立连通区域，得到优化前初始长桁和蒙皮特征交线；利用随机采样一致性算法对得到的特征交线进行优化，除去冗余细小的分支结构，得到最终的实测数据下的涂胶轨迹线；本发明可以实现长桁自动化涂胶，大大减少涂胶过程中的人力成本，同时也提高了对涂胶状态检测的准确性和可信度，加快了长桁涂胶产线的涂胶效率，实现了基于实测数据的长桁稳定、高效的涂胶方法。

Description

一种基于实测数据的长桁自动化涂胶及质量检测方法
技术领域
本发明涉及涂胶技术领域，具体涉及一种基于实测数据的长桁自动化涂胶及质量检测方法。
背景技术
随着我国航空事业的发展，对新型号飞机的精度要求越来越高。在飞机数字化设计制造过程中，飞机壁板作为结构设计的一个非常重要的承载组件，其轻量化、高效率、共通性等特点是飞机设计关注的重点。蒙皮及长桁组合而成的承载组件，作为壁板结构的基本构件在飞机设计制造过程中扮演着重要的角色。壁板承载能力、稳定性（屈曲及压损性能) 及结构效率与壁板蒙皮及长桁结构密切相关。因此，保证长桁和蒙皮的稳定连接是维持飞机结构稳定性的基础。目前长桁和蒙皮采用的连接方式为胶接，传统生产制造过程中，往往需要人工来完成长桁和蒙皮之间的涂胶过程以及涂胶之后胶体质量的检测。因此，传统的涂胶过程十分耗费人力物力，一方面蒙皮生产制造过程中其尺寸不一，对于大型的蒙皮和长桁涂胶而言，由于尺寸过大，涂胶过程往往可能会造成涂胶轨迹线偏移，导致最终长桁和蒙皮胶接位置不正确，产生偏差。另一方面，利用传统的人工方式涂胶之后，还需人工巡视，检查胶体是否完整，蒙皮上待涂胶位置是否有漏涂现象以及胶体的尺寸质量是否符合质量标准。因此，如何能够快速精确提取出涂胶轨迹线以及实现胶体质量自动化监测，是实现自动化涂胶的关键所在。
近年来，由于高精度三维扫描设备的高速发展，基于实测点云的三维数据处理技术也得到了前所未有的进步，鉴于此，本发明基于实测数据的蒙皮与长桁精确涂胶技术，利用高精度三维测量数据，准确、快速地提取出涂胶轨迹线以及检测涂胶后胶体质量，实现蒙皮与长桁之间的自动化、精确的涂胶及涂胶质量检测系统。
发明内容
（一）解决的技术问题
本发明的目的在于提供一种基于实测数据的长桁自动化涂胶及质量检测方法，以解决上述背景技术中提出的实际问题。
（二）技术方案
为实现上述目的，本发明提供如下技术方案：一种基于实测数据的长桁自动化涂胶及质量检测方法，所述涂胶及质量检测方法包括以下步骤：
S1：涂胶前，采集长桁和蒙皮组合件三维点云数据，并对数据进行预处理；
S2：长桁和蒙皮待胶结处交线特征点提取，构建最小生成树，连接特征点，得到初始长桁和蒙皮特征交线；
S3：优化特征交线，并将其变换至涂胶机器人末端执行器坐标系上，得到实际涂胶轨迹线；
S4：涂胶后，采集胶体点云数据，计算胶体尺寸信息，确定胶体缺陷位置，进行二次涂胶。
进一步的，在步骤S1中，所述三维点云数据是利用三维激光扫描仪采集的，且采集到的所述三维点云数据包括长桁和蒙皮待涂胶位置的数据。
进一步的，步骤S2包括以下步骤：
S21：基于点云数据模型的特征点提取，将长桁和蒙皮待胶结处的交线特征点提取出来；
S22：对提取出的特征点集构建最小生成树，并根据最小生成树连接各特征点；
进一步的，步骤S21中采用基于高斯映射K均值的方法提取出长桁和蒙皮待胶结处的交线特征点，具体包括以下步骤：
随机选取点云中的三维点，作为目标点，对目标点进行K近邻搜索，再对由目标点及其近邻点组成的三角形集合的单位法向量进行高斯映射，选用轮廓系数作为聚类有效性指标，确定出最佳聚类数，再根据不同面片聚类分布的规律，得到三维点云模型中的特征点，即长桁和蒙皮待胶结处的交线特征点。
进一步的，步骤S3包括以下步骤：
S31：对得到的初始长桁和蒙皮特征交线进行优化，除去冗余的细小分支结构；
S32：利用确定的标定关系，将优化之后的特征交线变换至涂胶机器人末端执行器坐标系上，得到实际涂胶轨迹线。
进一步的，步骤S31中通过基于随机采样一致性算法将获得的初始特征交线中的冗余细小分支结构去除。
进一步的，步骤S4具体包括：利用二维线激光采集涂胶后的长桁和蒙皮组合件的点云数据，将采集到的点云数据包括胶体以及长桁和蒙皮结构的数据；利用随机采样一致性算法对长桁和蒙皮部分点云数据进行直线拟合，采用正交投影方式将采集的胶体部分点云数据投影至拟合直线上，计算胶体的尺寸信息；根据计算得到的胶体尺寸信息以及线激光扫描的位置信息，对胶体缺陷位置进行定位，进行二次涂胶。
（三）有益效果
本发明的基于实测数据的长桁自动化涂胶方法，利用三维点云数据模型来获取涂胶轨迹线，再利用线激光对涂胶后的胶体质量进行检测，对胶体缺陷位置进行修补，解决了现有技术中难以自动化的进行长桁涂胶的问题，提高了长桁涂胶的效率，实现了基于实测数据的长桁稳定、高效的涂胶方法。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的一种基于实测数据的长桁自动化涂胶及质量检测方法的一种可选的流程图；
图2是本发明实施例的长桁和蒙皮组合件三维点云数据示意图；
图3是本发明实施例的胶体点云投影原理示意图；
图4是本发明实施例的胶体尺寸信息计算原理示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-4，本发明提供一种技术方案：在本发明优选的实施例中提供了一种基于实测数据的长桁自动化涂胶及质量检测方法，具体来说，图1给出该方法的一种可选的流程图，如图1所示，所述方法包括如下操作步骤：数据采集及预处理步骤，利用三维激光扫描仪采集长桁和蒙皮组合件三维点云数据，并对采集的点云数据进行去噪、采样；长桁和蒙皮特征交线提取步骤，利用基于高斯映射K均值的方法提取待涂胶位置处的交线特征点，再通过最小生成树建立连通区域，得到特征交线；实际涂胶轨迹线生成步骤，优化得到的特征交线，将其变换至涂胶机器人末端执行器坐标系上，得到涂胶轨迹线；涂胶质量检测步骤，利用线激光采集胶体点云数据，计算各位置处胶体的尺寸信息，对胶体缺陷位置进行二次补涂。
在步骤S1（数据采集及预处理）中，利用三维激光扫描仪采集长桁和蒙皮组合件三维点云数据，并对采集的点云数据进行去噪、采样；
在步骤S2（长桁和蒙皮特征交线提取）中，主要有以下几个操作过程，包括：
①基于高斯映射K均值的方法，提取出长桁和蒙皮待胶结处的交线特征点，包括以下步骤：
（1）随机选取点云中的三维点，作为目标点，对目标点进行K近邻搜索；
（2）对由目标点及其近邻点组成的三角形集合的单位法向量进行高斯映射。
（3）选用轮廓系数作为聚类有效性指标，确定出最佳聚类数，
（4）根据不同面片聚类分布的规律，得到三维点云模型中的特征点，即长桁和蒙皮待胶结处的交线特征点；
②对提取出的特征点集构建最小生成树，并根据最小生成树连接各特征点，得到初始特征交线；
在步骤S3（实际涂胶轨迹线生成）中，主要有以下几个操作过程，包括：
①利用随机采样一致性算法，对得到的初始长桁和蒙皮特征交线进行优化，将获得的初始特征交线中的冗余细小分支结构去除；
②利用确定的标定关系，将优化之后的特征交线变换至涂胶机器人末端执行器坐标系上，得到实际涂胶轨迹线；
在步骤S4（涂胶质量检测）中，主要有以下几个操作过程，包括：
①利用二维线激光采集涂胶后的长桁和蒙皮组合件的点云数据，所采集到的点云数据包括胶体以及长桁和蒙皮结构；
②利用随机采样一致性算法对长桁和蒙皮部分点云数据进行直线拟合，采用正交投影方式将采集的胶体部分点云数据投影至拟合直线上，计算胶体的尺寸信息；
③根据计算得到的胶体尺寸信息以及线激光扫描的位置信息，对胶体缺陷位置进行定位，进行二次涂胶。
具体地，本发明的一种基于实测数据的长桁自动化涂胶及质量检测方法具有以下优点：
本发明的基于实测数据的长桁自动化涂胶方法，利用三维点云数据模型来获取涂胶轨迹线，再利用线激光对涂胶后的胶体质量进行检测，对胶体缺陷位置进行修补，解决了现有技术中难以自动化的进行长桁涂胶的问题，提高了长桁涂胶的效率，实现了基于实测数据的长桁稳定、高效的涂胶方法。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种适用于长桁自动化涂胶及质量检测方法，其特征在于，所述涂胶及质量检测方法包括以下步骤：
S1：涂胶前，采集长桁和蒙皮组合件三维点云数据，并对数据进行预处理；
S2：长桁和蒙皮待胶结处交线特征点提取，构建最小生成树，连接特征点，得到初始长桁和蒙皮特征交线；
步骤S2包括以下步骤：
S21：基于点云数据模型的特征点提取，将长桁和蒙皮待胶结处的交线特征点提取出来：
步骤S21中采用基于高斯映射K均值的方法提取出长桁和蒙皮待胶结处的交线特征点，具体包括以下步骤：
随机选取点云中的三维点，作为目标点，对目标点进行K近邻搜索，再对由目标点及其近邻点组成的三角形集合的单位法向量进行高斯映射，选用轮廓系数作为聚类有效性指标，确定出最佳聚类数，再根据不同面片聚类分布的规律，得到三维点云模型中的特征点，即长桁和蒙皮待胶结处的交线特征点；
S22：对提取出的特征点集构建最小生成树，并根据最小生成树连接各特征点；
S3：优化特征交线，并将其变换至涂胶机器人末端执行器坐标系上，得到实际涂胶轨迹线；
步骤S3包括以下步骤：
S31：对得到的初始长桁和蒙皮特征交线进行优化，除去冗余的细小分支结构；
S32：利用确定的标定关系，将优化之后的特征交线变换至涂胶机器人末端执行器坐标系上，得到实际涂胶轨迹线；
S4：涂胶后，采集胶体点云数据，计算胶体尺寸信息，确定胶体缺陷位置，进行二次涂胶。
2.根据权利要求1所述的一种适用于长桁自动化涂胶及质量检测方法，其特征在于，在步骤S1中，所述三维点云数据是利用三维激光扫描仪采集的，且采集到的所述三维点云数据包括长桁和蒙皮待涂胶位置的数据。
3.根据权利要求1所述的一种适用于长桁自动化涂胶及质量检测方法，其特征在于，步骤S31中通过基于随机采样一致性算法将获得的初始特征交线中的冗余细小分支结构去除。
4.根据权利要求1所述的一种适用于长桁自动化涂胶及质量检测方法，其特征在于，步骤S4具体包括：利用二维线激光采集涂胶后的长桁和蒙皮组合件的点云数据，将采集到的点云数据包括胶体以及长桁和蒙皮结构的数据；利用随机采样一致性算法对长桁和蒙皮部分点云数据进行直线拟合，采用正交投影方式将采集的胶体部分点云数据投影至拟合直线上，计算胶体的尺寸信息；根据计算得到的胶体尺寸信息以及线激光扫描的位置信息，对胶体缺陷位置进行定位，进行二次涂胶。
CN202010321066.6A 2020-04-22 2020-04-22 一种基于实测数据的长桁自动化涂胶及质量检测方法 Active CN111476786B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010321066.6A CN111476786B (zh) 2020-04-22 2020-04-22 一种基于实测数据的长桁自动化涂胶及质量检测方法
US17/169,538 US11504731B2 (en) 2020-04-22 2021-02-07 Method for automatic glue-spraying of stringer and inspection of glue-spraying quality

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010321066.6A CN111476786B (zh) 2020-04-22 2020-04-22 一种基于实测数据的长桁自动化涂胶及质量检测方法

Publications (2)

Publication Number Publication Date
CN111476786A CN111476786A (zh) 2020-07-31
CN111476786B true CN111476786B (zh) 2022-02-01

Family

ID=71755321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010321066.6A Active CN111476786B (zh) 2020-04-22 2020-04-22 一种基于实测数据的长桁自动化涂胶及质量检测方法

Country Status (2)

Country Link
US (1) US11504731B2 (zh)
CN (1) CN111476786B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112484664A (zh) * 2020-11-26 2021-03-12 江苏国和智能科技有限公司 一种基于激光三维扫描的缺陷识别装置及方法
CN112862704B (zh) * 2021-01-22 2023-08-11 北京科技大学 一种基于3d视觉的喷胶及喷胶质量检测系统
CN113649206B (zh) * 2021-08-26 2022-09-09 江苏科技大学 一种用于船体建造喷漆的轨迹生成优化方法
CN114618704B (zh) * 2022-02-23 2023-06-20 深圳远荣智能制造股份有限公司 一种3d视觉引导机器人免编程的喷涂方法及其系统
CN114406326A (zh) * 2022-03-28 2022-04-29 西安兴航航空科技股份有限公司 一种飞机蒙皮的新型加工工艺
CN114781056B (zh) * 2022-04-13 2023-02-03 南京航空航天大学 一种基于特征匹配的飞机整机外形测量方法
CN115178400B (zh) * 2022-08-01 2024-07-09 重庆大学 一种智能喷浆机器人、喷浆系统及方法
CN115147834B (zh) * 2022-09-06 2023-05-05 南京航空航天大学 一种基于点云的飞机长桁平面特征提取方法、装置及设备
CN115900829B (zh) * 2022-12-19 2024-06-04 深圳明锐理想科技股份有限公司 一种led检测方法、装置及其电子设备
CN116182953B (zh) * 2023-03-06 2024-01-05 中稀材(广东)技术有限公司 一种用于平板喷涂工艺在线检测智能系统及其使用方法
CN116402821B (zh) * 2023-06-08 2023-09-22 湖南大学 一种基于神经网络的飞机蒙皮涂胶质量缺陷检测方法
CN116818063B (zh) * 2023-08-30 2023-11-14 江铃汽车股份有限公司 汽车芯片散热胶涂覆质量检测方法、装置及可读存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8312906B2 (en) * 2008-08-13 2012-11-20 Airbus Operations Gmbh Method and device for positioning stringers on an aircraft skin, in particular on a wing skin
WO2018119606A1 (en) * 2016-12-26 2018-07-05 Bayerische Motoren Werke Aktiengesellschaft Method and apparatus for representing a map element and method and apparatus for locating vehicle/robot
US11487001B2 (en) * 2016-12-27 2022-11-01 Nec Corporation Image analysis device, image analysis method, and computer-readable recording medium
EP3407198A1 (en) * 2017-05-22 2018-11-28 Siemens Aktiengesellschaft System, device and method for frozen period detection in sensor datasets
CN108982546B (zh) * 2018-08-29 2020-06-23 燕山大学 一种智能机器人涂胶质量检测系统及方法
CN109849351B (zh) * 2018-11-29 2021-11-23 中国商用飞机有限责任公司北京民用飞机技术研究中心 基于共胶接工艺的复合材料机翼壁板与金属翼肋密封方法
CN110220476A (zh) * 2019-06-03 2019-09-10 西安飞机工业（集团）有限责任公司 一种基于三维激光扫描的航空零件自动快速测量方法
CN110927172B (zh) * 2019-12-10 2020-08-25 南京航空航天大学 一种飞机整体油箱密封胶漏涂在线检测装置及方法
CN110976212B (zh) * 2019-12-19 2021-10-22 广东博智林机器人有限公司 打胶机器人的视觉引导方法、装置和系统

Also Published As

Publication number Publication date
US11504731B2 (en) 2022-11-22
CN111476786A (zh) 2020-07-31
US20210331191A1 (en) 2021-10-28

Similar Documents

Publication Publication Date Title
CN111476786B (zh) 一种基于实测数据的长桁自动化涂胶及质量检测方法
CN104020475B (zh) 一种基于机载LiDAR数据的电力线提取及建模方法
CN111080627A (zh) 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法
CN113487722B (zh) 一种基于三维激光扫描方法的混凝土构件自动化检测方法
CN110220476A (zh) 一种基于三维激光扫描的航空零件自动快速测量方法
CN102135417A (zh) 一种全自动三维特征提取方法
CN113125444A (zh) 一种基于无人机搭载三维扫描仪的铁路桥梁病害监测方法
CN104776810A (zh) 一种基于3d线激光设备的坑槽三维指标提取计算方法
CN112711987B (zh) 双激光雷达电力杆塔三维点云增强系统及方法
CN113587807A (zh) 一种飞机壁板加工特征面的扫描路径生成方法
CN112964172B (zh) 基于结构光相机的航空叶片表面量测方法及量测设备
CN106767567A (zh) 一种大尺寸复合材料构件贴模度非接触检测方法
CN115222883A (zh) 一种基于地基LiDAR点云的电力杆塔重建方法
CN115147834B (zh) 一种基于点云的飞机长桁平面特征提取方法、装置及设备
CN111947595A (zh) 一种基于三维激光扫描的船舶外板逆向建模实现方法
CN108073747A (zh) 飞机结构件三维设计模型质量检测系统及方法
US7720649B2 (en) Reverse engineering method for disk and blade attachments
CN110942077B (zh) 基于权重局部变化度和l1中值优化的特征线提取方法
CN115937098A (zh) 一种电力金具压接质量可视化检测方法
CN117036944B (zh) 基于点云数据和图像识别的树木碳汇量计算方法及系统
CN116957963A (zh) 基于分层k领域的输电线路激光点云数据噪声处理方法
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
CN115619969A (zh) 一种基于激光点云差分的建构筑物毁伤痕迹的测量方法
CN114608478A (zh) 一种高精度曲面薄片的前后缘参数量测方法
CN113888486A (zh) 一种基于三维模型辅助矢量化、辅助dlg质检的方法

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