CN111539446A - 一种基于模板匹配的2d激光孔位检测方法 - Google Patents

Abstract

本发明公开了一种基于模板匹配的2D激光孔位检测方法，属于精密测量技术领域，能够解决高反光金属、强吸光复合材料等不理想扫描表面的孔位识别定位难的问题。包括：将2D激光轮廓仪与伺服电机相结合，测得工件孔区域表面的三维点云；利用改进型中值滤波算法去除孔边缘离群点，并将点云z坐标值二值化处理；根据点云密度自适应构造出待测孔的模板，执行模板匹配并利用ROI感兴趣区域进行孔特征判别，最终检测出孔的位置，并利用孔邻域点云拟合出平面计算出孔的法向。本发明可有效检测出不理想扫描表面的孔，鲁棒性强，且测量精度满足要求。

Description

一种基于模板匹配的2D激光孔位检测方法

技术领域

本发明属于精密测量技术领域，尤其涉及一种基于模板匹配的2D激光孔位 检测方法。

背景技术

在产品数字化设计与制造过程中，数控系统根据产品的理论数学模型进行加 工，但由于加工制造及工装定位等各方面的误差，被加工工件与其理论数模的 一致性往往不能得到保证，因而若仅依靠理论数模来定位加工孔位，精度将不 能满足装配要求，在实际加工过程中，需要根据工件的实际安装位置对加工孔 位进行位置修正。例如在飞机部件自动化装配中，产品表面通常开设有若干组 基准孔，作为产品定位的参考，在加工之前需要自动测量出基准孔的实际位置， 从而实现飞机部件的精确定位。准确识别和定位产品上的基准孔是自动化装配 系统的关键技术和难点之一。目前，多数装备采用工业相机或者2D激光轮廓仪 进行孔位的检测。

基于单目视觉的孔位检测技术已较为成熟且容易实现，但只适用于检测孔的 平面位置，在深度方向上的检测精度不高，且不能测量出孔的轴线方向(即孔 的法向)。在很多工况中并不适用。目前已有一些基于2D激光扫描的孔位检测 技术。将2D激光轮廓仪安装在直线运动机构上即可获取到孔周边的三维点云， 对点云进行一定的处理可计算出孔的位置和法向信息。例如：利用2D激光轮廓 仪扫描得到待测平面的点云，通过设置所有点云数据点到拟合平面的距离阈值 达到滤除孔边缘噪声点的目的，但这种方案只能适用于平面，不能适用于曲面； 且只有在2D激光轮廓仪能扫描出理想的点云时才能适用，当点云有瑕疵时，不 能很好地识别出孔特征。再例如：基于线激光扫描与图像处理结合的基准孔检测方法，将线激光扫描获取的三维点云数据转换为二维灰度图，再使用边缘检 测算子提取轮廓，从而获得基准孔的中心位置，但该方法同样仅适用于理想情 况下无表面缺陷的点云，当出现大面积的噪点时，边缘提取算法无法识别出基 准孔的边缘，只能通过手动选取感兴趣区域以提高孔的识别度，无法满足自动 化装配的需求。

发明内容

本发明目的在于提供一种基于模板匹配的2D激光孔位检测方法，能够解决 高反光金属、强吸光复合材料等不理想扫描表面的孔位识别定位难的问题，提 高了孔位检测的鲁棒性。

为达到上述目的，本发明的实施例采用如下技术方案：

通过2D激光轮廓仪获取待测孔位区域的点云S，其中，所述2D激光轮廓仪搭 载在直线伺服电机上；对采集到的点云S进行预处理，去除所述待测孔区域的无 效点和离群点；将点云S的各个点的z坐标值进行二值化处理后，根据点云S的密 度构造孔模板T(m,n)并进行模板匹配；针对模板匹配后的点云S，通过ROI感兴 趣区域进行所述待测孔的特征判别；利用所述待测孔的特征判别结果获取所述 待测孔的位置，并得到所述待测孔的法向。

本实施例选用2D激光轮廓仪作为检测设备，提出了一种基于模板匹配的2D 激光孔位检测方案，首先利用2D激光轮廓仪扫描获取待测平面的初始点云信息， 接着对获取的点云进行滤波降噪等预处理，然后将点云的z坐标值二值化，自 适应构造出孔模板并执行模板匹配以识别出孔特征，最后计算出孔的位置和法 向。与现有相比，本发明实施例能够实现：

1)采用模板匹配法进行三维点云中孔的识别，提高了孔的识别率；

2)孔模板自适应构造算法，可根据实际扫描得到的点云密度自适应构造 孔的模板，提高了孔的匹配度；

3)将三维点云进行二值化处理，简化了模板匹配的计算，提高了匹配效 率；

4)采用均值法计算孔的实际位置，提高了孔的位置测量精度；

5)采用SVD分解拟合孔邻域内的点云，以邻域平面的法向代替孔的法向， 实现了孔的法向测量，降低了孔边缘噪点对孔法向测量的影响，提高了孔 的法向测量精度；

6)利用ROI感兴趣区域进行孔特征判别，提高了孔特征的识别准确率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要 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它的附图。

图1为本发明一种基于模板匹配的2D激光孔位检测方法的流程图；

图2为孔位扫描示意图；

图3为待测工件表面扫描得到的点云；

图4为进行预处理后的点云；

图5为z坐标二值化后的点云；

图6为自适应构造的孔模板；

图7为模板匹配示意图；

图8为待测孔的测量结果；

图9为孔的法向测量误差；

图10为两种孔位检测算法的孔中心距测量误差对比；

图11为喷涂显影剂前后扫描的点云对比；

附图中各数字标号分别表示：2D激光轮廓仪-1、待测工件-2。

具体实施方式

为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体 实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式， 所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同 或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方 式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本技术领 域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、 “所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书 中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件， 但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组 件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件 时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这 里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/ 或”包括一个或更多个相关联的列出项的任一单元和全部组合。本技术领域技 术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学 术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应 该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的 上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于 正式的含义来解释。

随着复合材料在飞机上的大面积使用，自动钻铆系统对孔位检测提出了更 高的要求。采用2D激光扫描孔时，由于复合材料的强吸光特性，扫描得到的待 测表面点云存在大面积的瑕疵，传统的基于边缘检测的孔位检测算法已无法在 复合材料飞机部件上使用，另外，目前基于2D激光扫描的孔位检测技术只能用 于孔的位置测量，还不能测量出孔的法向，必须采用一种新的算法以有效检测 出孔的位置和法向。

本实施例选用2D激光轮廓仪作为检测设备，提出了一种基于模板匹配的2D 激光孔位检测方案，如图1所示的，首先利用2D激光轮廓仪扫描获取待测平面 的初始点云信息，接着对获取的点云进行滤波降噪等预处理，然后将点云的z 坐标值二值化，自适应构造出孔模板并执行模板匹配以识别出孔特征，最后计 算出孔的位置和法向。具体逻辑包括：

通过2D激光轮廓仪获取待测孔位区域的点云S。

对采集到的点云S进行预处理，去除所述待测孔区域的无效点和离群点。

将点云S的各个点的z坐标值进行二值化处理后，根据点云S的密度构造孔模 板T(m,n)并进行模板匹配。针对模板匹配后的点云S，通过ROI感兴趣区域进行 所述待测孔的特征判别。

利用所述待测孔的特征判别结果获取所述待测孔的位置，并得到所述待测 孔的法向。

其中，所述2D激光轮廓仪搭载在直线伺服电机上。所述点云S中的每一个点 对应一个空间三维坐标值(x,y,z)，其中的z坐标值为Z方向上的坐标值，所述Z 方向为激光发射方向，所述孔模板T(m,n)为一个m*n的矩阵，m和n分别表示矩阵 的长和宽，m和n都为正整数。例如：云中的每个点都有一个空间三维坐标值(x,y,z)，z坐标就是Z方向(激光发射方向)上的坐标值，y坐标值就是Y方向 (激光轮廓线方向)上的坐标值。为了便于说明，通过字符S代指本实施例中所 提及的点云，在本实施例中可以称呼为点云S。

在本实施例中，所述对采集到的点云S进行预处理，包括：利用滤波器F获 取点云S中的孤立点和离群点。

其中，所述滤波器F的内核B为矩形，所述内核B的尺寸为15×3。将所述孤 立点和所述离群点的z坐标值置零。本实施例中提及的滤波器F，是一个15×3的 二维矩阵，也叫卷积核。对一幅图像进行滤波处理，也就是针对图像的每一个 像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作 为该像素位置的值。这样就完成了滤波过程。其中，15×3指行列数，即15行3 列的矩阵。

具体的，所述利用滤波器F获取点云S中的孤立点和离群点包括：将无效 点的y坐标值置0后，创建基于中值滤波原理的所述滤波器F。将所述点云S与 所述内核B进行卷积，对所述点云S的每个点进行逐一扫描。对于扫描到的第i 行、第j列的点P，在所述点云S中取出以所述点P为中心的15×3邻域内的所 有有效点。

获取Z₀(i,j)与有效点的z坐标值的中值z_m的差值的绝对值Z_d＝|Z₀(i,j)-z_m|, 当m≤10时，判定为孤立点。当Z_d≥0.05mm时，判定为离群点。

其中，无效点的z坐标值都为0，有效点的z坐标值不为零，邻域内的有效 点的数量为m，i和j都为正整数。

例如：利用无效点的z坐标值都为0这个条件，将无效点的y坐标值置0：

基于中值滤波原理创建一个滤波器F，所述滤波器 F的内核B为矩形形状，所述内核B的尺寸为15×3。将点云S与所述内核B进 行卷积，对点云S的每个点进行逐一扫描，例如，对于扫描到的第i行、第j 列的点P，在点云S中取出以P点为中心的15×3邻域内的所有有效点(即z坐 标值不为零的点)，统计该邻域有效点的数量m，统计出这些有效点的z坐标值 的中值z_m，然后求出Z₀(i,j)与z_m的差值的绝对值Z_d＝|Z₀(i,j)-z_m|,当m≤10时，该 点判定为孤立点。当Z_d≥0.05mm时，该点判定为离群点。所述将所述孤立点和所 述离群点的z坐标值置零，包括：滤波器F的工作过程即是将孤立点和离群点 的z坐标值置零的过程，如下所示：

进一步的，本实施例还包括：

在对所述点云S的每个点进行逐一扫描后，将z坐标值不为0的点的z坐 标值置1。

其中，对点云S的z坐标进行逐点扫描，当z坐标值不为0时，将该点的z 坐标值置1，比如：

所述根据点云S的密度构造孔模板T(m,n)并进行模板匹配，包括：分别获 取X方向和Y方向上的相邻采集点的距离Δx和Δy。根据待测孔包含的点云的行 数H_row和列数H_col，获取所述待测孔的模板T(m,n)的尺寸。将所述模板T(m,n)的 尺寸调整为奇数后，构造m×n且元素全为1矩阵，然后将离模板T(m,n)的中心 点的距离小于待测孔半径的点置0,得到待测孔的模板T(m,n)最终的矩阵形态。 执行模板匹配，得到模板T(m,n)和子图S_ij(m,n)的差值。

其中，Δx＝(X_0t-X_0R)/(col-1)，Δy＝(Y_0U-Y_0D)/(row-1)X_0L为第一 列点云的x坐标值、X_0R为最后一列点云的x值、Y_0U为第一行点云的非零y值的 平均值、Y_0D为最后一行点云的非零y值的平均值、col为点云的列数、row为点 云的行数。所述待测孔的模板T(m,n)为外方内圆的形状，外边方形的尺寸大于 内圆的尺寸，H_row＝D/Δy、H_col＝D/Δx、m＝H_row+6、n＝H_col+2、D为待测孔直 径。子图S_ij(m,n)为模板T(m,n)覆盖所述点云S的区域，i,j为子图S_ij(m,n)中心在 被搜索点云S上的坐标值，当差值处于最小值时即为匹配到的目标孔的位置。

在X_0L、Y_0U、X_0R等参数中，下角标中的0用于标识未经处理状态的点云数 据；L\R\U\D是Left\Right\Up\Down首字母缩写，分别指代点云的左、右、上、 下位置。

将模板的尺寸调整为奇数，比如：

执行模板匹配，计算模板T(m,n)和子图S_ij(m,n)的差值，其公式为：

E(i,j)最小值处即为匹配到的目标孔的位置。模板匹配的匹配率K的获取方 式：

其中，E(i,j)为在(i,j)位置的模板T(m,n)和子 图S_ij(m,n)的偏差值，也就是模板T(m,n)和子图S_ij(m,n)里面每个元素对应相减再 求和。

进一步的，所述通过ROI感兴趣区域进行所述待测孔的特征判别，包括：

将待测孔模板T(m,n)的中心圆形区域设定为ROI感兴趣区域，获取ROI区 域的匹配率K_r。当同时满足模板匹配率K＞K_t、ROI区域匹配率K_r＞K_rt时，将所 测区域判定为孔特征，其中，K_t为模板匹配率阈值，K_rt为ROI区域匹配率的阈 值，K为模板匹配的匹配率，

所述得到所述待测孔的法向，包括：利用子图S_ij(m,n)上的所有点的坐标值 的平均值，获取圆心的坐标C(x_C,y_C,z_C)。利用子图S_ij(m,n)上的点拟合出一个平 面，计算协方差矩阵的SVD变换的最小奇异值对应的奇异向量M(a,b,c)，将M(a,b,c)作为所述待测孔的法向向量，其中，一个空间向量可由3个坐标值表示， 这里的奇异向量用(a,b,c)表示。其中，

N为子图 S_ij(m,n)包含的采集点的数量x_C、y_C和z_C分别为圆心的x、y和z轴上的坐标值， S_ij(m,n)表示所述子图。

本实施例中，还包括：当所述点云S的第一行所有点的z坐标值都为0时， 判定为所述待测孔区域的上边缘超出扫描测量范围。当所述点云S的最后一行 所有点的z坐标值都为0时，判定为所述待测孔区域的下边缘超出扫描测量范 围。

进一步的，还包括：扫描得到所述点云S之后，首先进行模板粗略匹配， 识别得到孔的粗略位置P_C。之后对P_C的邻域内的点云进行滤波预处理，最后再 进行模板精细匹配，得到孔的精确位置P。其中，进行模板粗略匹配时，匹配步 长为10，每间隔10个点执行一次匹配计算。进行模板精细匹配时，匹配步长为 1，每间隔1个点执行一次匹配计算。

在优选方案中，所述模板匹配率阈值K_t为60％，所述ROI区域匹配率阈值K_rt为90％。

本实施例与现有相比，其优点主要在于：

7)采用模板匹配法进行三维点云中孔的识别，提高了孔的识别率；

8)孔模板自适应构造算法，可根据实际扫描得到的点云密度自适应构造 孔的模板，提高了孔的匹配度；

9)将三维点云进行二值化处理，简化了模板匹配的计算，提高了匹配效 率；

10)采用均值法计算孔的实际位置，提高了孔的位置测量精度；

11)采用SVD分解拟合孔邻域内的点云，以邻域平面的法向代替孔的法向，

实现了孔的法向测量，降低了孔边缘噪点对孔法向测量的影响，提高了孔 的法向测量精度；

12)利用ROI感兴趣区域进行孔特征判别，提高了孔特征的识别准确率。

具体举例来说，也可以实现为步骤S1～S6的过程，其中：

步骤S1，如图2所示，所述2D激光轮廓仪1由直线伺服电机带动，沿着X 方向匀速直线运动，伺服电机的速度为V，轮廓仪的采样周期为T，每间隔T同 时采集轮廓仪的数值和伺服电机编码器的数值，通过编码器的数值可计算得到X 方向的位移，最终可得到待测工件2的表面的点云S，如图3所示。

步骤S2，采用改进型中值滤波算法进行点云预处理，去除待测孔区域的无 效点和离群点，预处理后的点云如图4所示。

步骤S3，将点云S的z坐标值进行二值化处理，如图5所示。

步骤S4，根据点云密度自适应构造孔模板T(m,n)，自适应构造孔模板T(m,n) 如图6所示，并进行模板匹配，如图7所示。

步骤S5，利用ROI感兴趣区域进行孔特征判别。

步骤S6，采用均值法计算孔的位置，利用SVD分解法拟合孔的法向，测量结 果如图8所示。

进一步的实施例中，步骤S2中，所述改进型中值滤波算法具体包括以下步 骤：

S21)利用无效点的z坐标值都为0这个条件，将无效点的y坐标值置0：

S22)基于中值滤波原理创建一个滤波器F，所述滤波器F的内核B为矩形 形状，所述内核B的尺寸为15×3。

S23)将点云S与所述内核B进行卷积，对点云S的每个点进行逐一扫描， 例如，对于扫描到的第i行、第j列的点P，在点云S中取出以P点为中心的 15×3邻域内的所有有效点(即z坐标值不为零的点)，统计该邻域有效点的数量 m，统计出这些有效点的z坐标值的中值z_m，然后求出Z₀(i,j)与z_m的差值的绝对 值Z_d＝|Z₀(i,j)-z_m|,当m≤10时，该点判定为孤立点。当Z_d≥0.05mm时，该点判定 为离群点。滤波器F的工作过程即是将孤立点和离群点的z坐标值置零的过程， 如下所示：

进一步的实施例中，步骤S3的具体方法为：

对点云的z坐标进行逐点扫描，当z坐标值不为0时，将该点的z坐标值 置1，如下所示：

进一步的实施例中，步骤S4的具体步骤为：

S41)计算X和Y方向上相邻采集点的距离Δx和Δy，其计算方法如下：

X方向：Δx＝(X_0L-X_0R)/(col-1)， (4)

Y方向：Δy＝(Y_0U-Y_0D)/(row-1) (5)

其中，X_0L为第一列点云的x坐标值。X_0R为最后一列点云的x坐标值。 Y_0U为第一行点云的非零y值的平均值。Y_0D为最后一行点云的非零 y值的平均值。

col为点云的列数。row为点云的行数。

S42)计算待测孔包含的点云的行数H_row和列数H_col：

H_row＝D/Δy (6)

H_col＝D/Δx (7)

其中，D为待测孔直径。

S43)所述待测孔的模板T(m,n)为外方内圆的形状，外边方形的尺寸略大于 内圆的尺寸，外边方形的尺寸(m,n)即为模板的尺寸，设定为：

m＝H_row+6 (8)

n＝H_col+2 (9)

S44)将模板的尺寸调整为奇数，调整方法如下：

S45)构造m×n且元素全为1矩阵，然后将离模板中心点的距离小于待测孔 半径的点置0,从而得到待测孔的模板T(m,n)。

S46)执行模板匹配，计算模板T(m,n)和子图S_ij(m,n)的差值，其公式为：

其中，子图S_ij(m,n)为模板T(m,n)覆盖被搜索点云S的那块区域；

i,j为子图S_ij(m,n)中心在被搜索点云S上的坐标。

E(i,j)最小值处即为匹配到的目标孔的位置。模板匹配的匹配率K由下式计 算：

进一步的实施例中，步骤S5的具体步骤为：

S51)将待测孔模板T(m,n)的中心圆形区域设定为ROI感兴趣区域，计算ROI 区域的匹配率K_r。

S52)将模板匹配率阈值K_t与ROI区域匹配率的阈值K_rt同时作为孔特征的 判别条件，当同时满足模板匹配率K＞K_t、ROI区域匹配率K_r＞K_rt时，将所测区 域判定为孔特征。

进一步的实施例中，步骤S6的具体步骤为：

S61)将子图S_ij(m,n)上的所有点的坐标值的平均值作为圆心的坐标 C(x_C,y_C,z_C)，如下所示：

其中，N为子图S_ij(m,n)包含的采集点的数量。

S62)采用SVD分解，利用子图S_ij(m,n)上的点拟合出一个平面，计算协方差 矩阵SVD变换的最小奇异值对应的奇异向量M(a,b,c)。将向量M(a,b,c)作为待 测孔的法向向量。

进一步的实施例中，当所述点云S的第一行所有点的z坐标值都为0时， 判定为待测孔区域的上边缘超出扫描测量范围。当所述点云S的最后一行所有 点的z坐标值都为0时，判定为待测孔区域的下边缘超出扫描测量范围。

进一步的实施例中，扫描得到待测孔位区域点云S之后，首先进行模板粗 略匹配，识别得到孔的粗略位置P_C，接着对位置P_C的邻域内的点云进行滤波预 处理，最后再进行模板精细匹配，从而得到孔的精确位置P。孔的粗略位置P_C， 中，P指的是position(位置)，C指的是circle(圆孔)，数学表达中作为代号 的缩写。

所述步骤S52中，所述模板匹配率阈值K_t为60％，所述ROI区域匹配率阈 值K_rt为90％。其中，参数K_t的右下角标中的t，指的是threshold(阈值)，参数 K_rt的右下角标中的r，指的是region of interest(感兴趣区域)。进一步的实 施例中，进行模板粗略匹配时，匹配步长为10，即每间隔10个点执行一次匹配 计算。进行模板精细匹配时，匹配步长为1，即每间隔1个点执行一次匹配计算。

为验证本发明中基于模板匹配的2D激光孔位检测方法的实用性和法向测量 精度，利用激光跟踪仪测出待测孔轴线在2D轮廓仪坐标系下的单位法向向量N， 基于模板匹配的孔位检测方法拟合出待测孔轴线在2D轮廓仪坐标系下的单位法 向向量M，向量N与M的夹角φ即是待测孔的法向测量误差。对10个孔进行测 量，法向测量误差如图9所示，φ的最大值不超过0.2°，满足飞机装配中法向 精度±0.5°的精度要求。

为验证本发明中基于模板匹配的2D激光孔位检测方法的实用性和位置测量 精度，在工件上钻出2行10列共20个孔，每列的2个孔为一组，孔的直径为 4mm，孔间距为10mm。首先用中心距游标卡尺测量出每一组的2个孔的中心距L， 接着将工件固定在实验平台上，分别对每一列孔进行扫描，可得到10组点云数 据A_i(i＝1,2,…,10)；然后在工件的表面喷涂显影剂(喷涂显影剂可有效改善工件 表面光泽，扫描得到的点云完整无瑕疵)，并分别对每一列孔进行扫描，可得到 10组点云数据B_i(i＝1,2,…,10)；最后采用传统的基于边缘检测的孔位检测方法和 本发明提出的基于模板匹配的孔位检测方法，对扫描得到的点云进行孔位检测 并计算2个孔的中心距，实验结果如表1所示，其中L为用中心距游标卡尺测量出的孔中心距，L₁为采用传统的基于边缘检测的孔位检测算法测量的孔中心距， L₂为采用本发明提出的基于模板匹配的2D激光孔位检测方法测量的孔中心距。 L₁、L₂与L的差值即为孔位检测误差，如图10所示，其中ΔLH1为喷涂显影剂后 采用传统的基于边缘检测的孔位检测方法的检测误差，ΔLQ2为喷涂显影剂前采 用本发明基于模板匹配的孔位检测方法的检测误差，ΔLH2为喷涂显影剂后采用 本发明基于模板匹配的孔位检测方法的检测误差。

喷涂显影剂前后扫描得到的点云如图11所示，可以看出，喷涂显影剂前， 工件2表面扫描得到的点云存在大量缺陷，整体呈现网格状，此时基于边缘检 测的孔位检测方法会将网格的边缘也提取出来，导致无法识别出孔的位置，因 此该方法不再适用；而喷涂显影剂后，点云较理想，基于边缘检测的孔位检测 方法可以识别出孔边缘从而进行孔位计算。

在飞机部件自动钻铆中，基准孔检测精度要求为±0.5mm以内，从图10、图 11、表1和表2中的数据可以得到如下信息：

表1孔中心距的测量结果

表2两种孔位检测方法的测量结果统计数据

(1)通过比较表1中两种方法对于喷涂显影剂前后的孔位检测成功率，可 以看出，喷涂显影剂前，基于边缘检测的孔位检测方法对于孔的识别 成功率为0％，说明基于边缘检测的孔位检测方法只适用于很理想的点 云，鲁棒性较差；而本发明提出的基于模板匹配的孔位检测方法在喷 涂显影剂前后的检测成功率均为100％，说明本发明具有较强的鲁棒性。

(2)通过比较喷涂显影剂后两种孔位检测方法的测量误差ΔLH1和ΔLH2， 可以看出两种方法的测量误差接近，证明了对于理想的点云，采用本 发明基于模板匹配的方法与采用基于边缘检测的方法测量精度相当， 且均满足飞机部件装配精度要求。

(3)通过比较喷涂显影剂前后采用本发明基于模板匹配方法的测量误差 ΔLQ2和ΔLH2，可以看出尽管未喷涂显影剂时测量精度有所降低，但 依然可以满足飞机部件的装配精度要求，意味着采用本发明提出的基 于模板匹配的孔位检测方法之后，可以省去喷涂显影剂这个工艺步骤， 进而提高了飞机装配的效率。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相 似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。 尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较 简单，相关之处参见方法实施例的部分说明即可。以上所述，仅为本发明的具 体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术 人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发 明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (10)

1.一种基于模板匹配的2D激光孔位检测方法，其特征在于，包括：

通过2D激光轮廓仪获取待测孔位区域的点云，其中，所述2D激光轮廓仪搭载在直线伺服电机上；

对采集到的点云进行预处理，去除所述待测孔区域的无效点和离群点；

将点云的各个点的z坐标值进行二值化处理后，根据点云的密度构造孔模板T(m,n)并进行模板匹配，其中，所述点云中的每一个点对应一个空间三维坐标值(x,y,z)，其中的z坐标值为Z方向上的坐标值，所述Z方向为激光发射方向，所述孔模板T(m,n)为一个m*n的矩阵，m和n都为正整数；

针对模板匹配后的点云，进行所述待测孔的特征判别；

利用所述待测孔的特征判别结果获取所述待测孔的位置，并得到所述待测孔的法向。

2.根据权利要求1所述的方法，其特征在于，所述对采集到的点云进行预处理，包括：

利用滤波器F获取点云S中的孤立点和离群点，其中，所述滤波器F的内核B为矩形，所述内核B的尺寸为15×3；

将所述孤立点和所述离群点的z坐标值置零。

3.根据权利要求2所述的方法，其特征在于，所述利用滤波器F获取点云S中的孤立点和离群点包括：

将无效点的y坐标值置0后，创建基于中值滤波原理的所述滤波器F，其中，无效点的z坐标值都为0；

将所述点云S与所述内核B进行卷积，对所述点云S的每个点进行逐一扫描；

对于扫描到的第i行、第j列的点P，在所述点云S中取出以所述点P为中心的15×3邻域内的所有有效点，其中，有效点的z坐标值不为零，邻域内的有效点的数量为m，i和j都为正整数；

获取当前扫描的P点的z坐标值Z₀(i,j)与有效点的z坐标值的中值z_m的差值的绝对值Z_d＝|Z₀(i,j)-z_m|,当m≤10时，判定为孤立点；当Z_d≥0.05mm时，判定为离群点。

4.根据权利要求3所述的方法，其特征在于，还包括：

在对所述点云S的每个点进行逐一扫描后，将z坐标值不为0的点的z坐标值置1。

5.根据权利要求4所述的方法，其特征在于，所述根据点云S的密度构造孔模板T(m,n)并进行模板匹配，包括：

分别获取X方向和Y方向上的相邻采集点的距离Δx和Δy，其中，Δx＝(X_0L-X_0R)/(col-1),Δy＝(Y_0U-Y_0D)/(row-1)，X_0L为第一列点云的x坐标值、X_0R为最后一列点云的x值、Y_0U为第一行点云的非零y值的平均值、Y_0D为最后一行点云的非零y值的平均值、col为点云的列数、row为点云的行数；

根据待测孔包含的点云的行数H_row和列数H_col，获取所述待测孔的模板T(m,n)的尺寸，其中，所述待测孔的模板T(m,n)为外方内圆的形状，外边方形的尺寸大于内圆的尺寸，H_row＝D/Δy、H_col＝D/Δx、m＝H_row+6、n＝H_col+2、D为待测孔直径；

将所述模板T(m,n)的尺寸调整为奇数后，构造m×n且元素全为1矩阵，然后将离模板T(m,n)的中心点的距离小于待测孔半径的点置0,得到待测孔的模板T(m,n)最终的矩阵形态；

执行模板匹配，得到模板T(m,n)和子图S_ij(m,n)的差值，其中，子图S_ij(m,n)为模板T(m,n)覆盖所述点云S的区域，i,j为子图S_ij(m,n)中心在被搜索点云S上的坐标值，当差值处于最小值时即为匹配到的目标孔的位置。

6.根据权利要求5所述的方法，其特征在于，所述进行所述待测孔的特征判别，包括：

将待测孔模板T(m,n)的中心圆形区域设定为ROI感兴趣区域，获取ROI区域的匹配率K_r；

当同时满足模板匹配率K＞K_t、ROI区域匹配率K_r＞K_rt时，将所测区域判定为孔特征，其中，K_t为模板匹配率阈值，K_rt为ROI区域匹配率的阈值，K为模板匹配的匹配率，

E(i,j)为在(i,j)位置的模板T(m,n)和子图S_ij(m,n)的偏差值。

7.根据权利要求4所述的方法，其特征在于，所述得到所述待测孔的法向，包括：

利用子图上的所有点的坐标值的平均值，获取圆心的坐标C(x_C,y_C,z_C)，其中，

N为所述子图包含的采集点的数量x_C、y_C和z_C分别为圆心的x、y和z轴上的坐标值，S_ij(m,n)表示所述子图；

利用所述子图上的点拟合出一个平面，计算所述子图上的所有点的协方差矩阵的SVD变换的最小奇异值对应的奇异向量，将所述奇异向量作为所述待测孔的法向向量。

8.根据权利要求1所述的方法，其特征在于，还包括：

当所述点云S的第一行所有点的z坐标值都为0时，判定为所述待测孔区域的上边缘超出扫描测量范围；

当所述点云S的最后一行所有点的z坐标值都为0时，判定为所述待测孔区域的下边缘超出扫描测量范围。

9.根据权利要求1或8所述的方法，其特征在于，还包括：

扫描得到所述点云S之后，首先进行模板粗略匹配，识别得到孔的粗略位置P_C；

之后对P_C的邻域内的点云进行滤波预处理，最后再进行模板精细匹配，得到孔的精确位置P；

其中，进行模板粗略匹配时，匹配步长为10，每间隔10个点执行一次匹配计算；进行模板精细匹配时，匹配步长为1，每间隔1个点执行一次匹配计算。

10.根据权利要求6所述的方法，其特征在于，所述模板匹配率阈值K_t为60％，所述ROI区域匹配率阈值K_rt为90％。

Images