CN111551113A - 一种大批量航空零件质检方法 - Google Patents
一种大批量航空零件质检方法 Download PDFInfo
- Publication number
- CN111551113A CN111551113A CN202010423933.7A CN202010423933A CN111551113A CN 111551113 A CN111551113 A CN 111551113A CN 202010423933 A CN202010423933 A CN 202010423933A CN 111551113 A CN111551113 A CN 111551113A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- parts
- model
- quality inspection
- 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.)
- Pending
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 5
- 238000009616 inductively coupled plasma Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V8/00—Prospecting or detecting by optical means
- G01V8/10—Detecting, e.g. by using light barriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
-
- 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
- G07C3/143—Finished product quality control
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种大批量航空零件质检方法,包括以下步骤:识别零件类型,得到零件属性信息;根据零件属性信息规划扫描路径,根据扫描路径对航空零件进行扫描,得到各帧点云数据;通过针对各帧点云数据的配准拼接得到零件的实测点云模型,并建立实测点云模型和理论模型之间的转换矩阵;针对实测点云模型进行零件的特征提取,得到零件特征数据,并将零件特征数据与理论模型指标数据进行对比衡量,得到误差指标评估结果,更新零件检测报告数据,完成单个零件质检;重复上述步骤,直到所有零件质检完成,生成最终检测报告。本发明提高了航空零件检测效率与自动化水平,整个检测过程可以无需人工干预。
Description
技术领域
本发明属于零件质检领域,具体涉及一种大批量航空零件质检方法。
背景技术
飞机由数量巨大的零件组装而成,由于飞机对安全性要求非常高,所以对零件品质要求也非常高,但对于如此大量和种类繁多的飞机零件如果都由人工检测不仅费时费力,成本高昂,检测效果也取决于人员的经验技术和投入状态,而无法使得检测结果得到保证。
发明内容
本发明针对现有技术中的不足,提供一种大批量航空零件质检方法,能够快速评估大批量的航空零件质量。
为实现上述目的,本发明采用以下技术方案:
一种大批量航空零件质检方法,包括以下步骤:
识别零件类型,得到零件属性信息;
根据零件属性信息规划扫描路径,根据扫描路径对航空零件进行扫描,得到各帧点云数据;
通过针对各帧点云数据的配准拼接得到零件的实测点云模型,并建立实测点云模型和理论模型之间的转换矩阵;
针对实测点云模型进行零件的特征提取,得到零件特征数据,并将零件特征数据与理论模型指标数据进行对比衡量,得到误差指标评估结果,更新零件检测报告数据,完成单个零件质检;
重复上述步骤,直到所有零件质检完成,生成最终检测报告。
为优化上述技术方案,采取的具体措施还包括:
进一步地,上述识别零件类型,得到零件属性信息具体包括以下步骤:
红外传感器探测流水线上的零件,当探测到一个新的零件时,系统通过零件上的二维码检索到该零件预存在系统内的属性信息,所述属性信息包括零件的理论模型信息。
进一步地,上述根据零件属性信息规划扫描路径包括以下步骤:
根据所述零件属性信息计算零件的理论数模特征,所述理论数模特征包括零件的外形曲面特征、孔特征和边界特征;
根据零件的理论数模特征计算得到初步扫描路径;
将初步扫描路径离散化,然后通过扫描法向生成和扫描轨迹计算得到零件扫描路径,控制机械臂带动三维激光扫描仪按照零件扫描路径从不同角度对零件进行扫描。
进一步地,上述三维激光扫描仪的扫描角度根据零件属性信息计算获取。
进一步地,上述通过针对各帧点云数据的配准拼接得到零件的实测点云模型,并建立实测点云模型和理论模型之间的转换矩阵包括以下步骤:
通过ICP算法建立各帧点云数据的精确对应点集;
整合精确对应点集中的对应点参数化后的颜色和几何信息,得到优化目标;
最小化所述优化目标,得到精配准变换矩阵;
根据精配准变换矩阵对各帧点云数据进行配准拼接,得到零件的实测点云模型;
针对实测点云模型进行特征点提取,通过提取的特征点和零件的理论模型中的特征点进行匹配,求解得到转换矩阵,为实测点云模型转换建立全局坐标系,使实测点云模型和理论模型处于同一全局坐标系中。
进一步地,上述零件特征数据包括零件的外形曲面特征、孔特征和边界特征。
本发明的有益效果是:
本发明提供的大批量航空零件质检方法使用流水线方式对大批量航空零件进行检测,并采用机械臂搭载三维激光扫描仪实现零件点云数据获取,再使用三维重建的方式重建航空零件点云,通过计算零件的实际特征指标与零件标准的数模指标作对比,以此来大批量快速评估航空零件质量,并自动生成检测报告,提高了航空零件检测效率与自动化水平,整个检测过程可以无需人工干预。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。
需要注意的是,发明中所引用的如“上”、“下”、“左”、“右”、“前”、“后”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
如图1所示,在本发明的其中一个实施方式中,一种大批量航空零件质检方法,包括以下步骤:
步骤一、零件类型识别
系统启动时流水线上的航空零件首先会被红外传感器探测到,系统此时感知到一个新的零件到来,接着系统会读取附在零件上的二维码,系统通过零件上的二维码可以检索到每个零件预存在系统中的属性信息,这里的属性信息主要包括零件的理论数模信息;
步骤二、扫描路径规划
根据步骤一得到的零件的理论数模信息计算得到零件的理论数模特征。根据零件的理论数模提取零件的外形曲面特征、孔特征、边界特征等,再根据这些特征计算得到扫描路径,再将扫描路径离散化、扫描法向生成、扫描轨迹计算,获得零件的最终扫描路径,从而控制机械臂带动三维激光扫描仪按此路径从不同角度对零件进行扫描;
步骤三、点云数据的获取
根据步骤二得到的扫描路径指导机械臂使用三维激光扫描仪对零件进行扫描,从多个角度对零件进行扫描获取到的各帧点云数据;
步骤四、点云数据的配准拼接及模型转换
对步骤三得到的多个角度的各帧点云数据需要经过配准拼接后才能建立起零件的实测模型,即找出各帧点云数据之间的共同点,将共同点覆盖得到完整的零件实测模型,这里采用了ICP算法建立待匹配点云中的精确对应点集,将对应点参数化后的颜色与几何信息整合到一起形成优化目标,最小化该目标可求得所述精配准变换矩阵,进而实现对点云数据配准拼接得到实测航空零件点云模型。接着对实测航空零件点云模型进行特征点提取,通过这些实测的特征点与零件的理论模型特征点进行匹配,求解转换矩阵,为实测模型转换建立全局坐标系统,使得零件的理论模型与实测模型能在同一全局坐标系下进行对比;
步骤五、零件特征处理
对步骤四得到的零件实测模型进行零件的特征提取,这里主要是计算得到零件的孔特征、轴特征、面特征、边界特征等特征数据;
步骤六、零件指标评估
根据步骤五计算得到零件特征数据进行零件的相应指标计算,并让实测零件模型的指标数据与理论零件模型指标数据对比衡量,得到误差指标评估结果。所述理论数模基于精准的航空零件模型建立;
步骤七、零件检测报告数据更新
根据步骤六得到的航空零件误差指标评估结果,对零件检测报告数据进行更新,至此一个完整的航空零件检测流程完毕,接下来流水线传送带会将下一个航空零件送到指定位置进行检测,直到所有零件检测完毕,自动生成最终检测报告。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.一种大批量航空零件质检方法,其特征在于,包括以下步骤:
识别零件类型,得到零件属性信息;
根据零件属性信息规划扫描路径,根据扫描路径对航空零件进行扫描,得到各帧点云数据;
通过针对各帧点云数据的配准拼接得到零件的实测点云模型,并建立实测点云模型和理论模型之间的转换矩阵;
针对实测点云模型进行零件的特征提取,得到零件特征数据,并将零件特征数据与理论模型指标数据进行对比衡量,得到误差指标评估结果,更新零件检测报告数据,完成单个零件质检;
重复上述步骤,直到所有零件质检完成,生成最终检测报告。
2.根据权利要求1所述的大批量航空零件质检方法,其特征在于,所述识别零件类型,得到零件属性信息具体包括以下步骤:
红外传感器探测流水线上的零件,当探测到一个新的零件时,系统通过零件上的二维码检索到该零件预存在系统内的属性信息,所述属性信息包括零件的理论模型信息。
3.根据权利要求1所述的大批量航空零件质检方法,其特征在于,所述根据零件属性信息规划扫描路径包括以下步骤:
根据所述零件属性信息计算零件的理论数模特征,所述理论数模特征包括零件的外形曲面特征、孔特征和边界特征;
根据零件的理论数模特征计算得到初步扫描路径;
将初步扫描路径离散化,然后通过扫描法向生成和扫描轨迹计算得到零件扫描路径,控制机械臂带动三维激光扫描仪按照零件扫描路径从不同角度对零件进行扫描。
4.根据权利要求3所述的大批量航空零件质检方法,其特征在于,所述三维激光扫描仪的扫描角度根据零件属性信息计算获取。
5.根据权利要求1所述的大批量航空零件质检方法,其特征在于,所述通过针对各帧点云数据的配准拼接得到零件的实测点云模型,并建立实测点云模型和理论模型之间的转换矩阵包括以下步骤:
通过ICP算法建立各帧点云数据的精确对应点集;
整合精确对应点集中的对应点参数化后的颜色和几何信息,得到优化目标;
最小化所述优化目标,得到精配准变换矩阵;
根据精配准变换矩阵对各帧点云数据进行配准拼接,得到零件的实测点云模型;
针对实测点云模型进行特征点提取,通过提取的特征点和零件的理论模型中的特征点进行匹配,求解得到转换矩阵,为实测点云模型转换建立全局坐标系,使实测点云模型和理论模型处于同一全局坐标系中。
6.根据权利要求1所述的大批量航空零件质检方法,其特征在于,所述零件特征数据包括零件的外形曲面特征、孔特征和边界特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010423933.7A CN111551113A (zh) | 2020-05-19 | 2020-05-19 | 一种大批量航空零件质检方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010423933.7A CN111551113A (zh) | 2020-05-19 | 2020-05-19 | 一种大批量航空零件质检方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111551113A true CN111551113A (zh) | 2020-08-18 |
Family
ID=72001987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010423933.7A Pending CN111551113A (zh) | 2020-05-19 | 2020-05-19 | 一种大批量航空零件质检方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111551113A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560176A (zh) * | 2020-12-09 | 2021-03-26 | 江南造船(集团)有限责任公司 | 基于数字化模型的船舶零部件制造精度检验方法及系统 |
CN113361630A (zh) * | 2021-06-25 | 2021-09-07 | 成都飞机工业(集团)有限责任公司 | 一种基于曲面特征对比的零件异同自动识别方法 |
CN114777649A (zh) * | 2022-04-21 | 2022-07-22 | 南京航空航天大学 | 一种飞机整体油箱螺栓封包尺寸检测系统 |
CN115290001A (zh) * | 2022-10-09 | 2022-11-04 | 江门健维自动化设备有限公司 | 一种产品测试方法及系统 |
CN115409880A (zh) * | 2022-08-31 | 2022-11-29 | 深圳前海瑞集科技有限公司 | 工件数据配准方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105063615A (zh) * | 2015-08-24 | 2015-11-18 | 苏州大学 | 一种用于自由曲面表面修复的激光熔覆扫描路径获取方法 |
CN109120874A (zh) * | 2018-09-20 | 2019-01-01 | 华东交通大学 | 产品生产信息获取方法、系统、存储介质及计算机设备 |
US10315655B2 (en) * | 2017-03-07 | 2019-06-11 | Deere & Company | Vehicle control based on soil compaction |
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 |
CN110377015A (zh) * | 2018-04-13 | 2019-10-25 | 北京三快在线科技有限公司 | 机器人定位方法和机器人定位装置 |
-
2020
- 2020-05-19 CN CN202010423933.7A patent/CN111551113A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105063615A (zh) * | 2015-08-24 | 2015-11-18 | 苏州大学 | 一种用于自由曲面表面修复的激光熔覆扫描路径获取方法 |
US10315655B2 (en) * | 2017-03-07 | 2019-06-11 | Deere & Company | Vehicle control based on soil compaction |
CN110377015A (zh) * | 2018-04-13 | 2019-10-25 | 北京三快在线科技有限公司 | 机器人定位方法和机器人定位装置 |
CN109120874A (zh) * | 2018-09-20 | 2019-01-01 | 华东交通大学 | 产品生产信息获取方法、系统、存储介质及计算机设备 |
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 |
Non-Patent Citations (1)
Title |
---|
高瑞: "飞机蒙皮外形自动化激光扫描测量关键技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560176A (zh) * | 2020-12-09 | 2021-03-26 | 江南造船(集团)有限责任公司 | 基于数字化模型的船舶零部件制造精度检验方法及系统 |
CN113361630A (zh) * | 2021-06-25 | 2021-09-07 | 成都飞机工业(集团)有限责任公司 | 一种基于曲面特征对比的零件异同自动识别方法 |
CN113361630B (zh) * | 2021-06-25 | 2022-06-14 | 成都飞机工业(集团)有限责任公司 | 一种基于曲面特征对比的零件异同自动识别方法 |
CN114777649A (zh) * | 2022-04-21 | 2022-07-22 | 南京航空航天大学 | 一种飞机整体油箱螺栓封包尺寸检测系统 |
CN115409880A (zh) * | 2022-08-31 | 2022-11-29 | 深圳前海瑞集科技有限公司 | 工件数据配准方法、装置、电子设备及存储介质 |
CN115409880B (zh) * | 2022-08-31 | 2024-03-22 | 深圳前海瑞集科技有限公司 | 工件数据配准方法、装置、电子设备及存储介质 |
CN115290001A (zh) * | 2022-10-09 | 2022-11-04 | 江门健维自动化设备有限公司 | 一种产品测试方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111551113A (zh) | 一种大批量航空零件质检方法 | |
CN102135417B (zh) | 一种全自动三维特征提取方法 | |
CN104316016B (zh) | 一种整体叶盘复杂曲面叶片的纵向测量方法 | |
CN102496161B (zh) | 一种印刷电路板图像的轮廓提取方法 | |
CN105783786B (zh) | 一种基于结构光视觉的零件倒角测量方法与装置 | |
CN107672180A (zh) | 一种基于逆向工程技术的3d打印精度检测方法 | |
CN111189837A (zh) | 一种烟支外观在线检测方法及其装置 | |
CN109916308B (zh) | 一种鞋底的信息采集方法及其系统 | |
CN106446343B (zh) | 一种径流叶轮直纹叶片参数化型线的自动提取方法 | |
CN111504191A (zh) | 一种基于三维激光扫描的航空零件自动快速测量方法 | |
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 | |
CN111359913A (zh) | 一种通过激光雷达分选矿石的方法 | |
CN114037703A (zh) | 基于二维定位和三维姿态解算的地铁阀门状态检测方法 | |
CN117649404A (zh) | 一种基于图像数据分析的药品包装盒质量检测方法及系统 | |
CN115561249A (zh) | 一种喷涂设备的智能化监测方法及系统 | |
CN111223081A (zh) | 基于深度学习的零件开孔识别与检测方法及系统 | |
CN112561989B (zh) | 一种建造场景下吊装对象的识别方法 | |
CN108536932A (zh) | 基于互扭约束条件下的航空叶片积叠轴垂直度计算方法 | |
CN117152093A (zh) | 基于数据融合和深度学习的轮胎缺陷检测系统及方法 | |
CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 | |
CN116499359A (zh) | 一种运载火箭舱段智能化检测方法 | |
CN116465335A (zh) | 基于点云匹配的自动测厚方法和系统 | |
CN110030937A (zh) | 基于人工智能的动车杆件测量方法 | |
CN115294430A (zh) | 一种基于传感器耦合的机器视觉垃圾识别定位技术 | |
CN114608478A (zh) | 一种高精度曲面薄片的前后缘参数量测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200818 |