CN112013787B - 基于叶片自特征的叶片三维轮廓重建方法 - Google Patents
基于叶片自特征的叶片三维轮廓重建方法 Download PDFInfo
- Publication number
- CN112013787B CN112013787B CN202011130984.7A CN202011130984A CN112013787B CN 112013787 B CN112013787 B CN 112013787B CN 202011130984 A CN202011130984 A CN 202011130984A CN 112013787 B CN112013787 B CN 112013787B
- Authority
- CN
- China
- Prior art keywords
- blade
- light sensor
- linear structure
- structure light
- profile
- 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
Links
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
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/003—Measuring of motor parts
Abstract
本发明公开了一种基于叶片自特征的叶片三维轮廓重建方法,包括(1)叶片安装前的检测装置标定,所述检测装置标定包括线结构光传感器位姿标定和转台面标定;(2)转动中心的标定,采用叶片的相交的侧基准面A和基准面B的特征对转动中心标定;(3)叶片三维轮廓重建,根据转动中心建立叶片数据坐标系,并将采集到的多视场叶片轮廓数据整合到叶片数据坐标系下,进一步通过曲线、曲面拟合并完成叶片三维轮廓的重构与检测。本发明利用叶片具有两个相交的侧基准面对转动中心坐标标定,不仅适用于所有叶片,提高检测方法的通用性和效率,而且较于传统方法减少了误差传递链长度,增加了轮廓重建精度。
Description
技术领域
本发明属于叶片检测领域,具体涉及一种基于叶片自特征的叶片三维轮廓重建方法。
背景技术
叶片作为航空发动机、燃机、汽轮机等设备中的关键零部件,承担着将热能转化为机械能的重要任务,叶片的形状及质量直接影响整机的能量转换效率和使用寿命。叶片因其截面为不规则曲面且每个截面高度的型线轮廓不相同给叶片检测工作增加了难度。
中国发明专利201911267259.1公开了一种基于线结构光叶片检测方法,该方法公开了利用叶片前缘轮廓在截面上存在极大值的特征实现对转台中心的标定,该方法虽然解决现有技术需要标定球标定转动中心过程中的误差累计以及误差传递链,但是其利用两点之间可近似为切线来标定转台中心,本身就存在一定的误差,并且该方法存在一定的局限性,仅适用于前缘轮廓的曲率半径较小的叶片。
发明内容
本发明的目的在于提供一种基于叶片自特征的叶片三维轮廓重建方法,该方法利用叶片的两个侧基准面相连的特性对转台中心标定,适用于所有的叶片。
为实现上述目的,本发明采用如下技术方案:
基于叶片自特征的叶片三维轮廓重建方法,所述叶片自特征是指两个相交的侧基准面A和基准面B,包括如下步骤:
(1)对转台转动中心标定
a.将叶片放置于转台面上,并调整线结构光传感器的位姿,使线结构光传感器的激光面与基准面A和基准面B同时相交;线结构光传感器采集轮廓数据,并对轮廓数据进行直线拟合获得两条直线,并求解两条直线的交点A1(x A1 ,y A1 );
b.保持线结构光传感器位姿不变,转动转台后线结构光传感器的激光面依然同时与基准面A和基准面B相交,且转动角度为θ,线结构光传感器采集轮廓数据,并对轮廓数据进行直线拟合获得两条直线,并求解两条直线的交点A2(x A2 ,y A2 );
c.在数据坐标系下根据交点A1和A2求解转动中心坐标O(x o1 ,y o1 );
(2)对叶片进行全局扫描获取叶片的三维轮廓
调整线结构光传感器的位姿,使线结构光传感器的激光面与叶片的初始位置相交,线结构光传感器以Z轴为扫描方向前进对叶片轮廓进行扫描,然后调整线结构光传感器回到初始位置并转动转台再以Z轴为扫描方向前进对叶片轮廓进行扫描,叶片全部扫描后将线结构光传感器采集的轮廓数据转换至数据坐标系中进行曲面拟合获得叶片的三维轮廓。
进一步地,移动坐标轴Z轴驱动连接有直线编码器,直线编码器与线结构光传感器连接,通过设置触发距离d z 控制线结构光传感器采集叶片轮廓数据。
进一步地,步骤(2)对叶片进行全局扫描获取叶片的三维轮廓具体操作步骤如下:
(21)调整线结构光传感器的位姿,使线结构光传感器的激光面与叶片的初始位置相交,然后将线结构光传感器改为编码器触发模式,设置触发距离d z 和Z轴运动范围;
(22)线结构光传感器开始扫描,当线结构光传感器在Z轴的运动超过设置的Z轴运动范围则使线结构光传感器回到初始位置;
(23)转动转台,调整线结构光传感器在X轴和Y轴的位置,使线结构光传感器的激光面与未扫描的叶片侧相交;
(24)重复步骤(22)和(23)直到叶片所有轮廓均被扫描;
(25)设第i次扫描的轮廓数据为 ,第i次扫描的运动参数为,m x 为X轴移动距离,m y 为Y轴移动距离,θ i 为转台转动角度;结合步骤(1)所确定的转动中心坐标O1,将所有轮廓数据放置在叶片数据坐标系o-xyz中后进行曲面拟合获取叶片的三维轮廓。
进一步地,所述触发距离d z =0.1mm。
进一步地,所述Z轴运动范围大于叶片高度。
与现有技术相比,本发明具有以下有益效果:
(1)利用叶片具有两个相交的侧基准面对转动中心坐标标定,适用于所有的叶片的标定,并且通过该自特征对转动中心标定的结果更加精确,不仅适用于所有叶片,提高检测方法的通用性和效率,而且较于传统方法减少了误差传递链长度,增加了轮廓重建精度。
(2)通过编码器将移动控制器和线结构光传感器联动,实现自动对叶片的三维轮廓检测,减轻了工作人员的劳动强度。
附图说明
图1为本发明的检测装置示意图。
图2为本发明标定转动中心的结构示意图。
图3为本发明标定转动中心的原理图。
图4为本发明第一次扫描完成后的若干截面轮廓图。
图5为本发明多视场数据整合后的示意图。
图中标记:100、线结构光传感器;200、叶片;201、基准面A;202、基准面B;203、基准面C,图中的箭头表示运动方向或扫描方向;图中阴影部分表示线结构光传感器的激光面。
具体实施方式
本实施例提供了一种基于叶片自特征的叶片三维轮廓重建方法,该方法公开了一种新的对转台中心的标定方法,该标定方法与现有技术相比,使用范围更广,检测数据更加精确。所述叶片200自特征是指叶片200加工时加工的两个侧基准面A201、基准面B202和水平基准面C203,基准面A201和基准面B202相交,且与基准面C203垂直,该自特征是所有叶片200共有的特征,且具有较高的平面度,可被视为高精度平面特征,本实施例的方法就是利用两个基准面A201和基准面B202且相交的特性对转动中心标定。
本实施所述的一种基于叶片自特征的叶片三维轮廓重建方法包括如下步骤:
(1)叶片安装前的检测装置标定
如图1所示,所述检测装置包括线结构光传感器100、控制线结构光传感器在移动坐标系O-XYZ内移动的平移驱动(S X 、S Y 、S Z )、以及控制转台的旋转的旋转驱动W;所述转台上必然存在转动中心;叶片200安装前需要对检测装置进行标定,保证后续的采集的精确度,所述标定包括对线结构光传感器100位姿标定和转台面标定;所述标定方法与现有技术相同,本实施例不在赘述。
(2)对转台转动中心标定
a.将叶片200放置于转台面上,并通过控制平移驱动(S X 、S Y 、S Z )调整线结构光传感器100的位姿,使线结构光传感器100的激光面与基准面A201和基准面B202同时相交,如图2所示;线结构光传感器100采集轮廓数据,此时的轮廓数据包括基准面A201的轮廓数据 和基准面B202的轮廓数据 ,并对轮廓数据进行直线拟合获得两条直线,设拟合后的直线方程为和;根据拟合的直线方程求解两条直线的交点A1(x A1 ,y A1 )。
b.保持线结构光传感器100位姿不变,通过控制旋转驱动W转动转台,线结构光传感器100的激光面依然同时与基准面A201和基准面B202相交,且转动角度为θ,如图3所示,线结构光传感器100采集轮廓数据,基准面A201的轮廓数据C2和基准面B202的轮廓数据D2,并对轮廓数据进行直线拟合获得两条直线,并求解两条直线的交点A2(x A2 ,y A2 )。
c.步骤a和步骤b中线结构光传感器100的位姿没有发生变化,因此线结构光传感器100的数据坐标o s -x s y s 没有发生变化,可将交点A1和A2视为转动前后的同一位置,设转动中心坐标O(x o1 ,y o1 ),转动关系满以下方程式;
求解出转动中心实现对转动轴线的标定,本实施例采用两个相交的高精度平面特征标定转动中心,其标定结果更精确。
(3)叶片三维轮廓重建
所述线结构光传感器100连接有直线编码器,直线编码器与平移驱动S Z 连接,将线结构光传感器的工作模式改为编码器触发模式,每次平移距离由系统设置,实现自动采集数据,可降低工作人员的劳动强度,以及提供数据采集的精度。
a.通过控制平移驱动(S X 、S Y 、S Z )调整线结构光传感器100的激光面与叶片200的初始位置相交,所述初始位置是指叶片200的底部或叶片200的顶部,本实施例选择叶片200的底部,因此后续的扫描放线是向上移动,反之反向,具体为叶片200侧边基准面所在一截,尽可能靠近叶片200自特征。
b.本实施以Z轴为扫描方向,设置触发距离为dz=0.1mm,即平移驱动S Z 向上移0.1mm,触发线结构光传感器100采集一次叶片200轮廓数据,和设置Z轴运动范围,所述运动范围叶片200的高度,具体设置是要超过叶片200的高度,保证叶片200能被完全采集,当平移驱动S Z 向上移的总距离超过Z轴运动范围时,控制平移驱动S Z 使线结构光传感器回到初始位置,此时扫描后的轮廓数据如图4。
c.通过控制平移驱动(S X 、S Y )和旋转驱动W,使线结构光传感器100的激光面与叶片200未进行轮廓数据采集的一侧相交。
d.重复步骤b和步骤c,直到叶片200所有的轮廓均被扫描。
e.叶片三维轮廓重建,设第i次扫描的轮廓数据为 ,第i次扫描的运动参数为,m x 为X轴移动距离,m y 为Y轴移动距离,θ i 为转台转动角度;根据步骤(2)获取的转动中心坐标O1,将所有采集的轮廓数据转换至线结构光传感器100的数据坐标系o-xyz中去除重叠数据后进行去曲线拟合获取叶片200三维轮廓,如图5所示。
将所述叶片200三维轮廓数据导入电脑软件内可与实现设计的图形进行对比检测出误差之处,实现了对叶片轮廓的检测。
需要说明的是,本实施是以线结构光传感器100与平移驱动S Z 配合实现自动对叶片的扫描,不难想到的是线结构光传感器100还可与旋转驱动W、平移驱动S Z 配合实现对叶片的自动扫描。
以上所述仅是本发明优选的实施方式,但本发明的保护范围并不局限于此,任何基于本发明所提供的技术方案和发明构思进行的改造和替换都应涵盖在本发明的保护范围内。
Claims (4)
1.基于叶片自特征的叶片三维轮廓重建方法,所述叶片自特征是指两个相交的侧面基准面A和基准面B,其特征在于包括如下步骤:
(1)对转台转动中心标定
a.将叶片放置于转台面上,并调整线结构光传感器的位姿,使线结构光传感器的激光面与基准面A和基准面B同时相交;线结构光传感器采集基准面A和基准面B的轮廓数据,并对轮廓数据进行直线拟合获得两条直线,两条直线分别是位于基准面A上一条直线和位于基准面B上的一条直线,并求解两条直线的交点A1(xA1,yA1);
b.保持线结构光传感器位姿不变,转动转台后线结构光传感器的激光面依然同时与基准面A和基准面B相交,且转动角度为θ,线结构光传感器采集基准面A和基准面B的轮廓数据,并对轮廓数据进行直线拟合获得两条直线,两条直线分别是位于基准面A上一条直线和位于基准面B上的一条直线,并求解两条直线的交点A2(xA2,yA2);
c.在数据坐标系下根据交点A1和A2求解转动中心坐标O(xo1,yo1);
(2)对叶片进行全局扫描获取叶片的三维轮廓
调整线结构光传感器的位姿,使线结构光传感器的激光面与叶片的初始位置相交,线结构光传感器以Z轴为扫描方向前进对叶片轮廓进行扫描,然后调整线结构光传感器回到初始位置并转动转台再以Z轴为扫描方向前进对叶片轮廓进行扫描,叶片全部扫描后将线结构光传感器采集的轮廓数据转换至数据坐标系中进行曲面拟合获得叶片的三维轮廓;其中,移动坐标轴Z轴驱动连接有直线编码器,直线编码器与线结构光传感器连接,通过设置触发距离dz控制线结构光传感器采集叶片轮廓数据。
2.根据权利要求1所述的基于叶片自特征的叶片三维轮廓重建方法,其特征在于:步骤(2)对叶片进行全局扫描获取叶片的三维轮廓具体操作步骤如下:
(21)调整线结构光传感器的位姿,使线结构光传感器的激光面与叶片的初始位置相交,然后将线结构光传感器改为编码器触发模式,设置触发距离dz和Z轴运动范围;
(22)线结构光传感器开始扫描,当线结构光传感器在Z轴的运动超过设置的Z轴运动范围则使线结构光传感器回到初始位置;
(23)转动转台,调整线结构光传感器在X轴和Y轴的位置,使线结构光传感器的激光面与未扫描的叶片侧相交;
(24)重复步骤(22)和(23)直到叶片所有轮廓均被扫描;
3.根据权利要求2所述的基于叶片自特征的叶片三维轮廓重建方法,其特征在于:所述触发距离dz=0.1mm。
4.根据权利要求2所述的基于叶片自特征的叶片三维轮廓重建方法,其特征在于:所述Z轴运动范围大于叶片高度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011130984.7A CN112013787B (zh) | 2020-10-21 | 2020-10-21 | 基于叶片自特征的叶片三维轮廓重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011130984.7A CN112013787B (zh) | 2020-10-21 | 2020-10-21 | 基于叶片自特征的叶片三维轮廓重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112013787A CN112013787A (zh) | 2020-12-01 |
CN112013787B true CN112013787B (zh) | 2021-01-26 |
Family
ID=73527638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011130984.7A Active CN112013787B (zh) | 2020-10-21 | 2020-10-21 | 基于叶片自特征的叶片三维轮廓重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112013787B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112484659B (zh) * | 2020-11-12 | 2022-09-16 | 中国航发南方工业有限公司 | 非接触式发动机叶片叶型检测装置 |
CN112991187B (zh) * | 2021-04-28 | 2021-07-27 | 四川大学 | 基于多空间相似度的卷积双胞胎点网络叶片轮廓拼接系统 |
CN113251950A (zh) * | 2021-07-15 | 2021-08-13 | 四川大学 | 基于叶根自基准面的叶片三维轮廓高精度检测方法 |
CN113587846A (zh) * | 2021-08-01 | 2021-11-02 | 北京工业大学 | 一种基于坐标变换原理的小模数齿形检测方法 |
CN113375598A (zh) * | 2021-08-10 | 2021-09-10 | 四川大学 | 基于自基准面的叶片三维型面轮廓高精度匹配方法 |
CN114701185B (zh) * | 2022-01-11 | 2024-03-12 | 中材科技风电叶片股份有限公司 | 一种叶片制备的方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6101455A (en) * | 1998-05-14 | 2000-08-08 | Davis; Michael S. | Automatic calibration of cameras and structured light sources |
WO2001007864A2 (en) * | 1999-07-21 | 2001-02-01 | Hongyu Liu | Method and apparatus for performing calibration-based absolute shape measurement using phase-shifting projected fringe profilometry |
JP2002365024A (ja) * | 2001-06-11 | 2002-12-18 | Mitsubishi Heavy Ind Ltd | 穴計測装置 |
CN101458072A (zh) * | 2009-01-08 | 2009-06-17 | 西安交通大学 | 一种基于多传感器的三维轮廓测量装置及其测量方法 |
DE102008033405A1 (de) * | 2008-07-16 | 2010-01-28 | Willibald Hawlitschek | Optisches Verahren und Vorrichtungen zum Vermessen von großen Flächen mit länglichen Querschnitt. |
CN101807309A (zh) * | 2010-03-17 | 2010-08-18 | 浙江大学 | 基于差动拍摄装置的壁画高保真三维重建方法 |
CN105627923A (zh) * | 2016-01-08 | 2016-06-01 | 黑龙江科技大学 | 一种基于激光测距的叶片稠密点云获取的扫描路径规划方法 |
CN105737762A (zh) * | 2016-05-09 | 2016-07-06 | 中国民用航空飞行学院 | 一种航空发动机叶片型面测量方法 |
CN106568381A (zh) * | 2016-10-25 | 2017-04-19 | 西北工业大学 | 一种基于标准平面的线激光测量系统标定方法 |
CN106643492A (zh) * | 2016-11-18 | 2017-05-10 | 中国民航大学 | 一种航空发动机损伤叶片三维数字散斑造型方法 |
CN110823130A (zh) * | 2019-10-22 | 2020-02-21 | 北京工业大学 | 一种结构光3d视觉快速自动标定装置及方法 |
CN110926364A (zh) * | 2019-12-11 | 2020-03-27 | 四川大学 | 基于线结构光的叶片检测方法 |
CN110926365A (zh) * | 2019-12-11 | 2020-03-27 | 四川大学 | 一种基于线结构光检测物标定方法 |
CN111023992A (zh) * | 2019-12-25 | 2020-04-17 | 四川大学 | 基于线结构光的截面曲线特征检测方法及其应用 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09159418A (ja) * | 1995-12-11 | 1997-06-20 | Sumitomo Heavy Ind Ltd | 3次元曲面成形品の形状計測方法及び装置 |
JP2013245963A (ja) * | 2012-05-23 | 2013-12-09 | Toyota Motor Corp | 回転翼の形状測定方法および形状測定システムならびに塗布装置 |
-
2020
- 2020-10-21 CN CN202011130984.7A patent/CN112013787B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6101455A (en) * | 1998-05-14 | 2000-08-08 | Davis; Michael S. | Automatic calibration of cameras and structured light sources |
WO2001007864A2 (en) * | 1999-07-21 | 2001-02-01 | Hongyu Liu | Method and apparatus for performing calibration-based absolute shape measurement using phase-shifting projected fringe profilometry |
JP2002365024A (ja) * | 2001-06-11 | 2002-12-18 | Mitsubishi Heavy Ind Ltd | 穴計測装置 |
DE102008033405A1 (de) * | 2008-07-16 | 2010-01-28 | Willibald Hawlitschek | Optisches Verahren und Vorrichtungen zum Vermessen von großen Flächen mit länglichen Querschnitt. |
CN101458072A (zh) * | 2009-01-08 | 2009-06-17 | 西安交通大学 | 一种基于多传感器的三维轮廓测量装置及其测量方法 |
CN101807309A (zh) * | 2010-03-17 | 2010-08-18 | 浙江大学 | 基于差动拍摄装置的壁画高保真三维重建方法 |
CN105627923A (zh) * | 2016-01-08 | 2016-06-01 | 黑龙江科技大学 | 一种基于激光测距的叶片稠密点云获取的扫描路径规划方法 |
CN105737762A (zh) * | 2016-05-09 | 2016-07-06 | 中国民用航空飞行学院 | 一种航空发动机叶片型面测量方法 |
CN106568381A (zh) * | 2016-10-25 | 2017-04-19 | 西北工业大学 | 一种基于标准平面的线激光测量系统标定方法 |
CN106643492A (zh) * | 2016-11-18 | 2017-05-10 | 中国民航大学 | 一种航空发动机损伤叶片三维数字散斑造型方法 |
CN110823130A (zh) * | 2019-10-22 | 2020-02-21 | 北京工业大学 | 一种结构光3d视觉快速自动标定装置及方法 |
CN110926364A (zh) * | 2019-12-11 | 2020-03-27 | 四川大学 | 基于线结构光的叶片检测方法 |
CN110926365A (zh) * | 2019-12-11 | 2020-03-27 | 四川大学 | 一种基于线结构光检测物标定方法 |
CN111023992A (zh) * | 2019-12-25 | 2020-04-17 | 四川大学 | 基于线结构光的截面曲线特征检测方法及其应用 |
Non-Patent Citations (3)
Title |
---|
Jinhua Li 等.《Reconstruction of Broken Blade Geometry Model Based on Reverse Engineering》.《 2010 Third International Conference on Intelligent Networks and Intelligent Systems》.2011, * |
刘浩浩 等.《基于线结构光的叶片型面特征检测方法研究》.《中国测试》.2020, * |
陆红红 等.《基于面结构光的叶片三维重构技术研究》.《中国测试》.2019,第45卷(第2期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112013787A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112013787B (zh) | 基于叶片自特征的叶片三维轮廓重建方法 | |
CN110370286B (zh) | 基于工业机器人和单目相机的定轴运动刚体空间位置识别方法 | |
CN108180851B (zh) | 一种用于测量气膜孔形位参数的五轴影像测量装置 | |
CN105382631B (zh) | 一种五轴数控机床旋转轴误差的检测设备和方法 | |
CN105806251A (zh) | 基于线激光传感器的四轴测量系统及其测量方法 | |
CN111982019B (zh) | 基于线结构光传感器的叶片截面轮廓高精度检测方法 | |
CN107609228B (zh) | 面向并联钻床的自动钻孔方法 | |
CN103286452B (zh) | 激光微孔加工方法及激光微孔加工设备 | |
CN106091976A (zh) | 矩形体的自动化检测与三维重构系统及方法 | |
CN1939638A (zh) | 激光照射状态显示方法及激光照射状态显示系统 | |
CN113059277B (zh) | 一种航空发动机火焰筒异型气膜孔的超快激光加工方法 | |
CN107063103A (zh) | 一种薄壁件多点柔性定位与变形测量实验装置 | |
CN107238352A (zh) | 一种基于数控车床的回转类结构特征零件轮廓激光在机测量装置与方法 | |
CN210548098U (zh) | 铺粉器机构与可在线检测质量的金属增材制造装置 | |
CN112648938A (zh) | 一种大尺寸平板类模具空间姿态的分布式精密测量装置及方法 | |
CN113084351B (zh) | 一种采用飞秒激光加工面齿轮的方法 | |
CN111964589A (zh) | 一种用于法向检测的激光位移传感器标定装置及标定方法 | |
CN113857654B (zh) | 实时采集并三维扫描及验证的多轴联动加工设备及方法 | |
CN115682989A (zh) | 一种涡轮叶片基于六点定位的形面测量方法 | |
CN112013797A (zh) | 基于圆柱体和线结构光标定空间回转轴线的方法及其应用 | |
CN111215800A (zh) | 一种用于焊接维修机器人的维修量检测装置及检测方法 | |
CN105824237A (zh) | 基于线激光传感器的自适应偏移控制方法 | |
CN112475591B (zh) | 一种双摆头式五轴联动激光加工机床以及工作方法 | |
CN111951380B (zh) | 基于单目立体视觉的三维重建装置及方法 | |
CN113375598A (zh) | 基于自基准面的叶片三维型面轮廓高精度匹配方法 |
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 |