CN112101130A - 基于视觉识别技术的铆钉成形质量检测判定系统及方法 - Google Patents
基于视觉识别技术的铆钉成形质量检测判定系统及方法 Download PDFInfo
- Publication number
- CN112101130A CN112101130A CN202010851972.7A CN202010851972A CN112101130A CN 112101130 A CN112101130 A CN 112101130A CN 202010851972 A CN202010851972 A CN 202010851972A CN 112101130 A CN112101130 A CN 112101130A
- Authority
- CN
- China
- Prior art keywords
- module
- rivet
- mechanical arm
- dimensional
- quality
- 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.)
- Granted
Links
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000000007 visual effect Effects 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000007547 defect Effects 0.000 claims abstract description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000002411 adverse Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000001308 synthesis method Methods 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 claims 1
- 238000006073 displacement reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
本发明提供一种基于视觉识别技术的铆钉成形质量检测判定系统及方法,该系统主要由自动引导车模块1、机械臂模块2、三维测量模块3、控制单元模块4和数据处理模块5组成。自动引导车模块1具有全向移动功能及避障功能;机械臂模块2安装在自动引导车模块1内置的电动升降装置上,实现机械臂模块2的高度方向位移量的提升。三维测量模块3集成安装在机械臂模块2的末端,主要包括左相机301、固定板302、光栅投射器303、右相机304。应用本系统测量铆钉成形质量时不需固定工位,通过三维扫描技术,实现铆钉镦头直径、高度,以及裂纹缺陷的视觉识别与自动测量,检测效率高,测量精度高,适用于航空航天等领域铆接成形质量的检测与判定。
Description
技术领域
本发明涉及铆接质量检测技术领域,具体地,涉及一种基于视觉识别技术的铆钉成形质量检测判定系统及方法。
背景技术
运载火箭箭体结构主要包括贮箱及舱段两大类,其中舱段主要由蒙皮、桁条、框环等零组件通过铆钉、螺钉等装配而成。整发火箭结构铆钉多达数十万个,单个舱段铆钉均在一万件以上,其成形质量直接影响着箭体结构的连接强度,对于可重复使用结构舱段的影响更加强烈。传统的对铆接质量的控制主要通过操作工人的经验保证,其检测还主要依赖人工检查,精度低、效率低、可靠性差,难以满足大量的铆钉成形质量检测的需要。因此,针对大尺寸舱段稠密点位铆钉,引入基于视觉识别技术,实现非接触式测量,对铆接质量进行100%的检查,精度高、速度快、对零件无损伤且自动化程度高,对于提高铆接质量和检测效率具有重要意义。
公开号为CN106938315A的专利文献“一种飞机气动铆接质量在线检测装置及检测方法”,公开了一种可用于飞机气动铆接质量在线检测的检测方法,可通过调整丝杆螺栓实现仿真板夹紧和放松,利用传感器对于铆接信号的实时采集,数据文件传输到上位机进行结果分析和评价。该方法同样存在上述需要接触式测量,不能保证对零件无损伤的缺陷。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于视觉识别技术的铆钉成形质量检测判定系统及方法。
根据本发明的一个方面,提供一种基于视觉识别技术的铆钉成形质量检测判定系统,包括如下模块:自动引导车模块1、机械臂模块2、三维测量模块3、控制单元模块4和数据处理模块5;机械臂模块2通过销钉和螺栓,与自动引导车模块1连接,其支臂端部集成安装三维测量模块3,在控制单元模块4的指令作用下,自动引导车模块1带动机械臂模块2和三维测量模块3向被测产品表面铆钉移动,在满足预先设定的视窗条件下驻车,三维测量模块3向被测产品表面铆钉投射光栅,并通过相机获取投射点处的二维图像,数据处理模块5获取图像信息,经过图像分割和特征提取算法,获得铆钉成形后镦头的高度、直径和裂纹数据,判定铆接质量是否合格。
优选地,所述的自动引导车模块1能够进行全方位的移动及避障,使得本系统不需要固定工位;通过与被测产品的基准标定关系,能够确定二者的相互位置及方向关系。
优选地,所述机械臂模块2通过销钉、螺栓等紧固件安装在所述自动引导车模块1内部的电动升降装置上,当测量高轴向尺寸的舱体时,通过电动升降装置或增加高度转接装置来弥补机械臂轴向尺寸的限制,减少系统的成本,避免采用大型机械臂时与被测产品可能存在的干涉及碰撞问题。
优选地,所述三维测量模块3集成安装在所述机械臂模块2的末端,所述三维测量模块3包括左相机301、固定板302、光栅投射器303和右相机304,固定板302用于装夹固定左相机301、光栅投射器303和右相机304,并实现与所述机械臂模块2的连接。
优选地,所述三维测量模块3采用基于多亮度等级条纹(数字化光栅条纹)投射和最佳调制度优选的高动态条纹图像采集与合成方法,补偿高光反射对光学测量的不利影响,建立误差传递模型,优化相机拍摄和条纹投射参数,保证强光(桁条及铆钉表面均有表面防护,成高亮强光状态)反射下的测量精度。
优选地,所述控制单元模块4通过程序控制,能够实现所述自动引导车模块1移动、所述机械臂模块2伸缩、所述三维测量模块3投射光栅和相机同步拍照获取图像信息;根据预先标定的基准,能够记录铆接质量不合格处的视窗编号及点位坐标,实现缺陷快速排除。
优选地,所述数据处理模块5自动获取所述三维测量模块3的图像信息,在后续点位图像信息获取时,所述数据处理模块5能够进行并行计算,对所述三维测量模块3光栅投射及图像获取不会产生效率的影响。
优选地,所述数据处理模块5通过深度图像的边缘提取算法、相连区域标记算法和随机抽样一致算法获取所述三维测量模块3中当前视窗下的各铆钉成形后镦头的直径及高度,采用基于二维和三维特征深度融合的卷积神经网络CNN模型获取镦头表面裂纹信息,通过与工艺标准对比,实现铆接质量的自动判定。
优选地,测量完毕后,数据处理模块5依据工艺标准判定铆接质量,形成整个舱段各点位铆接质量的数据清单,提示铆钉镦头质量不符合处的点位,人工干预排除缺陷。
根据本发明的另一个方面,提供一种基于视觉识别技术的铆钉成形质量检测判定方法,包括:自动引导车、机械臂、三维测量功能、控制单元和数据处理功能;机械臂通过销钉和螺栓,与自动引导车连接,其支臂端部带有三维测量功能,在控制单元的指令作用下,自动引导车带动机械臂和三维测量向被测产品表面铆钉移动,在满足预先设定的视窗条件下驻车,三维测量功能向被测产品表面铆钉投射光栅,并通过相机获取投射点处的二维图像,数据处理功能获取图像信息,经过图像分割和特征提取算法,获得铆钉成形后镦头的高度、直径和裂纹数据,判定铆接质量是否合格。
与现有技术相比,本发明具有如下的有益效果:
1.本发明测量时不需固定工位,全流程自动化实现;
2.本发明通过三维扫描技术,实现铆钉镦头直径、高度,以及裂纹缺陷的视觉识别与自动测量,检测效率高,测量精度高;
3.本发明适用于飞机、火箭铆接部件铆钉成形质量的检测与判定,具有很高的柔性化及自动化水平。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明系统结构图;
图2为本发明三维测量装置结构图;
图3为运载火箭舱段结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示,本发明实施例提供了一种基于视觉识别技术的铆钉成形质量检测判定系统,包括自动引导车模块1、机械臂模块2、三维测量模块3、控制单元模块4和数据处理模块5。机械臂模块2通过销钉和螺栓,与自动引导车模块1连接,其支臂端部集成安装三维测量模块3。如图2所示,三维测量模块3包括左相机301、固定板302、光栅投射器303和右相机304,固定板302用于装夹固定左相机301、光栅投射器303和右相机304。在控制单元模块4的指令作用下,自动引导车模块1带动机械臂模块2和三维测量模块3向被测产品表面铆钉移动,在满足预先设定的视窗条件下驻车,三维测量模块3向被测产品表面铆钉投射光栅,并通过相机获取投射点处的二维图像,数据处理模块5获取图像信息,经过图像分割和特征提取算法,获得铆钉成形后镦头的高度、直径和裂纹数据,判定铆接质量是否合格。
被检测产品示意图如图3所示,在检测前,被检测产品放置在四周较为宽敞的空间,以保证自动引导车具备合适的移动空间。根据产品铆钉镦头的方位,预先将自动引导车行使至产品的一侧。
根据舱段结构特点,将其与自动引导车进行基准标定,确定相互位置关系。在控制单元模块内编制自动引导车、三维测量装置的操作指令程序,并确定视窗的尺寸大小,由单个桁条从上至下(或从下至上)依次对被测量点进行投射光栅与拍照,获取各视窗内铆钉镦头的图像信息。在进行下一视窗内铆钉图像获取的同时,数据处理模块并行处理当前图像数据,判定铆接质量及缺陷。单个桁条测量完毕后,机械臂(或自动引导车)旋转一角度,按照上述流程测量其余区域的铆钉镦头。
整个舱段测量完毕后,数据处理模块依据工艺标准判定铆接质量,形成整个舱段各点位铆接质量的数据清单,提示铆钉镦头质量不符合处的点位,人工干预排除缺陷。
当舱体的高度尺寸变化时,通过自动引导车车内部的电动升降装置弥补机械臂高度行程的不足,或者通过分解销钉、螺栓,在机械臂与电动升降装置件增加高度转接装置实现高度行程的扩充。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,包括:自动引导车模块(1)、机械臂模块(2)、三维测量模块(3)、控制单元模块(4)和数据处理模块(5);
机械臂模块(2)与自动引导车模块(1)连接,机械臂模块(2)支臂端部集成安装三维测量模块(3),在控制单元模块(4)的指令作用下,自动引导车模块(1)带动机械臂模块(2)和三维测量模块(3)向被测产品表面铆钉移动,在满足预先设定的视窗条件下驻车,三维测量模块(3)向被测产品表面铆钉投射光栅,并通过相机获取投射点处的二维图像,数据处理模块(5)获取图像信息,经过图像分割和特征提取算法,获得铆钉成形后镦头的高度、直径和裂纹数据,判定铆接质量是否合格。
2.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,所述的自动引导车模块(1)能够进行全方位的移动及避障,使得本系统不需要固定工位;通过与被测产品的基准标定关系,能够确定二者的相互位置及方向关系。
3.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,所述机械臂模块(2)通过紧固件安装在所述自动引导车模块(1)内部的电动升降装置上,当测量高轴向尺寸的舱体时,通过电动升降装置或增加高度转接装置来弥补机械臂轴向尺寸的限制。
4.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,所述三维测量模块(3)集成安装在所述机械臂模块(2)的末端,所述三维测量模块(3)包括左相机(301)、固定板(302)、光栅投射器(303)和右相机(304),固定板(302)用于装夹固定左相机(301)、光栅投射器(303)和右相机(304),并实现与所述机械臂模块(2)的连接。
5.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,所述三维测量模块(3)采用基于多亮度等级条纹,包括数字化光栅条纹的投射和调制度的筛选这种高动态条纹图像采集与合成方法,补偿高光反射对光学测量的不利影响,建立误差传递模型,筛选相机拍摄和条纹投射参数,保证强光反射下的测量精度。
6.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,所述控制单元模块(4)通过程序控制,能够实现所述自动引导车模块(1)移动、所述机械臂模块(2)伸缩、所述三维测量模块(3)投射光栅和相机同步拍照获取图像信息;根据预先标定的基准,能够记录铆接质量不合格处的视窗编号及点位坐标,实现缺陷快速排除。
7.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,所述数据处理模块(5)自动获取所述三维测量模块(3)的图像信息,在后续点位图像信息获取时,所述数据处理模块(5)能够进行并行计算,对所述三维测量模块(3)光栅投射及图像获取不会产生效率的影响。
8.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,所述数据处理模块(5)通过深度图像的边缘提取算法、相连区域标记算法和随机抽样一致算法获取所述三维测量模块(3)中当前视窗下的各铆钉成形后镦头的直径及高度,采用基于二维和三维特征深度融合的卷积神经网络CNN模型获取镦头表面裂纹信息,通过与工艺标准对比,实现铆接质量的自动判定。
9.根据权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统,其特征在于,测量完毕后,数据处理模块(5)依据工艺标准判定铆接质量,形成整个舱段各点位铆接质量的数据清单,提示铆钉镦头质量不符合处的点位,人工干预排除缺陷。
10.一种基于视觉识别技术的铆钉成形质量检测判定方法,其特征在于,采用权利要求1所述的基于视觉识别技术的铆钉成形质量检测判定系统进行铆钉成形质量检测判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010851972.7A CN112101130B (zh) | 2020-08-21 | 2020-08-21 | 基于视觉识别技术的铆钉成形质量检测判定系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010851972.7A CN112101130B (zh) | 2020-08-21 | 2020-08-21 | 基于视觉识别技术的铆钉成形质量检测判定系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112101130A true CN112101130A (zh) | 2020-12-18 |
CN112101130B CN112101130B (zh) | 2024-04-05 |
Family
ID=73753210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010851972.7A Active CN112101130B (zh) | 2020-08-21 | 2020-08-21 | 基于视觉识别技术的铆钉成形质量检测判定系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101130B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113327246A (zh) * | 2021-07-01 | 2021-08-31 | 北京航空航天大学 | 一种基于条纹投射和图像纹理约束的铆钉成形质量三维视觉检测技术 |
CN113335557A (zh) * | 2021-04-30 | 2021-09-03 | 成都飞机工业(集团)有限责任公司 | 一种飞机机身表面装配质量数字化检测方法及系统 |
CN114505442A (zh) * | 2022-03-17 | 2022-05-17 | 无锡贝斯特精机股份有限公司 | 机器人钻铆工作站对铆机构及控制方法 |
CN114677585A (zh) * | 2022-03-15 | 2022-06-28 | 昆山豪润精密模具有限公司 | 一种智能送料系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006056255A2 (de) * | 2004-11-19 | 2006-06-01 | Richard Bergner Verbindungstechnik Gmbh & Co. Kg | Roboterhand mit einer hydraulikeinheit, deren speicherraum ein variierbares ausgleichsvolumen hat |
WO2014210419A2 (en) * | 2013-06-27 | 2014-12-31 | Faro Technologies, Inc. | Method for measuring 3d coordinates of a surface with a portable articulated arm coordinate measuring machine having a camera |
WO2015003108A1 (en) * | 2013-07-03 | 2015-01-08 | Faro Technologies, Inc. | Laser tracker that cooperates with a remote camera bar and coordinate measurement device |
CN106938315A (zh) * | 2017-03-02 | 2017-07-11 | 上海交通大学 | 一种飞机气动铆接质量在线检测装置及检测方法 |
-
2020
- 2020-08-21 CN CN202010851972.7A patent/CN112101130B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006056255A2 (de) * | 2004-11-19 | 2006-06-01 | Richard Bergner Verbindungstechnik Gmbh & Co. Kg | Roboterhand mit einer hydraulikeinheit, deren speicherraum ein variierbares ausgleichsvolumen hat |
WO2014210419A2 (en) * | 2013-06-27 | 2014-12-31 | Faro Technologies, Inc. | Method for measuring 3d coordinates of a surface with a portable articulated arm coordinate measuring machine having a camera |
WO2015003108A1 (en) * | 2013-07-03 | 2015-01-08 | Faro Technologies, Inc. | Laser tracker that cooperates with a remote camera bar and coordinate measurement device |
CN106938315A (zh) * | 2017-03-02 | 2017-07-11 | 上海交通大学 | 一种飞机气动铆接质量在线检测装置及检测方法 |
Non-Patent Citations (2)
Title |
---|
刘检华;孙清超;程晖;刘小康;丁晓宇;刘少丽;熊辉;: "产品装配技术的研究现状、技术内涵及发展趋势", 机械工程学报, no. 11 * |
张慧岳;贾博;: "机器人在航空工业领域的应用及标准研究", 航空标准化与质量, no. 06 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113335557A (zh) * | 2021-04-30 | 2021-09-03 | 成都飞机工业(集团)有限责任公司 | 一种飞机机身表面装配质量数字化检测方法及系统 |
CN113327246A (zh) * | 2021-07-01 | 2021-08-31 | 北京航空航天大学 | 一种基于条纹投射和图像纹理约束的铆钉成形质量三维视觉检测技术 |
CN114677585A (zh) * | 2022-03-15 | 2022-06-28 | 昆山豪润精密模具有限公司 | 一种智能送料系统及方法 |
CN114505442A (zh) * | 2022-03-17 | 2022-05-17 | 无锡贝斯特精机股份有限公司 | 机器人钻铆工作站对铆机构及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112101130B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101130B (zh) | 基于视觉识别技术的铆钉成形质量检测判定系统及方法 | |
US11188688B2 (en) | Advanced automated process for the wing-to-body join of an aircraft with predictive surface scanning | |
US10896558B2 (en) | Apparatus for inspecting driver assistance system of vehicle and method for controlling the same | |
CN108801914B (zh) | 一种对多沟槽型面板材成形缺陷的检测方法及检测系统 | |
US11642747B2 (en) | Aligning parts using multi-part scanning and feature based coordinate systems | |
US9791381B2 (en) | Door inspection system for vehicle and inspection method for the same | |
US11508057B2 (en) | Inspection system and method for vehicle underbody | |
CN112432610A (zh) | 一种列车限界检测装置及检测方法 | |
CN114720475A (zh) | 一种汽车车身漆面缺陷智能检测与打磨系统及方法 | |
CN113514471A (zh) | 一种涂胶效果图像检测方法 | |
Aldao et al. | Metrological comparison of LiDAR and photogrammetric systems for deformation monitoring of aerospace parts | |
CN110509272B (zh) | 一种车辆查验方法、系统以及复合巡检机器人 | |
JP2015045571A (ja) | 隙間段差計測装置及び方法 | |
KR20210110858A (ko) | 차량 센서 보정을 위한 로봇 타겟 정렬 | |
EP3812699B1 (en) | Scanning apparatus and method of scanning | |
Yan et al. | Multi-line laser structured light fast visual positioning system with assist of TOF and CAD | |
CN114392940B (zh) | 一种异型元器件的针脚检测方法及装置 | |
CN112396604B (zh) | 一种基于多视角的飞机蒙皮缺陷检测方法 | |
KR101702517B1 (ko) | 의장품 돌출부 검사 장치 | |
KR20240018627A (ko) | 기계 비전 검측방법, 이의 검측장치 및 이의 검측시스템 | |
CN111765849A (zh) | 一种用于飞机狭小空间装配质量的测量装置及方法 | |
US20230334653A1 (en) | Method and system for inspecting a surface with artificial intelligence assist | |
JP7373053B2 (ja) | 車両部品のギャップ・フラッシュ測定方法及び測定用トンネル | |
US20220283274A1 (en) | System and method for inspecting vehicle lidar sensor | |
Yu et al. | Visual servo for fast glass handling by industrial robot with large sensor latency and low sampling rate |
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 |