CN112161619B - 位姿检测方法、三维扫描路径规划方法和检测系统 - Google Patents

位姿检测方法、三维扫描路径规划方法和检测系统 Download PDF

Info

Publication number
CN112161619B
CN112161619B CN202010974477.5A CN202010974477A CN112161619B CN 112161619 B CN112161619 B CN 112161619B CN 202010974477 A CN202010974477 A CN 202010974477A CN 112161619 B CN112161619 B CN 112161619B
Authority
CN
China
Prior art keywords
measured object
dimensional
pose
scanning
model
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
CN202010974477.5A
Other languages
English (en)
Other versions
CN112161619A (zh
Inventor
王江峰
蒋鑫巍
蒋传鹏
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.)
Scantech Hangzhou Co Ltd
Original Assignee
Scantech Hangzhou Co Ltd
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 Scantech Hangzhou Co Ltd filed Critical Scantech Hangzhou Co Ltd
Priority to CN202010974477.5A priority Critical patent/CN112161619B/zh
Publication of CN112161619A publication Critical patent/CN112161619A/zh
Application granted granted Critical
Publication of CN112161619B publication Critical patent/CN112161619B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • 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
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/2518—Projection by scanning of the object

Abstract

本申请涉及一种位姿检测方法、三维扫描路径规划方法和检测系统。其中，该位姿检测方法包括：获取位于预设区域内的被测对象的至少部分表面；从预设模型库中确定与被测对象对应的对象模型；以至少部分表面为参考，将对象模型与至少部分表面进行空间对齐；根据对象模型的位姿，确定被测对象的位姿。通过本申请，解决了工件检测效率低的问题，提高了工件检测效率。

Description

位姿检测方法、三维扫描路径规划方法和检测系统
技术领域
本申请涉及工业自动化领域，特别是涉及位姿检测方法、三维扫描路径规划方法和检测系统。
背景技术
随着相关技术中的生产线越来越多地采用柔性生产线，在柔性生产线上经常会更换生产的目标工件。如果采用相关技术的三维扫描检测系统，在柔性生产线上每次更换生产的目标工件类型都需要人工重新设定工件放置位置、姿态及人工规划扫描路径，这样就使得每次更换不同型号的工件进行检测前会带来很多人工的工作，无法适应柔性生产线的目标工件自动检测的需求，导致三维扫描检测效率低。
发明内容
本申请实施例提供了一种位姿检测方法、三维扫描路径规划方法和检测系统，以至少解决相关技术中工件检测效率低的问题。
第一方面，本申请实施例提供了一种位姿检测方法，包括：获取位于预设区域内的被测对象的至少部分表面；从预设模型库中确定与所述被测对象对应的对象模型；以所述至少部分表面为参考，将所述对象模型与所述至少部分表面进行空间对齐；根据所述对象模型的位姿，确定所述被测对象的位姿。
第二方面，本申请实施例提供了一种三维扫描路径规划方法，包括：根据第一方面所述的位姿检测方法确定所述被测对象的位姿；至少根据所述被测对象的位姿，确定所述被测对象的三维扫描路径。
第三方面，本申请实施例提供了所述检测系统包括：三维扫描系统、预设模型库、机械臂和计算机设备；所述计算机设备中存储有计算机程序和预设模型库；所述三维扫描系统、所述机械臂分别与所述计算机设备电连接；所述三维扫描系统的扫描装置搭载在所述机械臂上；所述计算机设备用于处理所述三维扫描系统扫描得到的数据，以及控制所述机械臂的运动；所述计算机设备还用于执行所述计算机程序以实现第一方面所述的位姿检测方法，和/或第二方面所述的三维扫描路径规划方法。
相比于相关技术，本申请实施例提供的位姿检测方法、三维扫描路径规划方法和检测系统，解决了工件检测效率低的问题，提高了工件检测效率。
本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的位姿检测方法的流程图；
图2是根据本申请实施例的手持式三维扫描系统的结构示意图；
图3是根据本申请实施例的跟踪式扫描系统的结构示意图；
图4是根据本申请实施例的三维扫描路径规划方法的流程图；
图5是根据本申请优选实施例的三维扫描路径规划方法的流程图；
图6是根据本申请实施例的检测系统的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“电连接”、“电性连接”等类似的词语并非仅限于通过导电结构的连接，而是可以包括任何基于声、光、电、磁等媒介的电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
实施例1
本实施例提供了一种位姿检测方法。图1是根据本申请实施例的位姿检测方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取位于预设区域内的被测对象的至少部分表面。
本步骤可以称为预扫描步骤。
在本步骤中，可以通过三维扫描系统获取被测对象的至少部分表面。其中，该三维扫描系统可以为非跟踪式扫描系统(例如手持式三维扫描系统)，也可以为跟踪式扫描系统。
在本实施例中，对被测对象的预扫描的目的是获取能够识别被测对象的信息，而并非是对被测对象进行的正式扫描，因此对被测对象的扫描精度和扫描数据的完整性要求可以降低，即可以仅采集被测对象的一部分扫描数据，例如一个面或者多个面的扫描数据。扫描数据可以为二维图像，也可以为三维点面数据。在扫描数据为二维图像的情况下，可以采用三维扫描仪的其中一个摄像头，或者采用跟踪头的其中一个摄像头来获取该被扫描对象的二维图像。
以采用手持式三维扫描系统获取被测对象的至少部分表面为例。图2是根据本申请实施例的手持式三维扫描系统的结构示意图，如图2所示，该手持式三维扫描系统包括：三维扫描仪120和计算机设备110。其中，三维扫描仪120可以包括结构光投影器121、用于同时采集被测对象的二维图像的至少两个摄像头(分别为第一摄像头122和第二摄像头123)。
上述的第一摄像头122和第二摄像头123包括能够捕获扫描视野内的可见光波段或者不可见光波段的相机、CCD传感器或者CMOS传感器。上述的第一摄像头122和第二摄像头123在被测对象的表面形成有多个特征图案的情况下，同步采集被测对象的二维图像，得到两个同步二维图像。
上述的结构光投影器121包括用于投射特征图案到被测对象表面的投影仪，投射的特征图案包括但不限于以下至少之一格雷码图案、散斑图案、线特征图案。该投影仪可以是数字光处理(DLP)投影仪。
三维扫描仪120用于按照预先规定路径运动，向位于预设区域内的被测对象投影特征图案，利用第一摄像头122和第二摄像头123采集投射有特征图案的被测对象的双目图像。
计算机设备110用于根据第一摄像头122和第二摄像头123获取到的表面投射有特征图案的被测对象的同步二维图像(称为双目图像)，生成三维点面数据，以及根据该三维点面数据重建得到被测对象的至少部分表面。其中，计算机设备110重建被测对象的三维模型的基本原理是上述两个摄像头同步拍摄两幅具有特征图案投影的二维图像，两幅同步二维图像中的二维点数据分别被提取，再利用对应的两个摄像头的标定内参和位姿参数，结合极线约束关系，根据三角法原理计算得到三维点面数据，最后重建得到被测对象的至少部分表面。
以采用跟踪式扫描系统获取被测对象的至少部分表面为例。图3是根据本申请实施例的跟踪式扫描系统的结构示意图，如图3所示，该跟踪式扫描系统包括三维扫描仪120、计算机设备110和跟踪头130。其中，该三维扫描仪120可以包括结构光投影器121、用于同时采集被测对象的二维图像的至少两个摄像头(分别为第一摄像头122和第二摄像头123)，以及设置在三维扫描仪120表面且能够被跟踪头130捕捉到的至少三个目标特征124。
上述的第一摄像头122和第二摄像头123包括能够捕获扫描视野内的可见光波段或者不可见光波段的相机、CCD传感器或者CMOS传感器。上述的第一摄像头122和第二摄像头123在被测对象的表面形成有多个特征图案的情况下，同步采集被测对象的二维图像，得到两个同步二维图像。
上述的结构光投影器121包括用于投射特征图案到被测对象表面的投影仪，投射的特征图案包括但不限于以下至少之一格雷码图案、散斑图案、线特征图案。该投影仪可以是数字光处理(DLP)投影仪。
上述的目标特征124可以是自发光的目标特征或者反光的目标特征。
跟踪头130与计算机设备110电连接，跟踪头130用于在三维扫描仪120采集二维图像时，通过同步捕捉三维扫描仪120表面固定的至少三个目标特征124，由于这至少三个目标特征124之间的空间位置关系被预先标定，因此根据这至少三个目标特征124能够确定三维扫描仪120的位姿。
在其中一些实施例中，三维扫描仪120按照预先规定路径运动，向位于预设区域内的被测对象投影特征图案，利用第一摄像头122和第二摄像头123采集投射有特征图案的被测对象的双目图像。计算机设备110根据双目图像生成被测对象的至少部分表面。
在另外一些实施例中，在位于预设区域内的被测对象投影特征图案的情况下，跟踪头130采集投射有特征图案的被测对象的双目图像，计算机设备110根据双目图像生成被测对象的至少部分表面。在本实施例中利用跟踪头实现对至少部分表面的采集，有效利用了跟踪头通常距离被测对象较远的特点，能够有效地避免三维扫描系统(跟踪头)与被测对象的碰撞，保障作业安全。其中，跟踪头130还可以包括结构光投影器，用于向被测对象投影特征图案；和/或跟踪头130也可以不包括结构光投影器，而是采用其他的结构光投影器(例如设置在跟踪头130附近的结构光投影器)向被测对象表面投影特征图案。
在上述实施例中，计算机设备110用于根据第一摄像头122和第二摄像头获取到的同步二维图像，生成三维点面数据，以及根据跟踪头130跟踪到的三维扫描仪120的位姿将三维点面数据转换到全局坐标系，并重建得到被测对象的至少部分表面的三维模型。其中，计算机设备110重建被测对象的三维模型的基本原理是上述两个摄像头同步拍摄两幅具有结构光投影的二维图像，两幅同步二维图像中的二维点数据分别被提取，再利用对应的两个摄像头的标定内参和位姿参数，结合极线约束关系，根据三角法原理计算得到三维点面数据，最后根据三维扫描仪120的位姿将三维点面数据转换到全局坐标系对各个位姿采集到的三维点面数据进行融合并重建得到被测对象的三维模型。
在其中一些实施例中，为了实现三维扫描仪120和跟踪头130的同步工作，三维扫描系统还包括时钟同步单元150，时钟同步单元150分别与三维扫描仪120和跟踪头130电连接。时钟同步单元150用于提供时钟同步信号。
在上述实施例中，为了实现自动化位姿检测，三维扫描系统的三维扫描仪120可以搭载在机械臂上，机械臂与计算机设备110电连接，并受到计算机设备110的控制，使得三维扫描仪120能够被机械臂带动而实现自动化测量。
在本实施例中，为了避免三维扫描仪与被测对象碰撞，在三维扫描仪的扫描视野附近事先划定预设区域，该预设区域为预设长宽高的空间区域。该预设区域的至少能够完全覆盖预设模型库中所有的对象模型，从而不至于放置在该预设区域内的被测对象与三维扫描仪存在任何被碰撞的可能性。
在空间足够大，且用于扫描被测对象的三维扫描系统具备远距离三维扫描能力的情况下，预设区域可以设置为足够大，从而保证在该预设区域内的被测对象无论如何放置都不存在与三维扫描仪碰撞的可能性。
在空间有限或者三维扫描系统扫描的最大距离受限的情况下，可以通过激光面或者距离传感器来框定该预设区域，一旦激光面或者距离传感器被阻挡则发出警告或者通过传送装置调整被测对象的位置，以保证被测对象位于该预设区域内。相对于现有技术中需要将被测对象固定在扫描视野内的特定位置，并且保证被测对象的姿态也是固定的而言，在本实施例中仅需保证被测对象位于预设区域内，而三维扫描仪在预设区域外对预设区域内的被测对象进行扫描，因此大大地降低了被测对象的摆放要求。
步骤S102，从预设模型库中确定与被测对象对应的对象模型。
在步骤S101中获得了被测对象的至少部分表面之后，则可以根据这一部分表面在预设模型库中匹配对应的对象模型。如果没能够匹配到任何的对象模型，或者匹配到超过一个对象模型，则认为匹配失败；此时可以返回步骤S101采集更多的被测对象的表面，以重新进行匹配。
在一些实施例中，可以通过从获取到的至少部分表面提取结构特征，然后根据这些结构特征从预设模型库中匹配相应的对象模型。其中，在预设模型库中可以保存有检测过程中所有可能被检测到的对象模型。预设模型库中的对象模型可以是通过实时扫描获取的，也可以是根据STL格式文件获取的。例如，在其中一些实施例中，根据人工规划的路径对与被测对象对应的标准对象进行三维扫描，并重建得到被测对象的对象模型；然后将对象模型添加到预设模型库中。在另一些实施例中，可以获取与被测对象对应的STL格式文件；根据STL格式文件，生成被测对象的对象模型；然后将对象模型添加到预设模型库中。
为了提高匹配效率，在一些实施例中，预设模型库中还可以包括特征库，在该特征库中保存有每个对象模型的结构特征信息。
在其中一些实施例中，可以从至少部分表面提取被测对象的特征信息，并根据特征信息从预设模型库中匹配对象模型。其中，特征信息可以是但不限于角点、边的特征信息。通过特征提取和特征匹配的方式来匹配与至少部分表面对应的对象模型的算法和方式成熟，易于实现。
在另一些实施例中，还可以采用深度学习算法中的分类算法来实现对象模型的匹配。例如使用已训练的模型匹配模块处理至少部分表面的数据，得到已训练的模型匹配模块输出的对象模型的标识信息，并将与标识信息对应的对象模型作为与至少部分表面对应的对象模型，其中，已训练的模型匹配模块是基于人工神经网络的分类模型。采用深度学习算法实现对象模型的匹配的优势在于不需要人工设计算法进行被测对象的特征提取，也无需设置特征库，而由人工神经网络的卷积层自动提取被测对象的特征，并通过自学习的方式实现对象模型的匹配。并且，在训练好模型匹配模块之后，匹配效率高于常规的特征匹配方式。
在其中一些实施例中，还可以根据用户输入的信息(例如用户对预设模型库中某个模型的选择信息，或者用户输入的模型的编号或其他标识信息)，从预设模型库中选择与被测对象对应的对象模型。
由于步骤S101和步骤S102的目的在于识别被测对象，因此，在识别被测对象的位姿之前，被测对象的位置可以不固定。这就使得在步骤S101之后以及步骤S102中，被测对象可以被从一个位置移动到另一个位置，甚至改变其姿态。而在其中一些实施例中，为了进一步提高工件检测效率，可以在柔性生产线的一个位置获取被测对象的至少部分表面并根据这些扫描数据匹配识别被测对象，然后再将被测对象移动到另一个位置进行后续的空间对齐、路径规划及三维扫描检测。因此，多个被测对象的三维扫描路径规划可以并行处理，对于每一个被测对象而言，都可以提高三维扫描路径规划以及三维扫描检测的效率。
步骤S103，以至少部分表面为参考，将对象模型与至少部分表面进行空间对齐。
步骤S104，根据对象模型的位姿，确定被测对象的位姿。
在上述步骤中，获得至少部分表面并确定了该至少部分表面对应的对象模型之后，可以采取诸如特征最佳拟合法将对象模型与至少部分表面对齐。其中，对象模型被对齐到了至少部分表面所在的坐标系中，在精确对齐后，在该坐标系中，对象模型的位姿与当前的被测对象的位姿保持一致，即得到了被测对象的位姿。
如果空间对齐失败，则可以再次执行步骤S101采集更多的数据，以生成更多的被测对象的表面，然后再次执行步骤S103。在再次执行步骤S103之前，可以执行步骤S102，也可以不执行步骤S102。
通过上述的方式，实现了被测对象的位姿的检测；该被测对象可以为工件。相对于相关技术不能够检测被测对象的位姿，被测对象必须以固定的位姿摆放才能够安全地对被测对象进行检测的方式而言，采用本实施例提供的位姿检测方法实现了实时、快速对被测对象(工件)的位姿进行检测的有益效果，提高了工件检测的效率，尤其适用于对柔性生产线上的工件的位姿检测。
由于位姿检测中，对于被测对象的表面的扫描精度要求不高，因此在上述本实施例中，还可以将获取被测对象的表面的数据的设备(例如，三维扫描仪或者跟踪式扫描系统的跟踪头)移动到预设区域之外，以避免位姿检测过程中三维扫描仪或者跟踪式扫描系统的跟踪头与被测对象发生碰撞。在预设区域之外，三维扫描仪或者跟踪式扫描系统的跟踪头可以按照设定的路径对被测对象进行扫描，以获取到被测对象的至少部分表面。
实施例2
本实施例还提供了一种三维扫描路径规划方法。该三维扫描路径规划方法可以基于实施例1提供的任一实施方式实现被测对象的位姿检测，并在此基础上规划三维扫描路径。
图4是根据本申请实施例的三维扫描路径规划方法的流程图，如图4所示，该流程包括如下步骤：
步骤S401，获取位于预设区域内的被测对象的至少部分表面。
本步骤可以称为预扫描步骤。在本实施例中，为了避免三维扫描仪与被测对象碰撞，在三维扫描仪的扫描视野附近事先划定预设区域，该预设区域为预设长宽高的空间区域。该预设区域的至少能够完全覆盖预设模型库中所有的对象模型，从而不至于放置在该预设区域内的被测对象与三维扫描仪存在任何被碰撞的可能性。
在空间足够大，且用于扫描被测对象的三维扫描系统具备远距离三维扫描能力的情况下，预设区域可以设置为足够大，从而保证在该预设区域内的被测对象无论如何放置都不存在与三维扫描仪碰撞的可能性。
在空间有限或者三维扫描系统扫描的最大距离受限的情况下，可以通过激光面或者距离传感器来框定该预设区域，一旦激光面或者距离传感器被阻挡则发出警告或者通过传送装置调整被测对象的位置，以保证被测对象位于该预设区域内。相对于现有技术中需要将被测对象固定在扫描视野内的特定位置，并且保证被测对象的姿态也是固定的而言，在本实施例中仅需保证被测对象位于预设区域内，而三维扫描仪在预设区域外对预设区域内的被测对象进行扫描，因此大大地降低了被测对象的摆放要求。
在本实施例中，在预设区域外对被测对象的扫描的目的是获取能够识别被测对象的信息，而并非是对被测对象进行的正式扫描，因此对被测对象的扫描精度和扫描数据的完整性要求可以降低，即可以仅采集被测对象的一部分扫描数据，例如一个面或者多个面的扫描数据。扫描数据可以为二维图像，也可以为三维点面数据。在扫描数据为二维图像的情况下，可以采用三维扫描仪的其中一个摄像头，或者采用跟踪头的其中一个摄像头来获取该被扫描对象的二维图像。
在扫描数据为三维点面数据的情况下，在预设区域外获取位于预设区域内的被测对象的至少部分三维点面数据可以通过三维扫描仪和跟踪头，或者跟踪头和投影仪来获取。例如，在其中一些实施例中，可以将跟踪式扫描系统的三维扫描仪移动到预设区域外，通过跟踪式扫描系统的三维扫描仪和跟踪头获取位于预设区域内的被测对象的至少部分三维点面数据。在另一些实施例中，可以向位于预设区域内的被测对象投影特征图案，通过三维扫描系统的跟踪头采集投射有特征图案的被测对象的双目图像，并根据双目图像生成被测对象的至少部分三维点面数据，其中，跟踪头位于预设区域外。
步骤S402，从预设模型库中确定与至少部分表面对应的对象模型。
在步骤S401中获得了至少部分表面之后，则可以根据这一部分扫描数据在预设模型库中匹配对应的对象模型。如果没能够匹配到任何的对象模型，或者匹配到超过一个对象模型，则认为匹配失败；此时可以返回步骤S401采集更多的被测对象的扫描数据，以重新进行匹配。
在一些实施例中，可以通过从获取到的至少部分表面提取结构特征，然后根据这些结构特征从预设模型库中匹配相应的对象模型。其中，在预设模型库中可以保存有三维扫描检测过程中所有可能被检测到的对象模型。预设模型库中的对象模型可以是通过实时扫描获取的，也可以是根据STL格式文件获取的。例如，在其中一些实施例中，根据人工规划的路径对与被测对象对应的标准对象进行三维扫描，并重建得到被测对象的对象模型；然后将对象模型添加到预设模型库中。在另一些实施例中，可以获取与被测对象对应的STL格式文件；根据STL格式文件，生成被测对象的对象模型；然后将对象模型添加到预设模型库中。
为了提高匹配效率，在一些实施例中，预设模型库中还可以包括特征库，在该特征库中保存有每个对象模型的结构特征信息。
在其中一些实施例中，可以从至少部分表面提取被测对象的特征信息，并根据特征信息从预设模型库中匹配对象模型。其中，特征信息可以是但不限于角点、边的特征信息。通过特征提取和特征匹配的方式来匹配与至少部分表面对应的对象模型的算法和方式成熟，易于实现。
在另一些实施例中，还可以采用深度学习算法中的分类算法来实现对象模型的匹配。例如使用已训练的模型匹配模块处理至少部分表面，得到已训练的模型匹配模块输出的对象模型的标识信息，并将与标识信息对应的对象模型作为与至少部分表面对应的对象模型，其中，已训练的模型匹配模块是基于人工神经网络的分类模型。采用深度学习算法实现对象模型的匹配的优势在于不需要人工设计算法进行被测对象的特征提取，也无需设置特征库，而由人工神经网络的卷积层自动提取被测对象的特征，并通过自学习的方式实现对象模型的匹配。并且，在训练好模型匹配模块之后，匹配效率高于常规的特征匹配方式。
由于步骤S401和步骤S402的目的在于识别被测对象，因此，在识别被测对象的位姿之前，被测对象的位置可以不固定。这就使得在步骤S401之后以及步骤S402中，被测对象可以被从一个位置移动到另一个位置，甚至改变其姿态。而在其中一些实施例中，为了进一步提高三维扫描检测效率，可以在柔性生产线的一个位置获取被测对象的至少部分表面并根据这些扫描数据匹配识别被测对象，然后再将被测对象移动到另一个位置进行后续的空间对齐、路径规划及三维扫描检测。因此，多个被测对象的三维扫描路径规划可以并行处理，对于每一个被测对象而言，都可以提高三维扫描路径规划以及三维扫描检测的效率。
步骤S403，以至少部分表面为参考，将对象模型与至少部分表面进行空间对齐，根据对象模型的位姿，确定被测对象的位姿。
在本步骤中，获得至少部分表面并确定了该至少部分表面对应的对象模型之后，可以采取诸如特征最佳拟合法将对象模型与至少部分表面对齐。其中，对象模型被对齐到了至少部分表面所在的坐标系中，在精确对齐后，在该坐标系中，对象模型的位姿与当前的被测对象的位姿保持一致，即得到了被测对象的位姿。
如果空间对齐失败，则可以再次执行步骤S401进行更多的扫描数据采集，然后再次执行步骤S403。在再次执行步骤S403之前，可以执行步骤S402，也可以不执行步骤S402。
步骤S404，至少根据被测对象的位姿，确定被测对象的三维扫描路径。
为了保证扫描精度，实现高精度扫描，三维扫描仪120的摄像头与被测对象的距离通常保持在基准扫描距离附近。为了避免三维扫描仪120与被测对象发生碰撞，需要对三维扫描仪120的扫描路径及姿态进行规划。在步骤S403之后，已经识别了被测对象的类型并通过空间对齐将对应的对象模型的位姿调整为与被测对象一致，那么就可以通过任意已知的三维扫描路径自动规划方法对当前的被测对象进行三维扫描路径规划。
在一些实施例中，在被测对象已规划有对应于参考位姿的参考三维扫描路径的情况下，在上述步骤S403中可以根据被测对象的位姿调整参考三维扫描路径，得到被测对象的三维扫描路径。
在另一些实施例中，由于被测对象的位姿已知，且被测对象对应的对象模型也是已有的，因此，可以根据被测对象的位姿和被测对象对应的对象模型，实时生成被测对象的三维扫描路径。
与相关技术中的三维扫描检测系统在更换被测对象之后需要人工切换三维扫描路径，并且被测对象需要按照事先确定的位姿放置在固定位置而言，本申请实施例通过从预设模型库中匹配与被测对象匹配的对象模型实现被测对象的自动识别。本申请实施例通过利用至少部分表面为基准对对象模型进行空间对齐，实现了被测对象在扫描视野中位姿的自动检测。本申请实施例根据对象模型的位姿信息和对象模型来确定被测对象的三维扫描路径，实现了三维扫描路径的自动规划。通过本申请实施例提供的三维扫描系统，实现了被测对象类型和姿态的自动识别以及被测对象的三维扫描路径的自动规划，尤其适用于被测对象会被更换的柔性生产线。由于不需要将被测对象放置在固定位置并保持固定位姿，且无需人工切换和调整三维扫描路径，因此，采用本申请实施例的三维扫描系统解决了相关技术中的三维扫描检测系统的检测效率低的问题，提高了三维扫描检测系统的检测效率。
由于在高精度的三维扫描中基准扫描距离通常较小。随着基准扫描距离的减小，三维扫描的扫描视野也会变小。在被测对象体积较大的情况下，被测对象的一个面通常需要逐行多次扫描才能够完全扫描。在其中一些实施例中，在进行扫描路径规划时，可以将对象模型按照扫描视野分割成多个扫描区域；然后分别确定每个扫描区域的基准扫描姿态和基准扫描位置；在得到每个扫描区域的基准扫描姿态和基准扫描位置之后，通过圆弧插补或者直线插补的方式首尾连接每个扫描区域的基准扫描位置，即将上一个相邻的扫描区域的基准扫描结束位置与当前扫描区域的基准扫描起始位置通过圆弧连接起来，得到被测对象的三维扫描路径。
如果上述三维扫描路径是在诸如世界坐标系中得到的，则还可以将该世界坐标系的三维扫描路径转换到机械臂坐标系中，以及转换为机械臂各关节的运动量，以使得机械臂能够根据各关节的运动量实现三维扫描路径的执行。
其中，上述的基准扫描位置的起始位置和结束位置是相对概念，与规划的扫描方向相关。在一个扫描区域中，相对靠近扫描方向上游的基准扫描位置为该扫描区域的起始位置，相对靠近扫描方向下游的基准扫描位置为该扫描区域的结束位置。为了提高扫描效率，路径规划通常遵循最短路径算法，即相同的扫描区域尽量不重复扫描，并且三维扫描仪的运动路径尽量短。
为了避免三维扫描仪与被测对象碰撞，在进行圆弧插补或者直线插补时还可以同时计算插补的圆弧或直线是否会穿过被测对象。如果插补的圆弧或直线穿过被测对象，则可以通过增大圆弧半径、增加过渡直线等方式调整扫描路径。
在获得被测对象的三维扫描路径之后，三维扫描检测系统即可以利用搭载在机械臂上的三维扫描仪按照规划好的三维扫描路径对当前的被测对象进行三维扫描和检测。在按照三维扫描路径进行扫描后，可以将三维扫描得到的点云与对象模型对应的点云进行比较，以判断是否扫描完整，如果某一个位置的点云缺失，则可以从三维扫描路径中截取与该位置点云相对应的部分三维扫描路径进行重新扫描。当多次重新扫描仍然未能够获得完整的点云，则可以认为该被测对象本身存在缺失。
实施例3
本实施例提供了一种基于上述的三维扫描路径规划方法的三维扫描检测方法，下面将结合附图对本申请优选实施例进行描述和说明。
本优选实施例提供的三维扫描检测方法，能够应用于中大型复杂被测对象的柔性在线检测。在本优选实施例中，用于实现三维扫描检测方法的三维扫描检测系统包括：跟踪式三维扫描仪、机械臂、自动流转平台，在三维扫描检测系统中配套有用于实现三维扫描路径规划方法以及三维扫描检测方法的软件程序，例如三维跟踪软件、三维扫描软件、路径自动确定模块、对象模型库；此外，在一些实施例中，根据需要还可以配置诸如被测对象特征库等组成部分。
图5是根据本申请优选实施例的三维扫描检测方法的流程图，如图5所示，该流程包括如下步骤：
步骤S501，建立对象模型库和特征库。
被测对象的三维模型一般会含有很多特征。在本实施例中，通过提取可以区分被测对象的唯一特征，建立被测对象特征库用于在线的识别及索引时快速匹配被测对象与模型库里的对象模型。在对象模型库中存储有各个被测对象的完整的三维点云数据。
本实施例利用三维卷积神经网络来训练和建立被测对象特征库，或者手动设计特征的方法来实现。
步骤1.1：获取被测对象三维点云。
在本实施例中，可以通过图像采集设备，获取被测对象的图像，使用三维重建算法得到被测对象的三维点云；或者通过获取被测对象的STL模型，将STL分割并离散化，得到被测对象的三维点云。
步骤1.2：建立被测对象的特征库。
在其中一些实施例中，可以基于深度学习的方法训练样本数据提取特征信息。例如，截取点云中的角点及边作为关键点；取出以关键点为球心，半径为r的球体包围的点云块作为关键点区域检测模型的正样本；并取出同样大小的点云块，其中不包含关键点，将其作为关键点区域检测模型的负样本。
在另一些实施例中，可以基于手动提取特征的方法。例如，可以使用类似于热核特征(Heat Kernel signature，简称为HKS)描述子，对于三维形状上的每个点，HKS定义了它的特征向量(feature vector)用于表示点的局部和全局属性。
步骤1.3：搭建用于识别被测对象的深度学习模型。
在其中一些实施例中，可以基于二维图像训练深度学习模型，训练得到的深度学习模型能够利用被测对象的二维图像来识别该被测对象的种类。例如，通过图像采集设备，获取被测对象的二维图像；建立YOLO训练集，训练能够检测目标对象的YOLO训练集。
在另一些实施例中，可以基于三维点云训练深度学习模型，训练得到的深度学习模型能够利用被测对象的部分三维点云数据来识别该被测对象的种类。例如，基于PointNet++网络结构搭建点云分类模型，使得模型以卷积的形式直接作用于三维点的坐标数据，最后以全连接网络形式映射提取的特征。或者基于PointNet++网络结构搭建孪生网络模型，使得模型分支分别作用于不同点云，通过全连接映射后的输出判断点云块是否对应。
步骤S502，生成基准扫描路径。
基准扫描路径包括基准扫描位置和基准扫描姿态。在本实施例中通过下列步骤生成基准扫描路径。
步骤2.1：从对象模型库中获取被测对象的三维点云，并将三维点云进行分割。分割的依据是扫描设备的视野大小。例如被测对象的长、宽、高分别为2000mm、1500mm、50mm，扫描设备的视野大小为500mm*500mm，需要被扫描的部分是长和宽构成的曲面，所有将此被测对象的三维点云分割成12块大小相同的区域。
步骤2.2：求基准扫描姿态R[3][3]。
在本步骤中，可以对步骤2.1中分割出来的点云块求取法向量，对求得每个点的法向量进行权重分析。点云平面的法向量的初值为权重最大的一个值，对该法向量进行优化，优化的目标是该法向量与所有点的法向量的差值最小。根据该片点云的法向量，计算得到R[3][3]。
步骤2.3：求基准扫描位置t[3]。
在本步骤中，对步骤2.1中分割出来的点云块计算基准扫描位置，根据扫描的基准距离和该片点云在模型中的位置，计算得到t[3]。
步骤S503，获取被测对象的二维图像或者三维点云，以及姿态。
方法1：跟踪头与投影机配合的方案。
投影机投射出带纹理的图案，获取当前视野下的图像。跟踪头与投影机同步触发。跟踪头可以采用双目立体相机，投影机可以投射格雷码、散斑等图案。通过对极约束、模板匹配等方法，找到左右图像中的对应点，通过三角测量的方法求解出该视野下的点云。采取背景标记点的方法，从该点云中分割出被测对象的点云。例如，若分割出来的点云数量小于5000，则说明被测对象不在视野中。如果点云数量大于5000，获取被测对象在双目立体相机下的姿态，使用4*4的变换矩阵Tobj表示。Tobj的具体形式：
Figure BDA0002685283990000141
其中：
Figure BDA0002685283990000142
tobj＝[t0 t1 t2]T；
0T＝[0 0 0]。
方法2：跟踪头与扫描头配合的方案
扫描头在跟踪头视野下，机械臂携带三维扫描仪移动到指定的起始位置。被测对象放置在指定的区域内，其中被测对象的体积有一定的阈值要求，长宽高不能高于之前设置的阈值(相当于上述的预设区域的尺寸)，否则扫描头可能发生碰撞的危险。使用三维扫描仪进行扫描，扫描的路径是固定的，只要能够重建出被测对象的部分表面即可。获得被测对象的部分三维点云数据后，获得了当前被测对象在跟踪头下的位姿Tobj，Tobj的具体形式和方法1中的Tobj相同。
方法3：单目相机的方案
被测对象放置于指定的区域内，跟踪头或者扫描头获取被测二维图像。获取到的该图像用于后续的被测对象的识别和匹配。
步骤S504，与模型库中的模型匹配。
在步骤S503中得到了模型表面的部分或者全部三维点云或者二维图像，将其输入到之前已经建立好的深度学习模型、或者输入到使用手动设计的特征中，得知当前被测对象在模型库中编号。
步骤S505，与模型库中的对象模型对齐。
将当前被测对象的三维点云与对象模型的三维点云进行对齐，得到一个4*4的变换矩阵T，并使用特征最佳拟合的方法来筛选出最终的对象模型及精确的匹配位姿。
通过预扫描得到被测对象的三维点云，将其与已匹配的模型统一到同一个坐标系下。将点云降采样后，提取点云的法向量，提取快速点特征直方图(FPFH)特征。根据提取到的特征确定点的对应关系，随机选择点云中的点计算变换矩阵T。使用迭代最近点(Iterative Closest Point，简称为ICP)算法优化变换矩阵T。
步骤S506，根据匹配的对象模型的三维点云生成机械臂运动路径。
机械臂位姿Trobot＝T*([R|t])
在步骤S502中已经生成了每个点云块的扫描姿态，即已经生成了机械臂的运动的起止点。在本实施例中，机械臂运动的中间路点，采用圆弧的插补方式，并在插补的过程中计算与外界环境是否会发生碰撞。
步骤S507，启动跟踪扫描系统，由机械臂驱动扫描头对被测对象进行扫描，并获得被测对象精确的表面三维数据。
步骤S508，对扫描的结果进行评估。如果获得到的扫描数据完整就进入到下一步，否则对没有重建出来的地方生成新的扫描位姿，进行重新扫描。将扫描得到的点云与模型库中的完整点云或者数模文件进行对比，若某一块点云缺失，对这一块点云进行重新扫描。扫描完毕后，重新评估。如果获得完整数据，则进入到步骤S509，否则调整扫描位姿，重新扫描，直至获得完整的扫描数据。
步骤S509，对被测对象表面的三维数据进行进一步的计算和分析，得到被测对象的检测报告。进行自动化测量被测对象，最终的目的是为了能够自动检测出符合要求的对象，最终形成一份检测报告，方便检测员进行校验。
通过本申请上述实施例，解决了相关技术中的自动化扫描系统无法自动识别被测对象及无法自动获得被测对象的位姿的问题，使得自动化三维扫描检测技术真正适用于柔性生产线的工件在线快速自动智能三维检测，并根据检测的结果(自动生成检测报告)来判断被测对象是否合格。
实施例4
本实施例还提供了一种检测系统。图6是根据本申请实施例的检测系统的结构框图，如图6所示，该检测系统包括三维扫描系统61、计算机设备63和机械臂64；计算机设备63中存储有计算机程序65和预设模型库62；三维扫描系统61、机械臂64分别与计算机设备63电连接；三维扫描系统61的扫描装置611(相当于上述实施例的三维扫描仪或者跟踪头)搭载在机械臂64上；计算机设备63用于处理三维扫描系统扫描得到的数据，以及控制机械臂64的运动；计算机设备63还用于执行计算机程序65以实现上述实施例提供的位姿检测方法，和/或三维扫描路径规划方法。
在其中一些实施例中，计算机设备63还用于执行计算机程序65以实现根据被测对象的三维扫描路径对被测对象进行三维扫描，并重建得到被测对象的三维模型，以及根据三维模型生成被测对象的瑕疵检测报告。
在其中一些实施例中，检测系统还包括：传送装置，与计算机设备63电连接，用于将被测对象移动到预设区域内。
结合上述实施例中的位姿检测方法和/或三维扫描路径规划方法，本申请实施例提供一种存储介质来实现。该存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种位姿检测方法和/或三维扫描路径规划方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种位姿检测方法，其特征在于包括：
获取位于预设区域内的被测对象的至少部分表面；
从预设模型库中确定与所述被测对象对应的对象模型；
以所述至少部分表面为参考，将所述对象模型与所述至少部分表面进行空间对齐；
根据所述对象模型的位姿，确定所述被测对象的位姿；
在所述被测对象已规划有对应于参考位姿的参考三维扫描路径的情况下，至少根据所述被测对象的位姿，确定所述被测对象的三维扫描路径包括：根据所述被测对象的位姿调整所述参考三维扫描路径，得到所述被测对象的三维扫描路径；和/或
至少根据所述被测对象的位姿，确定所述被测对象的三维扫描路径包括：根据所述对象模型和所述被测对象的位姿，规划所述被测对象的三维扫描路径。
2.根据权利要求1所述的位姿检测方法，其特征在于，获取位于预设区域内的被测对象的至少部分表面包括：
向位于所述预设区域内的所述被测对象投影特征图案；
采集投射有所述特征图案的所述被测对象的双目图像，并根据所述双目图像生成所述被测对象的所述至少部分表面。
3.根据权利要求1所述的位姿检测方法，其特征在于，所述获取位于预设区域内的被测对象的至少部分表面的步骤由跟踪式扫描系统实现，所述跟踪式扫描系统包括跟踪头和三维扫描仪；其中，获取位于预设区域内的被测对象的至少部分表面包括：
在向位于所述预设区域内的所述被测对象投影特征图案的情况下，所述跟踪头采集投射有所述特征图案的所述被测对象的双目图像，所述跟踪式扫描系统根据所述双目图像生成所述被测对象的所述至少部分表面；或，
所述三维扫描仪按照预先规定路径运动，向位于所述预设区域内的所述被测对象投影特征图案，采集投射有所述特征图案的所述被测对象的双目图像，所述跟踪式扫描系统根据所述双目图像以及所述三维扫描仪的位姿生成所述被测对象的所述至少部分表面。
4.根据权利要求1所述的位姿检测方法，其特征在于，所述获取位于预设区域内的被测对象的至少部分表面的步骤由非跟踪式扫描系统实现，所述非跟踪式扫描系统包括三维扫描仪；其中，获取位于预设区域内的被测对象的至少部分表面包括：
所述三维扫描仪按照预先规定路径运动，向位于所述预设区域内的所述被测对象投影特征图案，采集投射有所述特征图案的所述被测对象的双目图像，所述非跟踪式扫描系统根据所述双目图像生成所述被测对象的所述至少部分表面。
5.根据权利要求1所述的位姿检测方法，其特征在于，从预设模型库中确定与所述被测对象对应的对象模型包括以下至少之一：
从所述至少部分表面提取特征信息，在所述预设模型库中根据所述特征信息进行匹配，确定匹配得到的对象模型为与所述被测对象对应的对象模型；
将所述至少部分表面的数据输入到已训练的模型匹配模块，得到所述已训练的模型匹配模块输出的对象模型的标识信息，确定与所述标识信息对应的对象模型为与所述被测对象对应的对象模型，其中，所述已训练的模型匹配模块是基于人工神经网络的分类模型；
根据用户输入的信息，从所述预设模型库中选择与所述被测对象对应的对象模型。
6.一种三维扫描路径规划方法，其特征在于包括：
根据权利要求1至5中任一项所述的位姿检测方法确定被测对象的位姿；
至少根据所述被测对象的位姿，确定所述被测对象的三维扫描路径；
具体的，在所述被测对象已规划有对应于参考位姿的参考三维扫描路径的情况下，至少根据所述被测对象的位姿，确定所述被测对象的三维扫描路径包括：根据所述被测对象的位姿调整所述参考三维扫描路径，得到所述被测对象的三维扫描路径；和/或，
至少根据所述被测对象的位姿，确定所述被测对象的三维扫描路径包括：根据所述对象模型和所述被测对象的位姿，规划所述被测对象的三维扫描路径。
7.根据权利要求6所述的三维扫描路径规划方法，其特征在于，根据所述对象模型和所述被测对象的位姿，规划所述被测对象的三维扫描路径包括：
将所述对象模型按照扫描视野分割成多个扫描区域；
确定每个扫描区域的基准扫描姿态和基准扫描位置；
通过圆弧插补或者直线插补方式首尾连接每个扫描区域的基准扫描位置，得到所述被测对象的三维扫描路径。
8.一种检测系统，其特征在于，所述检测系统包括：三维扫描系统、预设模型库、机械臂和计算机设备；所述计算机设备中存储有计算机程序和预设模型库；所述三维扫描系统、所述机械臂分别与所述计算机设备电连接；所述三维扫描系统的扫描装置搭载在所述机械臂上；所述计算机设备用于处理所述三维扫描系统扫描得到的数据，以及控制所述机械臂的运动；所述计算机设备还用于执行所述计算机程序以实现权利要求1至5中任一项所述的位姿检测方法，和/或权利要求6至7中任一项所述的三维扫描路径规划方法。
9.根据权利要求8所述的检测系统，其特征在于，在所述计算机设备用于执行所述计算机程序以实现权利要求6至7中任一项所述的三维扫描路径规划方法的情况下，所述计算机设备还用于根据所述被测对象的三维扫描路径对所述被测对象进行三维扫描，并重建得到所述被测对象的三维模型，以及根据所述三维模型生成所述被测对象的瑕疵检测报告。
10.根据权利要求8或9所述的检测系统，其特征在于，所述检测系统还包括：传送装置，所述传送装置与所述计算机设备电连接，用于将所述被测对象移动到所述预设区域内。
CN202010974477.5A 2020-09-16 2020-09-16 位姿检测方法、三维扫描路径规划方法和检测系统 Active CN112161619B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010974477.5A CN112161619B (zh) 2020-09-16 2020-09-16 位姿检测方法、三维扫描路径规划方法和检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010974477.5A CN112161619B (zh) 2020-09-16 2020-09-16 位姿检测方法、三维扫描路径规划方法和检测系统

Publications (2)

Publication Number Publication Date
CN112161619A CN112161619A (zh) 2021-01-01
CN112161619B true CN112161619B (zh) 2022-11-15

Family

ID=73858030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010974477.5A Active CN112161619B (zh) 2020-09-16 2020-09-16 位姿检测方法、三维扫描路径规划方法和检测系统

Country Status (1)

Country Link
CN (1) CN112161619B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240746B (zh) * 2021-04-19 2023-07-04 福建新大陆自动识别技术有限公司 基于理想成像平面的散斑结构光标定方法和设备
CN113325341B (zh) * 2021-06-02 2023-01-06 中车青岛四方车辆研究所有限公司 一种三维可视化磁场测量方法及系统
CN113470113B (zh) * 2021-08-13 2023-07-21 西南科技大学 一种融合brief特征匹配与icp点云配准的零部件姿态估计方法
CN113974834B (zh) * 2021-09-14 2023-10-31 武汉联影智融医疗科技有限公司 手术机器人系统的套管位姿确定方法、装置
CN116147527A (zh) * 2023-02-15 2023-05-23 思看科技(杭州)股份有限公司 三维扫描系统及其扫描路径规划方法
CN116476070B (zh) * 2023-05-22 2023-11-10 北京航空航天大学 大型筒件局部特征机器人扫描测量路径调整方法
CN117091533B (zh) * 2023-08-25 2024-04-12 上海模高信息科技有限公司 用于三维激光扫描仪器的自动转向适配扫描区域的方法
CN117499547A (zh) * 2023-12-29 2024-02-02 先临三维科技股份有限公司 自动化三维扫描方法、装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010060494A (ja) * 2008-09-05 2010-03-18 Fujitsu Ltd 姿勢計測装置
CN103196370A (zh) * 2013-04-01 2013-07-10 北京理工大学 一种导管接头空间位姿参数的测量方法和装置
CN107538487A (zh) * 2017-02-16 2018-01-05 北京卫星环境工程研究所 用于大尺寸复杂形面的机器人自动测量方法及系统
CN109341591A (zh) * 2018-11-12 2019-02-15 杭州思看科技有限公司 一种基于手持式三维扫描仪的边缘检测方法及系统
CN109373898A (zh) * 2018-11-27 2019-02-22 华中科技大学 一种基于三维测量点云的复杂零件位姿估计系统及方法
CN109493417A (zh) * 2018-10-31 2019-03-19 深圳大学 三维物体重建方法、装置、设备和存储介质
CN109556534A (zh) * 2017-09-26 2019-04-02 海克斯康计量(以色列)有限公司 传感器相对于全局三维表面重建的不同拼接块的全局定位
CN109900221A (zh) * 2019-04-12 2019-06-18 杭州思看科技有限公司 一种手持式三维扫描系统
CN111623725A (zh) * 2019-02-27 2020-09-04 杭州思看科技有限公司 一种跟踪式三维扫描系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150097935A1 (en) * 2013-10-09 2015-04-09 United Sciences, Llc Integrated tracking with world modeling

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010060494A (ja) * 2008-09-05 2010-03-18 Fujitsu Ltd 姿勢計測装置
CN103196370A (zh) * 2013-04-01 2013-07-10 北京理工大学 一种导管接头空间位姿参数的测量方法和装置
CN107538487A (zh) * 2017-02-16 2018-01-05 北京卫星环境工程研究所 用于大尺寸复杂形面的机器人自动测量方法及系统
CN109556534A (zh) * 2017-09-26 2019-04-02 海克斯康计量(以色列)有限公司 传感器相对于全局三维表面重建的不同拼接块的全局定位
CN109493417A (zh) * 2018-10-31 2019-03-19 深圳大学 三维物体重建方法、装置、设备和存储介质
CN109341591A (zh) * 2018-11-12 2019-02-15 杭州思看科技有限公司 一种基于手持式三维扫描仪的边缘检测方法及系统
CN109373898A (zh) * 2018-11-27 2019-02-22 华中科技大学 一种基于三维测量点云的复杂零件位姿估计系统及方法
CN111623725A (zh) * 2019-02-27 2020-09-04 杭州思看科技有限公司 一种跟踪式三维扫描系统
CN109900221A (zh) * 2019-04-12 2019-06-18 杭州思看科技有限公司 一种手持式三维扫描系统

Also Published As

Publication number Publication date
CN112161619A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN112161619B (zh) 位姿检测方法、三维扫描路径规划方法和检测系统
JP6426968B2 (ja) 情報処理装置およびその方法
JP6465789B2 (ja) デプスカメラの内部パラメータを算出するプログラム、装置及び方法
JP6323993B2 (ja) 情報処理装置、情報処理方法、及びコンピュータプログラム
JP6370038B2 (ja) 位置姿勢計測装置及び方法
JP6282098B2 (ja) キャリブレーション装置及び方法
CN111879235A (zh) 弯管的三维扫描检测方法、三维扫描系统和计算机设备
CN115345822A (zh) 一种面向航空复杂零件的面结构光自动化三维检测方法
JP7353757B2 (ja) アーチファクトを測定するための方法
Niola et al. A new real-time shape acquisition with a laser scanner: first test results
WO2012037085A1 (en) Active lighting for stereo reconstruction of edges
Son et al. Path planning of multi-patched freeform surfaces for laser scanning
Zong et al. A high-efficiency and high-precision automatic 3D scanning system for industrial parts based on a scanning path planning algorithm
Radhakrishna et al. Development of a robot-mounted 3D scanner and multi-view registration techniques for industrial applications
Sansoni et al. In-field performance of an optical digitizer for the reverse engineering of free-form surfaces
Hui et al. Surface measurement based on instantaneous random illumination
JPH09329440A (ja) 複数枚の画像の各計測点の対応づけ方法
Nguyen et al. 3D model reconstruction system development based on laser-vision technology
Peng et al. 3D digitizing technology in product reverse design
Uyanik et al. A method for determining 3D surface points of objects by a single camera and rotary stage
JP2005292027A (ja) 三次元形状計測・復元処理装置および方法
JP6766229B2 (ja) 位置姿勢計測装置及び方法
Hutber Automatic inspection of 3D objects using stereo
Son et al. Automated scan plan generation using STL meshes for 3D stripe-type laser scanner
Kjellander et al. An integrated platform for 3D measurement with geometric reverse engineering

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
TA01 Transfer of patent application right

Effective date of registration: 20221025

Address after: 311100 Room 502, Unit 1, Building 12, No. 998, Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant after: Sikan Technology (Hangzhou) Co.,Ltd.

Address before: 311100 Room 501, unit 1, building 12, No. 998, Wenyi West Road, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province

Applicant before: Hangzhou silidi Technology Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant