CN112648934A - 一种自动化弯管几何形态检测方法 - Google Patents
一种自动化弯管几何形态检测方法 Download PDFInfo
- Publication number
- CN112648934A CN112648934A CN202011438405.5A CN202011438405A CN112648934A CN 112648934 A CN112648934 A CN 112648934A CN 202011438405 A CN202011438405 A CN 202011438405A CN 112648934 A CN112648934 A CN 112648934A
- Authority
- CN
- China
- Prior art keywords
- bent pipe
- coordinate system
- camera
- data
- mechanical arm
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000005259 measurement Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000005516 engineering process Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000005452 bending Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 description 10
- 238000005520 cutting process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007493 shaping process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种自动化弯管几何形态检测方法,包括以下步骤:S1、使用机械臂末端夹爪夹持待测弯管并按步骤S1的路径移动到测量位置;S2、基于多目摄影测量方法采集多个离散的待测弯管圆柱不同位置的三维点数据;S3、对三维点数据进行几何特征计算,得到所述待测弯管参数化管型数据;S4、将整个待测弯管圆柱的三维点数据转换至机械臂坐标系。本发明解决了传统测量方式测量效率低、测量环境要求苛刻、测量精度低等缺陷,实现了弯管测量与其他工序的流水线作业,大大提高了生产、检测效率。
Description
技术领域
本发明涉及弯管检测方法领域,具体是一种自动化弯管几何形态检测方法。
背景技术
弯管系统是军工、汽车等行业复杂结构的组成部分,负责液体的传输等功能,弯管模型如图1所示。弯管通常是由直管型材经过塑形弯曲变形得到的,塑形弯曲大多材料都会发生回弹,这就会导致弯管的加工精度不易得到保证,精度不合格时会影响机械装配;因此,在管路装配前,需对弯管的空间几何形态进行准确测量、检验。
目前国内外传统的弯管测量方法已不能满足工程应用中的检测需求,其存在测量效率低、测量精度低、操作便捷性差等缺陷。传统的管路测量方法主要分为两大类:
(1)接触式测量:包括检具检测、三坐标测量机等。检具检测需要根据不同的弯管种类设计对应的检具,然后对弯管进行多点测量,如图2所示;该方法对于形态复杂的管路检具制造困难,并且测量效率低,而且容易造成管子表面划伤,且不方便自动化测量。
三坐标测量机是基于机械接触式的三坐标测量方法,该方法测量精度高,但对测量环境要求高,需在特定的测试室和测量台进行,并且测量范围有限;由于需要在弯管曲面采集多个点坐标,测量效率比较低,也不利于自动化测量。
(2)非接触式测量:主要有激光矢量技术、激光扫描技术、结构光扫描技术等。该类方法精度高,但测量效率低,需要先得到管子表面的点云数据再进行测量;此外,该方法测量范围有限,对大尺寸的弯管有局限性,并且对局部遮挡管型也有局限性。
随着机器视觉技术,图像分割、边缘提取、特征提取等图像处理方法逐渐成熟,弯管测量技术也得到进一步发展,从传统的方式向多目摄影测量技术转变。多目摄影测量技术仅从摄像机所采集到的图像信息着手,对物体表面进行高精度数字化测量。
传统的管路测量方法主要存在测量效率低、测量环境要求苛刻、大尺寸管子测量困难、易损伤管子表面等缺陷,尤其不能实现自动化、快速精准测量。目前,国内外还有基于多目摄影测量技术做管路测量的方法。其一是通过提取弯管中心线,并分割成若干直线段,利用直线段的交点得到弯管参数;其二是通过获取管型表面点云数据,通过点云数据拟合管型表面的几何特征,进而得到弯管管型数据。这两类方法具有非接触、高效率、低成本等特点,正在逐步应用到工业测量领域。
但基于多目摄影测量技术获取点云数据实现管路重建的方法,在重建的点云数据较少时,会造成拟合精度低,进而影响管子测量精度。
发明内容
本发明的目的是提供一种自动化弯管几何形态检测方法,以解决现有技术弯管几何形态检测存在的测量精度不够的问题。
为了达到上述目的,本发明采用的技术方案如下:
一种自动化弯管几何形态检测方法,包括以下步骤:
S1、使用机械臂末端夹爪夹持待测弯管,按照规划的路径将所述待测弯管移动到测量位置;
S2、控制多个相机分别采集所述待测弯管圆柱不同位置的图像,以得到多个离散的待测弯管圆柱不同位置在相机坐标系下的三维点数据;
S3、根据步骤S2得到的三维点数据进行几何特征计算,得到所述待测弯管参数化管型数据;
S4、利用标定结果,将步骤S3中得到的所述待测弯管的参数化管型数据从所述相机坐标系转换为机械臂坐标系,得到所述待测弯管在所述机械臂坐标系下的参数化模型。
所述的一种自动化弯管几何形态检测方法步骤S1中,所述规划的路径的规划方法包括:
使用机械臂示教器规划自动化测量过程中的路径,其中,所述路径包括以下至少之一:送料路径、测量位置、出料路径。
所述的一种自动化弯管几何形态检测方法步骤S2包括:
采用多目相机标定技术对所述多个相机的内、外参数进行解算,完成所述多个相机三维坐标系的标定;
利用所述多个相机中的各个相机分别采集所述待测弯管圆柱不同位置的图像。
所述的一种自动化弯管几何形态检测方法步骤S2还包括:
对所述多个相机中的各个相机采集的图像进行去噪处理;
使用多目摄影测量技术解算得到多个离散的中心点数据。
所述的一种自动化弯管几何形态检测方法步骤S3包括:
对所述步骤S2中得到的离散的待测弯管圆柱的三维点数据进行空间拟合。
所述的一种自动化弯管几何形态检测方法步骤S4包括:
采用手眼标定技术,得到所述相机坐标系与所述机械臂坐标系之间的转换矩阵;
利用所述转换矩阵将整个待测弯管的管型数据从所述相机坐标系转换为所述机械臂坐标系。
所述的一种自动化弯管几何形态检测方法,在通过所述步骤S3得到整个待测弯管的管型数据后,还包括:
通过对所述管型数据的几何分析,计算生成所述待测弯管的折线三维数据。
所述的一种自动化弯管几何形态检测方法,在计算生成所述待测弯管的折线三维数据后,所述方法还包括:
将所述待测弯管的折线三维数据以及所述管型数据从所述相机坐标系转换到所述机械臂坐标系,得到所述待测弯管在所述机械臂坐标系下的参数化模型。
所述的一种自动化弯管几何形态检测方法,在所述步骤S2中,基于多目摄影测量技术,通过多个相机采集所述待测弯管圆柱不同位置的图像,并使每个相机的光线分别与待测弯管圆柱面相切,然后利用空间圆柱拟合方法,通过已知的多个相机光线拟合空间圆柱,继而延伸获得整个待测弯管圆柱的三维点数据。
一种用于自动化弯管几何形态检测的检测系统,包括机械手、由多个相机构成的多目摄影测量装置,所述机械手的末端夹爪夹持待测弯管并带动待测弯管按规划的路径运动,多目摄影测量装置中各个相机分别从不同角度采集待测弯管的图像,各个相机分别与外部计算机数据通讯连接,由外部计算机接收各个相机采集的图像数据并进行处理。本发明提出利用机器视觉技术,采用多目摄影测量原理测量管型数据,并借助机械臂实现从管型夹取、测量、装配或切割等全流程自动化测量。
其中,利用手眼标定算法,将测得的管型数据转换到机械臂坐标系下,能够将相机采集的弯管数据从相机坐标系转换至机械臂坐标系。
本发明旨在解决自动化生产线中弯管在线检测难题。首先完成相机内、外参数标定;然后使用基于多目摄影测量技术的空间圆柱拟合方法,多个相机的光线与待测弯管圆柱不同位置相切,通过已知的多条相机的光线进行空间拟合,继而获得整个待测弯管三维点数据。最后通过对离散的点数据进行连接分析,通过斜率信息计算生成标准的待测弯管折线三维数据。
上述待测弯管测量结果是在相机坐标系的,为了后续的自动化装配、管型切割等业务,需要将数据转换到机械臂坐标系下。本发明采用手眼标定技术,即标定相机坐标系与机械臂坐标系之间的位置关系,可以解决该问题。首先利用手眼标定方法解算出相机坐标系到机械臂坐标系的转换矩阵,将上述解算出的标准的待测弯管折线三维数据乘以转换矩阵,即可得到机械臂坐标系下的管型数据,根据管型数据最终得到待测弯管的参数化模型。测量完成后,机械臂夹持弯管进入下一个工序作业(如装配、切割等)。
本发明与现有技术对比的有益效果为:通过基于多目摄影测量技术,解决了传统测量方式测量效率低、测量环境要求苛刻、测量精度低等缺陷。通过引入机械臂自动控制,实现了弯管测量与其他工序的流水线作业,大大提高了生产、检测效率,为未来军工、汽车等行业无人工厂的建设打下基础。
附图说明
图1是弯管模型结构示意图。
图2是传统弯管接触式测量示意图。
图3是本发明具体实施例方法流程图。
图4是本发明具体实施例相机采集原理示意图,其中:
图4a是整体示意图,图4b是局部放大图。
图5是本发明具体实施例采用多目相机标定技术对相机标定的原理图。
图6是本发明具体实施例相机测量示意图,其中:
图6a是测量示意图,图6b是采集的图像示意图。
图7是本发明具体实施例相机与机械臂手部末端的构成手眼视觉系统示意图。
图8是本发明具体实施例机械臂两次运动示意图。
图9是本发明具体实施例机械臂的工作流程图。
图10是本发明具体实施例实际测量示意图。
图11是本发明具体实施例标定靶标示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
如图3所示,本发明一种自动化弯管几何形态检测方法,包括以下步骤:
S1、使用机械臂末端夹爪夹持待测弯管,按照规划的路径将弯管移动到测量位置。
S2、基于多目摄影测量方法,通过多个相机分别采集待测弯管圆柱不同位置的图像,如图4所示,采集图像时保持每个相机的光线与所采集的待测弯管圆柱位置相切,由此得到多个离散的待测弯管圆柱不同位置在相机坐标系下的三维点数据。
步骤S2中,首先采用多目相机标定技术对各个相机的内、外参数进行解算,完成各个相机三维坐标系的标定,然后再利用各个相机分别采集待测弯管圆柱不同位置的图像。
相机标定是为了解算图像坐标系与世界坐标系间的映射关系,是三维重建的前提。内参数的解算是为了求解相机镜头的光学畸变参数,是三维重建的前提。外参数的解算是为了得到各个相机直接的位置关系。
基于机器视觉的测量系统,首先需要做的是相机标定。本发明中,首先采用多目相机标定技术完成每个相机的内外参数解算。多目相机标定技术是基于摄影测量技术的标定方法,如图5所示,为摄影测量技术基本原理,是通过物体的表面及其周围放置标志点,包括编码点和非编码点,然后从不同的角度和位置对物体进行拍摄,得到一定数量的照片。经过图像处理、标志点的定位、编码点的识别,可以得到编码点的编码以及标志点的中心图像坐标。利用这些结果,经过相对定向、绝对定向、三维重建、以及光束平差,最后加入标尺约束及温度补偿,可以得到标志点准确的三维坐标。再通过相对定向、绝对定向、光束平差等算法,最终解算出相机的内外参数。
S3、根据各个相机的光线,对多个相机采集的离散的待测弯管圆柱的三维点数据进行空间拟合,得到整个待测弯管圆柱的三维点数据。
步骤S3中,根据各个相机光线在实际采集现场的空间关系,对多个相机采集的离散的待测弯管圆柱的三维点数据进行空间拟合。
相机标定完成后,就可以进行管型测量作业。首先机械臂夹持弯管模型进入测量区域,如图6所示。设备中多个相机执行拍照作业,使用基于多目摄影测量技术的空间圆柱拟合方法,多个相机的光线与待测弯管圆柱面相切,通过已知的多个相机光线拟合空间圆柱,继而延伸获得整个待测弯管圆柱的三维点数据。
步骤S3中得到整个待测弯管圆柱的三维点数据后,通过对离散的点数据进行连接分析,计算生成标准的待测弯管折线三维数据。
S4、将整个待测弯管圆柱的三维点数据从相机坐标系转换到机械臂坐标系,得到待测弯管在机械臂坐标系下的参数化模型。
步骤S4中,首先采用手眼标定技术,得到相机坐标系与机械臂坐标系的转换矩阵,然后利用转换矩阵将整个待测弯管圆柱的三维点数据从相机坐标系转换到机械臂坐标系。
相机与机械臂的手部末端,构成手眼视觉系统,如图7所示。根据相机与机械臂相互位置的不同,手眼视觉系统分为Eye-in-Hand系统和Eye-to-Hand系统。 Eye-in-Hand系统的相机安装在机械臂手部末端(end-effector),在机器人工作过程中随机器人一起运动。Eye-to-Hand系统的相机安装在机机械臂本体外的固定位置,在机器人工作工程中不随机器人一起运动。本方案采用的是Eye-to-hand 按照方式,机械臂末端通过安装夹爪夹持弯管模型。相机负责采集弯管图像数据,进行管型数据测量。
本发明中选择在机械臂末端固定高精度标定板,通过两个视觉定位相机采集不同位置的标定板图像,重建出不同位置上标定板上特征点的三维坐标。另一方面,通过机械臂示教器可以读取每个位置机械臂末端的位姿数据,通过欧拉公式可以解算出每个位姿对应的相对于机械臂底座的变换矩阵。
由于每次运动相机与机械臂底座的位置是不变的,因此每两次运动(如图8 所示),可以得到如下公式
A1·B·C1=A2·B·C2
其中A1为第一次运动后机械臂末端坐标系到机械臂底座的转换矩阵,B为标定板坐标系到机械臂末端坐标系的转换矩阵,C1为第一次运动后相机坐标系到标定板坐标系的转换矩阵。A2为第二次运动后机械臂末端坐标系到机械臂底座的转换矩阵,C2第二次运动后为相机坐标系到标定板坐标系的转换矩阵
因为标定板与机械臂末端连杆是固定的,所以B变换也是固定不变的。变换一下:
这是一个典型的AX=XB问题,而且根据定义,其中的X是一个4x4齐次变换矩阵:
其中,X是一个4*4的齐次变换矩阵,R为该旋转矩阵,t为平移矩阵。
通过每两组位置变换,可以求解出一组相机坐标系到机械臂底座坐标系的M 矩阵,通过求解多个位置的M矩阵,最终得到精确的转换矩阵X。
步骤S3中得到整个待测弯管圆柱的三维点数据后,通过对离散的点数据进行连接分析,计算生成标准的待测弯管折线三维数据;然后利用转换矩阵将标准的待测弯管折线三维数据从相机坐标系转换为机械臂坐标系,得到待测弯管在机械臂坐标系下的参数化模型。
本发明中,弯管自动化测量装置是包括弯管抓取、送料、测量、坐标转换、出料于一体的流水线测量设备,主要的作业流程如图9所示。
Step1连接机械臂:弯管测量上位机软件与机械臂通过TCP/IP方式通信,弯管测量上位机软件作为服务器端,机械臂作为客户端,通过握手协议建立两者的通信联系。
Step2机械臂控制:机械臂的抓取位置与送料位置以及中间路径点都是预先通过示教器示教得到,即不同管型具有不同的路径规划文件。其中的路径点是测量前根据周围的测量环境,避免设备间干涉碰撞规划选取的一系列点的集合。在机械臂控制阶段通过上位机向机械臂发送位置指令,机械臂运动到指定地点后返回相应的信号,实现闭环控制。
Step3管型测量:通过测量设备(如图10所示)中各个相机对被测弯管拍摄一组图像,并进行去噪等图像处理后,对被测管进行三维重建,得到离散化的点数据,再将离散的点数据进行几何特征计算,获得参数化的管型数据(YBC/PRBA)。弯管模型得到后,需要跟设计模型做比对分析,检验管子是否合格。
Step4坐标转换:测量设备得到得参数化的管型数据是在相机坐标系下的,需要将结果数据转换到机械臂坐标系下,这就需要在测量前期,先解算相机坐标系与机械臂坐标系之间的位置矩阵M。通过设计如图11所示的标定靶标,按照手眼标定方法,即可求解出矩阵M。再将测得的管型数据乘以M矩阵,即可得到机械臂坐标系下的管子参数化模型。
Step5测量过程完成:测量完成后,如果下一工序是装配作业,上位机向机械臂发送装配工装位姿信息,将弯管送至装配工序;如果管子检测不合格,将管子送到修正工序(如切割、折弯),执行偏差修正作业;如果仅作为弯管合格与否判断,将弯管放回相应位置,整个测量作业结束,实现了自动化流水线弯管测量作业。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的技术人员来说,在不脱离本发明构思的前提下,还可以做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明的保护范围。
Claims (10)
1.一种自动化弯管几何形态检测方法,其特征在于,包括以下步骤:
S1、使用机械臂末端夹爪夹持待测弯管,按照规划的路径将所述待测弯管移动到测量位置;
S2、控制多个相机分别采集所述待测弯管圆柱不同位置的图像,以得到多个离散的待测弯管圆柱不同位置在相机坐标系下的三维点数据;
S3、根据步骤S2得到的三维点数据进行几何特征计算,得到所述待测弯管参数化管型数据;
S4、利用标定结果,将步骤S3中得到的所述待测弯管的参数化管型数据从所述相机坐标系转换为机械臂坐标系,得到所述待测弯管在所述机械臂坐标系下的参数化模型。
2.根据权利要求1所述的一种自动化弯管几何形态检测方法,其特征在于,所述步骤S1中的所述规划的路径的规划方法包括:
使用机械臂示教器规划自动化测量过程中的路径,其中,所述路径包括以下至少之一:送料路径、测量位置、出料路径。
3.根据权利要求1所述的一种自动化弯管几何形态检测方法,其特征在于,所述步骤S2包括:
采用多目相机标定技术对所述多个相机的内、外参数进行解算,完成所述多个相机三维坐标系的标定;
利用所述多个相机中的各个相机分别采集所述待测弯管圆柱不同位置的图像。
4.根据权利要求1所述的一种自动化弯管几何形态检测方法,其特征在于,所述步骤S2还包括:
对所述多个相机中的各个相机采集的图像进行去噪处理;
使用多目摄影测量技术解算得到多个离散的中心点数据。
5.根据权利要求1所述的一种自动化弯管几何形态检测方法,其特征在于,步骤S3包括:
对所述步骤S2中得到的离散的待测弯管圆柱的三维点数据进行空间拟合。
6.根据权利要求1所述的一种自动化弯管几何形态检测方法,其特征在于:步骤S4包括:
采用手眼标定技术,得到所述相机坐标系与所述机械臂坐标系之间的转换矩阵;
利用所述转换矩阵将整个待测弯管的管型数据从所述相机坐标系转换为所述机械臂坐标系。
7.根据权利要求1或5所述的一种自动化弯管几何形态检测方法,其特征在于,在通过所述步骤S3得到整个待测弯管的管型数据后,还包括:
通过对所述管型数据的几何分析,计算生成所述待测弯管的折线三维数据。
8.根据权利要求7所述的一种自动化弯管几何形态检测方法,其特征在于,在计算生成所述待测弯管的折线三维数据后,所述方法还包括:
将所述待测弯管的折线三维数据以及所述管型数据从所述相机坐标系转换到所述机械臂坐标系,得到所述待测弯管在所述机械臂坐标系下的参数化模型。
9.根据权利要求1所述的一种自动化弯管几何形态检测方法,其特征在于,在所述步骤S2中,基于多目摄影测量技术,通过多个相机采集所述待测弯管圆柱不同位置的图像,并使每个相机的光线分别与待测弯管圆柱面相切,然后利用空间圆柱拟合方法,通过已知的多个相机光线拟合空间圆柱,继而延伸获得整个待测弯管圆柱的三维点数据。
10.一种用于自动化弯管几何形态检测的检测系统,其特征在于,包括机械手、由多个相机构成的多目摄影测量装置,所述机械手的末端夹爪夹持待测弯管并带动待测弯管按规划的路径运动,多目摄影测量装置中各个相机分别从不同角度采集待测弯管的图像,各个相机分别与外部计算机数据通讯连接,由外部计算机接收各个相机采集的图像数据并进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011438405.5A CN112648934B (zh) | 2020-12-07 | 2020-12-07 | 一种自动化弯管几何形态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011438405.5A CN112648934B (zh) | 2020-12-07 | 2020-12-07 | 一种自动化弯管几何形态检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112648934A true CN112648934A (zh) | 2021-04-13 |
CN112648934B CN112648934B (zh) | 2022-07-01 |
Family
ID=75350727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011438405.5A Active CN112648934B (zh) | 2020-12-07 | 2020-12-07 | 一种自动化弯管几何形态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112648934B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113814987A (zh) * | 2021-11-24 | 2021-12-21 | 季华实验室 | 多相机机器人手眼标定方法、装置、电子设备及存储介质 |
CN114472588A (zh) * | 2022-01-19 | 2022-05-13 | 南京工业大学 | 一种新型弯管加工过程碰撞干涉检测方法 |
CN114777668A (zh) * | 2022-04-12 | 2022-07-22 | 新拓三维技术(深圳)有限公司 | 一种桌面式弯管测量方法及装置 |
CN115415358A (zh) * | 2022-11-03 | 2022-12-02 | 江苏新恒基特种装备股份有限公司 | 一种螺旋弯管过渡段成型监测方法及系统 |
CN116078703A (zh) * | 2023-04-10 | 2023-05-09 | 浙江工业大学 | 一种航空用导管弯曲精度自动补偿方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS585604A (ja) * | 1981-07-01 | 1983-01-13 | Mitsubishi Heavy Ind Ltd | U字管の屈曲測定方法 |
WO2010142644A1 (fr) * | 2009-06-11 | 2010-12-16 | European Aeronautic Defence And Space Company Eads France | Procédé de mesurage et de fabrication d'un tube |
CN102410811A (zh) * | 2011-07-27 | 2012-04-11 | 北京理工大学 | 一种弯管参数的测量方法和系统 |
CN104036513A (zh) * | 2014-06-26 | 2014-09-10 | 西安新拓三维光测科技有限公司 | 一种三维弯管多相机视觉检测方法及其系统 |
CN104626142A (zh) * | 2014-12-24 | 2015-05-20 | 镇江市计量检定测试中心 | 一种用于砝码检定的双目视觉机械手自动定位和移动方法 |
CN107218928A (zh) * | 2017-05-12 | 2017-09-29 | 西北工业大学 | 一种复杂多管路系统检测方法 |
CN108942929A (zh) * | 2018-07-10 | 2018-12-07 | 广州供电局有限公司 | 基于双目立体视觉的机械臂定位抓取的方法及装置 |
CN110421562A (zh) * | 2019-07-24 | 2019-11-08 | 中国地质大学(武汉) | 基于四目立体视觉的机械臂标定系统和标定方法 |
CN111754462A (zh) * | 2020-05-28 | 2020-10-09 | 新拓三维技术(深圳)有限公司 | 一种三维弯管的视觉检测方法及系统 |
-
2020
- 2020-12-07 CN CN202011438405.5A patent/CN112648934B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS585604A (ja) * | 1981-07-01 | 1983-01-13 | Mitsubishi Heavy Ind Ltd | U字管の屈曲測定方法 |
WO2010142644A1 (fr) * | 2009-06-11 | 2010-12-16 | European Aeronautic Defence And Space Company Eads France | Procédé de mesurage et de fabrication d'un tube |
CN102410811A (zh) * | 2011-07-27 | 2012-04-11 | 北京理工大学 | 一种弯管参数的测量方法和系统 |
CN104036513A (zh) * | 2014-06-26 | 2014-09-10 | 西安新拓三维光测科技有限公司 | 一种三维弯管多相机视觉检测方法及其系统 |
CN104626142A (zh) * | 2014-12-24 | 2015-05-20 | 镇江市计量检定测试中心 | 一种用于砝码检定的双目视觉机械手自动定位和移动方法 |
CN107218928A (zh) * | 2017-05-12 | 2017-09-29 | 西北工业大学 | 一种复杂多管路系统检测方法 |
CN108942929A (zh) * | 2018-07-10 | 2018-12-07 | 广州供电局有限公司 | 基于双目立体视觉的机械臂定位抓取的方法及装置 |
CN110421562A (zh) * | 2019-07-24 | 2019-11-08 | 中国地质大学(武汉) | 基于四目立体视觉的机械臂标定系统和标定方法 |
CN111754462A (zh) * | 2020-05-28 | 2020-10-09 | 新拓三维技术(深圳)有限公司 | 一种三维弯管的视觉检测方法及系统 |
Non-Patent Citations (3)
Title |
---|
张云剑等: "隔离断路器连接金具装拆机器人视觉定位方法研究", 《机电一体化》 * |
张天等: "基于多目视觉的弯管空间参数测量方法", 《仪器仪表学报》 * |
张虎等: "弯管非接触测量的一种新方法", 《仪器仪表学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113814987A (zh) * | 2021-11-24 | 2021-12-21 | 季华实验室 | 多相机机器人手眼标定方法、装置、电子设备及存储介质 |
CN113814987B (zh) * | 2021-11-24 | 2022-06-03 | 季华实验室 | 多相机机器人手眼标定方法、装置、电子设备及存储介质 |
CN114472588A (zh) * | 2022-01-19 | 2022-05-13 | 南京工业大学 | 一种新型弯管加工过程碰撞干涉检测方法 |
CN114472588B (zh) * | 2022-01-19 | 2023-11-10 | 南京工业大学 | 一种新型弯管加工过程碰撞干涉检测方法 |
CN114777668A (zh) * | 2022-04-12 | 2022-07-22 | 新拓三维技术(深圳)有限公司 | 一种桌面式弯管测量方法及装置 |
CN114777668B (zh) * | 2022-04-12 | 2024-01-16 | 新拓三维技术(深圳)有限公司 | 一种桌面式弯管测量方法及装置 |
CN115415358A (zh) * | 2022-11-03 | 2022-12-02 | 江苏新恒基特种装备股份有限公司 | 一种螺旋弯管过渡段成型监测方法及系统 |
CN116078703A (zh) * | 2023-04-10 | 2023-05-09 | 浙江工业大学 | 一种航空用导管弯曲精度自动补偿方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112648934B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112648934B (zh) | 一种自动化弯管几何形态检测方法 | |
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 | |
CN111775146B (zh) | 一种工业机械臂多工位作业下的视觉对准方法 | |
CN110421562B (zh) | 基于四目立体视觉的机械臂标定系统和标定方法 | |
CN110238845B (zh) | 最优标定点选取和误差自测量的自动手眼标定方法及装置 | |
CN108717715B (zh) | 一种用于弧焊机器人的线结构光视觉系统自动标定方法 | |
CN110906863B (zh) | 一种用于线结构光传感器的手眼标定系统及标定方法 | |
CN110044259B (zh) | 一种合拢管柔性测量系统及测量方法 | |
CN113146620B (zh) | 基于双目视觉的双臂协作机器人系统和控制方法 | |
CN107972071A (zh) | 一种基于末端点平面约束的工业机器人连杆参数标定方法 | |
CN108942918B (zh) | 一种基于线结构光的立体定位方法 | |
CN111531407B (zh) | 一种基于图像处理的工件姿态快速测量方法 | |
CN111707189B (zh) | 基于双目视觉的激光位移传感器光束方向标定方法 | |
CN112958960B (zh) | 一种基于光学靶标的机器人手眼标定装置 | |
CN112699573B (zh) | 一种虚拟管路模型的逆向建模方法、系统及电子设备 | |
CN114643578B (zh) | 一种提高机器人视觉引导精度的标定装置及方法 | |
CN109059755B (zh) | 一种机器人高精度手眼标定方法 | |
CN113334380A (zh) | 基于双目视觉的机器人视觉标定方法、控制系统及装置 | |
CN115284292A (zh) | 基于激光相机的机械臂手眼标定方法及装置 | |
CN113799130B (zh) | 一种人机协作装配中的机器人位姿标定方法 | |
CN112508933B (zh) | 一种基于复杂空间障碍物定位的柔性机械臂运动避障方法 | |
CN113409395B (zh) | 导管管端高精度检测定位方法 | |
CN113052913A (zh) | 一种二级组合视觉测量系统中转位姿高精度标定方法 | |
CN113048949A (zh) | 一种基于线结构光学视觉的圆柱状物体位姿检测装置及方法 | |
Wang et al. | A Pose Estimation and Optimization Method for Mobile Manipulator’s End-effectors Based on Stereo Vision and ICoP Algorithm |
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 |