CN113240674B - 基于三维点云和二维图像融合的共面度检测方法 - Google Patents

基于三维点云和二维图像融合的共面度检测方法 Download PDF

Info

Publication number
CN113240674B
CN113240674B CN202110775858.5A CN202110775858A CN113240674B CN 113240674 B CN113240674 B CN 113240674B CN 202110775858 A CN202110775858 A CN 202110775858A CN 113240674 B CN113240674 B CN 113240674B
Authority
CN
China
Prior art keywords
dimensional
point cloud
coordinate system
point
plane
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
CN202110775858.5A
Other languages
English (en)
Other versions
CN113240674A (zh
Inventor
张晟
吴禹
张卫平
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.)
Shenzhen Aispekt Intelligent Technology Co ltd
Original Assignee
Shenzhen Aispekt Intelligent Technology 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 Shenzhen Aispekt Intelligent Technology Co ltd filed Critical Shenzhen Aispekt Intelligent Technology Co ltd
Priority to CN202110775858.5A priority Critical patent/CN113240674B/zh
Publication of CN113240674A publication Critical patent/CN113240674A/zh
Application granted granted Critical
Publication of CN113240674B publication Critical patent/CN113240674B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/39—Circuit design at the physical level
    • G06F30/392—Floor-planning or layout, e.g. partitioning or placement
    • 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
    • G06T3/60—Rotation of whole images or parts thereof
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30141—Printed circuit board [PCB]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Architecture (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明实施例公开了一种基于三维点云和二维图像融合的共面度检测方法，包括：步骤1：建立基准测量坐标系，确定待测区域和锚点；步骤2：建立测量平面坐标系；标定测量设备坐标系转移到此测量平面坐标系的矩阵；步骤3：转换点云得到位于测量平面坐标系下的点云三维坐标；步骤4：采集二维图像，建立映射关系；步骤5：提取二维图像中锚点，得到锚点的三维坐标值；步骤6：计算对齐标准模型和测量平面坐标系下点云所需的旋转平移矩阵；步骤7：将点云变换到基准测量坐标系下；步骤8：计算目标区域各点位到参考平面的高度值。本发明通过在线识别二维特征，实现三维点云的自动矫正，更加有效地确定待检测点位，提高检测的绝对精度和重复精度。

Description

基于三维点云和二维图像融合的共面度检测方法
技术领域
本发明涉及三维测量技术领域，尤其涉及一种基于三维点云和二维图像融合的共面度检测方法。
背景技术
近两年，随着我国电子IC行业和高端制造业的急速扩张，精密机械加工工件和电子元器件的在线检测需求迎来井喷式发展。此类元件制造精度高，结构相对复杂，对品质的把控具有极高的要求。在检测方面，对检测精度及效率要求都比较高。传统的人工检测存在着错检、漏检、标准不一致等情况，且检测效率较低，无法满足大规模的生产需求。
目前的传统的精密元器件的尺寸检测，主要为二维视觉长宽及轮廓检测。三维检测仍处在发展和完善的阶段。一般而言，三维检测涉及共面度、平面度等检测，检测指标较多，难度较大。以5G基站中的滤波器为例，就包括PCB面的平面度、PIN针的高度、陶瓷介质的孔深等众多指标。
当前在线三维共面度检测方式多为线激光扫描与位移装置融合，需要依赖机械位移装置移动精度，对稳定性要求较高。也见结构光面扫描的方式，该方式不需要机械位移装置，相对稳定，且扫描速度更快，更适用于快速在线检测。
上述两种扫描测量方案，也都还面临着无法快速准确定位检测区域的问题。以5G滤波器的共面度检测为例，测量点位往往是PIN针上的某一点，或者PCB面板上某些小的金属面片。这些点位的选取，传统做法，是通过预先配置相对于某个固定坐标系的固定点位来完成。但在实际生产中，来料时，物料自身姿态会出现一定程度的倾斜和歪斜。若变动较大，则机械套用固定点位所选的区域，会严重偏离实际需要测量的区域，导致测量结果出错，同时也会降低重复测量精度。
发明内容
本发明实施例所要解决的技术问题在于，提供一种基于三维点云和二维图像融合的共面度检测方法，以更加有效地确定待检测点位，提高检测的绝对精度和重复精度。
为了解决上述技术问题，本发明实施例提出了一种基于三维点云和二维图像融合的共面度检测方法，包括：
步骤1：根据待测元器件的CAD图纸数据，建立基准测量坐标系，此坐标系下的模型为标准模型；根据实际检测需求，在标准模型上确定待测区域，待测区域包括参考平面和用于测量高度差的目标区域；选择待测元器件PCB板上易辨识的标志特征的中心点作为锚点，确定锚点在基准测量坐标系下的三维坐标；
步骤2：根据实际检测工位，基于待测元器件静止待测时其PCB板所处的平面，建立测量平面坐标系；标定计算出结构光三维传感器所确立的设备坐标系到该测量平面坐标系的旋转平移矩阵；
步骤3：利用结构光三维传感器获取待测元器件完整的三维点云数据，根据步骤2中的矩阵将其转换得到位于测量平面坐标系下的点云三维坐标；
步骤4：利用结构光三维传感器的镜头额外采集待测元器件PCB板外观的二维图像，建立该图像的每个像素二维坐标和三维点云数据的映射关系；
步骤5：提取所述二维图像中锚点的二维坐标，并根据映射关系得到锚点的点云三维坐标值；
步骤6：根据步骤1中确定的三维坐标和步骤5中得到的点云三维坐标值计算出对齐标准模型和测量平面坐标系下点云所需的旋转矩阵R和平移矩阵T；
步骤7：根据旋转矩阵R和平移矩阵T进行对齐，将测量平面坐标系下的点云转换到基准测量坐标系下；
步骤8：从基准测量坐标系下的点云中提取待测区域对应的点云数据，并拟合对应的参考平面，计算目标区域各点位到参考平面的高度值。
进一步地，步骤5中，若所述二维图像中标志特征不明显，则通过三维点云数据的 高度值z值，构建高度灰度图，设定归一化范围
Figure 647725DEST_PATH_IMAGE001
，则高度灰度图中每个像素的灰度 值为
Figure 45209DEST_PATH_IMAGE002
，对该高度灰度图再次提取标志特征的中心点作为锚点；
Figure 72333DEST_PATH_IMAGE003
为预设的最小高度值，
Figure 10202DEST_PATH_IMAGE004
为预设的最大高度值。
进一步地，所述锚点选择2个。
进一步地，步骤6中采用下式计算旋转矩阵R和平移矩阵T：
Figure 570496DEST_PATH_IMAGE005
；
Figure 873301DEST_PATH_IMAGE006
；
Figure 650371DEST_PATH_IMAGE007
；
Figure 595193DEST_PATH_IMAGE008
；
Figure 806732DEST_PATH_IMAGE009
；
Figure 313062DEST_PATH_IMAGE010
；
其中，
Figure 813313DEST_PATH_IMAGE011
分别为2个锚点对应的三维点云数据的三维坐标 值，
Figure 296247DEST_PATH_IMAGE012
分别为2个锚点所对应的二维图像坐标值，
Figure 831134DEST_PATH_IMAGE013
、
Figure 974277DEST_PATH_IMAGE014
分别为2个锚 点在基准测量坐标系下的三维坐标，x为对应的坐标值的X轴分量，y为对应的坐标值的Y轴 分量，
Figure 961824DEST_PATH_IMAGE015
、
Figure 248449DEST_PATH_IMAGE016
、
Figure 637842DEST_PATH_IMAGE017
、
Figure 282713DEST_PATH_IMAGE018
为计算所需的中间变量。
进一步地，步骤7中采用下式获取基准测量坐标系下的点云三维坐标
Figure 491977DEST_PATH_IMAGE019
：
Figure 316714DEST_PATH_IMAGE020
；
其中，
Figure 560613DEST_PATH_IMAGE021
为步骤3中获取的位于测量平面坐标系下的点云三维坐标。
本发明的有益效果为：本发明针对常见的电子元器件相关共面度检测需求（例如5G滤波器对PCB板和PIN针共面度检测的需求），利用结构光三维扫描设备获取其完整的三维点云数据，同时采集与之对应的二维图像数据，通过利用二维图像中的某些特殊形状特征，对采集的三维点云进行对齐校准变换操作，从而准确的定位待测区域并高效的实现共面度的在线计算和检测。
附图说明
图1是常见的5G滤波器的结构示意图。
图2是5G滤波器的实际测量场景图。
图3是本发明实施例的基于三维点云和二维图像融合的共面度检测方法的流程示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合，以下所述内容以5G滤波器的PCB与PIN针间的共面度检测为实例，但可以自然应用在PCB，PCBA以及精密机械加工工件和电子元器件的共面度在线检测和评估场景。下面结合附图和具体实施例对本发明作进一步详细说明。请参照图3，本发明实施例的基于三维点云和二维图像融合的滤波器共面度检测方法总体上分为离线标定和在线测量两个方面。
一是离线标定：
1、本发明针对5G滤波器的CAD图纸，建立基准测量坐标系，该坐标系的X轴平行于长边，Y轴平行于短边，Z轴则垂直于PCB板平面向上，坐标原点可选在PCB面板的左下角。位于此坐标系下的CAD模型称作标准模型。
2、根据实际检测需求，明确待测区域（以下简称ROI），待测区域只需明确XY坐标范 围即可。针对方形区域，ROI表示为：
Figure 373455DEST_PATH_IMAGE022
，针对圆形区域，则ROI表示为
Figure 335595DEST_PATH_IMAGE023
。用于拟合平面的ROI集合记为
Figure 964022DEST_PATH_IMAGE024
,用于测量高度差的ROI集 合记为
Figure 563893DEST_PATH_IMAGE025
。根据实际需求将待测区域划分出参考平面ROI和目标ROI（即参考平面和用 于测量高度差的目标区域）。
3、寻找易辨识特征，由于滤波器PCB板上分布有众多的圆形或方形的黄色铜片，与 PCB板墨绿色背景形成较大差别，故选择此类特征作为后续点云矫正所需的锚点。根据提供 的CAD图纸，选取2个锚点，并确定其中心点在基准测量坐标系下的三维坐标，记为
Figure 252363DEST_PATH_IMAGE026
。
4、根据实际检测工位，基于滤波器静止待测时PCB板所处的平面，建立测量平面坐 标系，通常情况下测量平面坐标系的x轴和y轴分别平行于PCB板的长边和短边，z轴则必须 垂直于PCB板平面向上。利用圆点标定板，标定计算出三维点云坐标系（即设备坐标系）到该 测量平面坐标系的旋转平移矩阵，记为
Figure 436220DEST_PATH_IMAGE027
。
二是在线测量：
1、利用结构光三维传感器获取5G滤波器的三维点云数据，记为
Figure 602759DEST_PATH_IMAGE028
，此点云数据 为一个二维数组，每个元素为一个三维坐标点
Figure 319786DEST_PATH_IMAGE029
。位于测量平面坐标系下的点云坐标 值为
Figure 179158DEST_PATH_IMAGE030
。
2、使用采集结构光图像的相机额外拍摄一张曝光充足，明暗合适的外观二维图 像，由于此相机也被用来生成点云，故该图像的每个像素和实时三维点云数据中的点具有 一一对应的关系，三维点云数组的每个元素是一个XYZ坐标值。图像坐标
Figure 850310DEST_PATH_IMAGE031
对应的三维点 云坐标就为
Figure 86120DEST_PATH_IMAGE032
，
Figure 660583DEST_PATH_IMAGE031
同时也可称作二维数组对应下标。
3、利用圆度，面积，周长等阈值对该二维图像提取两个或两个以上的标志特征的 中心作为锚点，其二维坐标值分别记为
Figure 487593DEST_PATH_IMAGE033
。
4、如果图像中的特征不明显，如出现脏污等干扰因素，则无法定位标志特征点，但 标志点自身高度和其周围其他点云高度值有较大差异时，可尝试通过三维点云数据的高度 值z值，构建高度灰度图。设定归一化范围
Figure 646042DEST_PATH_IMAGE001
，则高度灰度图中每个像素的灰度值为
Figure 888805DEST_PATH_IMAGE002
，其每个像素的灰度值对应归一化后的z值，对该高度灰度图再 进行上一步的提取特征的操作，获取锚点。
5、锚点所对应的三维点云数据的三维坐标值分别为
Figure 580424DEST_PATH_IMAGE011
。根 据以下公式，计算出对齐标准模型和测量平面坐标系下点云所需的旋转平移矩阵R和T，
Figure 781598DEST_PATH_IMAGE005
；
Figure 224081DEST_PATH_IMAGE006
；
Figure 37578DEST_PATH_IMAGE007
；
Figure 85169DEST_PATH_IMAGE008
；
Figure 191665DEST_PATH_IMAGE009
；
Figure 590285DEST_PATH_IMAGE010
。
6、将测量平面坐标系下的三维点云数据同标准模型进行对齐。即将5中所得旋转平移矩阵用到测量平面坐标系下点云三维坐标值上，获取基准测量坐标系下的点云坐标数据：
Figure 774902DEST_PATH_IMAGE020
。
7、在上述点云中，根据
Figure 676999DEST_PATH_IMAGE024
提取出所有位于其范围内的点集，用最小二乘法拟合 出参考平面
Figure 219976DEST_PATH_IMAGE034
，根据
Figure 574734DEST_PATH_IMAGE035
提取处于此范围的点集
Figure 995613DEST_PATH_IMAGE036
,计算 此点集到参考平面的高度值：
Figure 752217DEST_PATH_IMAGE037
。
示例：请参照图1～图3，步骤1，建立如图1所示的基准测量坐标系，待测区域为1、2、5、6、7号区域。其中，1、2区域用于建立参考平面。5、6为PIN针，7为小面片，需分别计算各自相对于参考平面的高度值。3、4为PCB板平面上形状特征相对明显和独立的锚点。
步骤2，如图2，将标定板水平放置在测量工位上，同测量时PCB面的位置保持平行。通过传统标定方法，计算出该标定板，也即测量平面坐标系，相对于设备坐标系的转换关系。通常情况下测量平面坐标系的x轴和y轴分别平行于PCB板的长边和短边，z轴则必须垂直于PCB板平面向上。
步骤3，将滤波器放置在测量工位，结构光扫描设备扫描一次，获取完整的三维点云，并通过步骤2的坐标转换矩阵将点云转换到测量平面坐标系。此时，z轴相对于实时点云的PCB面垂直朝上。
步骤4，在同样的位置下，用采集结构光图片的相机再采集一张明暗适中的二维图像，此时步骤3中的点云坐标和此图像具备一一对应的关系。
步骤5，在步骤4的图像中，或者利用高度灰度图，提取锚点3和4的图像二维坐标，并根据对应关系，提取3和4的点云三维坐标值。
步骤6，根据步骤1中的3和4的三维坐标值和步骤5中3和4的三维坐标值，计算出将此两者对齐所需的变换矩阵。
步骤7，将步骤6得到的矩阵应用于步骤3得到的点云，此时点云已经完全对齐和校准至基准测量坐标系下。
步骤8，根据步骤1设定的测量算法，提取对应ROI的点云，并拟合对应的参考平面，计算各点位到平面的高度值。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。

Claims (5)

1.一种基于三维点云和二维图像融合的共面度检测方法，其特征在于，包括：
步骤1：根据待测元器件的CAD图纸数据，建立基准测量坐标系，此坐标系下的模型为标准模型；根据实际检测需求，在标准模型上确定待测区域，待测区域包括参考平面和用于测量高度差的目标区域；选择待测元器件PCB板上易辨识的标志特征的中心点作为锚点，确定锚点在基准测量坐标系下的三维坐标；
步骤2：根据实际检测工位，基于待测元器件静止待测时其PCB板所处的平面，建立测量平面坐标系；标定计算出结构光三维传感器所确立的设备坐标系到该测量平面坐标系的旋转平移矩阵；
步骤3：利用结构光三维传感器获取待测元器件完整的三维点云数据，根据步骤2中的矩阵将其转换得到位于测量平面坐标系下的点云三维坐标；
步骤4：利用结构光三维传感器的镜头额外采集待测元器件PCB板外观的二维图像，建立该图像的每个像素二维坐标和三维点云数据的映射关系；
步骤5：提取所述二维图像中锚点的二维坐标，并根据映射关系得到锚点的点云三维坐标值；
步骤6：根据步骤1中确定的三维坐标和步骤5中得到的点云三维坐标值计算出对齐标准模型和测量平面坐标系下点云所需的旋转矩阵R和平移矩阵T；
步骤7：根据旋转矩阵R和平移矩阵T进行对齐，将测量平面坐标系下的点云转换到基准测量坐标系下；
步骤8：从基准测量坐标系下的点云中提取待测区域对应的点云数据，并拟合对应的参考平面，计算目标区域各点位到参考平面的高度值。
2.如权利要求1所述的基于三维点云和二维图像融合的共面度检测方法，其特征在于， 步骤5中，若所述二维图像中标志特征不明显，则通过三维点云数据的高度值z值，构建高度 灰度图，设定归一化范围
Figure 735224DEST_PATH_IMAGE001
，则高度灰度图中每个像素的灰度值为
Figure 40434DEST_PATH_IMAGE002
，对该高度灰度图再次提取标志特征的中心点作为锚点；
Figure 921540DEST_PATH_IMAGE003
为 预设的最小高度值，
Figure 337609DEST_PATH_IMAGE004
为预设的最大高度值。
3.如权利要求1所述的基于三维点云和二维图像融合的共面度检测方法，其特征在于，所述锚点选择2个。
4.如权利要求3所述的基于三维点云和二维图像融合的共面度检测方法，其特征在于，步骤6中采用下式计算旋转矩阵R和平移矩阵T：
Figure 122026DEST_PATH_IMAGE005
；
Figure 362252DEST_PATH_IMAGE006
；
Figure 700960DEST_PATH_IMAGE007
；
Figure 989614DEST_PATH_IMAGE008
；
Figure 97378DEST_PATH_IMAGE009
；
Figure 508506DEST_PATH_IMAGE010
；
其中，
Figure 865669DEST_PATH_IMAGE011
分别为2个锚点对应的三维点云数据的三维坐标值，
Figure 653234DEST_PATH_IMAGE012
分别为2个锚点所对应的二维图像坐标值，
Figure 412243DEST_PATH_IMAGE013
、
Figure 495736DEST_PATH_IMAGE014
分别为2个锚点 在基准测量坐标系下的三维坐标，x为对应的坐标值的X轴分量，y为对应的坐标值的Y轴分 量，
Figure 307572DEST_PATH_IMAGE015
、
Figure 836511DEST_PATH_IMAGE016
、
Figure 184447DEST_PATH_IMAGE017
、
Figure 406219DEST_PATH_IMAGE018
为计算所需的中间变量。
5.如权利要求1所述的基于三维点云和二维图像融合的共面度检测方法，其特征在于， 步骤7中采用下式获取基准测量坐标系下的点云三维坐标
Figure 3553DEST_PATH_IMAGE019
：
Figure 899965DEST_PATH_IMAGE020
；
其中，
Figure 132101DEST_PATH_IMAGE021
为步骤3中获取的位于测量平面坐标系下的点云三维坐标。
CN202110775858.5A 2021-07-09 2021-07-09 基于三维点云和二维图像融合的共面度检测方法 Active CN113240674B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110775858.5A CN113240674B (zh) 2021-07-09 2021-07-09 基于三维点云和二维图像融合的共面度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110775858.5A CN113240674B (zh) 2021-07-09 2021-07-09 基于三维点云和二维图像融合的共面度检测方法

Publications (2)

Publication Number Publication Date
CN113240674A CN113240674A (zh) 2021-08-10
CN113240674B true CN113240674B (zh) 2021-09-24

Family

ID=77135194

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110775858.5A Active CN113240674B (zh) 2021-07-09 2021-07-09 基于三维点云和二维图像融合的共面度检测方法

Country Status (1)

Country Link
CN (1) CN113240674B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114184143A (zh) * 2021-11-22 2022-03-15 惠州高盛达科技有限公司 一种pcb平整度测量方法及测量装置
CN114299079B (zh) * 2021-12-07 2024-05-28 北京航空航天大学 一种面向稠密点云数据的发动机叶片截面线数据获取方法
CN114494135A (zh) * 2021-12-24 2022-05-13 深圳英博达智能科技有限公司 Pcb板表面凸点缺陷检测方法、系统、及电子设备
CN114264243A (zh) * 2021-12-31 2022-04-01 深圳明锐理想科技有限公司 一种检测压接焊点以及测量压接焊点之间线弧高度的方法
CN114674222B (zh) * 2022-02-17 2023-06-09 成都飞机工业（集团）有限责任公司 一种飞机复材部件与成型工装坐标系对齐方法
CN114842039B (zh) * 2022-04-11 2023-06-27 中国工程物理研究院机械制造工艺研究所 一种含回转体微结构金刚石压砧的同轴度误差计算方法
CN115032200B (zh) * 2022-08-10 2022-10-21 广东省智能机器人研究院 新能源圆柱形电池顶部封口焊缝3d缺陷检测方法及系统
CN115546016B (zh) * 2022-11-26 2023-03-31 深圳市鹰眼在线电子科技有限公司 Pcb的2d和3d图像的采集和处理方法及相关装置
CN116501000B (zh) * 2023-06-26 2023-09-05 深圳市鑫典金光电科技有限公司 一种复合铜散热底板生产设备的控制方法及系统
CN117670887B (zh) * 2024-02-01 2024-04-09 湘潭大学 一种基于机器视觉的锡焊高度及缺陷检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6030549B2 (ja) * 2011-04-13 2016-11-24 株式会社トプコン 三次元点群位置データ処理装置、三次元点群位置データ処理システム、三次元点群位置データ処理方法およびプログラム
US9626568B2 (en) * 2013-11-26 2017-04-18 Rowan University Use of spatially structured light for dynamic three dimensional reconstruction and reality augmentation
US10782126B2 (en) * 2016-10-19 2020-09-22 Scantech (Hangzhou) Co., Ltd. Three-dimensional scanning method containing multiple lasers with different wavelengths and scanner
CN110363801B (zh) * 2019-07-04 2023-04-18 陕西丝路机器人智能制造研究院有限公司 工件实物与工件三维cad模型的对应点匹配方法
CN110807772B (zh) * 2019-11-11 2022-05-20 杭州都市高速公路有限公司 一种构件尺寸检测中基于包围盒的无关点云剔除方法
CN112419429B (zh) * 2021-01-25 2021-08-10 中国人民解放军国防科技大学 一种基于多视角的大型工件表面缺陷检测标定方法

Also Published As

Publication number Publication date
CN113240674A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN113240674B (zh) 基于三维点云和二维图像融合的共面度检测方法
CN105783711B (zh) 三维扫描仪校正系统及其校正方法
US20130194569A1 (en) Substrate inspection method
CN108362220A (zh) 用于印制线路板的三维形貌测量及缺陷检测的方法
JP2009172718A (ja) 作業装置及びその校正方法
US10535157B2 (en) Positioning and measuring system based on image scale
CN110030923B (zh) 连接器Pin针检测系统及其检测方法
JP2007078533A (ja) 基板検査方法
JP2012112961A (ja) 検査方法
CN116168072A (zh) 一种多相机大尺寸视觉测量方法及系统
CN115666125A (zh) 基于机器视觉的贴片机xy平台定位误差检测与补偿方法
CN114460442B (zh) 飞针测试用高精度下针补偿方法、装置及存储介质
CN108627103A (zh) 一种零部件高度尺寸的2d激光测量方法
CN111275761B (zh) 一种自适应高度的视觉定位激光标刻方法
JP2006317408A (ja) 反り検査装置
TW201901177A (zh) 電路板檢測之對位方法
JP2001124700A (ja) ラインセンサーカメラを備えた検査機のキャリブレーション方法
CN114295056B (zh) 一种激光加工设备的视觉定位系统快速校正方法及应用
CN114963981B (zh) 一种基于单目视觉的筒状零件对接非接触式测量方法
CN105431032A (zh) 一种基板检测方法
CN115205390A (zh) 工业机器人面结构光立体相机位姿在线标定方法及系统
CN109449096A (zh) 识别检测晶元芯片的方法
KR101799840B1 (ko) 검사방법
WO2008152649A2 (en) Method and system for evaluating local distortions
JP2793947B2 (ja) 半田付け状態の外観検査方法

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