CN113313710A - 质量检测方法及系统、电子设备、存储介质 - Google Patents
质量检测方法及系统、电子设备、存储介质 Download PDFInfo
- Publication number
- CN113313710A CN113313710A CN202110853663.8A CN202110853663A CN113313710A CN 113313710 A CN113313710 A CN 113313710A CN 202110853663 A CN202110853663 A CN 202110853663A CN 113313710 A CN113313710 A CN 113313710A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- cloud data
- line laser
- detected object
- dimensional scanner
- 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
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
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Abstract
本发明提供了一种质量检测方法及系统、电子设备、存储介质,所述方法包括:在运动平台承载被检测对象运动过程中,基于由运动平台的编码器测量得到的编码值触发线激光三维扫描仪对所述被检测对象进行扫描;基于编码值对线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据;对多帧点云数据进行多次表面拟合,得到被检测对象的各表面的点云数据;每次表面拟合基于当前的多帧点云数据进行一个表面的拟合,得到一个表面的点云数据,并在从当前的多帧点云数据中剔除一个表面的点云数据后,进行下一次表面拟合;基于被检测对象的各表面的点云数据进行被检测对象的质量检测。本发明测量精度较高,并提升了测量效率。
Description
技术领域
本发明涉及质量检测技术,尤其涉及一种基于3D线激光视觉检测的质量检测方法及系统、电子设备、存储介质。
背景技术
混凝土是最常用的建筑材料,混凝土密度是对其评判等级的键性指标。在实验室中,混凝土密度的测量方法为:在李氏瓶倒入煤油,然后添加一定质量的混凝土,通过添加混凝土前后的体积差计算出混凝土的体积,最后通过混凝土质量与体积的商计算得到密度。这种方法精度高,但是操作复杂,只能进行抽检。现在混凝土工厂中常用的混凝土密度测量方法是将其制作成立方体,待其凝固后进行称重,其密度为质量与体积的商。但是制作的混凝土立方体并不是标准立方体,并且其表面常常含有气孔,导致其体积并不是标准体积,进而计算密度会产生偏差,导致混凝土等级评判的错误。同样地,对于其他形状如长方体、圆柱体、球体等物体,同样存在体积计算不准确的问题,这导致对于物体的质量检测不稳定。
发明内容
本发明提供一种质量检测方法及系统、电子设备、存储介质,以至少解决现有技术中存在的以上技术问题。
本发明一方面提供一种质量检测方法,包括:
在运动平台承载被检测对象运动过程中,基于由所述运动平台的编码器测量得到的编码值触发线激光三维扫描仪对所述被检测对象进行扫描;
基于所述编码值对所述线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据;
基于所述多帧点云数据进行第一表面的拟合,确定与所述第一表面拟合的第一点云数据;将所述第一点云数据从所述多帧点云数据中剔除后,基于剔除所述第一点云数据的多帧点云数据进行第二表面的拟合,确定与所述第二表面拟合的第二点云数据;以及
基于所述多帧点云数据进行所述被检测对象的质量检测。
可选地,所述线激光三维扫描仪的数量为多个,所述方法还包括:
对多个所述线激光三维扫描仪进行位姿标定,得到多个所述线激光三维扫描仪之间的位姿转换关系;
将多个所述线激光三维扫描仪基于相同的编码值触发扫描得到的多个点云数据,按照所述位姿转换关系转换到相同的坐标系,得到所述单帧点云数据。
可选地,多个所述线激光三维扫描仪包括第一线激光三维扫描仪和第二线激光三维扫描仪,对所述第一线激光三维扫描仪和所述第二线激光三维扫描仪进行位姿标定,得到所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系包括:
在所述运动平台承载预设标定块运动过程中,基于由所述运动平台的编码器测量得到的编码值触发所述第一线激光三维扫描仪和所述第二线激光三维扫描仪对所述预设标定块进行扫描;
基于所述编码值对所述第一线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第一多帧点云数据,以及基于所述编码值对所述第二线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第二多帧点云数据,其中,所述第一多帧点云数据包括所述预设标定块的第一结构的点云数据,所述第二多帧点云数据包括所述预设标定块的第二结构的点云数据;
基于所述第一结构的点云数据、所述第二结构的点云数据,以及预先设置的所述第一结构与所述第二结构的位姿关系,确定所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系。
可选地,
基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:
在待拟合表面为平面时,将待拟合表面的所述多帧点云数据划分为设定长宽的多个方形网格,对每个方形网格内的所述多帧点云数据进行表面拟合,并确定方形网格内每个点到拟合表面的距离,以平均距离作为该网格的平面度;
依次比较各网格的平面度与平面度阈值的大小,若网格平面度小于平面度阈值,则标记该网格平面度满足条件;若网格平面度大于或等于平面度阈值,则标记该网格平面度不满足条件;
依据平面度满足条件的网格数占比确定所述待拟合表面的平面度是否满足要求。。
可选地,
在所述被检测对象的底面为平面的情况下,基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:
基于所述被检测对象的所有侧面的所述多帧点云数据,分割出所述被检测对象的所有侧面的下边界;
确定所有侧面的下边界上的点到所述被检测对象的置放平面之间的距离,以平均距离作为所述被检测对象的所有侧面底边的间隙值。
可选地,基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:
在待拟合表面为平面时,将待拟合表面的所述多帧点云数据划分为设定长宽的多个方形网格,对每个方形网格内的所述多帧点云数据进行表面拟合,并确定方形网格内每个点到拟合表面的距离,以平均距离作为该网格的平面度;
依次比较各网格的平面度与平面度阈值的大小,若网格平面度小于平面度阈值,则标记该网格平面度满足条件;若网格平面度大于或等于平面度阈值,则标记该网格平面度不满足条件;
依据平面度满足条件的网格数占比确定所述待拟合表面的平面度是否满足要求。
可选地,
在所述被检测对象包括相互平行的第一表面和第二表面的情况下,基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:
确定所述第一表面的几何中心到所述第二表面的第一距离,确定所述第二表面的几何中心到所述第一表面的第二距离;以所述第一距离和所述第二距离的平均值作为所述被检测对象的所述第一表面和所述第二表面的对面距。
本发明另一方面提供一种质量检测系统,包括:提供有具有至少一个开口的扫描腔的主体框架、运动平台、线激光三维扫描仪和计算设备,其中,
所述运动平台至少部分容纳于所述扫描腔;所述运动平台包括用于测量所述运动平台的运动距离的编码器,所述编码器与所述计算设备电性连接;
所述线激光三维扫描仪设置于所述主体框架且容纳于所述扫描腔,以及所述线激光三维扫描仪与所述计算设备电性连接;
所述计算设备,用于在所述运动平台承载被检测对象运动过程中,基于所述编码器测量得到的编码值触发所述线激光三维扫描仪对所述被检测对象进行扫描,基于所述编码值对所述三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据,以及基于所述多帧点云数据进行所述被检测对象的质量检测。
可选地,所述线激光三维扫描仪的数量为多个,多个所述三维扫描仪相对地设置于所述主体框架。
可选地,多个所述线激光三维扫描仪的扫描倾角可调。
本发明另一方面提供一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现所述质量检测方法的步骤。
本发明再一方面提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现所述质量检测方法的步骤。
本发明通过使用3D线激光测量仪如3D线激光相机扫描物体表面以得到三维点云数据,然后通过相机标定对拍摄的点云数据拼接得到完整的三维轮廓,进而进行待测物体体积的测量,测量精度较高,从而能够对物体质量进行较为准确的检测。本发明通过使用至少两台3D线激光测量仪,能够完整地扫描运动中的待测物体的各个表面,通过使用至少两台3D线激光测量仪,可以使待测物体在测量平台以更快的速度运动,也能采集到相应多的点云数据,提升了测量效率。本发明能够对多种形状的物体进行质量检测,应用场景较广。
附图说明
图1示出了本发明实施例的质量检测方法的流程图;
图2示出了本发明实施例的质量检测系统的组成结构示意图;
图3示出了本发明实施例的标准块的结构示意图;
图4示出了本发明实施例的电子设备的结构图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明实施例的质量检测方法的流程图,如图1所示,本发明实施例的质量检测方法包括以下处理步骤:
步骤101,在运动平台承载被检测对象运动过程中,基于由所述运动平台的编码器测量得到的编码值触发线激光三维扫描仪对所述被检测对象进行扫描。
本发明实施例中,运动平台包括测量平台、测量支架、至少两个3D线激光相机,其中,测量平台置放于测量支架等上,至少两个3D线激光相机设置于测量支架上,以尽可能比较全面地拍摄到待测物体的各个表面,以较完整地采集待测物体表面的点云数据。一般而言,在待测物体的左右上方各设置一个3D线激光测量仪如3D线激光相机,即可实现对待测物体表面的全方位扫描,即可实现待测物体的形状刻画,从而即可实现待测物体体积的计算。当然,通过设置多个3D线激光相机,能更佳地实现待测物体表面的点云数据采集,只是运算量较大。
所述线激光三维扫描仪的数量为多个,还需要对多个所述线激光三维扫描仪进行位姿标定,得到多个所述线激光三维扫描仪之间的位姿转换关系;将多个所述线激光三维扫描仪基于相同的编码值触发扫描得到的多个点云数据,按照所述位姿转换关系转换到相同的坐标系,得到所述单帧点云数据。
步骤102,基于所述编码值对所述线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据。
本发明实施例中,对多个所述线激光三维扫描仪进行位姿标定,得到多个所述线激光三维扫描仪之间的位姿转换关系;将多个所述线激光三维扫描仪基于相同的编码值触发扫描得到的多个点云数据,按照所述位姿转换关系转换到相同的坐标系,得到所述单帧点云数据。
具体地,多个所述线激光三维扫描仪包括第一线激光三维扫描仪和第二线激光三维扫描仪,对所述第一线激光三维扫描仪和所述第二线激光三维扫描仪进行位姿标定,得到所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系包括:
在所述运动平台承载预设标定块运动过程中,基于由所述运动平台的编码器测量得到的编码值触发所述第一线激光三维扫描仪和所述第二线激光三维扫描仪对所述预设标定块进行扫描;
基于所述编码值对所述第一线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第一多帧点云数据,以及基于所述编码值对所述第二线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第二多帧点云数据,其中,所述第一多帧点云数据包括所述预设标定块的第一结构的点云数据,所述第二多帧点云数据包括所述预设标定块的第二结构的点云数据;
基于所述第一结构的点云数据、所述第二结构的点云数据,以及预先设置的所述第一结构与所述第二结构的位姿关系,确定所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系。
本发明实施例中,需要事先对设置于测量平台的测量支架上的至少两个3D线激光相机之间的坐标系转换参数进行标定,以便在多个3D线激光相机采集到点云数据后,转换到同一个坐标系下进行拼接和平面拟合等,以便更佳地确定出待测物体的各表面之间的位置及相对关系,更准确地确定其体积。本发明实施例中,对至少两个3D线激光相机之间的坐标系转换参数的标定具体包括:
通过所述至少两个3D线激光相机采集设置于标准块两侧面的长方体块的矩形面的点云数据;
根据所述矩形面的点云数据,计算矩形面的平面法向量、几何中心和上边缘的方向向量;
以所述至少两个3D线激光相机中第一相机采集的矩形面的方向向量为第一起始向量,以所述至少两个3D线激光相机中第二相机采集的矩形面的方向向量为第一终止向量,确定第一起始向量至第一终止向量的旋转矩阵,作为所述第一相机和所述第二相机之间的面旋转矩阵;以所述第二相机采集的矩形面上边缘点组成的直线的方向向量为第二终止向量,确定第二起始向量至第二终止向量的旋转矩阵,作为所述第二相机和所述第一相机之间的边旋转矩阵;
基于所述面旋转矩阵和所述边旋转矩阵确定所述第一相机和所述第二相机之间的坐标旋转矩阵;
对所述第二相机的几何中心进行所述坐标旋转矩阵的变换后,得到所述第二相机的旋转几何中心;将所述第一相机的几何中心沿所述第一相机采集的矩形面的法向量方向移动所述标准块两侧面的长方体块的矩形面之间的标定距离,得到所述第二相机的目标几何中心;
将所述第二相机的旋转几何中心点与目标几何中心点之间的坐标差值作为所述第一相机和所述第二相机之间的坐标平移矩阵;
将所述坐标旋转矩阵和所述坐标平移矩阵作为标定的所述至少两个3D线激光相机之间的坐标系转换参数。
本领域技术人员应当理解,当3D线激光相机为三个及以上时,通过确定其中每两个3D线激光相机之间的坐标系转换参数,即可将每个相机采集到的点云数据转换到一个坐标系下。
本发明实施例中,标定完3D线激光相机的坐标系转换参数后,还需要对标定的坐标系转换参数进行验证,确定标定的坐标系转换参数是否达标,不达标时重新标定,具体包括以下步骤:
以标定后的坐标系转换参数,计算所述第二相机采集的矩形面上所有点到基于所述第一相机采集的点云数据拟合的矩形面的距离;
计算所有点到拟合矩形面的距离与所述标准块两侧面的长方体块的矩形面之间的标定距离的差值;
统计差值小于第一设定阈值的占比,所述占比大于或等于比例阈值时,所述坐标系转换参数标定成功;所述占比小于比例阈值时,重新进行所述坐标系转换参数的标定。
步骤103,对所述多帧点云数据进行多次表面拟合,得到所述被检测对象的各表面的点云数据,其中,每次表面拟合基于当前的多帧点云数据进行一个表面的拟合,得到所述一个表面的点云数据,并在从当前的多帧点云数据中剔除所述一个表面的点云数据后,进行下一次表面拟合。
步骤104,基于所述被检测对象的各表面的点云数据进行所述被检测对象的质量检测。
本发明实施例中,对所述多帧点云数据进行表面拟合,得到所述被检测对象的各表面的点云数据;基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测。具体地,基于所述多帧点云数据进行第一表面的拟合,确定与所述第一表面拟合的第一点云数据;将所述第一点云数据从所述多帧点云数据中剔除后,基于剔除所述第一点云数据的多帧点云数据进行第二表面的拟合,确定与所述第二表面拟合的第二点云数据。
本发明实施例中,针对所述待测物体的形状,确定其表面的拟合模型,当拟合模型适用于假设的局内点,即所有的未知参数都能从假设的局内点计算得出。利用得到的模型去测试所有的其它点云数据,如果某个点适用于估计的模型,认为它也是局内点。如果有足够多的点被归类为假设的局内点,那么估计的模型就足够合理。然后,用所有假设的局内点去重新估计模型,并通过估计局内点与模型的错误率来评估模型。评估模型的过程被重复执行固定的次数,每次产生的模型要么因为局内点太少而被舍弃,要么因为它比现有的模型更佳而被选用,基于此确定出拟合平面。
本发明实施例中,在待拟合表面为平面时,将待拟合表面的所述多帧点云数据划分为设定长宽的多个方形网格,对每个方形网格内的所述多帧点云数据进行表面拟合,并确定方形网格内每个点到拟合表面的距离,以平均距离作为该网格的平面度;依次比较各网格的平面度与平面度阈值的大小,若网格平面度小于平面度阈值,则标记该网格平面度满足条件;若网格平面度大于或等于平面度阈值,则标记该网格平面度不满足条件;依据平面度满足条件的网格数占比确定所述待拟合表面的平面度是否满足要求。
本发明实施例中,还可以基于所述待测物体的拟合表面的点云数据,确定表面法向量及几何中心,并确定各表面之间的相对参数的至少之一:各平面之间的对面距、临面角、所述待测物体的侧面底边与所述测量平台支撑面之间的间隙。其中,确定所述待测物体的侧面底边与所述测量平台支撑面之间的间隙,包括:使用KD-Tree算法查找所述待测物体的所有侧面与所述测量平台的置放平面之间的点云的临界点,分割出所述待测物体的所有侧面的下边界;计算所有侧面的下边界上的点到所述置放平面之间的距离,以平均距离作为所述待测物体的所有侧面底边的间隙值。例如,在所述被检测对象包括相互平行的第一表面和第二表面的情况下,基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:确定所述第一表面的几何中心到所述第二表面的第一距离,确定所述第二表面的几何中心到所述第一表面的第二距离;以所述第一距离和所述第二距离的平均值作为所述被检测对象的所述第一表面和所述第二表面的对面距。
本发明实施例中,当确定所述待测物体的各平面之间的对面距、临面角等参数后,即可计算待测物体的体积。所述待测物体包括以下规则形状的物体之一:长方体、立方体、圆柱体、球体、圆锥体、圆台;对应地,所述拟合平面包括平面、扇形面、球面。
以下通过具体示例,进一步阐明本发明实施例的技术方案的本质。具体示例是以立方体的体积测量为例进行的说明,本领域技术人员应当理解,本申请实施例的体积测量方法同样适用于长方体、圆柱体、球体、圆锥体、圆台等形状的物体。
本发明实施例主要目的是提供一种基于3D线激光视觉检测的混凝土立方体质量的方法,以实现高效率、高精度和全自动化地进行混凝土立方体测量。其中测量项包括:各个面的平整度、对面的面心距、临面的面夹角、整个立方体的体积。其中,立方体的平面度一共五个,分别为顶面和四个侧面。平面度用于检测混凝土立方体的表面是否平整。本发明实施例中,平面度的测量精度至少能够达到0.1mm。对面距分为侧面距和顶面距。侧面距一共两个,指的是水泥块侧面四个面中两对面之间的距离,分别表示混凝土立方体的宽和长。顶面距一个,指的是混凝土立方体顶面与测量平台置放立方体的平面之间的距离,表示混凝土立方体的高。本发明实施例中,对面距测量精度至少能够达到0.05mm。临面角分为侧顶临面角、侧面临面角和侧底临面角。侧顶临面角一共四个,分别指水泥块四个侧面与顶面之间的夹角。侧面临面角一共四个,分别指混凝土立方体四个侧面两两之间的夹角。侧底临面角一共四个,分别指混凝土立方体四个侧面与放置平台之间的夹角。临面角测量精度要求为0.5度。侧面底边离测量平台置放立方体的平面的间隙:侧面离置放平面的间隙一共四个,分别指四个侧面的底边与放置平台的支撑面的间隙高度。侧面底边离地间隙的测量精度要求为0.05mm。本发明实施例相对于手工方式的测量方式而言,不需要依赖任何的人工技巧和测量工具的测量精度,简单快捷。而人工测量方式,一般是通过游标卡尺进行测量,在操作人员熟练的情况下,测量精度也仅能达到1mm左右。而通过激光仪进行测量的方式,需要对激光仪进行相应的标定,达到相应的精确度,且需要能对激光测量仪的使用较为熟悉,即操作人员需要具有一定的专业素养,即使如此,激光测量方式也仅能达到0. 2mm左右的测量精度。本发明实施例不仅简化了测量方法,还大大提升了测量的精度。
图2示出了本发明实施例的测量系统的组成结构示意图,如图2所示,本发明实施例的测量系统提供有具有至少一个开口的扫描腔的主体框架、运动平台、线激光三维扫描仪和计算设备,其中,所述运动平台至少部分容纳于所述扫描腔;所述运动平台包括用于测量所述运动平台的运动距离的编码器,所述编码器与所述计算设备电性连接;所述线激光三维扫描仪设置于所述主体框架且容纳于所述扫描腔,以及所述线激光三维扫描仪与所述计算设备电性连接;所述计算设备,用于在所述运动平台承载被检测对象运动过程中,基于所述编码器测量得到的编码值触发所述线激光三维扫描仪对所述被检测对象进行扫描,基于所述编码值对所述三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据,以及基于所述多帧点云数据进行所述被检测对象的质量检测。具体地,如图2所示,本发明实施例的质量检测系统包括3D线激光高精度相机、测量平台和测量支架。其中3D线激光高精度相机为两台,包含电源线和网线;运动平台具有支撑立方体的平台,该支撑平台至少可沿水平平面运动,由伺服电机驱动,内置编码器,接收控制指令而进行运动;测量支架的作用是固定3D线激光高精度相机和支撑平台。具体地,在混凝土立方体运动方向左右分别安装一台3D线激光高精度相机。图2中,1为右侧3D线激光高精度相机,2为左侧3D线激光高精度相机,3为测量柜,4为待测混凝土立方体,5为测量平台。当混凝土立方体向测量平台内运动时,基于由所述运动平台的编码器测量得到的编码值触发线激光三维扫描仪对所述被检测对象进行扫描,从而得到混凝土立方体的点云数据,当混凝土立方体由测量平台内部向外移动时不触发相机拍摄。
由于左右相机分别拍摄混凝土的左右两侧,为完成测量需将两相机的世界坐标系转化在统一坐标系下,具体地,多个所述线激光三维扫描仪的扫描倾角可调。可以基于所述编码值对所述线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据。所述线激光三维扫描仪的数量为多个,对多个所述线激光三维扫描仪进行位姿标定,得到多个所述线激光三维扫描仪之间的位姿转换关系;将多个所述线激光三维扫描仪基于相同的编码值触发扫描得到的多个点云数据,按照所述位姿转换关系转换到相同的坐标系,得到所述单帧点云数据。多个所述线激光三维扫描仪的扫描倾角可调。
具体地,多个所述线激光三维扫描仪包括第一线激光三维扫描仪和第二线激光三维扫描仪,对所述第一线激光三维扫描仪和所述第二线激光三维扫描仪进行位姿标定,得到所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系包括:
在所述运动平台承载预设标定块运动过程中,基于由所述运动平台的编码器测量得到的编码值触发所述第一线激光三维扫描仪和所述第二线激光三维扫描仪对所述预设标定块进行扫描;基于所述编码值对所述第一线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第一多帧点云数据,以及基于所述编码值对所述第二线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第二多帧点云数据,其中,所述第一多帧点云数据包括所述预设标定块的第一结构的点云数据,所述第二多帧点云数据包括所述预设标定块的第二结构的点云数据;基于所述第一结构的点云数据、所述第二结构的点云数据,以及预先设置的所述第一结构与所述第二结构的位姿关系,确定所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系。
本发明实施例中,可以规定左相机坐标系为标准坐标系,需要将右相机坐标系经过旋转平移等刚性变换至左相机坐标系下,双相机标定就是完成这一工作。当然,与可以将右相机坐标系作为标准坐标系,将左相机采集的点云数据转换至右坐标系下,只要实现两相机采集的点云数据统一到一个坐标系下即可。
多相机坐标系的转换参数的标定可以通过标准块进行标定。图3示出了本发明实施例的标准块的结构示意图,如图3所示,标准块是多相机标定的必备工具,标准块最好选用立方体块,最好由钢锭锻造,表面磨砂,左右两面设置有矩形突出,两矩形相互平行,且均在标准块中心。两矩形之间的距离为固定值,如固定为160mm;该固定值可以通过事先测量而获知,如通过游标卡尺等更精确的测量工具进行测量获知。通过左右两个相机分别扫描标准块左右的矩形突出面,根据两矩形面平行且中心距确定,来计算进行双相机标定。
本发明实施例中,双相机标定的整体流程包括:在测量平台上放置标准块,控制测量平台的支撑平台运动,保证在运动过程中标准块不出相机视野。左右相机分别扫描标准块,并获取点云数据,以此作为双相机标定的算法输入,计算得到右相机的旋转矩阵R,平移矩阵T和标定效果评分。若标定效果评分大于标定评分阈值则提示标定成功并输出旋转平移矩阵。若标定效果评分小于标定评分阈值则提示重新标定。双相机标定算法的具体步骤包括:
1)左右相机分别采集标准块左右两个突出矩形面,得到矩形面的点云数据。
2)根据左右矩形面的点云数据,分别计算矩形面的平面法向量、几何中心和上边缘的方向向量。
3)面旋转:以右相机矩形面的方向向量为起始向量,以左相机矩形面的方向向量为终止向量,求解起始向量至终止向量的旋转矩阵,记为面旋转矩阵。
4)上边缘旋转:以右相机矩形面上边缘点组成直线的方向向量为起始向量,以左相机矩形面上边缘点组成直线的方向向量为终止向量,计算起始向量至终止向量之间的旋转矩阵,记为边旋转矩阵。
5)计算旋转矩阵:通过面旋转矩阵和边旋转矩阵可计算得到旋转矩阵。
6)右相机几何中心旋转:使右相机几何中心经过旋转矩阵,得到旋转后的右相机几何中心点,记为右相机旋转几何中心点。
7)右相机几何中心目标点计算:将左相机沿左矩形面的法向量方向移动160mm(左右矩形面的中心距),得到的点为右相机目标几何中心。
8)计算平移矩阵:右相机旋转几何中心点与右相机目标几何中心点之间,坐标差值即为平移矩阵。
9)评判标定结果:计算右相机矩形面上所有点到左相机拟合平面的距离与160mm的差,统计差值小于距离阈值的比例,判断该比例是否大于比例阈值,若大于比例阈值,则输出旋转平移矩阵并显示标定成功;若小于比例阈值,则输出标定失败,重新标定。
由于单相机扫描混凝土立方体会有视野盲区,因此使用两台3D高精度相机分别扫描混凝土立方体的左右两侧,并将左右相机的点云数据拼接起来,以得到完整的混凝土立方体点云数据,基于完整的点云数据以进行混凝土立方体检测项的测量。
本发明实施例中,当对相机进行坐标参数标定后,即可对立方体水泥块进行体积测量,具体包括:连接相机,输入双相机的坐标参数标定结果,使测量平台的支撑平台运动,保证混凝土立方体运动过程中不出相机视野。这里的运动主要是指使混凝土立方体向近测量平台的方向运动。待混凝土立方体完全通过左右相机的采集视场后,基于左右相机采集得到的混凝土立方体点云数据进行测量运算,至少获取混凝土立方体的各表面的平面度、对面距、临面角、离地间隙、体积等测量结果。分别评判平面度、对面距、临面角、侧面离支撑平面的间隙等测量结果,并确定测量结果是否满足各个检测项设置的阈值参数,满足则输出该检测结果,否则提示检测结果失效,需要重新进行检测。
本发明实施例的立方体水泥块测量具体包括以下步骤:
1)统一坐标系:左相机测量的点云数据的坐标保持不变,右相机中每个点均经过旋转矩阵和平移矩阵进行刚性变换,并将左右点云数据进行融合,此时左右相机的点云数据均在左相机坐标系下,此时左右相机能够拼接成完整的混凝土立方体。
2)点云分割:分别对左右相机的点云数据进行4次RANSAC拟合平面,拟合后在整体点云数据中剔除参与本次RANSAC的点,并保存。在四次平面拟合之后将得到4组点云数据,左右相机一共8组点云数据,左右相机分别包含:一个顶面、两个侧面、一个底面。本发明实施例中,也可以设置RANSAC拟合平面的次数为5次、6次、8次等,具体根据测量精度而设置。
3)确定平面位置:基于前述的8组点云数据,计算8个平面的几何中心点,拟合得到8个平面的平面方程。根据运动方向、左右相机位置、平面法向量、平面几何中心可确定出顶面、侧面1、侧面2、侧面3、侧面4、底面对应的点云数据。
本发明实施例中,在进行拟合平面时,还需要检测项的测量参数的精度是否满足要求,具体可以包括以下测量参数的检测:
平面度:将一个立方体表面的点云数据等距划分为10*10的网格,对网格内的点云数据进行平面拟合,求解网格内每个点到拟合平面的距离,以平均距离作为该网格的平面度。设置平面度阈值,依次比较各个网格平面度与平面度阈值的大小,若网格平面度小于平面度阈值,则标记该网格平面度符合要求;若网格平面度大于平面度阈值,则标记该网格平面度不符合要求。当确定立方体表面中平面度符合要求的网格的数量占比达到设定阈值时,确定该拟合平面满足测量精度。
对面距:包含侧面距和顶面距。侧面距的计算方式为:计算得到侧面四个面的几何中心和平面方程,假设a面的对面是b面,首先计算a面几何中心到b面的距离L1,然后计算b面几何中心到a面的距离L2,以L1和L2的均值作为a面和b面的侧面距。顶面距的计算方式为:拟合放置平台的点云数据,得到放置平台的平面方程,计算顶面的几何中心,则顶面距为顶面几何中心到放置平面之间的距离。
临面角:分别对侧面、顶面、放置平台的点云数据进行平面拟合,得到侧面、顶面、放置平台的法向量。分别计算四个侧面的法向量与顶面法向量之间的夹角,该夹角即为侧顶临面角;计算相邻两侧面法向量之间的夹角,即为侧面临面角;分别计算四个侧面与放置平面的法向量夹角,即为侧底临面角。
侧面底边离测量平台的支撑面的间隙:首先在四个侧面中分割出下边界,具体地,分割边界的方法可以采用KD-Tree方法,通过查找当前侧面点云与放置平面点云的临界点,即可确定四个侧面的底边所在的点。然后计算四个侧面的下底边上的点到测量平台的支撑面的距离,以平均距离作为该侧面底边距测量平台的支撑面的间隙值。
当确定前述的拟合平面的测量精度达到要求后,通过前述的立方体的拟合平面的三个对面距的乘积即为立方体体积。
本发明实施例中,为了验证视觉检测的准确性,可以使用游标卡尺对混凝土立方体进行长宽高进行测量,进而与视觉检测结果进行比较,以进一步确定本发明实施例的基于点云数据拟合的待测物体表面是否能够达到测量的精度要求。
本发明实施例虽然是以立方体为长方体、圆柱体、球体、圆锥体、圆台等时,只要在拟合待测物体表面时,选用与待测物体形状披露的表面拟合模型,即可实现对相应形状物体的表面拟合,进一步即可确定出各表面之间的对面距、临面角等参数,同样可以确定待测物体的体积。
本发明通过使用3D线激光测量仪如3D线激光相机扫描物体表面以得到三维点云数据,然后通过双相机标定和拼接得到完整的三维轮廓,进而进行待测物体体积的测量,测量精度较高。本发明通过使用至少两台3D线激光测量仪,能够完整地扫描运动中的待测物体的各个表面,通过使用至少两台3D线激光测量仪,可以使待测物体在测量平台以更快的速度运动,也能采集到相应多的点云数据,提升了测量效率。本发明能够计算多种形状的物体的体积,如长方体、立方体、圆柱体、球体、圆锥体、圆台等的体积,以对待测物体的质量进行检测,应用场景较广。
下面,参考图4来描述根据本申请实施例的电子设备11。
如图4所示,电子设备11包括一个或多个处理器111和存储器112。
处理器111可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备11中的其他组件以执行期望的功能。
存储器112可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器111可以运行所述程序指令,以实现上文所述的本申请的各个实施例的方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备11还可以包括:输入装置113和输出装置114,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置113可以包括例如键盘、鼠标等等。
该输出装置114可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置114可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图4中仅示出了该电子设备11中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备11还可以包括任何其他适当的组件。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此公开的原理和新颖的特征一致的最宽范围。
为了例示和描述的目的已经给出了以上描述。此外,此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例,但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。
Claims (11)
1.一种质量检测方法,其特征在于包括:
在运动平台承载被检测对象运动过程中,基于由所述运动平台的编码器测量得到的编码值触发线激光三维扫描仪对所述被检测对象进行扫描;
基于所述编码值对所述线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据;
对所述多帧点云数据进行多次表面拟合,得到所述被检测对象的各表面的点云数据,其中,每次表面拟合基于当前的多帧点云数据进行一个表面的拟合,得到所述一个表面的点云数据,并在从当前的多帧点云数据中剔除所述一个表面的点云数据后,进行下一次表面拟合;以及
基于所述被检测对象的各表面的点云数据进行所述被检测对象的质量检测。
2.根据权利要求1所述的质量检测方法,其特征在于,所述线激光三维扫描仪的数量为多个,所述方法还包括:
对多个所述线激光三维扫描仪进行位姿标定,得到多个所述线激光三维扫描仪之间的位姿转换关系;
将多个所述线激光三维扫描仪基于相同的编码值触发扫描得到的多个点云数据,按照所述位姿转换关系转换到相同的坐标系,得到所述单帧点云数据。
3.根据权利要求2所述的质量检测方法,其特征在于,多个所述线激光三维扫描仪包括第一线激光三维扫描仪和第二线激光三维扫描仪,对所述第一线激光三维扫描仪和所述第二线激光三维扫描仪进行位姿标定,得到所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系包括:
在所述运动平台承载预设标定块运动过程中,基于由所述运动平台的编码器测量得到的编码值触发所述第一线激光三维扫描仪和所述第二线激光三维扫描仪对所述预设标定块进行扫描;
基于所述编码值对所述第一线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第一多帧点云数据,以及基于所述编码值对所述第二线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到第二多帧点云数据,其中,所述第一多帧点云数据包括所述预设标定块的第一结构的点云数据,所述第二多帧点云数据包括所述预设标定块的第二结构的点云数据;
基于所述第一结构的点云数据、所述第二结构的点云数据,以及预先设置的所述第一结构与所述第二结构的位姿关系,确定所述第一线激光三维扫描仪和所述第二线激光三维扫描仪之间的位姿转换关系。
4.根据权利要求1所述的质量检测方法,其特征在于,基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:
在待拟合表面为平面时,将待拟合表面的所述多帧点云数据划分为设定长宽的多个方形网格,对每个方形网格内的所述多帧点云数据进行表面拟合,并确定方形网格内每个点到拟合表面的距离,以平均距离作为该网格的平面度;
依次比较各网格的平面度与平面度阈值的大小,若网格平面度小于平面度阈值,则标记该网格平面度满足条件;若网格平面度大于或等于平面度阈值,则标记该网格平面度不满足条件;
依据平面度满足条件的网格数占比确定所述待拟合表面的平面度是否满足要求。
5.根据权利要求1所述的质量检测方法,其特征在于,在所述被检测对象的底面为平面的情况下,基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:
基于所述被检测对象的所有侧面的所述多帧点云数据,分割出所述被检测对象的所有侧面的下边界;
确定所有侧面的下边界上的点到所述被检测对象的置放平面之间的距离,以平均距离作为所述被检测对象的所有侧面底边的间隙值。
6.根据权利要求1所述的质量检测方法,其特征在于,在所述被检测对象包括相互平行的第一表面和第二表面的情况下,基于所述被检测对象的各表面的点云数据,对所述被检测对象进行质量检测包括:
确定所述第一表面的几何中心到所述第二表面的第一距离,确定所述第二表面的几何中心到所述第一表面的第二距离;以所述第一距离和所述第二距离的平均值作为所述被检测对象的所述第一表面和所述第二表面的对面距。
7.一种质量检测系统,其特征在于包括:提供有具有至少一个开口的扫描腔的主体框架、运动平台、线激光三维扫描仪和计算设备,其中,
所述运动平台至少部分容纳于所述扫描腔;所述运动平台包括用于测量所述运动平台的运动距离的编码器,所述编码器与所述计算设备电性连接;
所述线激光三维扫描仪设置于所述主体框架且容纳于所述扫描腔,以及所述线激光三维扫描仪与所述计算设备电性连接;
所述计算设备,用于在运动平台承载被检测对象运动过程中,基于由所述运动平台的编码器测量得到的编码值触发线激光三维扫描仪对所述被检测对象进行扫描;基于所述编码值对所述线激光三维扫描仪扫描得到的单帧点云数据进行拼接,得到多帧点云数据;对所述多帧点云数据进行多次表面拟合,得到所述被检测对象的各表面的点云数据,其中,每次表面拟合基于当前的多帧点云数据进行一个表面的拟合,得到所述一个表面的点云数据,并在从当前的多帧点云数据中剔除所述一个表面的点云数据后,进行下一次表面拟合;以及基于所述被检测对象的各表面的点云数据进行所述被检测对象的质量检测。
8.根据权利要求7所述的质量检测系统,其特征在于,所述线激光三维扫描仪的数量为多个,多个所述三维扫描仪相对地设置于所述主体框架。
9.根据权利要求8所述的质量检测系统,其特征在于,多个所述线激光三维扫描仪的扫描倾角可调。
10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现权利要求1-6任一项所述的质量检测方法的步骤。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的质量检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110853663.8A CN113313710B (zh) | 2021-07-28 | 2021-07-28 | 质量检测方法及系统、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110853663.8A CN113313710B (zh) | 2021-07-28 | 2021-07-28 | 质量检测方法及系统、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313710A true CN113313710A (zh) | 2021-08-27 |
CN113313710B CN113313710B (zh) | 2021-11-23 |
Family
ID=77382363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110853663.8A Active CN113313710B (zh) | 2021-07-28 | 2021-07-28 | 质量检测方法及系统、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313710B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884032A (zh) * | 2021-09-24 | 2022-01-04 | 中建西部建设西南有限公司 | 一种混凝土立方体试块平整度三维激光检测设备及方法 |
CN114581379A (zh) * | 2022-02-14 | 2022-06-03 | 浙江华睿科技股份有限公司 | 一种密封胶的检测方法及装置 |
WO2023096873A1 (en) * | 2021-11-28 | 2023-06-01 | Summer Robotics, Inc. | Association of concurrent tracks across multiple views |
US11785200B1 (en) | 2022-03-14 | 2023-10-10 | Summer Robotics, Inc. | Stage studio for immersive 3-D video capture |
US11808857B2 (en) | 2021-08-27 | 2023-11-07 | Summer Robotics, Inc. | Multi-sensor superresolution scanning and capture system |
US11887340B2 (en) | 2021-07-29 | 2024-01-30 | Summer Robotics, Inc. | Dynamic calibration of 3D acquisition systems |
CN117475002A (zh) * | 2023-12-27 | 2024-01-30 | 青岛亿联建设集团股份有限公司 | 基于激光扫描技术的建筑倾斜度测量方法 |
US11974055B1 (en) | 2022-10-17 | 2024-04-30 | Summer Robotics, Inc. | Perceiving scene features using event sensors and image sensors |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150066425A1 (en) * | 2013-08-30 | 2015-03-05 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Computing device and method for measuring flatness of object |
CN108648230A (zh) * | 2018-05-14 | 2018-10-12 | 南京阿凡达机器人科技有限公司 | 一种包裹尺寸测量方法、系统、储存介质及移动终端 |
CN109029254A (zh) * | 2018-07-03 | 2018-12-18 | 燕山大学 | 一种基于点云数据处理的列车车厢载货体积及体密度质量检测方法 |
CN110006372A (zh) * | 2019-03-18 | 2019-07-12 | 华中科技大学 | 一种基于局部优化的三维点云平面度计算方法 |
CN111750805A (zh) * | 2020-07-06 | 2020-10-09 | 山东大学 | 一种基于双目相机成像和结构光技术的三维测量装置及测量方法 |
CN112819781A (zh) * | 2021-01-29 | 2021-05-18 | 中国三峡建设管理有限公司 | 混凝土冲毛质量评估方法、装置及系统 |
CN113048920A (zh) * | 2021-03-18 | 2021-06-29 | 苏州杰锐思智能科技股份有限公司 | 工业结构件平面度的测量方法、装置和电子设备 |
-
2021
- 2021-07-28 CN CN202110853663.8A patent/CN113313710B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150066425A1 (en) * | 2013-08-30 | 2015-03-05 | Fu Tai Hua Industry (Shenzhen) Co., Ltd. | Computing device and method for measuring flatness of object |
CN104422406A (zh) * | 2013-08-30 | 2015-03-18 | 鸿富锦精密工业(深圳)有限公司 | 平面度量测系统及方法 |
CN108648230A (zh) * | 2018-05-14 | 2018-10-12 | 南京阿凡达机器人科技有限公司 | 一种包裹尺寸测量方法、系统、储存介质及移动终端 |
CN109029254A (zh) * | 2018-07-03 | 2018-12-18 | 燕山大学 | 一种基于点云数据处理的列车车厢载货体积及体密度质量检测方法 |
CN110006372A (zh) * | 2019-03-18 | 2019-07-12 | 华中科技大学 | 一种基于局部优化的三维点云平面度计算方法 |
CN111750805A (zh) * | 2020-07-06 | 2020-10-09 | 山东大学 | 一种基于双目相机成像和结构光技术的三维测量装置及测量方法 |
CN112819781A (zh) * | 2021-01-29 | 2021-05-18 | 中国三峡建设管理有限公司 | 混凝土冲毛质量评估方法、装置及系统 |
CN113048920A (zh) * | 2021-03-18 | 2021-06-29 | 苏州杰锐思智能科技股份有限公司 | 工业结构件平面度的测量方法、装置和电子设备 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11887340B2 (en) | 2021-07-29 | 2024-01-30 | Summer Robotics, Inc. | Dynamic calibration of 3D acquisition systems |
US11808857B2 (en) | 2021-08-27 | 2023-11-07 | Summer Robotics, Inc. | Multi-sensor superresolution scanning and capture system |
CN113884032A (zh) * | 2021-09-24 | 2022-01-04 | 中建西部建设西南有限公司 | 一种混凝土立方体试块平整度三维激光检测设备及方法 |
WO2023096873A1 (en) * | 2021-11-28 | 2023-06-01 | Summer Robotics, Inc. | Association of concurrent tracks across multiple views |
CN114581379A (zh) * | 2022-02-14 | 2022-06-03 | 浙江华睿科技股份有限公司 | 一种密封胶的检测方法及装置 |
CN114581379B (zh) * | 2022-02-14 | 2024-03-22 | 浙江华睿科技股份有限公司 | 一种密封胶的检测方法及装置 |
US11785200B1 (en) | 2022-03-14 | 2023-10-10 | Summer Robotics, Inc. | Stage studio for immersive 3-D video capture |
US11974055B1 (en) | 2022-10-17 | 2024-04-30 | Summer Robotics, Inc. | Perceiving scene features using event sensors and image sensors |
CN117475002A (zh) * | 2023-12-27 | 2024-01-30 | 青岛亿联建设集团股份有限公司 | 基于激光扫描技术的建筑倾斜度测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113313710B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113313710B (zh) | 质量检测方法及系统、电子设备、存储介质 | |
Carfagni et al. | On the performance of the Intel SR300 depth camera: metrological and critical characterization | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
US7079137B2 (en) | Method for digitally rendering an object using measured BRDF data | |
US8526705B2 (en) | Driven scanning alignment for complex shapes | |
KR20150128300A (ko) | 카메라와 레이저 스캔을 이용한 3차원 모델 생성 및 결함 분석 방법 | |
JPH10311711A (ja) | 光学的形状センサ | |
US20090039285A1 (en) | Method and device for controlling and monitoring a position of a holding element | |
CN111750804A (zh) | 一种物体测量的方法及设备 | |
CN103559708A (zh) | 基于方靶模型的工业定焦相机参数标定装置 | |
WO2003044458A1 (en) | Method and system for the calibration of a computer vision system | |
Bergström et al. | Virtual projective shape matching in targetless CAD-based close-range photogrammetry for efficient estimation of specific deviations | |
Oytun et al. | Effect of Terrestrial Laser Scanning (TLS) parameters on the accuracy of crack measurement in building materials | |
Yan et al. | Multi-line laser structured light fast visual positioning system with assist of TOF and CAD | |
Furukawa et al. | Interactive shape acquisition using marker attached laser projector | |
CN113658279A (zh) | 相机内参和外参估算方法、装置、计算机设备及存储介质 | |
CN101038156A (zh) | 便携式岩石表面三维形貌的测量系统 | |
Koyuncu et al. | Development of an optical 3D scanner based on structured light | |
JP6884077B2 (ja) | 表面検査装置及び表面検査方法 | |
Abzal et al. | Development of a new laser triangulation system based on an optical frame of reference | |
Iovenitti et al. | Three-dimensional measurement using a single image | |
CN113702927A (zh) | 一种车辆传感器标定方法、装置及存储介质 | |
Rehany et al. | Capturing fine details involving low-cost sensors–a comparative study | |
JP2002350131A (ja) | 多眼カメラのキャリブレーション方法および装置並びにコンピュータプログラム | |
CN116228889B (zh) | 移动标定装置、相机阵列系统标定装置及方法 |
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 |