CN113450379A - 一种异形工件断面轮廓线提取和分析方法和装置 - Google Patents

一种异形工件断面轮廓线提取和分析方法和装置 Download PDF

Info

Publication number
CN113450379A
CN113450379A CN202110752237.5A CN202110752237A CN113450379A CN 113450379 A CN113450379 A CN 113450379A CN 202110752237 A CN202110752237 A CN 202110752237A CN 113450379 A CN113450379 A CN 113450379A
Authority
CN
China
Prior art keywords
data
section
scanner
measured
workpiece
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
Application number
CN202110752237.5A
Other languages
English (en)
Other versions
CN113450379B (zh
Inventor
吕冰冰
周天
罗伟
何畅
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.)
Hunan Guotian Electronic Technology Co ltd
Original Assignee
Hunan Guotian Electronic 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 Hunan Guotian Electronic Technology Co ltd filed Critical Hunan Guotian Electronic Technology Co ltd
Priority to CN202110752237.5A priority Critical patent/CN113450379B/zh
Publication of CN113450379A publication Critical patent/CN113450379A/zh
Application granted granted Critical
Publication of CN113450379B publication Critical patent/CN113450379B/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pure & Applied Mathematics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computing Systems (AREA)
  • Computer Graphics (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供一种异形工件断面轮廓线提取和分析方法和装置，方法包括以下步骤：对待测工件表面预处理，标记工件断面轮廓线上被测量目标点，确定激光扫描仪和被测量目标点的位置坐标；采用激光扫描仪自动扫描和数据采集，并进行靶点校准；采用最小二乘法进行数据边界的拟合和数据拼接，并进行二次处理，得到测量目标表面完整的三维坐标信息；根据需求代入剖切参数，对所有坐标散点进行分割并采用KNN‑D算法降低数据密度，计算最优断面路径，提取断面轮廓线序节点坐标；输出断面统计特征参数，并进一步输出断面轮廓线。本专利提供的方法和装置较好的解决了异形件全流程智能化快速测量的目的，能实现高度自动化，达到节约大量人工测量成本的目的。

Description

一种异形工件断面轮廓线提取和分析方法和装置
技术领域
本发明属于异性工件测量技术领域，具体涉及一种异形工件断面轮廓线提取和分析方法和装置。
背景技术
产品结构件加工后，产品外形尺寸检测的传统方法通常为手工测量，对于规则形态的结构件，手工测量基本能满足测量精度要求，但对于异形构件，由于表面形态的不规则，手动测量常常不能实现准确的测量目的，甚至由于结构的特殊导致测量工具的不可达而无法进行测量，从而导致加工精度的不可验证，为以后的应用造成隐患。
因此，准确高效的实现该类异形构件的测量，实现产品质量的可测可控，提高产品可靠性，是很多企业面临的问题。
发明内容
本发明针对上述缺陷，提供一种利用最小二乘法进行数据拟合和数据拼接，并且在数据拟合和数据拼接前采用构建数据拟合的拟合球体的模型的三点是否为边界三角形的判断方法进行噪音数据剔除，进而提高了数据分析的准确度，并通过靶点校准，进一步提高了最终的数据分析的精确度的异形工件断面轮廓线提取和分析方法和装置。
本发明提供如下技术方案：一种异形工件断面轮廓线提取和分析方法，包括以下步骤：
S1：对待测工件表面预处理，对反射较强的镜面材质可做适当喷涂处理，以减少噪点的输出，标记工件断面轮廓线上被测量目标点，确定激光扫描仪的位置坐标(x0,y0,z0)和所述被测量目标点的位置坐标(xi,yi,zi)，所述工件断面轮廓线上有n个被测量目标点，i＝1,2,…,n；
S2：采用所述激光扫描仪从多个角度对所述待测量工件的进行自动扫描和数据采集，获取所述工件断面表面的n个被测量目标点的三维散点数据，以及从N个角度采集的所述工件断面表面的n个被测量目标点形成的N个点云片段，对得到的n个被测量目标点的三维散点数据进行靶点校准；
S3：采用最小二乘法对所述S2步骤进行过靶点校准后的n个被测量目标点的三维散点数据形成的N个点云片段进行数据边界的拟合和数据拼接，并进行二次处理对数据中的噪点进行滤除和抽稀，得到测量目标表面完整的三维坐标信息；
S4：根据需求代入剖切参数，对所有坐标散点进行分割，得到所关注断面位置的截面轮廓散点数据集并进行断面点云数据存储；
S5：但此时的散点数据由于密度大、存储无规则，还不能直接用来进行轮廓线提取，需要进一步的处理，采用KNN-D算法降低数据密度，计算最优断面路径，提取断面轮廓线序节点坐标；
S6：输出断面统计特征参数，并进一步输出断面轮廓线。
进一步地，所述S2步骤中对所述待测量工件进行自动扫描和数据采集过程中，沿扫描仪环绕轨道和扫描仪垂直运动轴立杆进行三维立体空间的工件断面轮廓线上被测量目标点的数据采集。
进一步地，所述S3步骤中进行数据边界的拟合和数据拼接所采用的最小二乘法包括以下步骤：
S31：采用所述被测量目标点的位置坐标(xi,yi,zi)构建被测量目标点所组成的拟合球体，并计算被测量目标点距离所述拟合球体球心的距离平方差计算模型f：
f＝∑((xi-A)2+(yi-B)2+(zi-C)2-R2)2；
其中，A、B和C分别为所述拟合球体的球心的x轴坐标、y轴坐标和z轴坐标，R为拟合球体的半径；
S32：通过参数代换，构建所述S31构建得到的距离平方差计算模型f的最小化的所述拟合球体的球心坐标(A,B,C)和半径R的计算模型Q：
Q(a，b，c，d)＝∑(xi 2+yi 2+zi 2+axi+byi+czi+d)2；
其中，a、b、c为拟合球体中心截面圆上的任意三点形成的三角形边长，d为拟合球体中心截面圆上的任意三点形成的三角形中心与球体上的第四点之间的连线长；
对所述计算模型Q进行二阶导数求解，求解所述拟合球体的参数a、b、c和d，通过所述拟合球体的参数a、b、c和d计算所述球心坐标中的A,B,C和半径R；
S33：根据所述S32计算得到具有球心坐标(A,B,C)和半径R的拟合球体将所述S2步骤进行过靶点校准后的n个被测量目标点的三维散点数据形成的N个点云片段有效数据边界的拟合和数据拼接。
进一步地，所述S32步骤中对所述计算模型Q进行二阶导数求解的计算公式如下：
Figure BDA0003145209930000031
Figure BDA0003145209930000032
Figure BDA0003145209930000033
Figure BDA0003145209930000034
通过将而且导数求解的计算公式转化为矩阵，得到所述拟合球体的参数a、b、c和d组成的参数矩阵[a b c d]T：
Figure BDA0003145209930000035
进一步地，根据计算得到的所述拟合球体的参数a、b、c和d，计算拟合球体中的球心坐标中的A,B,C和半径R的公式为：
A＝-a/2，B＝-b/2，C＝-c/2，
Figure BDA0003145209930000036
进一步地，在所述S3步骤中采用最小二乘法进行数据边界的拟合和数据拼接之前，对构建被测量目标点所组成的拟合球体的边界端点组成的是否为边界三角形进行判断的方法，包括以下步骤：
M1：采用具有参数a、b、c和d构成的所述拟合球体中心截面圆上的任意三点所组成的具有半径为r的最小外接空圆的三角形，计算所述三角形的边长l和半周长s：
Figure BDA0003145209930000037
Figure BDA0003145209930000038
其中，(x1,y1,z1)和(x2,y2,z2)为组成所述三角形中的任意两点的三维坐标；
M2：采用Heron公式计算拟合球体中心截面圆上的任意三点形成的三角形面积S：
Figure BDA0003145209930000041
M3：根据所述M2步骤计算得到的三角形面积S可以得到三角形最小外接空圆的半径r：
Figure BDA0003145209930000042
M4：根据所述M3步骤计算得到的半径r和判断指数α的倒数的关系，判断具有参数a、b、c和d构成的所述拟合球体中心截面圆上的任意三点所组成的三角形是否为边界三角形，若r＜1/α，则为边界三角形，进行数据边界的拟合和数据拼接；若r＞1/α，则不是边界三角形，不进行数据边界的拟合和数据拼接；所述判断指数α满足如下条件：1/α≥2×l×3-l/2。
进一步地，所述S1步骤中激光扫描仪的位置坐标(x0,y0,z0)计算公式如下：
x0＝W×cosθ
x0＝W×sinθ
z0＝H
其中，W为激光扫描仪设备光源中心相对于扫描仪环绕轨道中心原点的半径，H为激光扫描仪设备光源中心相对于扫描区平板底座平面的高度，θ为激光扫描仪设备光源中心沿扫描仪环绕轨道环绕运动时的瞬时角度；
所述被测量目标点的位置坐标(xi,yi,zi)的计算公式如下：
xi＝(W-D×sinβ)×cosθ；
yi＝(W-D×sinβ)×sinθ；
zi＝H-D×cosβ；
其中，D为激光扫描仪设备光源中心与被测量目标点之间的距离，β为激光光束与扫描仪垂直运行轨道之间夹角；
Figure BDA0003145209930000043
其中，Δt为激光光束从发出到返回设备所用的时间，c为激光光速。
进一步地，所述S2步骤中对得到的被测量目标点(xi,yi,zi)的三维散点数据进行靶点校准的公式如下：
Figure BDA0003145209930000051
Figure BDA0003145209930000052
Figure BDA0003145209930000053
其中，W为激光扫描仪设备光源中心相对于扫描仪环绕轨道中心原点的半径，H为激光扫描仪设备光源中心相对于扫描区平板底座平面的高度，θ为激光扫描仪设备光源中心沿扫描仪环绕轨道环绕运动时的瞬时角度；
Figure BDA0003145209930000054
为激光扫描仪发出的激光束在XY水平面的偏转角度误差，Δθ为瞬时角度误差，Δβ为激光光束与扫描仪垂直运行轨道之间夹角误差，ΔH为高度误差。
进一步地，所述断面统计特征参数包括断面轮廓线长度、断面面积、断面误差分析、断面变形检测结果。
本发明还提供采用上述方法的一种异形工件断面轮廓线提取和分析装置，包括扫描区平板底座、扫描仪环绕运动轨道、扫描仪垂直运行轨道和激光扫描仪；
所述扫描仪平板底座用于承载待测量部件，并限定所述待测量部件相对于所述激光扫描仪的摆放位置，以方便实现最佳的扫描效果,提高计算精度；
所述扫描仪环绕运动轨道间安装有感应旋转角度的传感器，能实时将旋转角度反馈给扫描仪。
本发明的有益效果为：
1、本发明提供的异形工件断面轮廓线提取和分析装置，可通过激光扫描仪绕扫描仪环绕运动轨道在XY平面内进行环绕的同时，通过在扫描仪垂直运行轨道上进行z轴方向的竖直上下移动，进而能够实现异形工件的断面轮廓线的三维坐标数据自动化测量，可实现节约大量人工测量成本并提高异形工件断面轮廓线的提取和分析的准确度。
2、本发明提供的异形工件断面轮廓线提取和分析装置，可输出激光扫描仪得到的异形工件图形化的直观数据结果，避免人工记录的不准确的同时，装置全自动化操作，最大限度排除人为误差。
3、本发明提供的异形工件断面轮廓线提取和分析方法中，通过采用最小二乘法进行数据边界的拟合和数据拼接，根据已知控制点及不同数据文件中的同名坐标点信息，进行分文件的几何校正，通过坐标转换参数完成多个数据文件的拼接操作；在二次处理过程中，数据抽稀根据坐标点之间的空间位置关系进行运算，将特征点进行保留，而将普通非关键点进行按比例排除，能够达到缩减数据量大小的技术效果。
4、本发明提供的异形工件断面轮廓线提取和分析方法中，通过采用最小二乘法进行数据边界的拟合和数据拼接之前，通过计算采用具有参数a、b、c和d构成的所述拟合球体中心截面圆上的任意三点所组成的具有半径为r的最小外接空圆的三角形的边长l和半周长s，进而计算得到最小外接空圆的r，并与判断指数α的倒数进行比较，进而判断得到所选取的三个点是否构成了边界三角形，进而判断了下一步进行数据边界你和和数据拼接所采用的数据是否属于边界数据，进而对构建被测量目标点所组成的拟合球体的边界端点组成的是否为边界三角形进行判断，提高了数据边界拟合和数据拼接的精确度。
5、本发明提供的异形工件断面轮廓线提取和分析方法中，对得到的被测量目标点(xi,yi,zi)的三维散点数据进行靶点校准可以提高最终的异性工件断面轮廓线的提取和分析的准确度。相比于传统方法，本专利提供的方法和装置较好的解决了异形件全流程智能化快速测量的目的，数据成果直观可靠，对产品加工质量实现高精度验证，对改进工艺流程可提供极具价值的建议及改进策略，提高产品的加工良品率。并能实现高度自动化，达到节约大量人工测量成本的目的。
附图说明
在下文中将基于实施例并参考附图来对本发明进行更详细的描述。其中：
图1为本发明提供的异形工件断面轮廓线提取和分析方法流程示意图；
图2为本发明提供的异形工件断面轮廓线提取和分析方法对被测量目标点坐标定位示意图；
图3为本发明提供的异形工件断面轮廓线提取和分析方法S2步骤对得到的被测量目标点(xi,yi,zi)的三维散点数据进行靶点校准对的XY平面示意图；
图4为本发明提供的异形工件断面轮廓线提取和分析装置结构示意图；
图5为本发明提供的异形工件断面轮廓线提取和分析装置中扫描仪垂直运行轨道与扫描仪环绕运动轨道连接结构示意图；
图6为本发明提供的异形工件断面轮廓线提取和分析装置中激光扫描仪与扫描仪环绕运动轨道活动连接侧面示意图；
图7为本发明提供的图6中异形工件断面轮廓线提取和分析装置中激光扫描仪与扫描仪垂直运行轨道活动连接侧面放大示意图；
图8为本发明提供的图7的正面示意图。
具体实施例方式
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，而不是全部的实施例。基于本发明中的实施例，本领域普通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。
实施例1
如图1所示，为本实施例提供的一种异形工件断面轮廓线提取和分析方法，包括以下步骤：
S1：对待测工件表面预处理，对反射较强的镜面材质可做适当喷涂处理，以减少噪点的输出，标记工件断面轮廓线上被测量目标点，确定激光扫描仪的位置P0的坐标(x0,y0,z0)和被测量目标点的位置Pi的坐标(xi,yi,zi)，工件断面轮廓线上有n个被测量目标点，i＝1,2,…,n；
S2：采用激光扫描仪从多个角度对待测量工件的进行自动扫描和数据采集，获取工件断面表面的n个被测量目标点的三维散点数据，以及从N个角度采集的工件断面表面的n个被测量目标点形成的N个点云片段，对得到的n个被测量目标点的三维散点数据进行靶点校准；
S3：采用最小二乘法对S2步骤进行过靶点校准后的n个被测量目标点的三维散点数据形成的N个点云片段进行数据边界的拟合和数据拼接，并进行二次处理对数据中的噪点进行滤除和抽稀，得到测量目标表面完整的三维坐标信息；
S4：根据需求代入剖切参数，对所有坐标散点进行分割，得到所关注断面位置的截面轮廓散点数据集并进行断面点云数据存储；
S5：但此时的散点数据由于密度大、存储无规则，还不能直接用来进行轮廓线提取，需要进一步的处理，采用KNN-D算法降低数据密度，计算最优断面路径，提取断面轮廓线序节点坐标；
S6：输出断面统计特征参数，并进一步输出断面轮廓线；断面统计特征参数包括断面轮廓线长度、断面面积、断面误差分析、断面变形检测结果。
数据分割根据断面剖切参数选取断面位置，并将上下一定范围的点坐标数据提取出来，通过基本的自动化过滤等处理，得到用于提取轮廓线的基础数据片段。
断面轮廓线节点的选择采用基于KNN-D算法的改进方法，实现轮廓线节点的自动提取，并达到在最大化保留轮廓特征信息的基础上，实现噪点过滤，缩减节点规模的目的。该方法的关键在于初始点的选择，可在自动化选择不理想的情况下进行人工干预，完成最优化结果的输出。
轮廓线提取完成后即可根据需求，进行模型数据的对比分析，精度评价等操作。
S2步骤中对待测量工件进行自动扫描和数据采集过程中，沿扫描仪环绕轨道和扫描仪垂直运动轴立杆进行三维立体空间的工件断面轮廓线上被测量目标点的数据采集。
S3步骤中进行数据边界的拟合和数据拼接所采用的最小二乘法包括以下步骤：
S31：采用被测量目标点的位置坐标(xi,yi,zi)构建被测量目标点所组成的拟合球体，并计算被测量目标点距离拟合球体球心的距离平方差计算模型f：
f＝∑((xi-A)2+(yi-B)2+(zi-C)2-R2)2；
其中，A、B和C分别为拟合球体的球心的x轴坐标、y轴坐标和z轴坐标，R为拟合球体的半径；
S32：通过参数代换，构建S31构建得到的距离平方差计算模型f的最小化的拟合球体的球心坐标(A,B,C)和半径R的计算模型Q：
Q(a,b,c,d)＝∑(xi 2+yi 2+zi 2+axi+byi+czi+d)2；
其中，a、b、c为拟合球体中心截面圆上的任意三点形成的三角形边长，d为拟合球体中心截面圆上的任意三点形成的三角形中心与球体上的第四点之间的连线长；
对计算模型Q进行二阶导数求解，求解拟合球体的参数a、b、c和d，通过拟合球体的参数a、b、c和d计算球心坐标中的A,B,C和半径R；
S33：根据S32计算得到具有球心坐标(A,B,C)和半径R的拟合球体将S2步骤进行过靶点校准后的n个被测量目标点的三维散点数据形成的N个点云片段有效数据边界的拟合和数据拼接。
S32步骤中对计算模型Q进行二阶导数求解的计算公式如下：
Figure BDA0003145209930000091
Figure BDA0003145209930000092
Figure BDA0003145209930000093
Figure BDA0003145209930000094
通过将而且导数求解的计算公式转化为矩阵，得到拟合球体的参数a、b、c和d组成的参数矩阵[a b c d]T：
Figure BDA0003145209930000095
根据计算得到的拟合球体的参数a、b、c和d，计算拟合球体中的球心坐标中的A,B,C和半径R的公式为：
A＝-a/2，B＝-b/2，C＝-c/2，
Figure BDA0003145209930000096
实施例2
本实施例与实施例1或实施例2的区别在于，S3步骤中采用最小二乘法进行数据边界的拟合和数据拼接之前，对构建被测量目标点所组成的拟合球体的边界端点组成的是否为边界三角形进行判断的方法，包括以下步骤：
M1：采用具有参数a、b、c和d构成的拟合球体中心截面圆上的任意三点所组成的具有半径为r的最小外接空圆的三角形，计算三角形的边长l和半周长s：
Figure BDA0003145209930000097
Figure BDA0003145209930000098
其中，(x1,y1,z1)和(x2,y2,z2)为组成三角形中的任意两点的三维坐标；
M2：采用Heron公式计算拟合球体中心截面圆上的任意三点形成的三角形面积S：
Figure BDA0003145209930000099
M3：根据M2步骤计算得到的三角形面积S可以得到三角形最小外接空圆的半径r：
Figure BDA0003145209930000101
M4：根据M3步骤计算得到的半径r和判断指数α的倒数的关系，判断具有参数a、b、c和d构成的拟合球体中心截面圆上的任意三点所组成的三角形是否为边界三角形，若r＜1/α，则为边界三角形，进行数据边界的拟合和数据拼接；若r＞1/α，则不是边界三角形，不进行数据边界的拟合和数据拼接；判断指数α满足如下条件：1/α≥2×l×3-l/2。
实施例3
如图2所示，本实施例与实施例2的区别仅在于S1步骤中激光扫描仪的位置P0坐标(x0,y0,z0)计算公式如下：
x0＝W×cosθ
x0＝W×sinθ
z0＝H
其中，W为激光扫描仪设备光源中心相对于扫描仪环绕轨道中心原点的半径，H为激光扫描仪设备光源中心相对于扫描区平板底座平面的高度，θ为激光扫描仪设备光源中心沿扫描仪环绕轨道环绕运动时的瞬时角度；
被测量目标点的位置坐标(xi,yi,zi)的计算公式如下：
xi＝(W-D×sinβ)×cosθ；
yi＝(W-D×sinβ)×sinθ；
zi＝H-D×cosβ；
其中，D为激光扫描仪设备光源中心与被测量目标点之间的距离，β为激光光束与扫描仪垂直运行轨道之间夹角；
Figure BDA0003145209930000102
其中，Δt为激光光束从发出到返回设备所用的时间，c为激光光速。
实施例4
本实施例与实施例1或实施例2的区别仅在于，如图3所示，S2步骤中对得到的被测量目标点Pi(xi,yi,zi)的三维散点数据进行靶点校准的公式如下：
Figure BDA0003145209930000111
Figure BDA0003145209930000112
Figure BDA0003145209930000113
其中，W为激光扫描仪设备光源中心相对于扫描仪环绕轨道中心原点的半径，H为激光扫描仪设备光源中心相对于扫描区平板底座平面的高度，θ为激光扫描仪设备光源中心沿扫描仪环绕轨道环绕运动时的瞬时角度；
Figure BDA0003145209930000114
为激光扫描仪发出的激光束在XY水平面的偏转角度误差，Δθ为瞬时角度误差，Δβ为激光光束与扫描仪垂直运行轨道之间夹角误差，ΔH为高度误差。
设备可根据工件的大小调节扫描仪在垂直运动轴上的高度,实现最佳的视场角度，扫描过程激光束在垂直方向一定角度完成一条扫描线的采集，并随着设备围绕被测目标圆周运动过程中，激光束完成对整个工件表面的三维坐标采集，并完成原始数据的存储。
数据采集完成后，即可开始进行数据的过滤、融合、提取、分析等操作，并根据需要输出被测工件的三维结构或关键特征参数等信息，供产品质量对比检验使用。
实施例3
本实施例提供采用上述方法的异形工件断面轮廓线提取和分析装置，如图4所示，装置包括扫描区平板底座、扫描仪环绕运动轨道、扫描仪垂直运行轨道和激光扫描仪；
扫描仪平板底座用于承载待测量部件，并限定待测量部件相对于激光扫描仪的摆放位置，以方便实现最佳的扫描效果,提高计算精度；
扫描仪环绕运动轨道间安装有感应旋转角度的传感器，能实时将旋转角度反馈给扫描仪。
扫描仪环绕轨道位于平板底座边沿，呈标准圆形，如图6-8所示轨道分为上下两层，下层相对平板底座固定，为扫描仪环绕轨道下层固定部；上层相对下层为活动层，为扫描仪环绕运动轨道上层运动部，可在驱动装置的作用下整体沿下层轨道转动，如图5-6所示，扫描仪垂直运动轴立杆固定于上层轨道，并随上层轨道一起环绕待测物做圆周运动。轨道间安装有感应旋转角度的传感器，能实时将旋转角度反馈给扫描仪。
如图5-6所示，扫描仪垂直运行轨道为扫描仪上下运动轴，是激光扫描仪的直接安装位置，扫描仪可沿该轴实现爬升和下降，并能通过传感器记录在垂直轴上的位置，实时反馈给处理器。
激光扫描仪是该装置的直接测量单元，负责获取被测目标物表面的三维坐标点云数据，并将数据记录到存储器中，供下一环节进行计算分析。
虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (10)

1.一种异形工件断面轮廓线提取和分析方法，其特征在于，包括以下步骤：
S1：对待测工件表面预处理，对反射较强的镜面材质可做适当喷涂处理，标记工件断面轮廓线上被测量目标点，确定激光扫描仪的位置坐标(x0,y0,z0)和所述被测量目标点的位置坐标(xi,yi,zi)，所述工件断面轮廓线上有n个被测量目标点，i＝1,2,…,n；
S2：采用所述激光扫描仪从多个角度对所述待测量工件的进行自动扫描和数据采集，获取所述工件断面表面的n个被测量目标点的三维散点数据，以及从N个角度采集的所述工件断面表面的n个被测量目标点形成的N个点云片段，对得到的n个被测量目标点的三维散点数据进行靶点校准；
S3：采用最小二乘法对所述S2步骤进行过靶点校准后的n个被测量目标点的三维散点数据形成的N个点云片段进行数据边界的拟合和数据拼接，并进行二次处理对数据中的噪点进行滤除和抽稀，得到测量目标表面完整的三维坐标信息；
S4：根据需求代入剖切参数，对所有坐标散点进行分割，得到所关注断面位置的截面轮廓散点数据集并进行断面点云数据存储；
S5：但此时的散点数据由于密度大、存储无规则，还不能直接用来进行轮廓线提取，需要进一步的处理，采用KNN-D算法降低数据密度，计算最优断面路径，提取断面轮廓线序节点坐标；
S6：输出断面统计特征参数，并进一步输出断面轮廓线。
2.根据权利要求1所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，所述S2步骤中对所述待测量工件进行自动扫描和数据采集过程中，沿扫描仪环绕轨道和扫描仪垂直运动轴立杆进行三维立体空间的工件断面轮廓线上被测量目标点的数据采集。
3.根据权利要求1所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，所述S3步骤中进行数据边界的拟合和数据拼接所采用的最小二乘法包括以下步骤：
S31：采用所述被测量目标点的位置坐标(xi,yi,zi)构建被测量目标点所组成的拟合球体，并计算被测量目标点距离所述拟合球体球心的距离平方差计算模型f：
f＝∑((xi-A)2+(yi-B)2+(zi-C)2-R2)2；
其中，A、B和C分别为所述拟合球体的球心的x轴坐标、y轴坐标和z轴坐标，R为拟合球体的半径；
S32：通过参数代换，构建所述S31构建得到的距离平方差计算模型f的最小化的所述拟合球体的球心坐标(A,B,C)和半径R的计算模型Q：
Q(a，b,c，d)＝∑(xi 2+yi 2+zi 2+axi+byi+czi+d)2；
其中，a、b、c为拟合球体中心截面圆上的任意三点形成的三角形边长，d为拟合球体中心截面圆上的任意三点形成的三角形中心与球体上的第四点之间的连线长；
对所述计算模型Q进行二阶导数求解，求解所述拟合球体的参数a、b、c和d，通过所述拟合球体的参数a、b、c和d计算所述球心坐标中的A,B,C和半径R；
S33：根据所述S32计算得到具有球心坐标(A,B,C)和半径R的拟合球体将所述S2步骤进行过靶点校准后的n个被测量目标点的三维散点数据形成的N个点云片段有效数据边界的拟合和数据拼接。
4.根据权利要求3所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，所述S32步骤中对所述计算模型Q进行二阶导数求解的计算公式如下：
Figure FDA0003145209920000021
Figure FDA0003145209920000022
Figure FDA0003145209920000023
Figure FDA0003145209920000024
通过将而且导数求解的计算公式转化为矩阵，得到所述拟合球体的参数a、b、c和d组成的参数矩阵[a b c d]T：
Figure FDA0003145209920000025
5.根据权利要求4所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，根据计算得到的所述拟合球体的参数a、b、c和d，计算拟合球体中的球心坐标中的A,B,C和半径R的公式为：
A＝-a/2，B＝-b/2，C＝-c/2，
Figure FDA0003145209920000031
6.根据权利要求3所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，在所述S3步骤中采用最小二乘法进行数据边界的拟合和数据拼接之前，对构建被测量目标点所组成的拟合球体的边界端点组成的是否为边界三角形进行判断的方法，包括以下步骤：
M1：采用具有参数a、b、c和d构成的所述拟合球体中心截面圆上的任意三点所组成的具有半径为r的最小外接空圆的三角形，计算所述三角形的边长l和半周长s：
Figure FDA0003145209920000032
Figure FDA0003145209920000033
其中，(x1,y1,z1)和(x2,y2,z2)为组成所述三角形中的任意两点的三维坐标；
M2：采用Heron公式计算拟合球体中心截面圆上的任意三点形成的三角形面积S：
Figure FDA0003145209920000034
M3：根据所述M2步骤计算得到的三角形面积S可以得到三角形最小外接空圆的半径r：
Figure FDA0003145209920000035
M4：根据所述M3步骤计算得到的半径r和判断指数α的倒数的关系，判断具有参数a、b、c和d构成的所述拟合球体中心截面圆上的任意三点所组成的三角形是否为边界三角形，若r＜1/α，则为边界三角形，进行数据边界的拟合和数据拼接；若r＞1/α，则不是边界三角形，不进行数据边界的拟合和数据拼接；所述判断指数α满足如下条件：1/α≥2×l×3-l/2。
7.根据权利要求1所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，所述S1步骤中激光扫描仪的位置坐标(x0,y0,z0)计算公式如下：
x0＝W×cosθ
x0＝W×sinθ
z0＝H
其中，W为激光扫描仪设备光源中心相对于扫描仪环绕轨道中心原点的半径，H为激光扫描仪设备光源中心相对于扫描区平板底座平面的高度，θ为激光扫描仪设备光源中心沿扫描仪环绕轨道环绕运动时的瞬时角度；
所述被测量目标点的位置坐标(xi,yi,zi)的计算公式如下：
xi＝(W-D×sinβ)×cosθ；
yi＝(W-D×sinβ)×sinθ；
zi＝H-D×cosβ；
其中，D为激光扫描仪设备光源中心与被测量目标点之间的距离，β为激光光束与扫描仪垂直运行轨道之间夹角；
Figure FDA0003145209920000041
其中，Δt为激光光束从发出到返回设备所用的时间，c为激光光速。
8.根据权利要求1所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，所述S2步骤中对得到的被测量目标点(xi,yi,zi)的三维散点数据进行靶点校准的公式如下：
Figure FDA0003145209920000042
Figure FDA0003145209920000043
Figure FDA0003145209920000044
其中，W为激光扫描仪设备光源中心相对于扫描仪环绕轨道中心原点的半径，H为激光扫描仪设备光源中心相对于扫描区平板底座平面的高度，θ为激光扫描仪设备光源中心沿扫描仪环绕轨道环绕运动时的瞬时角度；
Figure FDA0003145209920000045
为激光扫描仪发出的激光束在XY水平面的偏转角度误差，Δθ为瞬时角度误差，Δβ为激光光束与扫描仪垂直运行轨道之间夹角误差，ΔH为高度误差。
9.根据权利要求1所述的一种异形工件断面轮廓线提取和分析方法，其特征在于，所述断面统计特征参数包括断面轮廓线长度、断面面积、断面误差分析、断面变形检测结果。
10.根据权利要求1-9任一所述方法的一种异形工件断面轮廓线提取和分析装置，其特征在于，包括扫描区平板底座、扫描仪环绕运动轨道、扫描仪垂直运行轨道和激光扫描仪；
所述扫描仪平板底座用于承载待测量部件，并限定所述待测量部件相对于所述激光扫描仪的摆放位置；
所述扫描仪环绕运动轨道间安装有感应旋转角度的传感器，能实时将旋转角度反馈给扫描仪。
CN202110752237.5A 2021-07-02 2021-07-02 一种异形工件断面轮廓线提取和分析方法和装置 Active CN113450379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110752237.5A CN113450379B (zh) 2021-07-02 2021-07-02 一种异形工件断面轮廓线提取和分析方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110752237.5A CN113450379B (zh) 2021-07-02 2021-07-02 一种异形工件断面轮廓线提取和分析方法和装置

Publications (2)

Publication Number Publication Date
CN113450379A true CN113450379A (zh) 2021-09-28
CN113450379B CN113450379B (zh) 2022-05-27

Family

ID=77814943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110752237.5A Active CN113450379B (zh) 2021-07-02 2021-07-02 一种异形工件断面轮廓线提取和分析方法和装置

Country Status (1)

Country Link
CN (1) CN113450379B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114111685A (zh) * 2021-11-19 2022-03-01 华能国际电力股份有限公司 一种透平叶片测量方法
CN114240854A (zh) * 2021-11-30 2022-03-25 深圳市裕展精密科技有限公司 产品检测方法及检测装置
CN114972455A (zh) * 2022-04-26 2022-08-30 成都唐源电气股份有限公司 一种轨道廓形对齐方法
CN116007526A (zh) * 2023-03-27 2023-04-25 西安航天动力研究所 一种膜片刻痕深度自动测量系统及测量方法
CN116252550A (zh) * 2023-03-17 2023-06-13 江南造船(集团)有限责任公司 一种基于型材姿态反馈的喷码装置
WO2023178713A1 (zh) * 2022-03-25 2023-09-28 北京城建设计发展集团股份有限公司 预制构件拼装面智能扫描和误差自动标识系统及方法
CN117456090A (zh) * 2023-10-16 2024-01-26 浙江大学 一种合金断口三维重建与尺度校准方法
CN118705993A (zh) * 2023-07-10 2024-09-27 中国神华能源股份有限公司 基于铁路轨道检测装置获取铁路轨道数据的方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107516098A (zh) * 2017-07-30 2017-12-26 华南理工大学 一种基于边缘曲率角的目标轮廓三维信息提取方法
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CN109903327A (zh) * 2019-03-04 2019-06-18 西安电子科技大学 一种稀疏点云的目标物尺寸测量方法
KR20200089467A (ko) * 2019-01-17 2020-07-27 네이버시스템(주) 3차원 점군데이터의 단면분석을 통한 구조물 변형탐지 알고리즘 및 도구 개발
CN112288823A (zh) * 2020-10-15 2021-01-29 武汉工程大学 一种标准圆柱体曲面点测量设备的标定方法
JP2021016922A (ja) * 2019-07-22 2021-02-15 ファナック株式会社 三次元データ生成装置及びロボット制御システム
WO2021028672A1 (en) * 2019-08-09 2021-02-18 Quantum Leap Technologies Limited Fabric maintenance system and method of use

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CN107516098A (zh) * 2017-07-30 2017-12-26 华南理工大学 一种基于边缘曲率角的目标轮廓三维信息提取方法
KR20200089467A (ko) * 2019-01-17 2020-07-27 네이버시스템(주) 3차원 점군데이터의 단면분석을 통한 구조물 변형탐지 알고리즘 및 도구 개발
CN109903327A (zh) * 2019-03-04 2019-06-18 西安电子科技大学 一种稀疏点云的目标物尺寸测量方法
JP2021016922A (ja) * 2019-07-22 2021-02-15 ファナック株式会社 三次元データ生成装置及びロボット制御システム
WO2021028672A1 (en) * 2019-08-09 2021-02-18 Quantum Leap Technologies Limited Fabric maintenance system and method of use
CN112288823A (zh) * 2020-10-15 2021-01-29 武汉工程大学 一种标准圆柱体曲面点测量设备的标定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LIMEI SONG ET AL.: "A Multi-View Stereo Measurement System Based on a Laser Scanner for FineWorkpieces", 《SENSORS》 *
戴雯: "基于深度相机的复杂工件三维测量", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114111685A (zh) * 2021-11-19 2022-03-01 华能国际电力股份有限公司 一种透平叶片测量方法
CN114111685B (zh) * 2021-11-19 2023-09-01 华能国际电力股份有限公司 一种透平叶片测量方法
CN114240854A (zh) * 2021-11-30 2022-03-25 深圳市裕展精密科技有限公司 产品检测方法及检测装置
WO2023178713A1 (zh) * 2022-03-25 2023-09-28 北京城建设计发展集团股份有限公司 预制构件拼装面智能扫描和误差自动标识系统及方法
CN114972455A (zh) * 2022-04-26 2022-08-30 成都唐源电气股份有限公司 一种轨道廓形对齐方法
CN116252550A (zh) * 2023-03-17 2023-06-13 江南造船(集团)有限责任公司 一种基于型材姿态反馈的喷码装置
CN116007526A (zh) * 2023-03-27 2023-04-25 西安航天动力研究所 一种膜片刻痕深度自动测量系统及测量方法
CN116007526B (zh) * 2023-03-27 2023-06-23 西安航天动力研究所 一种膜片刻痕深度自动测量系统及测量方法
CN118705993A (zh) * 2023-07-10 2024-09-27 中国神华能源股份有限公司 基于铁路轨道检测装置获取铁路轨道数据的方法及系统
CN117456090A (zh) * 2023-10-16 2024-01-26 浙江大学 一种合金断口三维重建与尺度校准方法

Also Published As

Publication number Publication date
CN113450379B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
CN113450379A (zh) 一种异形工件断面轮廓线提取和分析方法和装置
CN109489580B (zh) 一种航空发动机叶片表面加工的在机点云检测及补偿方法
CN108031844B (zh) 一种在线逐层检测的增减材复合制造方法
CN104697467A (zh) 基于线激光扫描的焊缝外观形状及表面缺陷检测方法
CN112697058A (zh) 一种基于机器视觉的大尺寸板材装配间隙在线测量系统与方法
CN117564441A (zh) 基于机器视觉的搅拌摩擦焊焊缝质量监控系统及方法
CN115841484B (zh) 一种基于三维激光扫描的钢结构焊接质量检测系统
CN109483887B (zh) 激光选区熔化过程中成形层轮廓精度在线检测方法
CN108444921A (zh) 一种基于信号相关分析的增材制造构件在线检测方法
CN112558546A (zh) 一种基于计算机视觉的在线刀具参数检测方法
CN115290656A (zh) 一种基于线结构光的焊缝表面缺陷检测与分类方法
CN116466649A (zh) 一种基于三维激光扫描分析的机床加工系统
CN111322950B (zh) 利用线结构光传感器定位圆柱体位置的方法及其用途
CN115325946B (zh) 一种同时检测钢管管端的尺寸和内壁缺陷的系统及方法
Fox et al. Complementary use of optical metrology and X-ray computed tomography for surface finish and defect detection in laser powder bed fusion additive manufacturing
CN117934429A (zh) 基于三维点云和轮廓匹配的客车侧墙板平整度检测方法
CN111413933A (zh) 轮毂的亮面的加工方法和轮毂及其制造方法、加工系统
CN110021027B (zh) 一种基于双目视觉的切边点计算方法
CN110274919A (zh) 基于Faster R-CNN的裁片花纹参数测量方法
Zou et al. Laser-based precise measurement of tailor welded blanks: a case study
CN113743483A (zh) 一种基于空间平面偏移分析模型的道路点云误差场景分析方法
Park et al. Robust inspection technique for detection of flatness defects of oil pans
CN119141319B (zh) 一种面向薄壁零件的机器人铣削切边路径生成方法
CN119579601B (zh) 一种贮液器焊缝表面缺陷检测方法
CN118225794B (zh) 一种基于三维成像的高精度小口径管坡口检测方法及装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Method and Device for Extracting and Analyzing Profile of Special Shaped Workpieces

Effective date of registration: 20221027

Granted publication date: 20220527

Pledgee: Hunan Xiangjiang Zhongying Investment Management Co.,Ltd.

Pledgor: HUNAN GUOTIAN ELECTRONIC TECHNOLOGY CO.,LTD.

Registration number: Y2022980019937

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Granted publication date: 20220527

Pledgee: Hunan Xiangjiang Zhongying Investment Management Co.,Ltd.

Pledgor: HUNAN GUOTIAN ELECTRONIC TECHNOLOGY CO.,LTD.

Registration number: Y2022980019937

PC01 Cancellation of the registration of the contract for pledge of patent right