CN114353733B - 轮毂法兰平面度的检测方法及装置、存储介质、电子设备 - Google Patents
轮毂法兰平面度的检测方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN114353733B CN114353733B CN202210251113.3A CN202210251113A CN114353733B CN 114353733 B CN114353733 B CN 114353733B CN 202210251113 A CN202210251113 A CN 202210251113A CN 114353733 B CN114353733 B CN 114353733B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- flange
- value
- point
- array
- 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
Links
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
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/30—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
- G01M17/013—Wheels
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种轮毂法兰平面度的检测方法及装置、存储介质、电子设备,其中,该方法包括:在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;获取所述原始点云在竖直方向的最高值和最低值;根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;根据所述法兰点云检测所述目标轮毂的法兰平面度。通过本发明,解决了相关技术轮毂法兰平面度的检测误差大的技术问题,降低了轮毂法兰平面度的检测误差,提高了轮毂的检测和生产效率,也减少了企业的人工成本。
Description
技术领域
本发明涉及计算机领域,具体而言,涉及一种轮毂法兰平面度的检测方法及装置、存储介质、电子设备。
背景技术
相关技术中,轮毂是汽车的重要组成部分,轮毂铸造工艺的好坏直接影响汽车的安全性,而轮毂铸造过程中受到生产工艺的影响无法避免的会产生各种瑕疵与缺陷,其中有些缺陷会带来外观上的明显变化,可以被工业相机直接拍摄通过深度学习神经网络直接识别,然后也存在一部分缺陷在外观上难以识别,即不存在磕碰和明显凹凸等缺陷,很容易造成漏检,比如轮毂法兰孔的平面度就是其中之一。当法兰孔平面高度不统一时,会造成轮毂上螺丝后轮毂姿态不正,导致汽车行驶中容易产生交通事故,而该缺陷不会有任何便于肉眼识别的特征。
相关技术中对于轮毂法兰孔的该特征,主要采用以下技术方案:1)采用人工通过1/1000mm仪表手动检测;2)人工使用专用的轮毂法兰孔平整度检测仪。目前存在以下缺陷:对应技术方案1),人工通过1/1000mm仪表对法兰孔平整度进行检测,需要对轮毂法兰孔多次取点检测,用时长效率低,且手工测量的误差大,已难以满足现在的生产工艺的精度需求,随着人工成本的上升正在被逐渐淘汰;对应技术方案2),人工使用专用的轮毂法兰孔平整度检测仪对法兰孔平整度进行检测,该方案对技术方案1)进行了效率与精度上的提升,但仍然无法规避人工干预,无法降低企业的人工成本,且人工操作时不可避免的可能存在走神、注意力涣散等影响工具操作的意外发生,导致仍可能出现漏检的情况,且对比技术方案1)虽然效率有提升,但人工操作仪器相对于整个生产流产仍然需要花费大量时间。
针对相关技术中存在的上述问题,目前尚未发现有效的解决方案。
发明内容
本发明实施例提供了一种轮毂法兰平面度的检测方法及装置、存储介质、电子设备。
根据本申请实施例的一个方面,提供了一种轮毂法兰平面度的检测方法,包括:在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;获取所述原始点云在竖直方向的最高值和最低值;根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;根据所述法兰点云检测所述目标轮毂的法兰平面度。
进一步,根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云包括:基于所述最高值和所述最低值构建初始数组;遍历所述原始点云,针对所述原始点云中的每个目标点,根据所述目标点的高度值计算对应点在所述初始数组中的元素序号,并将所述高度值确定为所述目标点在所述初始数组中的元素值,得到点云数组;遍历所述点云数组,生成C个点云连通域,从所述C个点云连通域中选择点的数量最大的N个连通域,其中,C大于或等于N,C,N均为正整数;将所述N个连通域包含的点云集合分别确定为N个法兰孔的法兰点云。
进一步,基于所述最高值和所述最低值构建初始数组包括:计算所述最高值与所述最低值之间的差值;创建空数组,按照以下公式计算所述空数组的元素数量N:N=floor((Zmax-Zmin)/n),其中,floor为向上取整,Zmax为最高值,Zmin为最低值,n为相邻数组元素之间的最小间距;在所述空数组中填充N个初始元素,并初始化每个初始元素的值,得到所述初始数组。
进一步,遍历所述点云数组,生成C个点云连通域,包括:从所述点云数组的末尾元素开始,反向遍历所述点云数组,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间;重新遍历所述原始点云,从所述原始点云中选取高度值在所述点云高度区间的目标点云;创建栈结构,以及创建数组尺寸与所述目标点云的点数量相同的访问数组,创建整型变量,并初始化所述栈结构和所述访问数组,其中,所述整型变量用于记录点云连通域的数量,所述访问数组中的每个元素对应所述目标点云中的一个点;遍历所述目标点云,将所述目标点云中的点存入所述栈结构,通过所述整型变量对所述访问数组中的每个元素进行赋值;以所述访问数组的数值确定为所述目标点云中每个点对应点云连通域的序号,得到C个点云连通域。
进一步,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间包括:获取当前元素Z_vector[i]和所述当前元素的相邻元素 Z_vector[i-1],其中,i为元素序号;判断所述Z_vector[i]与所述Z_vector[i-1]的比值是否大于预设值;若所述比值大于预设值,选择所述Z_vector[i]和Z_vector[i+1]为法兰孔的点云高度区间。
进一步,遍历所述目标点云,将所述目标点云中的点存入所述栈结构,通过所述整型变量对所述访问数组中的每个元素进行赋值,包括:判断所述目标点云的当前遍历点在所述访问数组中的当前值是否等于0;若所述访问数组的当前值等于0,将当前遍历点存入所述栈结构,并累加所述整型变量;判断所述栈结构的当前数据是否为空;若所述栈结构的当前数据不为空,执行以下步骤,直到所述栈结构的当前数据为空:从所述栈结构中取出顶端元素,将所述顶端元素记为参考点,将所述参考点在所述访问数组中的对应元素值赋为所述整型变量的当前值;以所述参考点为中心,预设长度为半径构建球形点云;判断所述球形点云的范围内是否存在所述目标点云中的点;如果存在且其在所述访问数组中的对应元素等于0,则将所述球形点云内的点存入所述栈结构中。
进一步,根据所述法兰点云检测所述目标轮毂的法兰平面度包括:针对N个法兰孔中每个法兰孔的法兰点云,分别对法兰点云进行三维平面拟合,得到N组以下三维平面方程:Ax+By+Cz+D=0,其中,A,B,C,D是描述平面空间特征的常数,x,y,z是顶点的三维坐标;计算N组三维平面方程的D值,并查找其中的最大值Dmax和最小值Dmin;判断所述Dmax与所述Dmin之间的差值是否大于误差阈值;若所述Dmax与所述Dmin之间的差值大于误差阈值,确定所述目标轮毂的法兰平面度不统一;若所述Dmax与所述Dmin之间的差值小于或等于误差阈值,确定所述目标轮毂的法兰平面度统一。
根据本申请实施例的另一个方面,还提供了一种轮毂法兰平面度的检测装置,包括:采集模块,用于在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;获取模块,用于获取所述原始点云在竖直方向的最高值和最低值;提取模块,用于根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;检测模块,用于根据所述法兰点云检测所述目标轮毂的法兰平面度。
进一步,所述提取模块包括:构建单元,用于基于所述最高值和所述最低值构建初始数组;第一遍历单元,用于遍历所述原始点云,针对所述原始点云中的每个目标点,根据所述目标点的高度值计算对应点在所述初始数组中的元素序号,并将所述高度值确定为所述目标点在所述初始数组中的元素值,得到点云数组;第二遍历单元,用于遍历所述点云数组,生成C个点云连通域,从所述C个点云连通域中选择点的数量最大的N个连通域,其中,C大于或等于N,C,N均为正整数;确定单元,用于将所述N个连通域包含的点云集合分别确定为N个法兰孔的法兰点云。
进一步,所述构建单元包括:第一计算子单元,用于计算所述最高值与所述最低值之间的差值;第二计算子单元,用于创建空数组,按照以下公式计算所述空数组的元素数量N:N=floor((Zmax-Zmin)/n),其中,floor为向上取整,Zmax为最高值,Zmin为最低值,n为相邻数组元素之间的最小间距;处理子单元,用于在所述空数组中填充N个初始元素,并初始化每个初始元素的值,得到所述初始数组。
进一步,所述第二遍历单元包括:第一遍历子单元,用于从所述点云数组的末尾元素开始,反向遍历所述点云数组,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间;第二遍历子单元,用于重新遍历所述原始点云,从所述原始点云中选取高度值在所述点云高度区间的目标点云;创建子单元,用于创建栈结构,以及创建数组尺寸与所述目标点云的点数量相同的访问数组,创建整型变量,并初始化所述栈结构和所述访问数组,其中,所述整型变量用于记录点云连通域的数量,所述访问数组中的每个元素对应所述目标点云中的一个点;第三遍历子单元,用于遍历所述目标点云,将所述目标点云中的点存入所述栈结构,通过所述整型变量对所述访问数组中的每个元素进行赋值;确定子单元,用于以所述访问数组的数值确定为所述目标点云中每个点对应点云连通域的序号,得到C个点云连通域。
进一步,所述第一遍历子单元还用于:获取当前元素Z_vector[i]和所述当前元素的相邻元素 Z_vector[i-1],其中,i为元素序号;判断所述Z_vector[i]与所述Z_vector[i-1]的比值是否大于预设值;若所述比值大于预设值,选择所述Z_vector[i]和Z_vector[i+1]为法兰孔的点云高度区间。
进一步,所述第三遍历子单元还用于:判断所述目标点云的当前遍历点在所述访问数组中的当前值是否等于0;若所述访问数组的当前值等于0,将当前遍历点存入所述栈结构,并累加所述整型变量;判断所述栈结构的当前数据是否为空;若所述栈结构的当前数据不为空,执行以下步骤,直到所述栈结构的当前数据为空:从所述栈结构中取出顶端元素,将所述顶端元素记为参考点,将所述参考点在所述访问数组中的对应元素值赋为所述整型变量的当前值;以所述参考点为中心,预设长度为半径构建球形点云;判断所述球形点云的范围内是否存在所述目标点云中的点;如果存在且其在所述访问数组中的对应元素等于0,则将所述球形点云内的点存入所述栈结构中。
进一步,所述检测模块包括:拟合单元,用于针对N个法兰孔中每个法兰孔的法兰点云,分别对法兰点云进行三维平面拟合,得到N组以下三维平面方程:Ax+By+Cz+D=0,其中,A,B,C,D是描述平面空间特征的常数,x,y,z是顶点的三维坐标;处理单元,用于计算N组三维平面方程的D值,并查找其中的最大值Dmax和最小值Dmin;判断单元,用于判断所述Dmax与所述Dmin之间的差值是否大于误差阈值;确定单元,用于若所述Dmax与所述Dmin之间的差值大于误差阈值,确定所述目标轮毂的法兰平面度不统一;若所述Dmax与所述Dmin之间的差值小于或等于误差阈值,确定所述目标轮毂的法兰平面度统一。
根据本申请实施例的另一方面,还提供了一种存储介质,该存储介质包括存储的程序,程序运行时执行上述的步骤。
根据本申请实施例的另一方面,还提供了一种电子设备,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;其中:存储器,用于存放计算机程序;处理器,用于通过运行存储器上所存放的程序来执行上述方法中的步骤。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法中的步骤。
通过本发明,在与目标轮毂平行的水平方向采集目标轮毂在法兰孔区域的原始点云,其中,目标轮毂包括若干个法兰孔,获取原始点云在竖直方向的最高值和最低值,根据最高值和最低值从原始点云中提取若干个法兰孔的法兰点云,根据法兰点云检测目标轮毂的法兰平面度,通过采集目标轮毂在法兰孔区域的原始点云,并从中提取轮毂法兰孔部分的法兰点云进行平整度分析,可实现在无需人工干预情况下的快速全自动轮毂法兰孔平整度识别,解决了相关技术轮毂法兰平面度的检测误差大的技术问题,降低了轮毂法兰平面度的检测误差,提高了轮毂的检测和生产效率,也减少了企业的人工成本。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种计算机的硬件结构框图;
图2是根据本发明实施例的一种轮毂法兰平面度的检测方法的流程图;
图3是本发明实施例中检测结构的俯视图;
图4是根据本发明实施例的一种轮毂法兰平面度的检测装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。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组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
本申请实施例一所提供的方法实施例可以在服务器、计算机、工业相机,机台或者类似的运算装置中执行。以运行在计算机上为例,图1是本发明实施例的一种计算机的硬件结构框图。如图1所示,计算机可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述计算机还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述计算机的结构造成限定。例如,计算机还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种轮毂法兰平面度的检测方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种轮毂法兰平面度的检测方法,图2是根据本发明实施例的一种轮毂法兰平面度的检测方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,在与目标轮毂平行的水平方向采集目标轮毂在法兰孔区域的原始点云,其中,目标轮毂包括若干个法兰孔;
图3是本发明实施例中检测结构的俯视图,可以通过一台结构光三维相机采集目标轮毂的法兰孔点云,结构光三维相机在与目标轮毂平行,拍摄角度与检测平台尽量垂直。
步骤S204,获取原始点云在竖直方向的最高值和最低值;
在本实施例中,原始点云中的每个点均包括zyz的坐标,通过遍历原始点云,可以获得原始点云中z坐标值最大和最小的点。
步骤S206,根据最高值和最低值从原始点云中提取若干个法兰孔的法兰点云;
步骤S208,根据法兰点云检测目标轮毂的法兰平面度。
通过上述步骤,在与目标轮毂平行的水平方向采集目标轮毂在法兰孔区域的原始点云,其中,目标轮毂包括若干个法兰孔,获取原始点云在竖直方向的最高值和最低值,根据最高值和最低值从原始点云中提取若干个法兰孔的法兰点云,根据法兰点云检测目标轮毂的法兰平面度,通过采集目标轮毂在法兰孔区域的原始点云,并从中提取轮毂法兰孔部分的法兰点云进行平整度分析,可实现在无需人工干预情况下的快速全自动轮毂法兰孔平整度识别,解决了相关技术轮毂法兰平面度的检测误差大的技术问题,降低了轮毂法兰平面度的检测误差,提高了轮毂的检测和生产效率,也减少了企业的人工成本。
在本实施例的一个实施方式中,根据最高值和最低值从原始点云中提取若干个法兰孔的法兰点云包括:
S11,基于最高值和最低值构建初始数组;
在其中一个实施方式中,基于最高值和最低值构建初始数组包括:计算最高值与最低值之间的差值;创建空数组,按照以下公式计算空数组的元素数量N:N=floor((Zmax-Zmin)/n),其中,floor为向上取整,Zmax为最高值,Zmin为最低值,n为相邻数组元素之间的最小间距;在空数组中填充N个初始元素,并初始化每个初始元素的值,得到初始数组。
可选的,n的取值为5mm,也可以根据目标轮毂的尺寸,规格,法兰平面度的良品要求,点云采集设备的参数等进行适配和调整。
S12,遍历原始点云,针对原始点云中的每个目标点,根据目标点的高度值计算对应点在初始数组中的元素序号,并将高度值确定为目标点在初始数组中的元素值,得到点云数组;
可选的,原始点云为点云P,点云数组为Z_vector,遍历点云P,对P中的每个点pi,用Zpi表示该点的Z值,通过公式id=(Zpi-Zmin)/5计算其在数组Z_vector中的序号(id),并使Z_vector[id]加1,表示Z值处于该区间的点数增加1。
S13,遍历点云数组,生成C个点云连通域,从C个点云连通域中选择点的数量最大的N个连通域,其中,C大于或等于N,C,N均为正整数;
可选的,N的数量等于该目标轮毂法兰孔的数量,是已知值。
在一些示例中,遍历点云数组,生成C个点云连通域,包括:
S21,从点云数组的末尾元素开始,反向遍历点云数组,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间;
可选的,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间包括:获取当前元素Z_vector[i]和当前元素的相邻元素 Z_vector[i-1],其中,i为元素序号;判断Z_vector[i]与Z_vector[i-1]的比值是否大于预设值;若比值大于预设值,选择Z_vector[i]和Z_vector[i+1]为法兰孔的点云高度区间。
在本实施例中,因为轮毂自身存在特别的结构,只有法兰孔处所在高度可能存在大量的点云,其他部位的点云Z值会比较分散的分布,本实施例基于法兰孔的该特性快速找到轮毂所有法兰孔所在的Z值区间范围,从Z_vector的最后一个元素开始(轮毂底部距离结构光设备最远,所以z值最大,区间位于Z_vector最后)。
可选的,预设值预置100,对Z_vector进行反向遍历,假设当前遍历元素为Z_vector[i],如果Z_vector[i]/Z_vector[i-1]>100成立,则表示轮毂法兰孔平面存在于Z_vector[i]高度内,本实施例同时考虑到轮毂摆放是可能存在角度倾斜,最终取Z_vector[i]和Z_vector[i+1]为轮毂法兰孔所在Z值区间,可以避免因轮毂摆放倾斜导致点云数组不准确。
S22,重新遍历原始点云,从原始点云中选取高度值在点云高度区间的目标点云;
S23,创建栈结构,以及创建数组尺寸与目标点云的点数量相同的访问数组,创建整型变量,并初始化栈结构和访问数组,其中,整型变量用于记录点云连通域的数量,访问数组中的每个元素对应目标点云中的一个点;
S24,遍历目标点云,将目标点云中的点存入栈结构,通过整型变量对访问数组中的每个元素进行赋值;
可选的,遍历目标点云,将目标点云中的点存入栈结构,通过整型变量对访问数组中的每个元素进行赋值,包括:判断目标点云的当前遍历点在访问数组中的当前值是否等于0;若访问数组的当前值等于0,将当前遍历点存入栈结构,并累加整型变量;判断栈结构的当前数据是否为空;若栈结构的当前数据不为空,执行以下步骤,直到栈结构的当前数据为空:从栈结构中取出顶端元素,将顶端元素记为参考点,将参考点在访问数组中的对应元素值赋为整型变量的当前值;以参考点为中心,预设长度为半径构建球形点云;判断球形点云的范围内是否存在目标点云中的点;如果存在且其在访问数组中的对应元素等于0,则将球形点云内的点存入栈结构中。
可选的,目标点云为点云S,由于点云S中包括轮毂法兰孔点云以及轮毂其他部分的不相关点云,为了剔除和筛选点云S中的不相关点云,可以采用栈结构和访问数据来得到每个法兰孔对应的连通域。
S25,以访问数组的数值确定为目标点云中每个点对应点云连通域的序号,得到C个点云连通域。
在一个示例中,目标点云包括12个点,在遍历完成之后,访问数组为[1,2,3,6,4,2,2,3,2,1,5,6],则包括6个连通域,分别是1,2,3,4,5,6,其中,连通域2包含的点最多(4个点)。
S14,将N个连通域包含的点云集合分别确定为N个法兰孔的法兰点云。
在本实施例的一个实施方式中,根据法兰点云检测目标轮毂的法兰平面度包括:针对N个法兰孔中每个法兰孔的法兰点云,分别对法兰点云进行三维平面拟合,得到N组以下三维平面方程:Ax+By+Cz+D=0,其中,A,B,C,D是描述平面空间特征的常数,x,y,z是顶点的三维坐标;计算N组三维平面方程的D值,并查找其中的最大值Dmax和最小值Dmin;判断Dmax与Dmin之间的差值是否大于误差阈值;若Dmax与Dmin之间的差值大于误差阈值,确定目标轮毂的法兰平面度不统一;若Dmax与Dmin之间的差值小于或等于误差阈值,确定目标轮毂的法兰平面度统一。(A,B,C)为法向量的分量,D为原点到平面的距离。
由于轮毂法兰孔极少出现角度倾斜误差,基本全为孔深度误差,本实施例考虑每个三维平面方程中的D,对N个D找出其最大值Dmax和最小值Dmin,如果Dmax-Dmin大于平面度最大允许误差范围d,则报警表示该轮毂存在法兰孔平面度不统一的缺陷,否则标为良品,等待下一次来料信号。可选的,将Dmax-Dmin的差值作为目标轮毂的法兰平面度,平面度越小,目标轮毂的法兰越平整,平面度越大,目标轮毂的法兰越不平整。
本实施例提供了一种基于三维视觉的鲁棒性强的轮毂法兰孔平面度检测方法,在一个实施场景的生产流程中,包括以下步骤:
S31,轮毂置于检测平台上,收到来料信号,触发结构光三维相机拍摄包含所有轮毂法兰孔部分的点云,获得原始点云P;
S32,对点云P中的所有点进行遍历,获得点云在z方向的最大值Zmax与最小值Zmin;
S33,以5mm为最小单位,建立数组Z_vector,数组大小为floor((Zmax-Zmin)/5),并初始化数组的每个元素为0,floor为向上取整的意思;
S34,再次遍历点云P,对P中的每个点pi,用Zpi表示该点的Z值,通过公式id=(Zpi-Zmin)/5计算其在数组Z_vector中的序号,并使Z_vector[id]加1,表示Z值处于该区间的点数增加1;
S35,因为轮毂自身存在特别的结构,只有法兰孔处所在高度可能存在大量的点云,其他部位的点云Z值会比较分散的分布,所以可以通过该特性快速找到轮毂所有法兰孔所在的Z值区间范围,从Z_vector的最后一个元素开始(轮毂底部距离结构光设备最远,所以z值最大,区间位于Z_vector最后),对Z_vector进行反向遍历,假设当前遍历元素为Z_vector[i],如果Z_vector[i]/Z_vector[i-1]>100成立,则表示轮毂法兰孔平面存在于Z_vector[i]高度内,同时考虑到轮毂摆放是可能存在角度倾斜,所以最终取Z_vector[i]和Z_vector[i+1]为轮毂法兰孔所在Z值区间;
S36,再次遍历轮毂点云P的每个点,将其中Z值处于Z_vector[i]和Z_vector[i+1]的点提取出来保存为点云S;
S37,由于点云S中包括轮毂法兰孔点云以及轮毂其他部分的不相关点云,建立栈结构Stack,建立大小为S中点数的数组visit_vector,初始化所有数组元素为0,新建整型变量C为0(用于记录找到连通域的数量);
S38,遍历点云S,如果已经遍历完,则跳转到S40,对于当前点Si,如果visit_vector[i]不等于0,则表示该点已被访问过,可以继续遍历下一个点,否则将Si放入Stack中,并将C值加一;
S39,判断Stack是否已空,如果已空则将回到步骤S38,否则取出当前Stack顶端元素记为Ti,并将visit_vector对应元素改为C此时的值,表示该点已经被处理过,在Ti半径为2mm的球形范围内寻找是否存在S中的点,如果存在点而且其visit_vector对应元素等于0,则将所有在2mm范围内的点放入Stack中;
S40,Visit_vector此时已经记录了点云S中每个点对应的连通域的序号,可以快速得到C个点云连通域,按照连通域各自的点的数量对连通域进行排序,此时排名前N的连通域就是N个法兰孔部分的点云(N根据轮毂型号不同而不同);
S41,对于上一步骤中得到的N个连通域点云,分别进行三维平面拟合,得到N组三维平面方程Ax+By+Cz+D=0,因轮毂法兰孔极少出现角度倾斜误差,基本全为孔深度误差,故只考虑每个三维平面方程中的D即可,对N个D找出其最大值Dmax和最小值Dmin,如果Dmax-Dmin大于平面度最大允许误差范围d,则报警表示该轮毂存在法兰孔平面度不统一的缺陷,否则标为良品,等待下一次来料信号,重复步骤S31~S41。
本实施例提供了一种基于三维视觉的鲁棒性强的轮毂法兰孔平面度检测方法,通过使用结构光三维相机对轮毂进行三维扫描获得轮毂法兰孔部分的点云,快速对点云进行法兰孔平面度分析,在无需人工干预的情况下就能实现高效快速准确的轮毂法兰孔平面度检测功能,提升了轮毂的生产和检测效率,也减少了企业的人工成本。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
实施例2
在本实施例中还提供了一种轮毂法兰平面度的检测装置,用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的一种轮毂法兰平面度的检测装置的结构框图,如图4所示,该装置包括:采集模块40,获取模块42,提取模块44,检测模块46,其中,
采集模块40,用于在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;
获取模块42,用于获取所述原始点云在竖直方向的最高值和最低值;
提取模块44,用于根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;
检测模块46,用于根据所述法兰点云检测所述目标轮毂的法兰平面度。
可选的,所述提取模块包括:构建单元,用于基于所述最高值和所述最低值构建初始数组;第一遍历单元,用于遍历所述原始点云,针对所述原始点云中的每个目标点,根据所述目标点的高度值计算对应点在所述初始数组中的元素序号,并将所述高度值确定为所述目标点在所述初始数组中的元素值,得到点云数组;第二遍历单元,用于遍历所述点云数组,生成C个点云连通域,从所述C个点云连通域中选择点的数量最大的N个连通域,其中,C大于或等于N,C,N均为正整数;确定单元,用于将所述N个连通域包含的点云集合分别确定为N个法兰孔的法兰点云。
可选的,所述构建单元包括:第一计算子单元,用于计算所述最高值与所述最低值之间的差值;第二计算子单元,用于创建空数组,按照以下公式计算所述空数组的元素数量N:N=floor((Zmax-Zmin)/n),其中,floor为向上取整,Zmax为最高值,Zmin为最低值,n为相邻数组元素之间的最小间距;处理子单元,用于在所述空数组中填充N个初始元素,并初始化每个初始元素的值,得到所述初始数组。
可选的,所述第二遍历单元包括:第一遍历子单元,用于从所述点云数组的末尾元素开始,反向遍历所述点云数组,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间;第二遍历子单元,用于重新遍历所述原始点云,从所述原始点云中选取高度值在所述点云高度区间的目标点云;创建子单元,用于创建栈结构,以及创建数组尺寸与所述目标点云的点数量相同的访问数组,创建整型变量,并初始化所述栈结构和所述访问数组,其中,所述整型变量用于记录点云连通域的数量,所述访问数组中的每个元素对应所述目标点云中的一个点;第三遍历子单元,用于遍历所述目标点云,将所述目标点云中的点存入所述栈结构,通过所述整型变量对所述访问数组中的每个元素进行赋值;确定子单元,用于以所述访问数组的数值确定为所述目标点云中每个点对应点云连通域的序号,得到C个点云连通域。
可选的,所述第一遍历子单元还用于:获取当前元素Z_vector[i]和所述当前元素的相邻元素 Z_vector[i-1],其中,i为元素序号;判断所述Z_vector[i]与所述Z_vector[i-1]的比值是否大于预设值;若所述比值大于预设值,选择所述Z_vector[i]和Z_vector[i+1]为法兰孔的点云高度区间。
可选的,所述第三遍历子单元还用于:判断所述目标点云的当前遍历点在所述访问数组中的当前值是否等于0;若所述访问数组的当前值等于0,将当前遍历点存入所述栈结构,并累加所述整型变量;判断所述栈结构的当前数据是否为空;若所述栈结构的当前数据不为空,执行以下步骤,直到所述栈结构的当前数据为空:从所述栈结构中取出顶端元素,将所述顶端元素记为参考点,将所述参考点在所述访问数组中的对应元素值赋为所述整型变量的当前值;以所述参考点为中心,预设长度为半径构建球形点云;判断所述球形点云的范围内是否存在所述目标点云中的点;如果存在且其在所述访问数组中的对应元素等于0,则将所述球形点云内的点存入所述栈结构中。
可选的,所述检测模块包括:拟合单元,用于针对N个法兰孔中每个法兰孔的法兰点云,分别对法兰点云进行三维平面拟合,得到N组以下三维平面方程:Ax+By+Cz+D=0,其中,A,B,C,D是描述平面空间特征的常数,x,y,z是顶点的三维坐标;处理单元,用于计算N组三维平面方程的D值,并查找其中的最大值Dmax和最小值Dmin;判断单元,用于判断所述Dmax与所述Dmin之间的差值是否大于误差阈值;确定单元,用于若所述Dmax与所述Dmin之间的差值大于误差阈值,确定所述目标轮毂的法兰平面度不统一;若所述Dmax与所述Dmin之间的差值小于或等于误差阈值,确定所述目标轮毂的法兰平面度统一。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;
S2,获取所述原始点云在竖直方向的最高值和最低值;
S3,根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;
S4,根据所述法兰点云检测所述目标轮毂的法兰平面度。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子设备,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子设备还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;
S2,获取所述原始点云在竖直方向的最高值和最低值;
S3,根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;
S4,根据所述法兰点云检测所述目标轮毂的法兰平面度。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种轮毂法兰平面度的检测方法,其特征在于,包括:
在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;
获取所述原始点云在竖直方向的最高值和最低值;
根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;
根据所述法兰点云检测所述目标轮毂的法兰平面度;
其中,根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云包括:基于所述最高值和所述最低值构建初始数组;遍历所述原始点云,针对所述原始点云中的每个目标点,根据所述目标点的高度值计算对应点在所述初始数组中的元素序号,并将所述高度值确定为所述目标点在所述初始数组中的元素值,得到点云数组;遍历所述点云数组,生成C个点云连通域,从所述C个点云连通域中选择点的数量最大的N个连通域,其中,C大于或等于N,C,N均为正整数;将所述N个连通域包含的点云集合分别确定为N个法兰孔的法兰点云;
其中,所述法兰点云包括N个法兰孔的法兰点云,根据所述法兰点云检测所述目标轮毂的法兰平面度包括:针对N个法兰孔中每个法兰孔的法兰点云,分别对法兰点云进行三维平面拟合,得到N组以下三维平面方程:Ax+By+Cz+D=0,其中,(A,B,C)为法向量的分量,D为原点到平面的距离,x,y,z是顶点的三维坐标,N为正整数;计算N组三维平面方程的D值,并查找其中的最大值Dmax和最小值Dmin;判断所述Dmax与所述Dmin之间的差值是否大于误差阈值;若所述Dmax与所述Dmin之间的差值大于误差阈值,确定所述目标轮毂的法兰平面度不统一;若所述Dmax与所述Dmin之间的差值小于或等于误差阈值,确定所述目标轮毂的法兰平面度统一。
2.根据权利要求1所述的方法,其特征在于,基于所述最高值和所述最低值构建初始数组包括:
计算所述最高值与所述最低值之间的差值;
创建空数组,按照以下公式计算所述空数组的元素数量N:
N=floor((Zmax-Zmin)/n),其中,floor为向上取整,Zmax为最高值,Zmin为最低值,n为相邻数组元素之间的最小间距;
在所述空数组中填充N个初始元素,并初始化每个初始元素的值,得到所述初始数组。
3.根据权利要求1所述的方法,其特征在于,遍历所述点云数组,生成C个点云连通域,包括:
从所述点云数组的末尾元素开始,反向遍历所述点云数组,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间;
重新遍历所述原始点云,从所述原始点云中选取高度值在所述点云高度区间的目标点云;
创建栈结构,以及创建数组尺寸与所述目标点云的点数量相同的访问数组,创建整型变量,并初始化所述栈结构和所述访问数组,其中,所述整型变量用于记录点云连通域的数量,所述访问数组中的每个元素对应所述目标点云中的一个点;
遍历所述目标点云,将所述目标点云中的点存入所述栈结构,通过所述整型变量对所述访问数组中的每个元素进行赋值;
以所述访问数组的数值确定为所述目标点云中每个点对应点云连通域的序号,得到C个点云连通域。
4.根据权利要求3所述的方法,其特征在于,根据当前元素和相邻元素的高度值计算法兰孔的点云高度区间包括:
获取当前元素Z_vector[i]和所述当前元素的相邻元素 Z_vector[i-1],其中,i为元素序号;
判断所述Z_vector[i]与所述Z_vector[i-1]的比值是否大于预设值;
若所述比值大于预设值,选择所述Z_vector[i]和Z_vector[i+1]为法兰孔的点云高度区间。
5.根据权利要求3所述的方法,其特征在于,遍历所述目标点云,将所述目标点云中的点存入所述栈结构,通过所述整型变量对所述访问数组中的每个元素进行赋值,包括:
判断所述目标点云的当前遍历点在所述访问数组中的当前值是否等于0;
若所述访问数组的当前值等于0,将当前遍历点存入所述栈结构,并累加所述整型变量;
判断所述栈结构的当前数据是否为空;
若所述栈结构的当前数据不为空,执行以下步骤,直到所述栈结构的当前数据为空:从所述栈结构中取出顶端元素,将所述顶端元素记为参考点,将所述参考点在所述访问数组中的对应元素值赋为所述整型变量的当前值;以所述参考点为中心,预设长度为半径构建球形点云;判断所述球形点云的范围内是否存在所述目标点云中的点;如果存在且其在所述访问数组中的对应元素等于0,则将所述球形点云内的点存入所述栈结构中。
6.一种轮毂法兰平面度的检测装置,其特征在于,包括:
采集模块,用于在与目标轮毂平行的水平方向采集所述目标轮毂在法兰孔区域的原始点云,其中,所述目标轮毂包括若干个法兰孔;
获取模块,用于获取所述原始点云在竖直方向的最高值和最低值;
提取模块,用于根据所述最高值和所述最低值从所述原始点云中提取所述若干个法兰孔的法兰点云;
检测模块,用于根据所述法兰点云检测所述目标轮毂的法兰平面度;
其中,所述提取模块包括:构建单元,用于基于所述最高值和所述最低值构建初始数组;第一遍历单元,用于遍历所述原始点云,针对所述原始点云中的每个目标点,根据所述目标点的高度值计算对应点在所述初始数组中的元素序号,并将所述高度值确定为所述目标点在所述初始数组中的元素值,得到点云数组;第二遍历单元,用于遍历所述点云数组,生成C个点云连通域,从所述C个点云连通域中选择点的数量最大的N个连通域,其中,C大于或等于N,C,N均为正整数;确定单元,用于将所述N个连通域包含的点云集合分别确定为N个法兰孔的法兰点云;
其中,所述检测模块包括:拟合单元,用于针对N个法兰孔中每个法兰孔的法兰点云,分别对法兰点云进行三维平面拟合,得到N组以下三维平面方程:Ax+By+Cz+D=0,其中,(A,B,C)为法向量的分量,D为原点到平面的距离,x,y,z是顶点的三维坐标;处理单元,用于计算N组三维平面方程的D值,并查找其中的最大值Dmax和最小值Dmin;判断单元,用于判断所述Dmax与所述Dmin之间的差值是否大于误差阈值;确定单元,用于若所述Dmax与所述Dmin之间的差值大于误差阈值,确定所述目标轮毂的法兰平面度不统一;若所述Dmax与所述Dmin之间的差值小于或等于误差阈值,确定所述目标轮毂的法兰平面度统一。
7.一种计算机可读存储介质,其特征在于,所述存储介质包括存储的计算机程序,其中,所述计算机程序被处理器运行时执行上述权利要求1至5中任一项所述的方法步骤。
8.一种电子设备,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;其中:
存储器,用于存放计算机程序;
处理器,用于通过运行存储器上所存放的计算机程序来执行权利要求1至5中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210251113.3A CN114353733B (zh) | 2022-03-15 | 2022-03-15 | 轮毂法兰平面度的检测方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210251113.3A CN114353733B (zh) | 2022-03-15 | 2022-03-15 | 轮毂法兰平面度的检测方法及装置、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114353733A CN114353733A (zh) | 2022-04-15 |
CN114353733B true CN114353733B (zh) | 2022-06-28 |
Family
ID=81094547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210251113.3A Active CN114353733B (zh) | 2022-03-15 | 2022-03-15 | 轮毂法兰平面度的检测方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114353733B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6059168A (en) * | 1997-03-28 | 2000-05-09 | Samsung Aerospace Industries, Ltd. | Wire bond apparatus and method thereof |
CN101510308A (zh) * | 2009-03-26 | 2009-08-19 | 山东理工大学 | 产品模型点云边界特征快速提取方法 |
CN109916258A (zh) * | 2019-04-17 | 2019-06-21 | 大连大学 | 拨叉检测误差评定方法 |
CN111365200A (zh) * | 2020-04-11 | 2020-07-03 | 湖南恒岳重钢钢结构工程有限公司 | 一种风力发电机组塔筒法兰的平面度检测方法 |
CN112325809A (zh) * | 2021-01-06 | 2021-02-05 | 广东技术师范大学 | 一种法兰的平面度检测方法 |
CN112414326A (zh) * | 2020-11-10 | 2021-02-26 | 浙江华睿科技有限公司 | 物体表面平整度的检测方法、装置、电子装置和存储介质 |
CN112529963A (zh) * | 2020-12-11 | 2021-03-19 | 深圳一清创新科技有限公司 | 一种楼梯检测方法、装置及移动机器人 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-03-15 CN CN202210251113.3A patent/CN114353733B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6059168A (en) * | 1997-03-28 | 2000-05-09 | Samsung Aerospace Industries, Ltd. | Wire bond apparatus and method thereof |
CN101510308A (zh) * | 2009-03-26 | 2009-08-19 | 山东理工大学 | 产品模型点云边界特征快速提取方法 |
CN109916258A (zh) * | 2019-04-17 | 2019-06-21 | 大连大学 | 拨叉检测误差评定方法 |
CN111365200A (zh) * | 2020-04-11 | 2020-07-03 | 湖南恒岳重钢钢结构工程有限公司 | 一种风力发电机组塔筒法兰的平面度检测方法 |
CN112414326A (zh) * | 2020-11-10 | 2021-02-26 | 浙江华睿科技有限公司 | 物体表面平整度的检测方法、装置、电子装置和存储介质 |
CN112529963A (zh) * | 2020-12-11 | 2021-03-19 | 深圳一清创新科技有限公司 | 一种楼梯检测方法、装置及移动机器人 |
CN112325809A (zh) * | 2021-01-06 | 2021-02-05 | 广东技术师范大学 | 一种法兰的平面度检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114353733A (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109029253A (zh) | 一种包裹体积测量方法、系统、储存介质及移动终端 | |
EP3660703A1 (en) | Method, apparatus, and system for identifying device, storage medium, processor, and terminal | |
CN101014963A (zh) | 借助移动台检测代码的方法 | |
CN105243662B (zh) | 一种端子位置的确定方法及终端设备 | |
CN112348765A (zh) | 数据增强方法、装置、计算机可读存储介质及终端设备 | |
CN113763350B (zh) | 一种胶线检测方法、装置、胶线检测设备及存储介质 | |
CN110795978B (zh) | 路面点云数据提取方法、装置、存储介质及电子设备 | |
CN104394026B (zh) | 网页加载时间的测量方法及装置 | |
CN114419038A (zh) | 轮毂表面缺陷的识别方法及装置、存储介质、电子设备 | |
CN114280582A (zh) | 激光雷达的标定校准方法、装置、存储介质及电子设备 | |
CN114972027A (zh) | 一种图像拼接方法、装置、设备、介质和计算机产品 | |
CN113421242A (zh) | 基于深度学习的焊点外观质量检测方法、装置及终端 | |
CN115524683A (zh) | 一种光斑提取方法、测距方法、激光雷达及机器人 | |
CN110440764B (zh) | 一种表计检测云台二次对准方法、装置和设备 | |
CN114353733B (zh) | 轮毂法兰平面度的检测方法及装置、存储介质、电子设备 | |
CN113947576A (zh) | 容器定位方法、装置、容器存取设备及存储介质 | |
CN111340042A (zh) | 物体轮廓识别方法、装置、设备及存储介质 | |
CN106530286A (zh) | 确定清晰度级别的方法及装置 | |
CN111833341A (zh) | 确定图像中条纹噪声的方法及装置 | |
CN113469130A (zh) | 一种遮挡目标检测方法、装置、存储介质及电子装置 | |
CN115690364A (zh) | Ar模型的获取方法、电子设备和可读存储介质 | |
CN115103439A (zh) | 超宽带视觉辅助定位方法、装置及存储介质 | |
CN114913246A (zh) | 相机标定方法、装置、电子设备及存储介质 | |
CN114494404A (zh) | 物体体积测量方法、系统、装置和介质 | |
CN109211210B (zh) | 一种目标物体的识别定位测量方法及装置 |
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 |