CN114820820A - 一种电脑后壳的3d检测方法 - Google Patents

Abstract

本发明公开了一种电脑后壳的3D检测方法，包括机械手和若干组检测相机，每组检测相机均包括2D相机和3D激光相机；对2D相机、3D激光相机、机械手进行标定，建立标定的坐标系变换矩阵；2D相机获取精确坐标信息，3D激光相机根据精确坐标信息建立ROI，获取每个ROI的3D信息；根据3D信息计算每个ROI的高度信息和尺寸信息，并计算平面度。本发明通过2D相机进行定位并对2D相机、机械手、3D激光相机进行三方面标定，定位精度更高；通过对ROI区域进行检测并与拟合成的标准平面比对，缩减了数据量，提高检测速度，提高了检测精度。

Description

一种电脑后壳的3D检测方法

技术领域

本发明涉及机器视觉技术领域，具体涉及一种电脑后壳的3D检测方法。

背景技术

在3C数码领域，由于制造技术和环境的影响，电脑后壳的尺寸和平面度可能与标准存在一定差异，直接影响了产品的组装及客户使用体验。传统的检测通常是采用人工检测，其检测速度慢，精度低，人工容易疲劳，检测所需人力成本较高，已经无法满足现代生产要求。

现有技术中，通常采用背板3D全扫描检测替代人工检测，其虽然能够实现对电脑背板的尺寸和平面度进行检测，但是其在使用过程中还存在一些问题：由于电脑背板的尺寸比较大，采用3D全扫描检测时，检测的过程所花费的时间较长，且获取了许多没有必要的区域数据，增加了算法的数据处理量，使得算法整体耗时较长，工作量十分繁重；图形拼接过程中拼接精度低，容易出现检测误差，影响检测结果；如果需要对检测速度进行调整，一种方法是增大扫描间距，这会降低检测精度；另一种方法需要将3D全扫描检测设备的替换为更高精度的检测设备，增加了检测成本。

因此，开发一种电脑后壳的3D检测方法，通过对2D相机、3D激光相机进行标定并获取ROI的3D数据，能够解决现有技术中存在的检测速度慢、拼接精度低、检测精度低、算法处理时间长的问题，实现高速高精度3D检测，显然具有实际的现实意义。

发明内容

本发明的目的是提供一种电脑后壳的3D检测方法，通过对2D相机、3D激光相机进行标定并获取ROI的3D数据，根据ROI的3D数据计算尺寸和平面度，提高检测精度和检测速度。

为达到上述目的，本发明采用的技术方案是：一种电脑后壳的3D检测方法，包括机械手和若干组检测相机，每组检测相机均包括2D相机和3D激光相机；其中，两组检测相机中的2D相机设为定位相机，其他检测相机中的2D相机设为引导相机；具体包括以下步骤：

S1、建立产品坐标系、基坐标系、末端坐标系和相机坐标系，并对2个定位相机的位置进行标定；

S2、对其中1个引导相机与产品坐标系进行标定；

S3、对定位相机和引导相机的位置进行标定；

S4、对引导相机和3D激光相机的位置进行标定；

S5、经过步骤S1-S4标定后，获取每个检测相机与产品坐标系之间的变换关系，建立标定的坐标系变换矩阵，获取产品目前的精确位姿，并传输至引导相机中；

S6、引导相机根据步骤S5中产品目前的精确位姿，计算测量过程中所述检测相机在所需要测量的位置处的走位信息；

S7、检测相机中的引导相机在每个需要测量的位置处根据走位信息依次进行走位并拍照，获取精确坐标信息并传输至3D激光相机中；

S8、3D激光相机根据精确坐标信息获取所需要的位置的信息，并对该位置进行扩大区域建立ROI，获取每个ROI的3D信息；

S9、根据3D信息计算每个ROI的高度信息和尺寸信息，并计算出每个ROI的平均高度与标准平面之间的距离，计算平面度。

上文中，所述位姿指的是产品在产品坐标系中的位置和姿势，包括具体的位置和角度信息。

优选地，步骤S2中的标定方法为：T_{object−in−base}=T_{hand−in−base}·T_{camera−in−hand}·T_{object−in−camera}；

其中，T_{object−in−base}为产品在基坐标系下的位姿；

T_{hand−in−base}为机械手的运动控制轴在基坐标系下的位姿；

T_{camera−in−hand}为检测相机在末端坐标系下的位姿；

T_{object−in−camera}为产品在相机坐标系中的位姿。

上文中，所述基坐标系指世界坐标系，其默认原点为机械手中运动控制轴的底座的中心点；

所述末端坐标系指工作坐标系，其原点一般在机械手末端法兰的中心，Z轴与末端法兰的轴心重合，指向末端的朝向；

所述相机坐标系指相机拍摄图像时，产生图像的坐标系。

优选地，步骤S4中，引导相机与3D激光相机仅在二维上进行位置标定，标定方法为：

T_{object−in−base}=T_{hand−in−base}·T_{camera−in−hand}·T_{object−in−camera}；

其中，T_{object−in−base}为产品在基坐标系下的位姿；

T_{hand−in−base}为机械手的运动控制轴在基坐标系下的位姿；

T_{camera−in−hand}为检测相机在末端坐标系下的位姿；

T_{object−in−camera}为产品在相机坐标系中的位姿。

优选地，所述步骤S4中，由于引导相机与3D激光相机仅在二维上进行位置标定，所以与2D相机的标定算法类似，只需要步骤S7中开始时和结束时机械手的位置信息。

优选地，2个所述定位相机分别位于产品的2个对角上；所述引导相机分布于所述产品的边线及产品的中部。

优选地，所述检测相机的组数及检测相机的放置位置根据产品所需检测的范围而定。

优选地，所述3D激光相机与所述2D相机处于同一平面上，每组所述检测相机中的3D激光相机与所述2D相机的距离相同。

优选地，所述3D激光相机的相机坐标系的原点与所述2D相机的相机坐标系的原点处于同一平面上。

优选地，步骤S5中，产品目前的精确位姿的获取方法为：利用2个位于产品对角上的定位相机对产品进行拍照，获取产品边缘角图像，通过图像处理算法计算出产品中心的位置信息和产品的角度偏移信息。

优选地，步骤S7进行前，所述定位相机转换为引导相机。

优选地，步骤S7中，所述精确坐标信息的获取方法为：引导相机对所需要测量的位置依次进行走位拍照，获取拍照结果，根据拍照结果对测量的位置进行2次定位补偿。

优选地，步骤S8中所述对该位置进行扩大区域建立ROI中，所述扩大区域的方法为：以该位置为中心向四周扩散，获取一个指定大小和形状的区域。

优选地，所述区域的大小和形状由人为规定；所述指定大小的区域的形状为矩形、方形或圆形；优选为5mm*5mm~15mm*15mm的方形区域；更优选为8mm*8mm~12mm*12mm的方形区域；最优选为10mm*10mm的方形区域。

优选地，步骤S9中的标准平面的获取方法为：根据每个ROI的高度信息对整个产品进行平面拟合。

优选地，所述平面拟合的计算公式包括：

其中；x _i 、y _i 、z _i 为需要拟合的点在X轴、Y轴和Z轴上的坐标；

n为需要拟合的点的数量，n≥3；

i指的是第几个需要拟合的点，i=1,2，…，n；

a ₀、a ₁、a ₂分别为平面方程的参数。

上文中，步骤S9中所述平面度的计算方式包括：计算出每个ROI的平均高度与标准平面之间的距离，并对其求取方差，以反应各点与标准平面的偏离程度；或选取距离最大值和距离最小值，并将距离最大值减去距离最小值。

由于上述技术方案运用，本发明与现有技术相比具有下列优点：

1.相对于3D算法定位，本发明通过2D相机进行定位，定位精度可达微米量级，通过对2D相机、机械手和3D激光相机进行标定，获取坐标系变换矩阵，定位精度更高；

2.通过2D相机引导定位，直接可以定位到所测位置，获取检测位置处的信息，并对其进行3D数据获取；这种方法一方面不需要全尺寸扫描，大大提高了检测速度，另一方面，不需要图像拼接，缩减了获取图像的数据量，提高了算法处理的速度，检测速度快，并且减少了图像拼接引入的误差，检测精度更高；

3.本发明通过对指定部位进行扩大区域再获取区域内各点的3D数据，能够对其数据进行噪声处理，然后取其平均值作为此区域的高度值，大大提高了测量精度与检测的动态重复性；

4.本发明通过对电脑后壳的四边及中心位置的部分获取数据进行平面拟合获取标准平面，能够根据产品的实际状态建立标准平面，相对于认为设定的标准平面来说检测误差更小，检测结果更精确；

5.本发明方法简单，整体工作流程顺畅，测试过程无需人工操作，自动化程度高，工作效率高。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的一些附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一中的流程图；

图2为本发明实施例一中的检测相机位置示意图。

其中，1、检测相机；2、2D相机；3、3D激光相机；4、定位相机；5、引导相机；6、产品。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

实施例一

如图1-图2所示，本实施例涉及一种电脑后壳的3D检测方法，包括机械手和若干组检测相机1，每组检测相机1均包括2D相机2和3D激光相机3；其中，两组检测相机1中的2D相机2设为定位相机4，其他检测相机1中的2D相机2设为引导相机5；具体包括以下步骤：

S1、建立产品坐标系、基坐标系、末端坐标系和相机坐标系，并对2个定位相机4的位置进行标定；

S2、对其中1个引导相机5与产品坐标系进行标定；

S3、对定位相机4和引导相机5的位置进行标定；

S4、对引导相机5和3D激光相机3的位置进行标定；

S5、经过步骤S1-S4标定后，获取每个检测相机1与产品坐标系之间的变换关系，建立标定的坐标系变换矩阵，获取产品6目前的精确位姿，并传输至引导相机5中；

S6、引导相机5根据步骤S5中产品6目前的精确位姿，计算测量过程中所述检测相机1在所需要测量的位置处的走位信息；

S7、检测相机1中的引导相机5在每个需要测量的位置处根据走位信息依次进行走位并拍照，获取精确坐标信息并传输至3D激光相机3中；

S8、3D激光相机3根据精确坐标信息获取所需要的位置的信息，并对该位置进行扩大区域建立ROI，获取每个ROI的3D信息；

S9、根据3D信息计算每个ROI的高度信息和尺寸信息，并计算出每个ROI的平均高度与标准平面之间的距离，计算平面度。

上文中，所述位姿指的是产品6在产品坐标系中的位置和姿势，包括具体的位置和角度信息。

进一步的，步骤S2中的标定方法为：T_{object−in−base}=T_{hand−in−base}·T_{camera−in−hand}·T_{object−in−camera}；

其中，T_{object−in−base}为产品6在基坐标系下的位姿；

T_{hand−in−base}为机械手的运动控制轴在基坐标系下的位姿；

T_{camera−in−hand}为检测相机1在末端坐标系下的位姿；

T_{object−in−camera}为产品6在相机坐标系中的位姿。

上文中，所述基坐标系指世界坐标系，其默认原点为机械手中运动控制轴的底座的中心点；

所述末端坐标系指工作坐标系，其原点一般在机械手末端法兰的中心，Z轴与末端法兰的轴心重合，指向末端的朝向；

所述相机坐标系指相机拍摄图像时，产生图像的坐标系。

进一步的，步骤S4中，引导相机5与3D激光相机3仅在二维上进行位置标定，标定方法为：

T_{object−in−base}=T_{hand−in−base}·T_{camera−in−hand}·T_{object−in−camera}；

其中，T_{object−in−base}为产品6在基坐标系下的位姿；

T_{hand−in−base}为机械手的运动控制轴在基坐标系下的位姿；

T_{camera−in−hand}为检测相机1在末端坐标系下的位姿；

T_{object−in−camera}为产品6在相机坐标系中的位姿。

进一步的，所述步骤S4中，由于引导相机5与3D激光相机3仅在二维上进行位置标定，所以与2D相机2的标定算法类似，只需要步骤S7中开始时和结束时机械手的位置信息。

进一步的，2个所述定位相机4分别位于产品6的2个对角上；所述引导相机5分布于所述产品6的边线及产品6的中部。

进一步的，所述检测相机1的组数及检测相机1的放置位置根据产品6所需检测的范围而定。

进一步的，所述3D激光相机3与所述2D相机2处于同一平面上，每组所述检测相机1中的3D激光相机3与所述2D相机2的距离相同。

进一步的，所述3D激光相机3的相机坐标系的原点与所述2D相机2的相机坐标系的原点处于同一平面上。

进一步的，步骤S5中，产品6目前的精确位姿的获取方法为：利用2个位于产品6对角上的定位相机4对产品6进行拍照，获取产品边缘角图像，通过图像处理算法计算出产品6中心的位置信息和产品6的角度偏移信息。

进一步的，步骤S7进行前，所述定位相机4转换为引导相机5。

进一步的，步骤S7中，所述精确坐标信息的获取方法为：引导相机5对所需要测量的位置依次进行走位拍照，获取拍照结果，根据拍照结果对测量的位置进行2次定位补偿。

进一步的，步骤S8中所述对该位置进行扩大区域建立ROI中，所述扩大区域的方法为：以该位置为中心向四周扩散，获取一个指定大小和形状的区域。

进一步的，所述区域的大小和形状由人为规定；所述指定大小的区域的形状为矩形、方形或圆形；优选为5mm*5mm~15mm*15mm的方形区域；更优选为8mm*8mm~12mm*12mm的方形区域；最优选为10mm*10mm的方形区域。

进一步的，步骤S9中的标准平面的获取方法为：根据每个ROI的高度信息对整个产品6进行平面拟合。

进一步的，所述平面拟合的计算公式包括：

其中；x _i 、y _i 、z _i 为需要拟合的点在X轴、Y轴和Z轴上的坐标；

n为需要拟合的点的数量，n≥3；

i指的是第几个需要拟合的点，i=1,2，…，n；

a ₀、a ₁、a ₂分别为平面方程的参数。

上文中，步骤S9中所述平面度的计算方式包括：计算出每个ROI的平均高度与标准平面之间的距离，并对其求取方差，以反应各点与标准平面的偏离程度；或选取距离最大值和距离最小值，并将距离最大值减去距离最小值。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种电脑后壳的3D检测方法，其特征在于，包括机械手和若干组检测相机，每组检测相机均包括2D相机和3D激光相机；其中，两组检测相机中的2D相机设为定位相机，其他检测相机中的2D相机设为引导相机；具体包括以下步骤：

S1、建立产品坐标系、基坐标系、末端坐标系和相机坐标系，并对2个定位相机的位置进行标定；

S2、对其中1个引导相机与产品坐标系进行标定；

S3、对定位相机和引导相机的位置进行标定；

S4、对引导相机和3D激光相机的位置进行标定；

S5、经过步骤S1-S4标定后，获取每个检测相机与产品坐标系之间的变换关系，建立标定的坐标系变换矩阵，获取产品目前的精确位姿，并传输至引导相机中；

S6、引导相机根据步骤S5中产品目前的精确位姿，计算测量过程中所述检测相机在所需要测量的位置处的走位信息；

S7、检测相机中的引导相机在每个需要测量的位置处根据走位信息依次进行走位并拍照，获取精确坐标信息并传输至3D激光相机中；

S8、3D激光相机根据精确坐标信息获取所需要的位置的信息，并对该位置进行扩大区域建立ROI，获取每个ROI的3D信息；

S9、根据3D信息计算每个ROI的高度信息和尺寸信息，并计算出每个ROI的平均高度与标准平面之间的距离，计算平面度。

2.根据权利要求1所述的一种电脑后壳的3D检测方法，其特征在于，步骤S2中的标定方法为：T_{object−in−base}=T_{hand−in−baase}·T_{camera−in−hand}·T_{object−in−camera}；

其中，T_{object−in−base}为产品在基坐标系下的位姿；

T_{hand−in−baase}为机械手的运动控制轴在基坐标系下的位姿；

T_{camera−in−hand}为检测相机在末端坐标系下的位姿；

T_{object−in−camera}为产品在相机坐标系中的位姿。

3.根据权利要求1所述的一种电脑后壳的3D检测方法，其特征在于，步骤S4中，引导相机与3D激光相机仅在二维上进行位置标定，标定方法为：

T_{object−in−base}=T_{hand−in−base}·T_{camera−in−hand}·T_{object−in−camera}；

其中，T_{object−in−base}为产品在基坐标系下的位姿；

T_{hand−in−base}为机械手的运动控制轴在基坐标系下的位姿；

T_{camera−in−hand}为检测相机在末端坐标系下的位姿；

T_{object−in−camera}为产品在相机坐标系中的位姿。

4.根据权利要求1所述的一种电脑后壳的3D检测方法，其特征在于，2个所述定位相机分别位于产品的2个对角上；所述引导相机分布于所述产品的边线及产品的中部。

5.根据权利要求4所述的一种电脑后壳的3D检测方法，其特征在于，所述3D激光相机与所述2D相机处于同一平面上，每组所述检测相机中的3D激光相机与所述2D相机的距离相同。

6.根据权利要求4所述的一种电脑后壳的3D检测方法，其特征在于，步骤S5中，产品目前的精确位姿的获取方法为：利用2个位于产品对角上的定位相机对产品进行拍照，获取产品边缘角图像，通过图像处理算法计算出产品中心的位置信息和产品的角度偏移信息。

7.根据权利要求1所述的一种电脑后壳的3D检测方法，其特征在于，步骤S7中，所述精确坐标信息的获取方法为：引导相机对所需要测量的位置依次进行走位拍照，获取拍照结果，根据拍照结果对测量的位置进行2次定位补偿。

8.根据权利要求1所述的一种电脑后壳的3D检测方法，其特征在于，步骤S8中所述对该位置进行扩大区域建立ROI中，所述扩大区域的方法为：以该位置为中心向四周扩散，获取一个指定大小和形状的区域。

9.根据权利要求1所述的一种电脑后壳的3D检测方法，其特征在于，步骤S9中的标准平面的获取方法为：根据每个ROI的高度信息对整个产品进行平面拟合。

10.根据权利要求9所述的一种电脑后壳的3D检测方法，其特征在于，所述平面拟合的计算公式包括：

其中；x _i 、y _i 、z _i 为需要拟合的点在X轴、Y轴和Z轴上的坐标；

n为需要拟合的点的数量，n≥3；

i指的是第几个需要拟合的点，i=1,2，…，n；

a ₀、a ₁、a ₂分别为平面方程的参数。

Images