CN114930121A - 量化三维点云数据的表面平整度的设备及方法 - Google Patents
量化三维点云数据的表面平整度的设备及方法 Download PDFInfo
- Publication number
- CN114930121A CN114930121A CN202080069378.0A CN202080069378A CN114930121A CN 114930121 A CN114930121 A CN 114930121A CN 202080069378 A CN202080069378 A CN 202080069378A CN 114930121 A CN114930121 A CN 114930121A
- Authority
- CN
- China
- Prior art keywords
- coordinates
- target surface
- tolerance
- point cloud
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012360 testing method Methods 0.000 claims abstract description 21
- 238000000513 principal component analysis Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000001801 Z-test Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/303—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces using photoelectric detection means
-
- 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
- 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
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
- G01B11/306—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces for measuring evenness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C7/00—Tracing profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- 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
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
Abstract
一种量化激光雷达(LIDAR)三维点云数据的表面平整度的方法,其提供了基于允许的凸起水平、检验统计量的置信水平以及数据密度来指示所述表面平整度的检验统计量。所述方法包括以下步骤:利用主成分分析(PCA)技术将激光雷达测量点沿轴线转换为坐标;根据坐标和预定凸起公差计算Zα值;将Zα值与一个检验统计量的Z分数进行比较,以执行一个原假设;当Zα值大于所述Z分数时,否定所述原假设。
Description
技术领域
本发明涉及三维(3D)点云处理,特别是涉及使用三维点云数据以量化扫描对象的表面平整度的方法和设备。
背景技术
光探测和测距(Light detection and ranging,LIDAR)(也称,激光雷达)是一种光学遥感技术,其对遥感目标的表面进行密集采样。激光雷达通常采用主动光学传感器,通过特定的探测路径向目标发射激光束。激光雷达传感器中的接收器对目标激光的反射进行检测和分析。
激光雷达设备通常包括一个激光源和一个将激光源定向到待成像目标的不同方向的扫描仪。激光光束的转向可以经由旋转材料,微机电系统(MEMS),使用硅光子的固体扫描,或其他设备,如里斯利棱镜(Risley prism)。入射光会从被扫描的目标反射回来。
接收到的反射形成三维(3D)点云数据。该数据可用于许多应用,如建筑物重建和道路标记提取。正态估计(Normal estimation)是三维点云处理中的一项基本工作。已知的正态估计方法可以区分为基于回归(regression-based)的方法、基于Voronoi(Voronoi-based)的方法和深度学习的方法。
基于回归的方法假设物体的表面皆是光滑的,因此表面上任何一点的局部邻域都可以用一个平面去逼近。通常,主成分分析(Principal component analysis,PCA)包括邻域点的协方差矩阵计算,然后将信息组织在主成分中。该方法因易于实现且执行速度快而被广泛应用。然而,激光雷达的扫描仪所采集的畸变点云数据,会被在距离测量中的6-8mm的标准差涂抹。此外,由于主成分分析是一个正交的线性变换,它不能平滑数据中的尖锐特征。
基于上述,为了不同的应用和目的,许多技术被提供来提高方法的稳健性。然而,为了获得满意的结果,这些技术经常涉及到复杂的试误过程。此外,手动选择所涉及的参数的过程也非常耗时。
发明内容
本发明的目标是提供一种无偏移估计量,其量化表面的凸起,如,三维(3D)点云的墙壁、天花板和地板。
根据本发明的第一方面,提出了一种基于凸起水平阈值、检验统计量的置信水平和数据密度的表面平整度的估计方法。
根据本发明的一实施例,所述方法包括:利用主成分分析(PCA)技术将激光雷达测量点转换为坐标;基于所述坐标和预定凸起公差来计算Zα值;将所述Zα值与检验统计量的Z分数进行比较,以执行一个原假设;当所述Zα值大于所述Z得分时,否定所述原假设,其中所述Za值的计算可被下列关系所定义:
因此,本发明可以利用转换的坐标和给定的凸起公差,方便地量化表面的平整度。所述检验统计量的结果可以作为三维云点数据局部凸起的指标。
附图说明
图1示出了根据本发明实施例的一种量化表面平整度的激光雷达系统。
图2示出了根据本发明实施例量化三维点云数据的表面平整度的方法的流程图。
图3示出了墙壁与天花板相接处的天花板线的平整度的示例图。
图4是用钟形曲线说明单尾(右)检验的原假设的示例图。
图5示出了用于收集代表房间内三维形状的数据点的激光雷达系统的示例图。
图6A至6C示出了沿坐标轴将激光雷达点转换回坐标的示例图。
图7A和7B示出了通过对图6A的坐标执行根据本发明实施例所提供的方法,所获得的值的分布的二维示意图。
图8A和8B示出了通过对图6B的坐标执行根据本发明实施例所提供的方法,所获得的值的分布的二维示意图。
图9A和9B示出了通过对图6C的坐标执行根据本发明实施例所提供的方法,所获得的值的分布的二维示意图。
具体实施方式
在以下描述中,提供了三维点云数据等表面平整度量化的设备和方法作为优选实例进行阐述。对本领域技术人员显而易见的是,在不背离本发明的范围和精神的情况下,可以进行修改,包括添加和/或替换。为了不混淆本发明,具体细节可以省略;然而,编写本公开内容是为了使本领域技术人员能够在没有过度实验的情况下实践本文的教导。本文所定义的一般原理可应用于其它实施例。因此,本发明并不意图限于所展示和描述的特定实施例,而是应被赋予与本文中公开的原理和新颖特征一致的最广范围。
如图1,绘示了一种可量化表面的平整度的激光雷达系统10。所述激光雷达系统10包括一个发射光60的激光源20,所述光60一般会通过如准直透镜(collimating lens)等的光学物件30。激光源20例如可发射600-1000nm波段的激光,或1550nm波段的激光。可以使用单个激光源或多个激光源。或者,也可以使用闪光激光雷达照相机。
光60入射到扫描设备90上。扫描设备可以是旋转镜(多边形或平面)、微机电(MEMS)设备、棱镜或其他类型的设备。扫描设备可以扫描待扫描的目标物体100表面上的激光束。图像显影速度是由目标物体被扫描的速度来控制的。扫描器光束65被反射为反射光束75,反射光束75从扫描设备90通过光学物件40定向为光束70并且进入至光电探测器80。光电探测器80可以从固态光电探测器中选择,如硅雪崩光电二极管(avalanchephotodiode,APD)或光电倍增管(photomultipliers)、电荷耦合器件(CCD)、互补式金属氧化物半导体(CMOS)等设备。控制器50与激光源20、光电探测器80和扫描设备90进行电通信。控制器可以是一个或多个处理设备。所述例处理设备例如是一个或多个微处理器。此外,本发明的技术可以在硬件、软件或特定应用的集成电路中实现。
激光雷达系统10生成数据的点云(point cloud)。点云是表示三维形状或特征的数据点的集合。点云中的每个点都与一种颜色相关联,其表示接收到的信号的强度。对于测量应用程序,可从点云所生成三维模型来进行测量。
请参考图2与图3。图2示出了根据本发明实施例量化三维点云数据的表面平整度的方法的流程图;图3示出了墙壁与天花板相接处的天花板线的平整度的示例图。
如图2所示,本实施例中,上述激光雷达系统利用三维点云数据来量化被扫描物体表面的平整度的方法,包括下列步骤,S100:从目标100处获取激光雷达测量点;S110:根据目标100的属性,沿坐标轴将激光雷达测量点转换为坐标;S120:根据坐标和预定凸起公差计算Zα值;S130:将Zα值与检验统计量的Z分数进行比较,以进行原假设;以及S140:当Zα值大于Z分数时,否定原假设。
在步骤S110的中,通过主成分分析(principal component analysis,PCA)将目标100的属性转换为坐标轴。主成分分析(PCA)是一种降维方法,用于对大数据集进行降维。
目标100可包括目标的表面的局部凸起/突出部分。例如,目标可以是相对平坦的表面,如墙、天花板或地板,或两个表面的连接处,如图3所示的天花板线。
进一步参考图4,图4是用钟形曲线说明单尾(右)检验的原假设的示例图。在步骤S120到步骤S140中,本发明提出了单尾(右)检验的原假设,其假设目标的表面平整度小于预定凸起公差(即被认为是平坦的)。Z分数对应于标准正态分布表。例如,当置信水平为95%时,Z分数为1.645。在另一个实施例中,当检验统计量有99%的置信水平时,Z分数为2.363。
在步骤S120中,检验统计量的Zα值具有下列关系式:
因此,在原假设检验中,原假设宣称小于或等于预定凸起公差。接着,步骤S120至S140通过PCA技术将激光雷达测量点转换为坐标,以进行计算及比较,从而判断所述宣称是否正确。当Zα值大于Z分数时,Zα值落在否定区域,其意味着原假设的宣称是不正确的。
根据发明者的实验,使用转换坐标的检验统计量来进行Z检验(Z-test),其结果可以作为局部凸起的指标。
在实际操作中,用已知的凸起尺寸对目标进行标准化,以确定凸起公差的最佳值,并在相同的置信水平上最大限度地减少假阴性。网格大小(在此,网格是一个被分析的区域,例如,一个30厘米x 30厘米的墙壁区域)可以被优化以获得最小的假阳性率(即,在质量检验中未能检测到凸起)。
在一个实施例中,在进行表面平整度估计之前,不同入射角、距离、纹理和折射率的目标被执行校正,以纠正检测失真。
[举例:有凸起/突出的墙]
请参考图5、6A至6C,图5示出了用于收集代表房间内三维形状的数据点的激光雷达系统的示例图;图6A至6C示出了沿坐标轴将激光雷达点转换回坐标的示例图。
在本实施例中,如图5所示,激光雷达系统被配置在空房间中,并用以进行三维扫描,其构建房间的三维点云数据。然而,值得注意的是,为了清晰起见,图中的天花板和地板被省略了,目标(即墙W1,W2,W3)已被分段的。每个分段的墙体都被作为一个目标来检验原假设检验的性能。
如上所述,在本发明的步骤S110中,通过主成分分析(PCA)将目标的属性转换为坐标轴。由于假设所对应表面的长度和宽度的远大于预定凸起公差d,在PCA后,墙面的长度和宽度分别对准PC1(x)轴、PC2(y)轴。由于PCA降低了数据的维度,这样就可以在PC3(z)或“表面厚度”的方向进行“一维”的假设检验。
如图6A至6C所示,分别对分段后的墙体进行PCA,x轴对准墙的长边,z轴对准墙的厚度。
进一步参考图7A至7B、8A至8B和9A至9B。图7A和7B示出了通过对图6A的坐标执行根据本发明实施例所提供的方法,所获得的值的分布的二维示意图;图8A和8B示出了通过对图6B的坐标执行根据本发明实施例所提供的方法,所获得的值的分布的二维示意图;图9A和9B示出了通过对图6C的坐标执行根据本发明实施例所提供的方法,所获得的值的分布的二维示意图。
如图7A和7B所示,第一墙W1的局部坐标均值与全局坐标均值的差值绘制在图7A中。在图7A中,图中最暗的区域700,靠近图的中间底部,表示局部坐标和全局坐标的平均值相差超过1cm,因此根据1cm的预定凸起公差,其表示在墙上出现了一个凸起。第一墙W1的Zα值绘制在图7B中。如图7B所示,区域710,其靠近图的中间底部,表明在否定原假设时,Zα值大于Z分数(在95%的置信水平,Z分数是1.645;彩度/灰度被设置为一个从0到1.645的范围)。换句话说,局部坐标的平均值偏离全局坐标的平均值的差值大于预定凸起公差值。这说明区域710没有通过假设检验,并且在靠近中间底部的第一墙W1上“检测到”了一个凸起。
同理,第二墙W2、第三墙W3的局部坐标均值与全局坐标均值的差值分别绘制在图8A和图9A中。第二墙W2和第三墙W3的Zα值分别绘制在图8B和图9B中。对于墙体W2和W3,测量的点云具有在1厘米的预定凸起公差内的一致平面。换句话说,图8B和图9B中绘制的Zα值都不大于Z分数(95%置信水平为1.645)。
根据本文中所公开的实施例的设备和方法的功能单元可使用计算装置、计算机处理器或电子电路系统实施,包含但不限于数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA),和根据本公开的教示配置或编程的其它可编程逻辑装置。在计算装置、计算机处理器或可编程逻辑装置中运行的机器指令或固件/软件代码可由软件或电子技术领域的从业人员基于本公开的教示容易地制作。
根据实施例的方法的全部或部分可在包含服务器计算机、个人计算机、膝上型计算机、移动计算装置(例如智能电话)和平板计算机在内的一个或多个计算装置中执行。
实施例包含具有存储在其中的机器指令或固件/软件代码的非暂态存储器电路和/或计算机存储介质,所述机器指令或固件/软件代码可用于对处理器进行编程以执行本发明的过程中的任一个。非暂态存储器电路和/或存储介质包含(但不限于)软盘、光盘、蓝光光盘、DVD、CD-ROM和磁光盘、ROM、RAM、快闪存储器装置,或适于存储指令、代码和/或数据的任何类型的介质或装置。
根据各种实施例的功能单元中的每一个还可实施于分布式计算环境和/或云计算环境中,其中由通过例如内联网、广域网(WAN)、局域网(LAN)、因特网和其它形式的数据传输介质等通信网络互连的一个或多个处理装置以分布方式执行机器指令的全部或部分。各种实施例中建立的通信网络支持各种通信协议,例如(但不限于)Wi-Fi、全球移动通信系统(GSM)系统、个人手持电话系统(PHS)、码分多址(CDMA)系统、全球微波接入互操作性(WiMAX)系统、第三代无线通信技术(3G)、第四代无线通信技术(4G)、第五代无线通信技术(5G)、长期演进技术(LTE)、蓝牙和超宽带(UWB)。
出于说明和描述的目的,已经提供本发明的前述描述。其不希望是详尽的或将本发明限于所公开的精确形式。许多修改及变化对于所属领域的从业人员来说将是显而易见的。
挑选和描述实施例是为了最佳地阐释本发明的原理和其实际应用,借此使所属领域的其他技术人员能够理解本发明的各种实施例和适合于审慎考虑的特定用途的各种修改。
Claims (7)
1.一种量化激光雷达(LIDAR)三维点云数据的表面平整度的方法,其特征在于,包括:
经由激光器,产生激光光束;
经由扫描仪,沿着三维的目标表面来扫描激光光束;
经由光电探测器,探测来自所述目标表面的反射光的点云;
利用控制器中的主成分分析(PCA)技术,根据所述目标表面的属性,沿坐标轴将所述点云转换为坐标;
基于所述坐标和预定凸起公差来计算Zα值,其中所述Zα值具有下列关系:
将所述Zα值与检验统计量的Z分数进行比较,以执行一个原假设,其中所述Z分数是一个相应于置信水平的值;
当所述Zα值大于所述Z得分时,否定所述原假设;以及
基于所述Zα值,生成所述目标表面的三维测量值,从而量化所述目标表面的平整度。
2.根据权利要求1所述的方法,其特征在于,其中所述预定凸起公差在0.5到1.5厘米的范围内。
3.根据权利要求1所述的方法,其特征在于,其中所述目标表面的属性为所述目标表面的长度、宽度和厚度。
4.根据权利要求1所述的方法,其特征在于,其中所述检验统计量由一个单尾检验的原假设所判断,即所述目标表面的所述平整度小于所述预定凸起公差。
5.根据权利要求1所述的方法,其特征在于,其中具有已知凸起尺寸的目标被用以判断所述预定凸起公差,d。
6.根据权利要求1所述的方法,其特征在于,所述扫描仪是从镜子,多边形镜子,或微机电系统设备中被选择的。
7.一种用于实现权利要求1所述方法的设备,其特征在于,包括激光器、扫描仪、光电探测器和控制器。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
HK19130482 | 2019-10-03 | ||
HK19130482.3 | 2019-10-03 | ||
PCT/CN2020/119814 WO2021063417A1 (en) | 2019-10-03 | 2020-10-05 | Apparatus and method for quantifying the surface flatness of three-dimensional point cloud data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114930121A true CN114930121A (zh) | 2022-08-19 |
CN114930121B CN114930121B (zh) | 2024-04-23 |
Family
ID=75336697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080069378.0A Active CN114930121B (zh) | 2019-10-03 | 2020-10-05 | 量化三维点云数据的表面平整度的设备及方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220412731A1 (zh) |
EP (1) | EP4038343A4 (zh) |
CN (1) | CN114930121B (zh) |
WO (1) | WO2021063417A1 (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004138611A (ja) * | 2002-09-27 | 2004-05-13 | Nikon Corp | 平坦度計測方法及びその装置、並びに露光装置 |
US20040189944A1 (en) * | 2001-10-11 | 2004-09-30 | Kaufman Steven P | Method and system for visualizing surface errors |
CN107883873A (zh) * | 2017-11-07 | 2018-04-06 | 北京工业大学 | 基于3d扫描的装配部件误差在线检测系统及方法 |
US20180321364A1 (en) * | 2017-03-01 | 2018-11-08 | Topcon Corporation | Method for Calibrating Measuring Element, Method for Evaluating Road Surface Properties, and Apparatus for Evaluating Road Surface Properties |
CN109341603A (zh) * | 2018-09-28 | 2019-02-15 | 四川大学 | 基于激光点云技术监测爆破开挖面的平整度的方法 |
CN109489548A (zh) * | 2018-11-15 | 2019-03-19 | 河海大学 | 一种利用三维点云的零件加工精度自动检测方法 |
CN109685778A (zh) * | 2018-12-12 | 2019-04-26 | 重庆大学 | 一种基于ct切片的机械零件的几种常见几何量检测方法 |
CN109949303A (zh) * | 2019-03-28 | 2019-06-28 | 凌云光技术集团有限责任公司 | 工件形状检测方法及装置 |
CN109945856A (zh) * | 2019-02-18 | 2019-06-28 | 天津大学 | 基于惯性/雷达的无人机自主定位与建图方法 |
CN110021010A (zh) * | 2019-03-12 | 2019-07-16 | 吉利汽车研究院(宁波)有限公司 | 一种表面材料的检验方法 |
US20190258225A1 (en) * | 2017-11-17 | 2019-08-22 | Kodak Alaris Inc. | Automated 360-degree dense point object inspection |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018064703A1 (en) * | 2016-10-07 | 2018-04-12 | Cmte Development Limited | System and method for point cloud diagnostic testing of object form and pose |
CN109443256A (zh) * | 2018-11-07 | 2019-03-08 | 绍兴文理学院 | 基于渐进取样的结构面三维粗糙度系数确定方法 |
-
2020
- 2020-10-05 EP EP20872518.4A patent/EP4038343A4/en active Pending
- 2020-10-05 WO PCT/CN2020/119814 patent/WO2021063417A1/en unknown
- 2020-10-05 US US17/765,834 patent/US20220412731A1/en active Pending
- 2020-10-05 CN CN202080069378.0A patent/CN114930121B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040189944A1 (en) * | 2001-10-11 | 2004-09-30 | Kaufman Steven P | Method and system for visualizing surface errors |
JP2004138611A (ja) * | 2002-09-27 | 2004-05-13 | Nikon Corp | 平坦度計測方法及びその装置、並びに露光装置 |
US20180321364A1 (en) * | 2017-03-01 | 2018-11-08 | Topcon Corporation | Method for Calibrating Measuring Element, Method for Evaluating Road Surface Properties, and Apparatus for Evaluating Road Surface Properties |
CN107883873A (zh) * | 2017-11-07 | 2018-04-06 | 北京工业大学 | 基于3d扫描的装配部件误差在线检测系统及方法 |
US20190258225A1 (en) * | 2017-11-17 | 2019-08-22 | Kodak Alaris Inc. | Automated 360-degree dense point object inspection |
CN109341603A (zh) * | 2018-09-28 | 2019-02-15 | 四川大学 | 基于激光点云技术监测爆破开挖面的平整度的方法 |
CN109489548A (zh) * | 2018-11-15 | 2019-03-19 | 河海大学 | 一种利用三维点云的零件加工精度自动检测方法 |
CN109685778A (zh) * | 2018-12-12 | 2019-04-26 | 重庆大学 | 一种基于ct切片的机械零件的几种常见几何量检测方法 |
CN109945856A (zh) * | 2019-02-18 | 2019-06-28 | 天津大学 | 基于惯性/雷达的无人机自主定位与建图方法 |
CN110021010A (zh) * | 2019-03-12 | 2019-07-16 | 吉利汽车研究院(宁波)有限公司 | 一种表面材料的检验方法 |
CN109949303A (zh) * | 2019-03-28 | 2019-06-28 | 凌云光技术集团有限责任公司 | 工件形状检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
NEUHAUS F等: ""Terrain drivability analysis in 3D laser range data for autonomous robot navigation in unstructured environments"", 《2009 IEEE CONFERENCE ON EMERGING TECHNOLOGIES & FACTORY AUTOMATION : ETFA 2009 ; PALMA DE MALLORCA, SPAIN》, 22 September 2009 (2009-09-22), pages 1 - 4, XP031575783 * |
杨坤 等: "基于三维点云的机械加工精度自动检测方法", 《工具技术》, vol. 53, no. 04, pages 112 - 116 * |
Also Published As
Publication number | Publication date |
---|---|
US20220412731A1 (en) | 2022-12-29 |
EP4038343A4 (en) | 2023-10-18 |
CN114930121B (zh) | 2024-04-23 |
EP4038343A1 (en) | 2022-08-10 |
WO2021063417A1 (en) | 2021-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10880541B2 (en) | Stereo correspondence and depth sensors | |
Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
CN110553665B (zh) | 激光测距器光轴偏差自动测量装置及测量方法 | |
US10452949B2 (en) | System and method for scoring clutter for use in 3D point cloud matching in a vision system | |
US20140153816A1 (en) | Depth Map Stereo Correspondence Techniques | |
US9626776B2 (en) | Apparatus, systems, and methods for processing a height map | |
JP2018055679A (ja) | 3dアライメントアルゴリズムのためのバランスの取れたプローブサイトの選択 | |
US20170039727A1 (en) | Methods and Systems for Detecting Moving Objects in a Sequence of Image Frames Produced by Sensors with Inconsistent Gain, Offset, and Dead Pixels | |
US10078907B2 (en) | Distance measurement apparatus, distance measurement method, and storage medium | |
US11965967B2 (en) | Apparatus and method for detecting intersection edges | |
CN110390706B (zh) | 一种物体检测的方法和装置 | |
CN110689577A (zh) | 单相机环境中主动式刚体的位姿定位方法及相关设备 | |
CN112313541A (zh) | 设备和方法 | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
CN111750804A (zh) | 一种物体测量的方法及设备 | |
Leo et al. | Robust estimation of object dimensions and external defect detection with a low-cost sensor | |
KR101129220B1 (ko) | 레인지 영상의 노이즈 제거장치 및 방법 | |
CN114930121B (zh) | 量化三维点云数据的表面平整度的设备及方法 | |
EP3663801B1 (en) | Time of flight sensor module, method, apparatus and computer program for determining distance information based on time of flight sensor data | |
JP6855938B2 (ja) | 距離測定装置、距離測定方法および距離測定プログラム | |
CN113052886A (zh) | 一种采用双目原理的双tof相机深度信息获取方法 | |
KR101866107B1 (ko) | 평면 모델링을 통한 깊이 정보 보정 방법과 보정 장치 및 부호화 장치 | |
US20020110278A1 (en) | Structure-guided image measurement method | |
JP2024002317A (ja) | 奥行値推定装置、奥行値推定方法、及び奥行値推定プログラム | |
US20230393080A1 (en) | Image processing apparatus, image processing method, and storage medium |
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 |