CN115239787A - 一种金属毛刺高度获取方法 - Google Patents

一种金属毛刺高度获取方法 Download PDF

Info

Publication number
CN115239787A
CN115239787A CN202210921863.7A CN202210921863A CN115239787A CN 115239787 A CN115239787 A CN 115239787A CN 202210921863 A CN202210921863 A CN 202210921863A CN 115239787 A CN115239787 A CN 115239787A
Authority
CN
China
Prior art keywords
metal
point cloud
point
burr
cloud data
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.)
Pending
Application number
CN202210921863.7A
Other languages
English (en)
Inventor
付饶
赵猛
王福吉
赵宏伟
崔家诚
尹德坤
王一成
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.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
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 Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202210921863.7A priority Critical patent/CN115239787A/zh
Publication of CN115239787A publication Critical patent/CN115239787A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明属于生产制造技术领域，提出了一种金属毛刺高度获取方法。该方法针对现有方法无法直接获取整个圆周的毛刺高度、必须人为选取测量点后重复多次测量求平均数，耗时长、主观性明显、误差大、精度低等问题，提出的金属毛刺高度获取方法，通过图像处理获取金属毛刺点云数据，然后通过数学方式进行拟合和指标评价，得到孔全域毛刺高度的量化评价方法。本发明显著提高了金属毛刺高度测量效率，避免了金属毛刺高度测量结果主观性高、可信度低等问题，可将其应用到金属钻削、复合材料/金属叠层钻削等工况的工艺参数优化中，可助力于相关企业研究铝合金去毛刺的新技术，降低制孔成本，具有良好的工程前景。

Description

一种金属毛刺高度获取方法
技术领域
本发明涉及生产制造技术领域，尤其涉及一种金属毛刺高度获取方法。
背景技术
钻孔是机械加工中最重要的方法之一，广泛存在于高端装备制造的各个环节。由于金属具有较好的延展性，对其进行钻削过程中极易在出口或者入口形成毛刺。这些毛刺将会引起零件边缘的尺寸偏差、增加装配复杂性、甚至造成装配位置应力集中引发失效。可见，金属毛刺已经成为影响工件精度和连接强度的重要因素，相关的研究一直处于热点位置，对提升装备安全性意义重大。
对毛刺高度进行准确获取是展开抑制毛刺研究的基础。惠州亿纬锂能股份有限公司平万鹏等人公开了“金属带毛刺测量方法”，专利号ZL 201910506925，此方法使用凝结剂将金属带样本凝固成固体样本，然后对所述固体样本进行切割和打磨，然后使用测量仪器对切割和打磨后的所述固体样本的横截面上的所述金属带样本的毛刺长度进行测量和记录。此方法能够避免在测量过程中对毛刺的挤压带来的测量误差。郑州大学梁等人在“哈尔滨工业大学学报”上发表的“基于线激光位移传感器的孔毛刺测量与评价”中，阐述多重反射引起的杂散光及激光成像面和待测孔表面的倾斜对测量精度的影响，并提出了消除杂散光和校准倾斜的方法，接着利用传感器的测量数据开发了一种计算毛刺高度的算法，实现了毛刺高度的可视化，描述孔毛刺的高度。上述研究为金属毛刺高度的测量提出了一定的借鉴，但是现有的测量方法尚无法直接获取整个圆周的毛刺高度，必须要人为选取测量点后重复多次测量求平均数，不仅耗时长，而且测量点的选取存在明显的主观性，误差大、精度低。可见，现有测量方法仍难以满足需求，迫切要提出一种高效高精度的金属毛刺高度获取方法。
发明内容
基于以上问题，本发明提出了一种金属毛刺高度获取方法，此方法通过图像处理获取金属毛刺点云数据，然后通过数学方式进行拟合和指标评价，得到孔全域毛刺高度高效高精度的量化评价方法。
本发明的技术方案如下：
一种金属毛刺高度获取方法，通过图像处理获取金属毛刺点云数据，然后通过数学方式进行拟合和指标评价，得到孔全域毛刺高度的量化评价方法；具体步骤如下；
第一步：获取钻削出口三维点云数据
根据相机获取的金属毛刺的图像进行转换，通过以下公式获取对应的三维点云数据集合：
Vk(u)＝RkK-1u (1)
其中，Vk表示三维点云数据集合，Rk表示图像深度，K表示相机的内矩阵参数，u表示像素点对应的齐次坐标。
第二步：拟合钻削出口平面
根据获取的三维点云数据集合，以Vk中的众数为基础确定未产生毛刺的集合，得到钻削出口表面的点云数据集合Vk1；
对获取的点云数据集合Vk1采用线性回归的方式进行平面拟合，得到钻削出口平面表面M：
z＝a0x+a1y+a2 (2)
其中，x，y，z表示三维点云数据集合Vk中各点对应的坐标值，a0，a1和a2为常数；计算三维点云数据集合Vk中各点到拟合平面的残差之和：
Figure BDA0003777901030000031
其中，n表示Vk中的点的个数。
最后以残差最小化为目标对平面拟合结果进行优化，得到最终拟合平面Q。
第三步：获取金属毛刺点云数据
计算三维点云数据集合Vk中各点到最终拟合平面Q的距离；
Figure BDA0003777901030000032
预设阀值μ，将与平面距离大于μ的各点设置为有效点，小于μ的各点设置为无效点，得到金属毛刺的点云集合Vk2：
Figure BDA0003777901030000033
第四步：获取钻削孔径和圆心
将得到金属毛刺的点云集合Vk2，向步骤二拟合得到的最终拟合平面Q上进行投影，对各个投影点(xi,yi)采用如下的矩阵形式来进行拟合；
Figure BDA0003777901030000034
其中，A，B，C，D为常数，定义向量P为(A,B,C,D)T，且满足：
PTNP＝1 (7)
其中向量N为约束矩阵，为：
Figure BDA0003777901030000035
其中，
Figure BDA0003777901030000036
分别表示点云集合Vk2中在x,y,z三个坐标轴方向上坐标的平均值。
根据公式7和8可以完成常量A，B，C，D的求解。并将结果带入到：
Figure BDA0003777901030000041
即可得到金属加工出口孔对应圆的圆心坐标D(c1,d1)和圆的半径R1。
第五步：获取毛刺高度
将加工出口孔对应圆进行m等分，每个等分点与圆心连线上的点坐标以(xmi,ymj)表示，其中，i和j用于取分点的坐标，计算连线上方所对应各点(xmi,ymi,zmk)到最终拟合平面Q的距离，以最大值代表此等分点的毛刺高度：
Figure BDA0003777901030000042
第六步：计算平均毛刺高度
将第五步的各等分点的毛刺高度数据进行平均化，对于整个圆周上的毛刺高度进行平均化求解得到金属出口的毛刺高度，H：
Figure BDA0003777901030000043
本发明的有益效果：本发明通过图像处理的方式对金属毛刺进行了具体量化，显著提高了金属毛刺高度测量效率，提出了适用于金属钻削过程的质量衡量指标，避免了金属毛刺高度测量结果主观性高、可信度低等问题，可将其应用到金属钻削、复合材料/金属叠层钻削等工况的工艺参数优化中，可助力于相关企业降低制孔成本，具有良好的工程前景。
附图说明
图1为一种金属毛刺高度获取方法的流程图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。本实施例以8mm厚度的T800级碳纤维增强树脂基复合材料与4mm厚度7050铝合金组成的叠层结构为对象，进行钻孔实验。采取1500rpm和3000rpm，进给速度为50mm/min,100mm/min,150mm/min和200mm/min进行全因子实验，验证此方法。对于铝合金毛刺高度的处理形式如图1所示，具体步骤如下：
第一步：获取出口三维点云数据
根据相机获取的铝合金毛刺的图像，通过下面公式获取对应的三维点云集合：
Vk(u)＝RkK-1u (12)
其中Vk表示点云集合，Rk表示图像深度，K表示相机的内矩阵参数，u表示某个像素点对应的齐次坐标。
第二步：钻削出口平面拟合
根据获取的点云集合，由于钻削出口表面的数据点最多，故以Vk中的众数为基础，得到不产生毛刺表面的点云集合Vk1。
对获取的点云集合Vk1采用线性回归的方式进行平面拟合，得到平面钻削出口表面M，的方程为：
z＝a0x+a1y+a2 (13)
其中a0，a1和a2为常数。计算各点到平面钻削出口表面的残差：
Figure BDA0003777901030000051
以残差最小化为目标对平面拟合结果进行优化，得到最终拟合平面Q；
第三步：获取铝合金毛刺点云数据
计算点云集合Vk中各点到最终拟合平面Q的距离：
Figure BDA0003777901030000061
预设阀值μ，将与平面距离大于μ的设置为有效点，小于μ的设置为无效，得到铝合金毛刺的点云集合Vk2：
Figure BDA0003777901030000062
第四步：钻削孔径和圆心获取
将得到铝合金毛刺的点云集合Vk2在最终拟合平面Q上进行投影，并采用如下的矩阵形式来进行拟合：
Figure BDA0003777901030000063
其中，A,B,C,D为常数，定义向量P为(A,B,C,D)T，且满足：
PTNP＝1 (18)
其中向量N为约束矩阵，可以表示为：
Figure BDA0003777901030000064
得到铝合金加工孔对应圆的圆心坐标D(a1,b1)和圆的半径R1。
第五步：获取毛刺高度
将金属加工出口孔对应圆周上的点进行n等分，每个等分点以(xni,ynj)表示，计算等分点在圆周上方所对应各点(xni,yni,znj)到最终拟合平面Q的距离，以最大值代表此等分点的毛刺高度：
Figure BDA0003777901030000065
第六步：计算平均毛刺高度
以第五步的数据进行平均，对于整个圆周上的毛刺高度进行平均化求解得到铝合金出口的毛刺高度，H：
Figure BDA0003777901030000071
得到铝合金出口毛刺高度如表1所示；
表1不同转速与进给速度的铝合金出口毛刺高度
Figure BDA0003777901030000072
基于图像处理的方式提出了金属毛刺的量化方式，显著提高了测量效率，以及金属毛刺的测量精度，可助力于金属钻削、复合材料/金属叠层钻削等加工质量衡量和工艺参数优化，降低相关企业的生产成本，工程前景广阔。

Claims (1)

1.一种金属毛刺高度获取方法，其特征在于，该金属毛刺高度获取方法通过图像处理获取金属毛刺点云数据，然后通过数学方式进行拟合和指标评价，得到孔全域毛刺高度的量化评价方法；具体步骤如下；
第一步：获取钻削出口三维点云数据
根据相机获取的金属毛刺的图像进行转换，通过以下公式获取对应的三维点云数据集合：
Vk(u)＝RkK-1u (1)
其中，Vk表示三维点云数据集合，Rk表示图像深度，K表示相机的内矩阵参数，u表示像素点对应的齐次坐标；
第二步：拟合钻削出口平面
根据获取的三维点云数据集合，以Vk中的众数为基础确定未产生毛刺的集合，得到钻削出口表面的点云数据集合Vk1；
对获取的点云数据集合Vk1采用线性回归的方式进行平面拟合，得到钻削出口平面表面M：
z＝a0x+a1y+a2 (2)
其中，x，y，z表示三维点云数据集合Vk中各点对应的坐标值，a0，a1和a2为常数；计算三维点云数据集合Vk中各点到拟合平面的残差之和：
Figure FDA0003777901020000011
其中，n表示三维点云数据集合Vk中的点的个数；
最后以残差最小化为目标对平面拟合结果进行优化，得到最终拟合平面Q；
第三步：获取金属毛刺点云数据
计算三维点云数据集合Vk中各点到最终拟合平面Q的距离；
Figure FDA0003777901020000021
预设阀值μ，将与平面距离大于μ的各点设置为有效点，小于μ的各点设置为无效点，得到金属毛刺的点云集合Vk2：
Figure FDA0003777901020000022
第四步：获取钻削孔径和圆心
将得到金属毛刺的点云集合Vk2，向步骤二拟合得到的最终拟合平面Q上进行投影，对各个投影点(xi,yi)采用如下的矩阵形式来进行拟合；
Figure FDA0003777901020000023
其中，A，B，C，D为常数，定义向量P为(A,B,C,D)T，且满足：
PTNP＝1 (7)
其中向量N为约束矩阵，为：
Figure FDA0003777901020000024
其中，
Figure FDA0003777901020000025
分别表示金属毛刺的点云集合Vk2中在x,y,z三个坐标轴方向上坐标的平均值；
根据公式(7)和(8)完成常量A，B，C，D的求解，并将结果带入到：
Figure FDA0003777901020000026
即得到金属加工出口孔对应圆的圆心坐标D(c1,d1)和圆的半径R1；
第五步：获取毛刺高度
将金属加工出口孔对应圆进行m等分，每个等分点与圆心连线上的点坐标以(xmi,ymj)表示，其中，i和j用于取分点的坐标，计算连线上方所对应各点(xmi,ymi,zmk)到最终拟合平面Q的距离，以最大值代表此等分点的毛刺高度：
Figure FDA0003777901020000031
第六步：计算平均毛刺高度
将第五步的各等分点的毛刺高度数据进行平均化，对于整个圆周上的毛刺高度进行平均化求解得到金属出口的毛刺高度，H：
Figure FDA0003777901020000032
CN202210921863.7A 2022-08-02 2022-08-02 一种金属毛刺高度获取方法 Pending CN115239787A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210921863.7A CN115239787A (zh) 2022-08-02 2022-08-02 一种金属毛刺高度获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210921863.7A CN115239787A (zh) 2022-08-02 2022-08-02 一种金属毛刺高度获取方法

Publications (1)

Publication Number Publication Date
CN115239787A true CN115239787A (zh) 2022-10-25

Family

ID=83676687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210921863.7A Pending CN115239787A (zh) 2022-08-02 2022-08-02 一种金属毛刺高度获取方法

Country Status (1)

Country Link
CN (1) CN115239787A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117381553A (zh) * 2023-12-08 2024-01-12 创新奇智(青岛)科技有限公司 一种工件打磨方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117381553A (zh) * 2023-12-08 2024-01-12 创新奇智(青岛)科技有限公司 一种工件打磨方法、装置、电子设备及存储介质
CN117381553B (zh) * 2023-12-08 2024-02-23 创新奇智(青岛)科技有限公司 一种工件打磨方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN102289534A (zh) 渐开线斜齿轮的高精度建模方法
CN115239787A (zh) 一种金属毛刺高度获取方法
CN110193708B (zh) 超大直径多段式齿圈加工方法
CN104801784A (zh) 一种螺旋锥齿轮加工过程的在线检测方法
CN110281017B (zh) 一种曲面锻件中心孔的钻取方法
CN104833325B (zh) 一种工件智能计量检测单元及其使用方法
US7720649B2 (en) Reverse engineering method for disk and blade attachments
Pivkin et al. Reverse engineering of geometric models of advanced curved edge drills using optical measuring systems
CN109740269B (zh) 一种渐开线蜗杆车削加工齿面三维建模方法
CN115014217A (zh) 一种基于激光测距的管材在线检测方法
JP2023008950A (ja) ５軸数値制御工作機械の主要な幾何学的誤差の補正の比率を最適化させる補正方法
CN105328273A (zh) 一种圆弧端齿适配磨削方法
CN110657752B (zh) 一种基于光纤位移传感器的阵列孔通孔率测量方法
CN112484600A (zh) 一种航空发动机中多齿带冠类涡轮叶片的检查方法
CN109648397B (zh) 基于刀齿刃带宽度与拉削负载相关性的拉刀寿命预测方法
CN204694229U (zh) 工件智能计量检测单元
CN114800542B (zh) 螺旋锥齿轮全角度柔性打磨机器装置、打磨方法及系统
CN112729206B (zh) 非渐开线车齿刀齿形检测方法
CN116026240A (zh) 一种基于激光跟踪仪的飞机装配夹具快速精准检测方法
Pham et al. Parametric model analysis, geometrical characteristics and tool trajectories to surface roughness when machining the cycloid screw by a five-axis milling machine
Kamratowski et al. Validation of a Planar Penetration Calculation for Face Hobbing Generating of Bevel Gears
CN204694211U (zh) 智能计量检测单元的检测装置
Kühn et al. Model for the calculation of kinematic roughness in the tooth root
CN114720490B (zh) 一种基于数字射线的管道未焊透深度定量检测方法
CN117806231B (zh) 一种基于物联网的机床运行加工控制系统及方法

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