CN115597512A - 一种汽车间隙测量及误差矫正方法 - Google Patents

一种汽车间隙测量及误差矫正方法 Download PDF

Info

Publication number
CN115597512A
CN115597512A CN202211598476.0A CN202211598476A CN115597512A CN 115597512 A CN115597512 A CN 115597512A CN 202211598476 A CN202211598476 A CN 202211598476A CN 115597512 A CN115597512 A CN 115597512A
Authority
CN
China
Prior art keywords
automobile
point cloud
image
gap
point
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
CN202211598476.0A
Other languages
English (en)
Other versions
CN115597512B (zh
Inventor
汪俊
吴翔
李大伟
李子宽
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN202211598476.0A priority Critical patent/CN115597512B/zh
Publication of CN115597512A publication Critical patent/CN115597512A/zh
Application granted granted Critical
Publication of CN115597512B publication Critical patent/CN115597512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及汽车间隙测量及误差矫正技术领域，解决了针对线激光设备进行汽车间隙测量由于激光偏转导致间隙测量误差的技术问题，尤其涉及一种汽车间隙测量及误差矫正方法，包括以下步骤：S1、通过线激光轮廓传感器发射激光线照射于汽车间隙上获取原始三维点云Q；S2、对原始三维点云Q进行三维数据处理得到初步间隙测量结果
Figure 344615DEST_PATH_IMAGE001
；S3、根据相机拍摄汽车间隙的原始图像，通过自适应ROI提取方法获得原始图像中激光线及汽车间隙的感兴趣区域
Figure 72399DEST_PATH_IMAGE002
图像。本发明利用三维点云处理与二维图像处理相结合的方式，可以快速完成汽车间隙的快速准确测量。

Description

一种汽车间隙测量及误差矫正方法
技术领域
本发明涉及汽车间隙测量及误差矫正技术领域，尤其涉及一种汽车间隙测量及误差矫正方法。
背景技术
车身的间隙面差直接决定了车身外观品质、防水性能及噪音抑制等，同时，对汽车间隙面差的监控能够反映汽车零部件及组装过程中的问题。目前，使用线激光轮廓传感器进行汽车车身的间隙面差测量已经成为汽车厂商的一种主要检测手段。
对于基于线激光的汽车车身的间隙测量目前检测技术日渐成熟，通过高精度点云分析能够获得高准确度的测量结果。但是，无论是通过人工手持线激光轮廓传感器还是通过机械臂夹持进行测量，都会存在设备测量角度偏差导致激光线不能完全垂直待测间隙，从而导致间隙测量结果偏大这种情况。
发明内容
针对现有技术的不足，本发明提供了一种汽车间隙测量及误差矫正方法，解决了针对线激光设备进行汽车间隙测量由于激光偏转导致间隙测量误差的技术问题，该方法利用三维点云处理与二维图像处理相结合的方式，可以快速完成汽车间隙的快速准确测量。
为解决上述技术问题，本发明提供了如下技术方案：一种汽车间隙测量及误差矫正方法，该方法包括以下步骤：
S1、通过线激光轮廓传感器发射激光线照射于汽车间隙上获取原始三维点云Q；
S2、对原始三维点云Q进行三维数据处理得到初步间隙测量结果
Figure 229763DEST_PATH_IMAGE001
；
S3、根据相机拍摄汽车间隙的原始图像，通过自适应ROI提取方法获得原始图像中激光线及汽车间隙的感兴趣区域
Figure 200035DEST_PATH_IMAGE002
图像；
S4、对感兴趣区域
Figure 245351DEST_PATH_IMAGE002
图像分割并获得激光线区域
Figure 906140DEST_PATH_IMAGE003
和汽车间隙区域
Figure 986091DEST_PATH_IMAGE004
，根据汽车间隙区域
Figure 74133DEST_PATH_IMAGE004
构建笛卡尔坐标系；
S5、根据笛卡尔坐标系计算汽车间隙边缘与激光线的夹角，并根据夹角对初步间隙测量结果
Figure 606745DEST_PATH_IMAGE001
进行误差补偿，矫正得到最终测量结果
Figure 71225DEST_PATH_IMAGE005
。
进一步地，在步骤S2中，对原始三维点云Q进行三维数据处理得到初步间隙测量结果
Figure 5683DEST_PATH_IMAGE001
，具体过程包括以下步骤：
S21、对原始三维点云Q进行离群点滤除与间隙零点滤除，并对原始三维点云Q进行平滑处理及平面投影，得到点云
Figure 264626DEST_PATH_IMAGE006
；
S22、采用基于半径搜索的生长聚类方法将点云
Figure 284534DEST_PATH_IMAGE006
行聚类分割，将间隙左右两边对缝分别分为点云
Figure 287125DEST_PATH_IMAGE007
和点云
Figure 76090DEST_PATH_IMAGE009
两类；
S23、根据点云
Figure 771513DEST_PATH_IMAGE007
和点云
Figure 278718DEST_PATH_IMAGE009
分别计算它们的边缘点
Figure 819421DEST_PATH_IMAGE010
和边缘点
Figure 229936DEST_PATH_IMAGE011
；
S24、计算点云
Figure 830681DEST_PATH_IMAGE007
和点云
Figure 825182DEST_PATH_IMAGE009
的平均Z轴差值
Figure 169576DEST_PATH_IMAGE012
，根据平均Z轴差值
Figure 667553DEST_PATH_IMAGE012
的正负判断基准面，以点云所在平面较高的为基准面；
S25、根据基准面分别对点云
Figure 704780DEST_PATH_IMAGE007
和点云
Figure 186576DEST_PATH_IMAGE009
进行直线拟合，获得直线方程
Figure 334661DEST_PATH_IMAGE013
与
Figure 687145DEST_PATH_IMAGE014
，并根据直线方程
Figure 895272DEST_PATH_IMAGE013
与
Figure 598786DEST_PATH_IMAGE014
计算边缘点
Figure 284982DEST_PATH_IMAGE010
和
Figure 23131DEST_PATH_IMAGE011
与基准面一侧的直线方程的距离得到边缘点
Figure 402160DEST_PATH_IMAGE015
和
Figure 592970DEST_PATH_IMAGE016
，边缘点
Figure 82857DEST_PATH_IMAGE015
和
Figure 409933DEST_PATH_IMAGE016
之间的欧式距离为
Figure 723978DEST_PATH_IMAGE017
；
S26、根据边缘点
Figure 402084DEST_PATH_IMAGE015
和
Figure 430083DEST_PATH_IMAGE016
以及欧式距离
Figure 877244DEST_PATH_IMAGE017
计算初步间隙测量结果
Figure 332497DEST_PATH_IMAGE001
。
进一步地，在步骤S3中，通过自适应ROI提取方法获得原始图像中激光线及汽车间隙的感兴趣区域
Figure 497899DEST_PATH_IMAGE002
图像，具体过程包括以下步骤：
S31、原始图像像素点位置设为
Figure 329588DEST_PATH_IMAGE018
，对原始图像中的所有像素点通过搜索框进行自动搜寻；
S32、计算每次搜寻搜索框内所有像素点的加权平均像素强度
Figure 896836DEST_PATH_IMAGE019
，加权系数K根据当前像素点与当前搜索框的中心
Figure 522989DEST_PATH_IMAGE020
的距离进行确定；
S33、将搜索框遍历所有像素点得到的加权平均像素强度
Figure 175688DEST_PATH_IMAGE019
与上一次像素点的像素强度值做比较，大于则进行保留并记录此时的中心
Figure 811068DEST_PATH_IMAGE020
，进行不断迭代直到结果收敛，得到最终的原始图像中的激光线及感兴趣区域
Figure 967243DEST_PATH_IMAGE002
图像。
进一步地，在步骤S4中，根据汽车间隙区域
Figure 29877DEST_PATH_IMAGE021
构建笛卡尔坐标系，具体过程包括以下步骤：
S41、使用滤波算法将间隙零点与离群噪点的像素点进行有效滤除，再通过基于区域生长分割算法将激光线区域
Figure 904292DEST_PATH_IMAGE022
分割为间隙左右两部分激光线区域
Figure 343364DEST_PATH_IMAGE023
和
Figure 619624DEST_PATH_IMAGE024
；
S42、计算激光线区域
Figure 354624DEST_PATH_IMAGE023
和
Figure 716336DEST_PATH_IMAGE024
像素点的局部曲率变化方差最小点
Figure 693519DEST_PATH_IMAGE025
与
Figure 824286DEST_PATH_IMAGE026
，并得到过
Figure 228722DEST_PATH_IMAGE025
与
Figure 77730DEST_PATH_IMAGE026
的直线方程
Figure 858604DEST_PATH_IMAGE027
；
S43、对提取的汽车间隙区域
Figure 109457DEST_PATH_IMAGE021
进行图像处理，根据边缘特征提取确定汽车间隙区域
Figure 684795DEST_PATH_IMAGE021
的矩形包围盒；
S44、进一步处理得到矩形包围盒的左下角两条直角边
Figure 21098DEST_PATH_IMAGE028
、
Figure 340084DEST_PATH_IMAGE029
，根据两条直角边构建笛卡尔坐标系。
进一步地，在步骤S4中，对感兴趣区域
Figure 445443DEST_PATH_IMAGE002
图像分割并获得激光线区域
Figure 191682DEST_PATH_IMAGE022
和汽车间隙区域
Figure 749703DEST_PATH_IMAGE021
，具体过程包括以下步骤：
S411、对所提取的感兴趣区域
Figure 872379DEST_PATH_IMAGE002
图像进行灰度变换及中值滤波处理得到二值化后的图像；
S412、采用变异最大类间方差法计算分割阈值，根据阈值对二值化后的图像进行分割获得激光线区域
Figure 861939DEST_PATH_IMAGE022
；
S413、通过基于边缘分割算法提取二值化后的图像中的汽车间隙区域
Figure 779079DEST_PATH_IMAGE021
。
进一步地，在步骤S5中，根据笛卡尔坐标系计算汽车间隙边缘与激光线的夹角，并根据夹角对初步间隙测量结果
Figure 355554DEST_PATH_IMAGE001
行误差补偿，具体过程包括以下步骤：
S501、获取间隙两侧边缘点
Figure 16342DEST_PATH_IMAGE030
和
Figure 830715DEST_PATH_IMAGE031
，以矩形包围盒垂直边构建新的坐标系，根据边缘点的位置关系及点位在新坐标系下的投影计算并确定矫正角度参数；
S502、计算激光线近似拟合直线
Figure 184336DEST_PATH_IMAGE032
与间隙的夹角
Figure 716948DEST_PATH_IMAGE033
；
S503、根据矫正角度参数对初步间隙测量结果
Figure 181427DEST_PATH_IMAGE001
进行误差矫正得到最终测量结果
Figure 584727DEST_PATH_IMAGE034
。
借由上述技术方案，本发明提供了一种汽车间隙测量及误差矫正方法，至少具备以下有益效果：
1、本发明采用二维图像技术为三维点云数据分析提供辅助，实现汽车间隙的测量及误差矫正，本方法能够在最大程度上减小由于测量角度导致的测量误差，极大地提高了检测的可信度与准确度。
2、本发明通过分析汽车间隙与激光线的夹角，根据计算的夹角对初步获取的间隙测量结果进行补偿，以减小因线激光轮廓传感器发射激光线角度偏差导致的测量误差，从而实现汽车间隙的快速测量及测量误差矫正。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明汽车间隙测量及误差矫正方法的流程图；
图2为本发明激光线与间隙图像的自动化ROI获取效果的示意图；
图3为本发明间隙测量误差矫正的原理图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图 和具体实施方式对本发明作进一步详细的说明。借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
请参照图1-图3，示出了本实施例的一种具体实施方式，本实施例通过分析汽车间隙与激光线的夹角，根据计算的夹角对初步获取的间隙测量结果进行补偿，以减小因线激光轮廓传感器发射激光线角度偏差导致的测量误差，从而实现汽车间隙的快速测量及测量误差矫正。
请参照图1，本实施例提出了一种汽车间隙测量及误差矫正方法，该方法包括以下步骤：
S1、通过线激光轮廓传感器发射激光线照射于汽车间隙上获取原始三维点云Q；
S2、对原始三维点云Q进行三维数据处理得到初步间隙测量结果
Figure 374828DEST_PATH_IMAGE001
；
在步骤S2中，对原始三维点云Q进行三维数据处理得到初步间隙测量结果
Figure 394737DEST_PATH_IMAGE001
，具体过程包括以下步骤：
S21、对原始三维点云Q进行离群点滤除与间隙零点滤除，并对原始三维点云Q进行平滑处理及平面投影，得到点云
Figure 397328DEST_PATH_IMAGE035
；
采用统计离群点滤波方法对原始三维点云Q进行滤除，使用条件滤波方法对间隙零点进行滤除，并采用基于移动最小二乘法对原始三维点云Q进行平滑处理后将点云投影
Figure 186293DEST_PATH_IMAGE036
平面，得到新的点云
Figure 616137DEST_PATH_IMAGE035
。
S22、采用基于半径搜索的生长聚类方法将点云
Figure 359227DEST_PATH_IMAGE035
进行聚类分割，将间隙左右两边对缝分别分为点云
Figure 165509DEST_PATH_IMAGE037
和点云
Figure 340139DEST_PATH_IMAGE038
两类；
将点云
Figure 940884DEST_PATH_IMAGE035
进行聚类分割，利用基于半径搜索的生长聚类方法进行聚类分割，将间隙左右两边对缝分为两类，分别是点云
Figure 935385DEST_PATH_IMAGE037
和点云
Figure 279779DEST_PATH_IMAGE038
。
S23、根据点云
Figure 43335DEST_PATH_IMAGE037
和点云
Figure 814982DEST_PATH_IMAGE038
分别计算它们的边缘点
Figure 296779DEST_PATH_IMAGE039
和边缘点
Figure 444864DEST_PATH_IMAGE040
；
具体的，计算点云
Figure 62927DEST_PATH_IMAGE037
和点云
Figure 271054DEST_PATH_IMAGE038
中所有相邻点的曲率变化，将两边曲率变化最大的点记为两边的边缘点
Figure 974568DEST_PATH_IMAGE039
和边缘点
Figure 660764DEST_PATH_IMAGE040
。
S24、计算点云
Figure 398913DEST_PATH_IMAGE037
和点云
Figure 10898DEST_PATH_IMAGE038
的平均Z轴差值
Figure 201708DEST_PATH_IMAGE041
，根据平均Z轴差值
Figure 691595DEST_PATH_IMAGE041
的正负判断基准面，以点云
Figure 284250DEST_PATH_IMAGE037
和点云
Figure 834180DEST_PATH_IMAGE038
所在平面较高的为基准面，也就是为正值的平均Z轴差值
Figure 512286DEST_PATH_IMAGE041
。
平均Z轴差值
Figure 540285DEST_PATH_IMAGE041
的计算公式为：
Figure 987447DEST_PATH_IMAGE042
上式中，
Figure 708279DEST_PATH_IMAGE043
为求平均值。
S25、根据基准面分别对点云
Figure 873681DEST_PATH_IMAGE037
和点云
Figure 705370DEST_PATH_IMAGE038
进行直线拟合，获得直线方程
Figure 7039DEST_PATH_IMAGE044
与
Figure 898771DEST_PATH_IMAGE045
，并根据直线方程
Figure 551470DEST_PATH_IMAGE044
与
Figure 921271DEST_PATH_IMAGE045
计算边缘点
Figure 343025DEST_PATH_IMAGE039
和
Figure 907124DEST_PATH_IMAGE040
与基准面一侧的直线方程的距离得到边缘点
Figure 781539DEST_PATH_IMAGE046
和
Figure 220611DEST_PATH_IMAGE047
，边缘点
Figure 496871DEST_PATH_IMAGE048
和
Figure 730406DEST_PATH_IMAGE049
之间的欧式距离为
Figure 92118DEST_PATH_IMAGE050
；
S26、根据边缘点
Figure 803722DEST_PATH_IMAGE046
和
Figure 200068DEST_PATH_IMAGE047
以及欧式距离
Figure 604504DEST_PATH_IMAGE050
计算初步间隙测量结果
Figure 453512DEST_PATH_IMAGE051
；
初步间隙测量结果
Figure 968807DEST_PATH_IMAGE051
的计算公式为：
Figure 219660DEST_PATH_IMAGE052
上式中，
Figure 529418DEST_PATH_IMAGE050
为边缘点
Figure 865722DEST_PATH_IMAGE046
和
Figure 184707DEST_PATH_IMAGE047
之间的欧式距离。
S3、根据相机拍摄汽车间隙的原始图像，通过自适应ROI提取方法获得原始图像中激光线及汽车间隙的感兴趣区域
Figure 290067DEST_PATH_IMAGE053
图像；
在步骤S3中，通过自适应ROI提取方法获得原始图像中激光线及汽车间隙的感兴趣区域
Figure 36306DEST_PATH_IMAGE053
图像，具体过程包括以下步骤：
S31、原始图像像素点位置设为
Figure 358440DEST_PATH_IMAGE054
，对原始图像中的所有像素点通过搜索框进行自动搜寻；
对原始图像中的所有像素点通过设定好大小的搜索框进行自动搜寻，搜索框的中心设为
Figure 215538DEST_PATH_IMAGE055
，由此设定搜索框的大小，具体的：
Figure 175404DEST_PATH_IMAGE056
上式中，
Figure 92544DEST_PATH_IMAGE057
是像素点的强度值，
Figure 403440DEST_PATH_IMAGE058
为原始图像中某一个像素点的位置坐标。
S32、计算每次搜寻搜索框内所有像素点的加权平均像素强度
Figure 64228DEST_PATH_IMAGE059
，加权系数K根据当前像素点与当前搜索框的中心
Figure 878601DEST_PATH_IMAGE055
的距离进行确定；
加权系数K的计算公式为：
Figure 232221DEST_PATH_IMAGE060
上式中，
Figure 764834DEST_PATH_IMAGE061
为搜索框的中心坐标，
Figure 963734DEST_PATH_IMAGE062
为当前像素点的位置坐标。
S33、将搜索框遍历所有像素点得到的加权平均像素强度
Figure 898192DEST_PATH_IMAGE059
与上一次像素点的像素强度值做比较，大于则进行保留并记录此时的中心
Figure 688294DEST_PATH_IMAGE055
，进行不断迭代直到结果收敛，得到最终的原始图像中的激光线及感兴趣区域
Figure 177044DEST_PATH_IMAGE053
图像，如图2所示。
S4、对感兴趣区域
Figure 710793DEST_PATH_IMAGE053
图像分割并获得激光线区域
Figure 499758DEST_PATH_IMAGE063
和汽车间隙区域
Figure 664023DEST_PATH_IMAGE064
，根据汽车间隙区域
Figure 672692DEST_PATH_IMAGE064
构建笛卡尔坐标系；
在步骤S4中，对感兴趣区域
Figure 478974DEST_PATH_IMAGE053
图像分割并获得激光线区域
Figure 122445DEST_PATH_IMAGE063
汽车间隙区域
Figure 988770DEST_PATH_IMAGE064
，具体过程包括以下步骤：
S411、对所提取的感兴趣区域
Figure 717692DEST_PATH_IMAGE053
图像进行灰度变换及中值滤波处理得到二值化后的图像；
S412、采用变异最大类间方差法计算分割阈值，根据阈值对二值化后的图像进行分割获得激光线区域
Figure 593244DEST_PATH_IMAGE063
；
S413、通过基于边缘分割算法提取二值化后的图像中的汽车间隙区域
Figure 91221DEST_PATH_IMAGE064
。
对所提取的感兴趣区域
Figure 862868DEST_PATH_IMAGE053
图像进行灰度变换及中值滤波处理，将二值化后的图像使用了一种变异最大类间方差法（OTSU）计算分割阈值，类间方差
Figure 344665DEST_PATH_IMAGE065
为：
Figure 492750DEST_PATH_IMAGE066
上式中，
Figure 110813DEST_PATH_IMAGE067
是背景像素占比，
Figure 53361DEST_PATH_IMAGE068
是前景像素占比，
Figure 756875DEST_PATH_IMAGE069
和
Figure 708650DEST_PATH_IMAGE070
分别代表背景与前景的平均灰度值；
Figure 181220DEST_PATH_IMAGE071
上式中，
Figure 560249DEST_PATH_IMAGE072
，
Figure 515173DEST_PATH_IMAGE073
为当前灰度值。
根据求得的类间方差
Figure 739481DEST_PATH_IMAGE065
作为阈值对图像进行分割，获得激光线区域
Figure 332136DEST_PATH_IMAGE063
，并通过基于边缘分割算法提取汽车间隙区域
Figure 882066DEST_PATH_IMAGE064
。
在步骤S4中，根据汽车间隙区域
Figure 294593DEST_PATH_IMAGE064
构建笛卡尔坐标系，具体过程包括以下步骤：
S41、使用滤波算法将间隙零点与离群噪点的像素点进行有效滤除，再通过基于区域生长分割算法将激光线区域
Figure 588171DEST_PATH_IMAGE063
分割为间隙左右两部分激光线区域
Figure 35333DEST_PATH_IMAGE074
和
Figure 756164DEST_PATH_IMAGE075
；
使用滤波算法将间隙零点与离群噪点的像素点进行有效滤除，即通过遍历所有像素点的半径邻域内像素点，计算它们的灰度均值来判断该像素点与周围像素点的相关性，再根据像素点的灰度差值通过基于区域生长分割算法，将满足设定灰度值变化条件的像素点设为分割中点，将激光线区域
Figure 921567DEST_PATH_IMAGE063
分割为间隙左右两部分激光线区域
Figure 18836DEST_PATH_IMAGE074
和
Figure 320504DEST_PATH_IMAGE075
。
S42、计算激光线区域
Figure 212237DEST_PATH_IMAGE074
和
Figure 599356DEST_PATH_IMAGE075
像素点的局部曲率变化方差最小点
Figure 234736DEST_PATH_IMAGE076
与
Figure 656490DEST_PATH_IMAGE077
，并得到过
Figure 220589DEST_PATH_IMAGE076
与
Figure 95004DEST_PATH_IMAGE077
直线方程
Figure 268497DEST_PATH_IMAGE078
；
将激光线区域
Figure 544757DEST_PATH_IMAGE074
和
Figure 778292DEST_PATH_IMAGE075
投影到三维空间下，得到
Figure 874424DEST_PATH_IMAGE079
和
Figure 117187DEST_PATH_IMAGE080
：
Figure 513533DEST_PATH_IMAGE081
通过分别迭代计算
Figure 917970DEST_PATH_IMAGE079
和
Figure 235818DEST_PATH_IMAGE080
相邻点的直线斜率，得到
Figure 16693DEST_PATH_IMAGE079
和
Figure 267545DEST_PATH_IMAGE080
斜率变化最大的点即得到
Figure 842883DEST_PATH_IMAGE074
和
Figure 913607DEST_PATH_IMAGE075
像素点的局部曲率变化方差最小点
Figure 232593DEST_PATH_IMAGE076
与
Figure 337953DEST_PATH_IMAGE077
，由此可以得到过
Figure 84192DEST_PATH_IMAGE076
与
Figure 406326DEST_PATH_IMAGE077
的直线方程
Figure 263424DEST_PATH_IMAGE078
。
S43、对提取的汽车间隙区域
Figure 488869DEST_PATH_IMAGE064
进行图像处理，这里的图像处理是对图像进行开运算，提取图像边缘位置信息，再求解包裹住处理后图像的最小外接矩形，然后根据边缘特征提取确定汽车间隙区域
Figure 406009DEST_PATH_IMAGE064
的矩形包围盒；
S44、进一步处理得到矩形包围盒的左下角两条直角边
Figure 451326DEST_PATH_IMAGE082
，根据两条直角边构建笛卡尔坐标系，进一步处理是指，根据提取到的矩形包围盒，以包围盒的左下角顶点为原点，以两条直角边
Figure 112114DEST_PATH_IMAGE082
为X轴与Y轴，得到笛卡尔坐标系。
具体的，在步骤S4中，对所提取的感兴趣区域
Figure 192066DEST_PATH_IMAGE083
图像进行分割，获得激光线区域
Figure 280107DEST_PATH_IMAGE084
，汽车间隙区域
Figure 812720DEST_PATH_IMAGE064
，将激光线区域
Figure 277199DEST_PATH_IMAGE084
分割为间隙左右两部分激光线区域
Figure 211657DEST_PATH_IMAGE074
和
Figure 470600DEST_PATH_IMAGE075
，通过图像处理后分别获取
Figure 490509DEST_PATH_IMAGE074
和
Figure 758679DEST_PATH_IMAGE075
的曲率变化方差最小点
Figure 547644DEST_PATH_IMAGE076
与
Figure 977488DEST_PATH_IMAGE077
，同时计算汽车间隙区域
Figure 986157DEST_PATH_IMAGE064
的间隙矩形包围盒，然后，根据两条直角边
Figure 792439DEST_PATH_IMAGE082
构建初始笛卡尔坐标系。
S5、根据笛卡尔坐标系计算汽车间隙边缘与激光线的夹角，并根据夹角对初步间隙测量结果
Figure 435910DEST_PATH_IMAGE085
进行误差补偿，减小测量误差，矫正得到最终测量结果
Figure 302235DEST_PATH_IMAGE086
，在此步骤中，笛卡尔坐标系为新的笛卡尔坐标系，在步骤S44得到的初始笛卡尔坐标系的基础上得到的，如图3所示的坐标系，是以
Figure 31157DEST_PATH_IMAGE087
为原点，平移
Figure 641130DEST_PATH_IMAGE088
得到过边缘点
Figure 139107DEST_PATH_IMAGE087
的新坐标轴
Figure 176333DEST_PATH_IMAGE089
，平移
Figure 392551DEST_PATH_IMAGE090
得到过边缘点
Figure 540636DEST_PATH_IMAGE087
的新坐标轴
Figure 158699DEST_PATH_IMAGE091
，即以
Figure 366826DEST_PATH_IMAGE087
为原点
Figure 70340DEST_PATH_IMAGE089
与
Figure 22115DEST_PATH_IMAGE091
为横纵坐标的新笛卡尔坐标系。
请参照图3，在步骤S5中，根据笛卡尔坐标系计算汽车间隙边缘与激光线的夹角，并根据夹角对初步间隙测量结果
Figure 494685DEST_PATH_IMAGE085
进行误差补偿，具体过程包括以下步骤：
S501、获取间隙两侧边缘点
Figure 873714DEST_PATH_IMAGE087
和
Figure 563059DEST_PATH_IMAGE092
，以矩形包围盒垂直边构建新的坐标系，根据边缘点的位置关系及点位在新坐标系下的投影计算并确定矫正角度参数；
获取间隙两侧边缘点
Figure 52946DEST_PATH_IMAGE087
、
Figure 645601DEST_PATH_IMAGE092
，平移
Figure 929952DEST_PATH_IMAGE088
得到过边缘点
Figure 608058DEST_PATH_IMAGE087
的新坐标轴
Figure 901636DEST_PATH_IMAGE089
，平移
Figure 348798DEST_PATH_IMAGE090
得到过边缘点
Figure 69630DEST_PATH_IMAGE087
的新坐标轴
Figure 969452DEST_PATH_IMAGE093
，即以
Figure 801142DEST_PATH_IMAGE087
为原点
Figure 368390DEST_PATH_IMAGE089
与
Figure 260122DEST_PATH_IMAGE093
为横纵坐标的新笛卡尔坐标系，通过计算边缘点
Figure 647241DEST_PATH_IMAGE087
和
Figure 282622DEST_PATH_IMAGE092
之间的欧氏距离
Figure 704376DEST_PATH_IMAGE094
及边缘点
Figure 767010DEST_PATH_IMAGE092
在
Figure 142890DEST_PATH_IMAGE093
上的投影长度D确定矫正角度参数。
S502、计算激光线近似拟合直线
Figure 316382DEST_PATH_IMAGE095
与间隙的夹角
Figure 327064DEST_PATH_IMAGE096
；
由此可根据三角函数关系，计算激光线近似拟合直线
Figure 560599DEST_PATH_IMAGE095
与间隙的夹角
Figure 922310DEST_PATH_IMAGE096
：
Figure 899493DEST_PATH_IMAGE097
上式中，D为边缘点
Figure 295840DEST_PATH_IMAGE092
在
Figure 700276DEST_PATH_IMAGE093
上的投影长度，
Figure 549284DEST_PATH_IMAGE098
为边缘点
Figure 64579DEST_PATH_IMAGE087
和
Figure 49852DEST_PATH_IMAGE092
之间的欧氏距离。
S503、根据矫正角度参数对初步间隙测量结果
Figure 625190DEST_PATH_IMAGE085
进行误差矫正得到最终测量结果
Figure 961493DEST_PATH_IMAGE099
。
Figure 280479DEST_PATH_IMAGE100
上式中，
Figure 385838DEST_PATH_IMAGE096
为激光线近似拟合直线
Figure 132078DEST_PATH_IMAGE095
与间隙的夹角，
Figure 955677DEST_PATH_IMAGE085
为初步间隙测量结果。
本实施例所提供的方法采用二维图像技术为三维点云数据分析提供辅助，实现汽车间隙的测量及误差矫正，本方法能够在最大程度上减小由于测量角度导致的测量误差，极大地提高了检测的可信度与准确度。
以上实施方式对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种汽车间隙测量及误差矫正方法，其特征在于，包括以下步骤：
S1、通过线激光轮廓传感器发射激光线照射于汽车间隙上获取原始三维点云Q；
S2、对原始三维点云Q进行三维数据处理得到初步间隙测量结果
Figure 155762DEST_PATH_IMAGE001
；
S3、根据相机拍摄汽车间隙的原始图像，通过自适应ROI提取方法获得原始图像中激光线及汽车间隙的感兴趣区域
Figure 115627DEST_PATH_IMAGE002
图像；
S4、对感兴趣区域
Figure 236030DEST_PATH_IMAGE002
图像分割并获得激光线区域
Figure 281347DEST_PATH_IMAGE003
和汽车间隙区域
Figure 4452DEST_PATH_IMAGE004
，根据汽车间隙区域
Figure 84403DEST_PATH_IMAGE004
构建笛卡尔坐标系；
S5、根据笛卡尔坐标系计算汽车间隙边缘与激光线的夹角，并根据夹角对初步间隙测量结果
Figure 110128DEST_PATH_IMAGE001
进行误差补偿，矫正得到最终测量结果
Figure 642741DEST_PATH_IMAGE005
。
2.根据权利要求1所述的汽车间隙测量及误差矫正方法，其特征在于：在步骤S2中，对原始三维点云Q进行三维数据处理得到初步间隙测量结果
Figure 169537DEST_PATH_IMAGE001
，具体过程包括以下步骤：
S21、对原始三维点云Q进行离群点滤除与间隙零点滤除，并对原始三维点云Q进行平滑处理及平面投影，得到点云
Figure 103995DEST_PATH_IMAGE006
；
S22、采用基于半径搜索的生长聚类方法将点云
Figure 300621DEST_PATH_IMAGE006
进行聚类分割，将间隙左右两边对缝分别分为点云
Figure 320530DEST_PATH_IMAGE007
和点云
Figure 886903DEST_PATH_IMAGE008
两类；
S23、根据点云
Figure 675867DEST_PATH_IMAGE007
和点云
Figure 308974DEST_PATH_IMAGE008
分别计算它们的边缘点
Figure 816178DEST_PATH_IMAGE009
和边缘点
Figure 419198DEST_PATH_IMAGE010
；
S24、计算点云
Figure 328248DEST_PATH_IMAGE007
和点云
Figure 866677DEST_PATH_IMAGE008
的平均Z轴差值
Figure 861178DEST_PATH_IMAGE011
，根据平均Z轴差值
Figure 267888DEST_PATH_IMAGE011
的正负判断基准面，以点云所在平面较高的为基准面；
S25、根据基准面分别对点云
Figure 31445DEST_PATH_IMAGE007
和点云
Figure 6354DEST_PATH_IMAGE008
进行直线拟合，获得直线方程
Figure 222572DEST_PATH_IMAGE012
与
Figure 432973DEST_PATH_IMAGE013
，并根据直线方程
Figure 51037DEST_PATH_IMAGE012
与
Figure 196847DEST_PATH_IMAGE013
计算边缘点
Figure 900361DEST_PATH_IMAGE009
和
Figure 147409DEST_PATH_IMAGE010
与基准面一侧的直线方程的距离得到边缘点
Figure 885558DEST_PATH_IMAGE014
和
Figure 202270DEST_PATH_IMAGE015
，边缘点
Figure 393080DEST_PATH_IMAGE014
和
Figure 945284DEST_PATH_IMAGE015
之间的欧式距离为
Figure 6781DEST_PATH_IMAGE016
；
S26、根据边缘点
Figure 556711DEST_PATH_IMAGE014
和
Figure 172500DEST_PATH_IMAGE015
以及欧式距离
Figure 466078DEST_PATH_IMAGE016
计算初步间隙测量结果
Figure 975557DEST_PATH_IMAGE017
。
3.根据权利要求1所述的汽车间隙测量及误差矫正方法，其特征在于：在步骤S3中，通过自适应ROI提取方法获得原始图像中激光线及汽车间隙的感兴趣区域
Figure 430809DEST_PATH_IMAGE018
图像，具体过程包括以下步骤：
S31、原始图像像素点位置设为
Figure 533894DEST_PATH_IMAGE019
，对原始图像中的所有像素点通过搜索框进行自动搜寻；
S32、计算每次搜寻搜索框内所有像素点的加权平均像素强度
Figure 365584DEST_PATH_IMAGE020
，加权系数K根据当前像素点与当前搜索框的中心
Figure 995148DEST_PATH_IMAGE021
的距离进行确定；
S33、将搜索框遍历所有像素点得到的加权平均像素强度
Figure 621302DEST_PATH_IMAGE020
与上一次像素点的像素强度值做比较，大于则进行保留并记录此时的中心
Figure 211683DEST_PATH_IMAGE021
，进行不断迭代直到结果收敛，得到最终的原始图像中的激光线及感兴趣区域
Figure 847064DEST_PATH_IMAGE018
图像。
4.根据权利要求1所述的汽车间隙测量及误差矫正方法，其特征在于：在步骤S4中，根据汽车间隙区域
Figure 567020DEST_PATH_IMAGE022
构建笛卡尔坐标系，具体过程包括以下步骤：
S41、使用滤波算法将间隙零点与离群噪点的像素点进行有效滤除，再通过基于区域生长分割算法将激光线区域
Figure 629654DEST_PATH_IMAGE023
分割为间隙左右两部分激光线区域
Figure 441752DEST_PATH_IMAGE024
和
Figure 880824DEST_PATH_IMAGE025
；
S42、计算激光线区域
Figure 219402DEST_PATH_IMAGE024
和
Figure 452937DEST_PATH_IMAGE025
像素点的局部曲率变化方差最小点
Figure 752331DEST_PATH_IMAGE026
与
Figure 729514DEST_PATH_IMAGE027
，并得到过
Figure 922598DEST_PATH_IMAGE026
与
Figure 327035DEST_PATH_IMAGE027
的直线方程
Figure 113725DEST_PATH_IMAGE028
；
S43、对提取的汽车间隙区域
Figure 629020DEST_PATH_IMAGE022
进行图像处理，根据边缘特征提取确定汽车间隙区域
Figure 942190DEST_PATH_IMAGE022
的矩形包围盒；
S44、进一步处理得到矩形包围盒的左下角两条直角边
Figure 517528DEST_PATH_IMAGE029
、
Figure 791514DEST_PATH_IMAGE030
根据两条直角边构建笛卡尔坐标系。
5.根据权利要求1所述的汽车间隙测量及误差矫正方法，其特征在于：在步骤S4中，对感兴趣区域
Figure 110500DEST_PATH_IMAGE018
图像分割并获得激光线区域
Figure 776711DEST_PATH_IMAGE023
和汽车间隙区域
Figure 522951DEST_PATH_IMAGE031
，具体过程包括以下步骤：
S411、对所提取的感兴趣区域
Figure 18654DEST_PATH_IMAGE018
图像进行灰度变换及中值滤波处理得到二值化后的图像；
S412、采用变异最大类间方差法计算分割阈值，根据阈值对二值化后的图像进行分割获得激光线区域
Figure 141331DEST_PATH_IMAGE023
；
S413、通过基于边缘分割算法提取二值化后的图像中的汽车间隙区域
Figure 163513DEST_PATH_IMAGE031
。
6.根据权利要求1所述的汽车间隙测量及误差矫正方法，其特征在于：在步骤S5中，根据笛卡尔坐标系计算汽车间隙边缘与激光线的夹角，并根据夹角对初步间隙测量结果
Figure 80654DEST_PATH_IMAGE032
进行误差补偿，具体过程包括以下步骤：
S501、获取间隙两侧边缘点
Figure 329233DEST_PATH_IMAGE033
和
Figure 990021DEST_PATH_IMAGE034
，以矩形包围盒垂直边构建新的坐标系，根据边缘点的位置关系及点位在新坐标系下的投影计算并确定矫正角度参数；
S502、计算激光线近似拟合直线
Figure 866710DEST_PATH_IMAGE035
与间隙的夹角
Figure 954752DEST_PATH_IMAGE036
；
S503、根据矫正角度参数对初步间隙测量结果
Figure 487364DEST_PATH_IMAGE032
进行误差矫正得到最终测量结果
Figure 889527DEST_PATH_IMAGE037
。
CN202211598476.0A 2022-12-14 2022-12-14 一种汽车间隙测量及误差矫正方法 Active CN115597512B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211598476.0A CN115597512B (zh) 2022-12-14 2022-12-14 一种汽车间隙测量及误差矫正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211598476.0A CN115597512B (zh) 2022-12-14 2022-12-14 一种汽车间隙测量及误差矫正方法

Publications (2)

Publication Number Publication Date
CN115597512A true CN115597512A (zh) 2023-01-13
CN115597512B CN115597512B (zh) 2023-04-07

Family

ID=84854064

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211598476.0A Active CN115597512B (zh) 2022-12-14 2022-12-14 一种汽车间隙测量及误差矫正方法

Country Status (1)

Country Link
CN (1) CN115597512B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228831A (zh) * 2023-05-10 2023-06-06 深圳市深视智能科技有限公司 耳机接缝处的段差测量方法及系统、校正方法、控制器
CN117213397A (zh) * 2023-11-09 2023-12-12 成都飞机工业（集团）有限责任公司 飞机表面关键形貌特征的三维测量方法、系统及使用方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1474159A (zh) * 2003-07-02 2004-02-11 西安交通大学 线阵光电传感器层析扫描三维测量方法及其装置
CN114577131A (zh) * 2022-02-17 2022-06-03 湖南视比特机器人有限公司 一种基于3d结构光相机的车身间隙检测方法及系统
CN115164752A (zh) * 2022-09-07 2022-10-11 南京航空航天大学 一种大型部件对缝间隙与阶差的自适应测量装备与方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1474159A (zh) * 2003-07-02 2004-02-11 西安交通大学 线阵光电传感器层析扫描三维测量方法及其装置
CN114577131A (zh) * 2022-02-17 2022-06-03 湖南视比特机器人有限公司 一种基于3d结构光相机的车身间隙检测方法及系统
CN115164752A (zh) * 2022-09-07 2022-10-11 南京航空航天大学 一种大型部件对缝间隙与阶差的自适应测量装备与方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
THI-TRANG TRAN: ""Non-contact Gap and Flush Measurement Using Monocular Structured Multi-line Light Vision for Vehicle Assembly"", 《INTERNATIONAL JOURNAL OF CONTROL, AUTOMATION AND SYSTEMS》 *
李红卫: ""基于散乱点云的飞机蒙皮缝隙识别算法"", 《计算机工程与设计》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116228831A (zh) * 2023-05-10 2023-06-06 深圳市深视智能科技有限公司 耳机接缝处的段差测量方法及系统、校正方法、控制器
CN116228831B (zh) * 2023-05-10 2023-08-22 深圳市深视智能科技有限公司 耳机接缝处的段差测量方法及系统、校正方法、控制器
CN117213397A (zh) * 2023-11-09 2023-12-12 成都飞机工业（集团）有限责任公司 飞机表面关键形貌特征的三维测量方法、系统及使用方法
CN117213397B (zh) * 2023-11-09 2024-03-19 成都飞机工业（集团）有限责任公司 飞机表面关键形貌特征的三维测量方法、系统及使用方法

Also Published As

Publication number Publication date
CN115597512B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN115597512B (zh) 一种汽车间隙测量及误差矫正方法
CN110866924B (zh) 一种线结构光中心线提取方法及存储介质
CN110889243B (zh) 一种基于深度相机的飞机油箱三维重建方法与检测方法
Zheng et al. Single-image vignetting correction
US7526140B2 (en) Model-based localization and measurement of miniature surface mount components
CN108597009B (zh) 一种基于方向角信息进行三维目标检测的方法
CN107481284A (zh) 目标物跟踪轨迹精度测量的方法、装置、终端及系统
CN109961506A (zh) 一种融合改进Census图的局部场景三维重建方法
CN108225319B (zh) 基于目标特征的单目视觉快速相对位姿估计系统及方法
CN109472820B (zh) 单目rgb-d相机实时人脸重建方法及装置
CN107169972B (zh) 一种非合作目标快速轮廓跟踪方法
CN111523547B (zh) 一种3d语义分割的方法及终端
CN115372989A (zh) 基于激光雷达的越野自动小车长距离实时定位系统及方法
CN111415376B (zh) 汽车玻璃亚像素轮廓提取方法及汽车玻璃检测方法
CN112697388B (zh) 一种基于纹影图像的高超声速风洞模型姿态角测量方法
CN113313116A (zh) 一种基于视觉的水下人工目标准确检测与定位方法
CN116358449A (zh) 一种基于双目面结构光的飞机铆钉凹凸量测量方法
CN114549549B (zh) 一种动态环境下基于实例分割的动态目标建模跟踪方法
CN114612412A (zh) 三维点云数据的处理方法及其用途、电子设备、存储介质
CN113103226A (zh) 一种面向陶瓷素坯加工制造的视觉引导机器人系统
CN110211148B (zh) 一种基于目标状态预估的水下图像预分割方法
CN111524193A (zh) 一种物体二维尺寸的测量方法及测量装置
CN116883590A (zh) 一种三维人脸点云优化方法、介质及系统
CN116596987A (zh) 一种基于双目视觉的工件三维尺寸高精度测量方法
CN116402904A (zh) 一种基于激光雷达间和单目相机的联合标定方法

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
GR01 Patent grant
GR01 Patent grant