CN115870810A - 三维形状测量系统及机床系统 - Google Patents
三维形状测量系统及机床系统 Download PDFInfo
- Publication number
- CN115870810A CN115870810A CN202211177453.2A CN202211177453A CN115870810A CN 115870810 A CN115870810 A CN 115870810A CN 202211177453 A CN202211177453 A CN 202211177453A CN 115870810 A CN115870810 A CN 115870810A
- Authority
- CN
- China
- Prior art keywords
- measurement
- image pickup
- image
- measurement controller
- imaging
- 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
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 212
- 239000000463 material Substances 0.000 claims abstract description 123
- 238000003384 imaging method Methods 0.000 claims abstract description 50
- 238000003860 storage Methods 0.000 claims abstract description 17
- 238000003754 machining Methods 0.000 claims description 37
- 238000009826 distribution Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 13
- 102200082816 rs34868397 Human genes 0.000 description 11
- 238000005520 cutting process Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 230000003746 surface roughness Effects 0.000 description 5
- 239000000470 constituent Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000005555 metalworking Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种三维形状测量系统(12),包括图像拾取单元(50),存储设备(40)和测量控制器(30)。存储设备(40)对于对象(100)的材料和表面特性的多个组合中的每一者,将用于测量的成像中所需的图像拾取条件存储为条件信息(42)。测量控制器(30)控制对图像拾取单元(50)的驱动。测量控制器(30)识别对象(100)的材料和表面特性,基于条件信息(42)指定与识别的对象(100)的材料和的表面特性对应的图像拾取条件,使得图像拾取单元(50)在指定的图像拾取条件下执行用于测量的成像,并且基于获得的用于测量的图像(60)测量对象(100)的形状。
Description
相关申请的交叉引用
本申请要求于2021年9月27日提交的日本专利申请第2021-156958号和于2022年1月17日提交的日本专利申请第2022-005238号的优先权,所述日本专利申请的每一件通过引用以其整体(包括说明书、权利要求书、附图和摘要)并入本文。
技术领域
本说明书公开了基于通过拍摄对象图像获得的图像数据来测量对象的三维形状的三维形状测量系统,以及包括该三维形状测量系统的机床系统。
背景技术
最近,已经提出了基于通过对对象进行成像而获得的图像来测量对象的三维形状的技术。例如,专利文献1公开了一种加工设备,其包括:光照射单元,其被构造为用线光照射对象;以及图像拾取单元,其被构造为拍摄由对象反射的线光的图像。在专利文献1中公开的机床基于所捕获的线光的图像来测量对象表面的三维形状。
引用列表
专利文献
专利文献1:JP 2019-69486A
为了基于图像来测量对象的形状,需要适当地设置图像拾取条件,以便能够从图像中掌握对象的表面形状。例如,当光在对象上强反射时,在图像中出现由于光晕引起的过度高光(blown-out highlight)。在发生这种过度高光的位置,不能掌握对象的表面形状,因此不能测量对象的形状。此外,即使当用光照射对象时光量不足并且图像的亮度低时,也不能掌握对象的表面形状并且不能测量对象的形状。
因此,为了基于图像测量对象的形状,需要适当地设置图像拾取条件,例如相机的增益。适用于形状测量的图像拾取条件根据对象的材料和表面特性而变化。例如,与由树脂等制成的对象相比,由金属制成的对象容易反射光,因此容易发生过度高光。此外,与表面粗糙度高的对象相比,表面粗糙度低的对象容易反射光,即使它们的材料相同。因此,为了适当地执行形状测量,需要根据对象的材料和表面特性改变图像拾取条件。
传统上,由操作者设置这样的图像拾取条件是通常的实践。然而,每个操作者难以指定适当的图像拾取条件。因此,在传统的三维形状测量系统中,难以用简单的过程对各种类型的对象适当地执行形状测量。
因此,本说明书公开了这样的三维形状测量系统,该三维形状测量系统能够用更简化的过程对各种类型的对象适当地执行形状测量,并且公开了相关的机床系统。
发明内容
本说明书中所公开的三维形状测量系统包括:图像拾取单元,其被构造为具有对对象进行成像的至少一个相机;存储设备,其对于所述对象的材料和表面特性的多个组合中的每一者,将用于测量的成像中所需的图像拾取条件存储为条件信息,在所述用于测量的成像中,对所述对象进行成像以测量所述对象的形状;以及测量控制器,其控制所述图像拾取单元的驱动。测量控制器识别对象的材料和表面特性,基于条件信息指定与识别的对象的材料和表面特性对应的图像拾取条件,使图像拾取单元在指定的图像拾取条件下执行用于测量的成像,并且基于获得的用于测量的图像测量对象的形状。
在这种情况下,测量控制器可以使图像拾取单元在用于测量的成像之前对对象进行成像,并且基于由此获得的初级图像来识别对象的材料和表面特性中的至少一者。
此外,存储设备还可以存储学习模型,该学习模型接收作为输入的初级图像并输出对象的材料和表面特性中的至少一个,并且测量控制器可以基于学习模型识别对象的材料和表面特性中的至少一者。
此外,图像拾取单元可以设置在机床中,以将作为对象的、由机床对其施加机械加工的工件进行成像,并且测量控制器可以基于工件的加工程序和工件的加工图中的至少任一者来识别对象的材料和表面特性中的至少一者。
此外,测量控制器可以从机床的数控设备获取指示加工程序和加工图中的至少任一个的信息。
此外,对象的材料和表面特性中的至少一者可以由操作者指定。
此外,图像拾取单元可以具有一个或多个光源,每个光源用图像拾取光照射对象,测量控制器可以执行用于对对象进行成像以便获取单个用于测量的图像的基本成像一次或多次,并且图像拾取条件可以包括选自由以下项组成的组中的至少一项:为获取单个用于测量的图像而要执行的基本成像的次数、要执行一次或多次的每个基本成像中的相机的快门速度、要执行一次或多次的每个基本成像中的相机的增益、以及要执行一次或多次的每个基本成像中的图像拾取光的亮度分布。
此外,测量控制器可以基于用于测量的图像生成对象的点云数据,并且根据点云数据生成对象的三维数据。
此外,本说明书中公开的机床系统包括上述三维形状测量系统和对对象执行机械加工的机床。机床基于由测量控制器生成的三维数据执行选自由以下各项组成的组中的至少一项:检查刀具是否干扰对象、生成刀具的路径、确定加工精度、确定对象的形状是否与参考形状一致,以及确定对象是否处于预定位置。
根据本说明书中公开的技术,能够用更简单的过程适当地测量各种类型的对象的形状。
附图说明
将基于以下附图来描述本公开的实施例,其中:
图1是图示机床系统的示例性构造的示意图;
图2是图示形状测量系统的示例性构造的框图;
图3是图示对象的三维形状测量原理的示意图,其可以由形状测量系统执行;
图4是图示如何生成HDR图像的示意图;
图5是图示示例性条件信息的图;
图6是图示示例性加工图的图;
图7是图示示例性加工程序的图;
图8是图示公共变量值和材料/表面特性之间的示例性对应关系的图;
图9是图示序列名称和材料/表面特性之间的示例性对应关系的图;
图10是图示另一示例性加工程序的图;
图11是图示可以由形状测量系统执行的处理流程的流程图;以及
图12是图示可以由形状测量系统执行的处理流程的流程图。
具体实施方式
下文中,将参考附图来描述三维形状测量系统12(下文中简称为“形状测量系统12”)以及其中结合有形状测量系统12的机床系统10的示例性构造。图1是图示机床系统10的构造的示意图。
如图1所示,机床系统10包括机床14和形状测量系统12。机床14对工件执行预定的加工以制造经加工的产品。对机床14的类型没有特别的限制。例如,机床14可以是对金属工件执行金属加工(例如,切削、冲压加工等)的金属加工机。在图1中,机床14是具有主轴14a和刀架14b的车床。在下面的描述中,由机床14处理的工件被视为形状测量对象100。然而,待测量形状的对象100不限于工件,并且可以是其它构件,例如刀具或夹具。
这种机床14装备有数控设备20。数控设备20是分析加工程序66(可以称为“NC程序”),并且为了操作机床14而生成由数值和代码构成的数值信息,从而命令到工件的刀具路径、机械加工所需的加工过程等的设备。该数控设备20基于三维(3D)数据69(例如指示工件(即,对象100)的形状的CAD数据)执行处理,用于检查刀具是否干扰工件、生成刀具的路径、确定加工精度、确定对象100的形状是否与参考形状一致、确定对象100是否处于预定位置等。数控设备20在物理上是具有处理器和存储器的计算机。机床14还配备有操作面板22,该操作面板22将信息呈现给操作者并且还从操作者接收各种命令。
另外,数控设备20存储例如加工程序66、加工图64等的各种数据,这些数据是处理对象100所需的。根据需要,数控设备20可以通过有线或无线通信与测量控制器30通信,并将加工程序66等发送到测量控制器30。在本实施例中,数控设备20被构造成存储加工程序66等。然而,这些数据可以存储在可以与测量控制器30通信的任何其它外部存储设备中。例如,云数据服务器等可以存储加工程序66等,并将其发送到测量控制器30。
形状测量系统12被构造为测量对象100的形状,并且除了测量控制器30之外还具有图像拾取单元50。图像拾取单元50对对象100进行成像。由图像拾取单元50捕获的图像作为用于测量的图像60或初级图像62被发送到测量控制器30,这将在下面详细描述。
当对用于测量的图像60进行成像时,测量控制器30指定图像拾取条件56,并且指示图像拾取单元50在指定的图像拾取条件56下执行成像。在下面的描述中,省略了用于图像拾取条件的代码。此外,测量控制器30基于从图像拾取单元50发送的用于测量的图像60生成对象100的点云数据74,并且基于点云数据74生成表示对象100的三维形状的3D数据69。生成的3D数据69被发送到数控设备20。
接下来,将详细描述形状测量系统12的示例性构造。图2是图示形状测量系统12的构造的框图。如图2所示,如上所述,形状测量系统12具有测量控制器30和图像拾取单元50。
测量控制器30在物理上是具有处理器32、存储器34、通信I/F 36、UI设备38和存储设备40的计算机。这种“计算机”的示例是微控制器,其中计算机系统被结合在单个集成电路中。此外,在广义上,处理器32的示例包括通用处理器(例如中央处理单元(CPU))和专用处理器(例如图形处理单元(GPU),专用集成电路(ASIC),现场可编程门阵列(FPGA)或可编程逻辑设备)。此外,下面描述的测量控制器30的操作不仅可以由单个处理器执行,而且可以通过位于物理上分离的位置的两个或更多个处理器的协作来执行。类似地,存储器34在物理上不需要是单个元件,并且可以由位于物理上分离的位置处的两个或更多个存储器来构造。此外,存储器34可以包括例如半导体存储器(例如,RAM、ROM等)。
通信I/F 36通过有线或无线通信向外部电子设备发送数据和从外部电子设备接收数据。例如,数控设备20和图像拾取单元50是通信I/F 36的通信伙伴。UI设备38将各种信息呈现给操作者并从操作者接收命令。UI设备38具有例如是显示单元和扬声器的输出设备,并且还具有例如是键盘、鼠标、麦克风和触摸面板的输入设备。在本实施例中,UI设备38被描述为测量控制器30的组成部件。然而,UI设备38的整体或部分可以被构造为与测量控制器30完全不同的另一设备。例如,UI设备38的一些功能可以通过信息终端(例如,智能手机等)的用户界面来实现,该信息终端由每个操作者拥有并且可以与测量控制器30通信。
存储设备40被构造为存储形状测量所需的各种数据,并且例如由硬盘驱动器、固态驱动器或其组合物理地构造。在本实施例中,存储设备40被描述为测量控制器30的组成部件。然而,存储设备40的整体或部分可以被构造为与测量控制器30完全不同的另一设备。例如,存储设备40可以是设置在云服务器中可以与测量控制器30通信的存储设备。
存储设备40存储条件信息42、参考数据44和学习模型45。条件信息42是对于对象100的材料和表面特性的多个组合中的每一个分别记录用于测量的成像中所需的图像拾取条件的数据。下面将详细描述条件信息42的内容。参考数据44是要与初级图像62进行比较的多个图像数据,这将在下面进行描述,以便识别对象100的材料和表面特性。下面将详细描述参考数据44的内容。此外,学习模型45也将在下面描述。
图像拾取单元50被构造为对存在于机床14的加工室中的对象100进行成像。如图2所示,图像拾取单元50具有相机52和投影仪54。相机52可以对对象100进行成像并生成图像数据。由相机52获得的图像数据被发送到测量控制器30。测量控制器30指示用于对对象100进行成像的图像拾取条件,例如成像次数和快门速度。
投影仪54用作用图像拾取光照射对象100的光源53。当照射对象100时,本实施例的投影仪54(光源53)可以自由地改变图像拾取光的亮度分布。测量控制器30指示图像拾取光的亮度分布。
接下来,将参考图3描述可以由形状测量系统12执行的用于对象100的三维形状测量的原理。当测量对象100的三维形状时,测量控制器30驱动图像拾取单元50并获取用于测量的图像60。在这种情况下,测量控制器30在改变对象100相对于相机52的相对姿态的同时执行多次成像,从而可以获得对象100的所有表面的用于测量的图像60。为了改变对象100相对于相机52的相对姿态,对象100可以被移动或者相机52可以被移动。例如,可以驱动保持对象100的主轴14a以改变对象100相对于相机52的姿态。
测量控制器30基于所获得的用于测量的图像60生成对象100的点云数据74。点云数据74也被称为“点云”,并且是其中对象100的表面形状由多个点表示的数据,每个点具有X、Y和Z坐标值。点云数据74可以通过使用例如立体法、相移法、光平面交叉法等来生成。立体法是一种技术,包括通过移动相机52或使用两个相机52从不同的位置对对象100进行成像、从视差图像搜索对应点、以及通过三角测量测量高度。相移法是一种技术,包括使投影仪54在移动相位的同时将正弦波投影在对象100上,并且基于通过多次成像获得的图像的亮度变化来检测相位。光平面交叉法是一种技术,包括将线光投射到对象100上,使相机52对其进行成像,并基于所获得的图像测量对象100的形状。由于这些技术传统上是公知的,因此这里将省略对其的详细描述。当获得点云数据74时,测量控制器30基于点云数据74生成对象100的3D数据69。根据需要,所生成的3D数据69被发送到数控设备20或由操作者指定的计算机。
顺便提及,为了适当地生成点云数据74,所捕获的对象100必须适当地存在于用于测量的图像60中。然而,在用相机52简单地对对象100进行成像的情况下,可能发生遮挡阴影(blocked-up shadow)或过度高光。具体地,遮挡阴影是图像的暗部分变黑的现象,并且过度高光是图像的亮部分变白的现象。当发生遮挡阴影或过度高光时,测量控制器30不能适当地确定对象100的形状。因此,在本实施例中,为了获得一个用于测量的图像60,测量控制器30被构造为在预定的图像拾取条件下对对象100进行成像一次或多次。在下面的描述中,将为了获得单个用于测量的图像60而要执行的成像称为“基本成像”,并且将通过基本成像获得的图像称为“基本图像70”。当仅执行一次基本成像以获得单个用于测量的图像60时,测量控制器30将所获得的单个基本图像70视为用于测量的图像60。当基本成像已经被执行两次或更多次时,测量控制器30从两个或更多个基本图像70产生高动态范围图像72(以下称为“HDR图像72”),并将HDR图像72视为用于测量的图像60。
HDR图像72是两个或更多个基本图像70的合成图像,其可以通过在改变图像拾取条件以具有高动态范围的同时对对象100进行成像两次或更多次来获得。图4是图示如何生成HDR图像72的图。根据图4所示的示例,对象100由位于背面的照明(未示出)照明,并且在正面表面具有突起102。此外,在图4中,第一基本图像70f是通过调整到突起102的曝光而捕获的图像,而第二基本图像70s是通过调整到背面上的边缘104的曝光而捕获的图像。在这种情况下,第一基本图像70f使得观察者能够掌握每个突起102的形状,因为整个图像是明亮的,但是由于过度高光而不能掌握背面上的边缘104的形状。另一方面,第二基本图像70s使得观察者能够掌握背面上的边缘104的形状,因为整个图像是暗的,但是由于遮挡阴影而不能掌握每个突起102的形状。
通过组合多个基本图像70以具有高动态范围来获得HDR图像72。根据图4所示的示例,第一基本图像70f的突起102周围的数据和第二基本图像70s的背面上的边缘104周围的数据被组合以生成单个HDR图像72。所生成的HDR图像72可以用作适当地掌握对象100的形状的元素。
顺便提及,用于获得适当的用于测量的图像60的图像拾取条件(例如,基本成像的次数,相机52的快门速度,图像拾取光的亮度分布等)根据对象100的材料和表面特性而变化。例如,通常,与诸如S45C的钢材料相比,铝具有呈白色的银色,从而容易发生光反射并可能发生过度高光。此外,与具有低表面粗糙度的对象100相比,即使在它们的材料相同时,具有高表面粗糙度的对象100也不太可能反射光并且不太可能导致过度高光。因此,为了获得适当的HDR图像72,需要根据对象100的材料和表面特性来改变图像拾取条件。
因此,本实施例的测量控制器30预先存储用于对象100的材料和表面特性的多个组合中的每一个的适当的图像拾取条件作为条件信息42。此外,当测量对象100的形状时,测量控制器30识别对象100的材料和表面特性,指定与所识别的材料和表面特性对应的图像拾取条件,并且在指定的图像拾取条件下对对象100进行成像。在下文中,将描述指定图像拾取条件。
图5是图示存储在存储设备40中的条件信息42的示例的图。如图5所示,条件信息42是对于对象100的材料和表面特性的多个组合中的每一个分别管理的图像拾取条件的集合。在本实施例中,表面特性被表示为施加到对象100的加工阶段;即,“未加工”、“粗加工”、“半精加工”、“精加工”、“镜面精加工”等。然而,在本实施例中提及的表面特性的表达式仅仅是示例。表面特性可以由任何其它形式来表示。例如,对象100的表面特性可以由表面粗糙度、漫反射、表面处理等来表示。
此外,根据图5所示的示例,图像拾取条件包括为获取单个用于测量的图像60而要执行的基本成像的次数、每个基本成像中的快门速度、相机增益以及图像拾取光的亮度分布。然而,这里列出的参数仅仅是示例,并且可以适当地改变。例如,图像拾取条件可以被限制为基本成像的次数和相机增益,并且不包括快门速度和图像拾取光的亮度分布。通过实验和模拟预先获得要记录为条件信息42的数值。此外,如果需要,操作者可以增加用于新材料和表面特性的图像拾取条件,或者可以修改记录的图像拾取条件。
测量控制器30识别对象100的材料和表面特性,将其与条件信息42核对,并指定与对象100的材料和表面特性对应的图像拾取条件。例如,当对象100的材料是“SS400”并且对象100的表面特性是“未加工的”时,测量控制器30对对象100执行一次基本成像,以便测量对象100的形状。在这种情况下,相机52的快门速度是“20”,相机增益是“2”,并且图像拾取光的亮度分布是“R、G、B=164、128、128”。此外,当对象100的材料是“SS400”并且对象100的表面特性是“精加工”时,测量控制器30对对象100执行两次基本成像,以便测量对象100的形状。相机52在第一基本成像中的快门速度是“10”,相机增益是“1”,并且图像拾取光的亮度分布是“R、G、B=64、64、96”。此外,相机52在第二基本成像中的快门速度是“12”,相机增益是“1”,并且图像拾取光的亮度分布是“R、G、B=128、128、128”。
接下来,将描述对象100的材料和表面特性的识别。在本实施例中,测量控制器30基于其中记录了对象100的加工内容的加工图64和加工程序66中的至少任一个来识别对象100的材料和表面特性中的至少一个。此外,当基于加工图64和加工程序66的材料和表面特性的识别失败时,测量控制器30在标准条件下对对象100进行成像以获取初级图像62,分析初级图像62,并识别对象100的材料和表面特性中的至少一个。此外,当基于初级图像62的材料和表面特性的识别失败时,测量控制器30请求操作者输入对象100的材料和表面特性。在下文中,将依次描述这一点。
首先,将描述用于基于加工图64和加工程序66中的至少一个来识别材料和表面特性中的至少任一个的技术。当识别材料和表面特性时,测量控制器30获取对象100的加工图64和加工程序66。图6是图示加工图64的示例的图。如图6所示,通常,加工图64不仅包括示出被加工对象100的形状的图示,还包括关于对象100的产品名称及其材料等的描述。测量控制器30对加工图64施加图像分析(例如,OCR)处理,并提取在加工图64中描述的文本。然后,测量控制器30基于所提取的文本识别对象100的材料和表面特性中的至少一个。例如,当所提取的文本包括指示特定材料的表达式时,测量控制器30确定对象100包含该特定材料。类似地,当所提取的文本包括指示特定表面特性的表达式时,测量控制器30确定对象100具有该特定表面特性。因此,例如,当所提取的文本包含特定代码“S45C”和术语“粗加工”时,测量控制器30确定对象100的材料是“S45C”,并且对象100的表面特性是“粗加工”。
此外,作为另一个实施例,测量控制器30可以基于加工程序66识别对象100的材料和表面特性中的至少一个。加工程序66包括关于用于使机床14执行预期加工的命令的描述,并且也被称为“NC程序”。当基于加工程序66识别材料等时,操作者根据预先确定的规则将指示材料等的信息嵌入到加工程序66中。
例如,在加工程序66中,括在括号中的每个部分通常表示注释,并且该注释不用于机床14的控制。因此,当指示材料和表面特性中的至少一个的表达式在加工程序66中被描述为注释时,它可以用于识别对象100的材料和表面特性中的至少一个。例如,在图7所示的加工程序66中,“S45C,ROUGH”被描述为第三行上的注释。其中,“S45C”指示一种材料,而“ROUGH”指示“粗加工”,其是一种表面特性。因此,在这种情况下,测量控制器30将对象100的材料识别为“S45C”,并将对象100的表面特性识别为“粗加工”。
此外,作为另一个实施例,在加工程序66中使用的变量或命令值可以表示材料和表面特性中的至少一个。在这种情况下,测量控制器30被构造为预先存储变量或命令值与材料/表面特性之间的对应关系。图8图示指示对应关系的示例性数据。在图8中,左侧的表是其中记录了公共变量“VC101”的值与材料之间的对应关系的材料对应表80a,而右侧的表是其中记录了公共变量“VC102”的值与表面特性之间的对应关系的表面特性对应表80b。测量控制器30将这些对应表80a和80b预先存储在存储设备40中。根据图8所示的示例,当公共变量“VC101”的值是“10”时,它表示材料“S45C”,而当公共变量“VC102”的值是“20”时,它表示表面特性“粗加工”。因此,当在加工程序66中存在表达式“VC101=10;”和“VC102=20;”时,测量控制器30将对象100的材料识别为“S45C”,并将表面特性识别为“粗加工”。
此外,变量可以由专用命令代码代替,该专用命令代码被创建来将材料和表面特性分配给命令代码值。例如,可以将“MP”创建为材料命令代码,使得当MP值为“1”时可以设置“S45C”,而当MP值为“2”时可以设置“SS400”。类似地,“MQ”可以被创建为表面特性命令代码,使得当MQ值为“0”时可以设置“未加工”,并且当MQ值为“1”时可以设置“粗加工”。在这种情况下,如果加工程序66包括表达式“MP2;MQ0;”,测量控制器30确定材料是“SS400”并且表面性质是“未加工”。
此外,作为另一个实施例,在加工程序66中描述的序列名称(也称为“序列号”)可用于表示材料和表面特性中的至少一个。序列名称表示加工程序66中的各块(行)的相对位置,在任意行的开头进行描述。通常,序列名称以N+“字母数字字符”的形式来描述。例如,当加工程序66包括名为“N100;”的行时,该行表示序列名称“N100”。
在序列名称表示材料和表面特性中的至少一个的情况下,测量控制器30被构造为预先存储序列名称与材料和表面特性中的至少一个之间的对应关系。图9是图示对应关系的示例的图,其中序列名称的第二字符表示形状测量命令,第三字符表示材料,而第四字符表示表面特性。在这种情况下,当序列名称的第二字符是“Z”时,测量控制器30确定序列名称的第三字符表示材料,而第四字符表示表面特性。此外,根据图9所示的示例,第三字符的“S”表示材料“S45C”,而第四字符的“A”表示表面特性“粗加工”。因此,在这种情况下,如果加工程序66包括表达式“NZSA;”。测量控制器30将对象100的材料识别为“S45C”,并且将表面特性识别为“粗加工”。
此外,作为另一个实施例,可以基于在加工程序66中指定的刀具来识别表面特性。在这种情况下,测量控制器30被构造为预先存储刀具编号和表面特性之间的对应关系。例如,测量控制器30以这样的方式预先存储与每个刀具编号对应的加工内容(以及由此的表面特性),即刀具编号“01”表示专用于粗加工的立铣刀,而刀具编号“02”表示专用于半精加工的立铣刀。在这种情况下,如果加工程序66包括表达式“T01;M06;”,测量控制器30将对象100的表面特性识别为“粗加工”。
此外,作为另一个实施例,可以基于在加工程序66中指定的加工参数来识别表面特性。在这种情况下,测量控制器30被构造为预先存储各个加工参数的数值范围与表面特性之间的对应关系。例如,加工参数包括主轴速度,切削进给速度,切削深度等。对于每种类型的表面特性,测量控制器30存储主轴速度的数值范围、切削进给速度的数值范围和切削深度的数值范围。此外,测量控制器30可以参考在加工程序66中描述的这些加工参数的命令值来识别表面特性。例如,图10图示加工程序66的示例。在该加工程序66中,S是表示主轴速度的变量,F是表示切削进给速度的变量,PQ是表示由操作者限定的切削深度的变量。此外,M3是主轴向前旋转命令,而G01是切削进给命令。因此,图10的加工程序66表示通过以4000rpm的主轴速度和100mm/min的切削进给速度沿Z方向从100mm的位置切削2mm来执行加工的情况。测量控制器30通过将这些数值与预先存储的各个参数的数值范围进行对照来识别表面特性。
此外,作为另一个实施例,可以创建描述材料和表面特性的文件,并且可以在加工程序66中描述对该文件的访问命令。例如,“MR”可以被设置为指示访问具有预定文件路径的文件的命令代码,并且关于材料和表面特性的描述可以以文本或二进制格式被包括在该文件中。然后,如果加工程序66包括表达式“MR;”,测量控制器30访问预定文件路径的文件,并识别材料和表面特性。
此外,当不能从加工图64和加工程序66中识别出材料和表面特性时,可以基于对象100的所捕获的图像来识别对象100的材料和表面特性。也就是说,在这种情况下,测量控制器30被构造为预先存储具有各种材料和表面特性的物品的捕获图像的图像组作为参考数据44。此外,当希望识别对象100的材料和表面特性时,测量控制器30驱动图像拾取单元50,对对象100进行成像,并获取初级图像62。初级图像62的图像拾取条件是标准条件。换句话说,用于初级图像62的图像拾取条件是固定的,而与对象100的材料和表面特性无关。
测量控制器30将初级图像62与参考数据44的图像组进行比较,并识别与初级图像62类似的图像。然后,测量控制器30可以基于所识别的图像中的物品的材料和表面特性来识别对象100的材料和表面特性。在初级图像62和图像组之间的比较中,例如可以使用诸如模式匹配的技术。此外,当从加工图64、加工程序66和初级图像62中的任何一个不能识别出材料和表面特性时,测量控制器30可以请求操作者输入材料和表面特性。
此外,作为另一个实施例,测量控制器30可以使用学习模型45来识别对象100的材料和表面特性。在这种情况下,测量控制器30被构造为在存储设备40中保持通过机器学习预先生成的学习模型45(参考图2)。学习模型45可以通过监督学习来生成,该监督学习包括将关于材料和表面特性已知的物品的图像(例如,用材料和表面特性的信息标记的参考数据44的图像组)作为教导数据输入到学习设备中,并且学习图像和材料/表面特性之间的相关性。用于通过监督学习生成学习模型45的技术是传统已知的,因此这里省略其详细描述。当将初级图像62输入到学习模型45中时,测量控制器30可以获得相应的材料和表面特性作为输出。因此已经输出的材料和表面特性可以响应于操作者的输入而被修改。此外,作为另一个实施例,学习模型45可以输出用于单个初级图像62的材料和表面特性的多个组合。在这种情况下,测量控制器30以似然性高的顺序向操作者呈现所获得的多个组合。然后,根据操作者的输入选择和确定的组合可以被识别为对象100的材料和表面特性。此外,在这种情况下,学习模型45可以通过使学习设备利用作为输入数据的初级图像62执行重新学习来更新,其中创建由操作者修改或选择的、用材料和表面特性的组合标记的教学数据。这种构造可以提高材料和表面特性的估计的准确性。在上面的描述中,材料和表面特性都是要被识别的对象,但是它可以被构造为识别材料或表面特性。
如上所述,当对象100的材料和表面特性的识别成功时,测量控制器30将所识别的材料和表面特性与条件信息42进行核对,并指定在对用于测量的图像60进行成像时所需的图像拾取条件。然后,当用于对象100的形状测量的触发器被转为ON时,形状测量系统12执行用于测量的成像,其中在指定的图像拾取条件下对对象100进行成像。这里,用于形状测量的触发器可以是来自操作者的操作指令。例如,当操作者通过操作数控设备20的操作面板22或测量控制器30的UI设备38来指示“形状测量开始”时,可以执行对象100的用于测量的成像。
此外,作为另一个实施例,加工程序66可以包括用作触发器的代码。例如,可以在加工程序66中描述专用于指示实现三维形状测量的M代码或G代码。形状测量系统12可以在机床14执行专用M代码或G代码时执行用于测量的成像。
接下来,将参照图11和图12描述可以由上述形状测量系统12执行的处理流程。在启动时,形状测量系统12首先初始化整个系统(步骤S10)。具体地,测量控制器30初始化相机52和投影仪54的参数设置。
当初始化完成时,测量控制器30识别对象100的材料和表面特性(步骤S12至S24)。具体地,测量控制器30首先与数控设备20通信,并尝试获取加工图64和加工程序66(步骤S12)。当已经获取加工图64和加工程序66时(步骤S12为“是”),测量控制器30分析加工图64和加工程序66,并识别对象100的材料和表面特性(步骤S16)。
另一方面,当还没有获取加工图64和加工程序66时(步骤S12为“否”),测量控制器30使图像拾取单元50对对象100进行成像,以获取初级图像62(步骤S20)。随后,测量控制器30将所获得的初级图像62与参考数据44进行比较,或将其输入到学习模型45中,并识别对象100的材料和表面特性(步骤S22)。
如果基于加工图64等或基于初级图像62成功地完成材料和表面特性的获取(步骤S18为“是”),则处理进行到步骤S26。另一方面,如果材料和表面特性中的至少一个的获取失败(步骤S18为“否”),则测量控制器30请求操作者相应地输入材料和表面特性中的至少一个,并基于此识别材料和表面特性(步骤S24)。
当材料和表面特性的识别成功时,测量控制器30将所识别的材料和表面特性与条件信息42进行核对。当条件信息42包括关于与所识别的材料等对应的条件的任何记录时(步骤S26为“是”),测量控制器30将对应的条件设置为图像拾取条件(步骤S28)。另一方面,如果与所识别的材料等对应的条件未被记录在条件信息42中(步骤S26为“否”),则测量控制器30请求操作者对与所识别的材料等对应的图像拾取条件执行初始注册。如果操作者响应于该请求执行图像拾取条件的初始注册(步骤S30为“是”),则测量控制器30接受该初始注册(步骤S32),然后处理返回到步骤S26。另一方面,当操作者不执行初始注册时(步骤S30为“否”),测量控制器30请求操作者输入图像拾取条件。然后,操作者响应于该请求输入的条件被设置为图像拾取条件(步骤S34)。
当成功地完成图像拾取条件的设置时,测量控制器30监视用于对象100的形状测量的触发器是否为ON(步骤S36)。如上所述,形状测量的触发是来自操作者的指令或加工程序66中的特定代码。因此,例如,测量控制器30可以监视来自操作者的测量指令的存在。此外,测量控制器30可以周期性地从数控设备20获取加工程序66的当前执行的行的数量作为加工的进度,并且可以基于执行的行的数量来监视指示测量的代码是否已经被执行。
如果形状测量的触发器被转为ON(步骤S36为“是”),则测量控制器30驱动图像拾取单元50以在已经设置了图像拾取条件的情况下对对象100进行成像,并获取用于测量的图像60。另外,测量控制器30基于所获得的用于测量的图像60生成对象100的点云数据74(步骤S38)。
另一方面,当形状测量的触发器还没有被转为ON时(步骤S36为“否”),并且进一步当形状测量系统12没有处于OFF状态时(步骤S40为“否”),测量控制器30还确定改变图像拾取条件的必要性(步骤S42)。也就是说,即使在图像拾取条件的设置完成之后,如果对象100本身被改变或者另一种类型的切割加工被施加到对象100,则在对象100的材料和表面特性中发生任何改变的可能性将更高。因此,当作为在加工程序66中描述的代码的一部分的刀具交换命令代码或工件交换命令代码已经在数控设备20中执行时,或者当要执行的加工程序66已经在数控设备20中改变时,测量控制器30确定为需要改变图像拾取条件。如果测量控制器30确定改变图像拾取条件的必要性(步骤S42为“是”),则处理返回到步骤S12。另一方面,如果测量控制器30确定不需要改变图像拾取条件(步骤S42为“否”),则处理返回到步骤S36。
从以上描述中可以明显看出,在本实施例中,用于对象100的材料和表面特性的多个组合中的每一个的图像拾取条件被存储为条件信息42。此外,测量控制器30识别对象100的材料和表面特性,基于条件信息42指定对应于所识别的对象100的材料和表面特性的图像拾取条件,并且在指定的图像拾取条件下执行对象100的成像。这种构造使得即使当对象100的材料和表面特性已经改变时,也可以在适当的条件下对对象100进行成像。因此,由于可以适当地掌握对象100的形状,所以可以用简单的过程来适当地测量对象100的形状。
形状测量系统12的其它构造可以适当地改变,只要对于对象100的材料和表面特性的多个组合中的每一个预先存储图像拾取条件作为条件信息42,并且只要可以基于该该条件信息42指定对象100的图像拾取条件。例如,在上面的描述中,为了识别对象100的材料和表面特性,优先使用加工图64和加工程序66,随后使用初级图像62,最后请求操作者输入信息。然而,可以适当地改变用于识别材料和表面特性的过程。因此,例如,操作者的输入信息可以被不断地请求。此外,作为另一个实施例,代替使用加工图64和加工程序66,可以不断地使用初级图像62来识别材料和表面特性。
此外,在以上描述中,根据对象100的材料和表面特性生成HDR图像72,并且将所生成的HDR图像72作为用于测量的图像60。然而,只要能够掌握对象100的形状,就不需要生成HDR图像72。此外,在上面的描述中,测量控制器30和数控设备20是独立的计算机。然而,测量控制器30可以结合在数控设备20中。换句话说,数控设备20可以用作测量控制器30。此外,每个组成部件的数量可以适当地改变。例如,形状测量系统12可以具有多个测量控制器30和多个图像拾取单元50。此外,单个机床系统10可以具有多个形状测量系统12。此外,在上面的描述中,投影仪54用作光源53。然而,投影仪54可以由任何其它能够用适于成像的光(也就是说,图像拾取光)照射对象100的设备代替。例如,源53可以是发射诸如线光或点云光的图案化光作为图像拾取光的激光束源。此外,在上面的描述中,形状测量系统12结合在具有机床14的机床系统10中。然而,形状测量系统12可以结合在与机床14无关的系统中,或者可以独立地提供而不结合在另一系统中。
Claims (9)
1.一种三维形状测量系统,包括:
图像拾取单元,其被构造为具有对对象进行成像的至少一个相机;
存储设备,其对于所述对象的材料和表面特性的多个组合中的每一者,将用于测量的成像中所需的图像拾取条件存储为条件信息,其中在所述用于测量的成像中,对所述对象进行成像以测量所述对象的形状;和
测量控制器,其控制对所述图像拾取单元的驱动,
其中,所述测量控制器识别所述对象的材料和表面特性,基于所述条件信息指定与识别的所述对象的材料和表面特性对应的图像拾取条件,使所述图像拾取单元在指定的所述图像拾取条件下执行所述用于测量的成像,并且基于获得的所述用于测量的图像来测量所述对象的形状。
2.根据权利要求1所述的三维形状测量系统,其特征在于,所述测量控制器使所述图像拾取单元在所述用于测量的成像之前对所述对象进行成像,并且基于由此获得的初级图像来识别所述对象的材料和表面特性中的至少一者。
3.根据权利要求2所述的三维形状测量系统,其特征在于,
所述存储设备还存储学习模型,所述学习模型接收作为输入的初级图像并输出所述对象的材料和表面特性中的至少一者,并且
所述测量控制器基于所述学习模型来识别所述对象的所述材料和所述表面特性中的至少一者。
4.根据权利要求1至3中任一项所述的三维形状测量系统,其特征在于,
所述图像拾取单元设置在机床中,以将作为所述对象的、由所述机床对其施加机械加工的工件进行成像,并且
所述测量控制器基于所述工件的加工程序和所述工件的加工图中的至少任一者来识别所述对象的材料和表面特性中的至少一者。
5.根据权利要求4所述的三维形状测量系统,其特征在于,所述测量控制器从所述机床的数控设备获取指示所述加工程序和所述加工图中的至少任一者的信息。
6.根据权利要求1至5中任一项所述的三维形状测量系统,其特征在于,所述对象的材料和表面特性中的至少一者由操作者指定。
7.根据权利要求1至6中任一项所述的三维形状测量系统,其特征在于,所述图像拾取单元还包括一个或多个光源,每个所述光源用图像拾取光照射所述对象,
所述测量控制器执行用于对所述对象进行成像以便获取单个用于测量的图像的基本成像一次或多次,并且
所述图像拾取条件包括选自由以下项组成的组中的至少一项:为获取所述单个用于测量的图像而要执行的所述基本成像的次数、要执行一次或多次的每个基本成像中的所述相机的快门速度、要执行一次或多次的每个基本成像中的所述相机的增益、以及要执行一次或多次的每个基本成像中的所述图像拾取光的亮度分布。
8.根据权利要求1至7中任一项所述的三维形状测量系统,其特征在于,所述测量控制器基于所述用于测量的图像来生成所述对象的点云数据,并且根据所述点云数据来生成所述对象的三维数据。
9.一种机床系统,包括:
根据权利要求8所述的三维形状测量系统;和
对对象执行机械加工的机床,
其中,
所述机床基于由所述测量控制器生成的所述三维数据来执行选自由以下各项组成的组中的至少一项:检查刀具是否干扰所述对象、生成所述刀具的路径、确定加工精度、确定所述对象的形状是否与参考形状一致,以及确定所述对象是否处于预定位置。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021156958 | 2021-09-27 | ||
JP2021-156958 | 2021-09-27 | ||
JP2022-005238 | 2022-01-17 | ||
JP2022005238A JP2023048066A (ja) | 2021-09-27 | 2022-01-17 | 三次元形状計測システムおよび工作機械システム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115870810A true CN115870810A (zh) | 2023-03-31 |
Family
ID=85476857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211177453.2A Pending CN115870810A (zh) | 2021-09-27 | 2022-09-26 | 三维形状测量系统及机床系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230101718A1 (zh) |
CN (1) | CN115870810A (zh) |
DE (1) | DE102022124523A1 (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6882134B2 (ja) | 2017-10-06 | 2021-06-02 | ヘキサゴン・メトロジー株式会社 | 加工装置 |
-
2022
- 2022-09-23 DE DE102022124523.3A patent/DE102022124523A1/de active Pending
- 2022-09-26 US US17/952,939 patent/US20230101718A1/en active Pending
- 2022-09-26 CN CN202211177453.2A patent/CN115870810A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230101718A1 (en) | 2023-03-30 |
DE102022124523A1 (de) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10478935B2 (en) | Deburring apparatus | |
US7218995B2 (en) | Device and method for workpiece calibration | |
KR102468234B1 (ko) | 심층 합성곱 신경망을 이용한 레이저 가공 시스템의 가공오류 검출 시스템 및 방법 | |
US11662706B2 (en) | Life expectancy prediction system for a tool | |
US9223306B2 (en) | System and method utilizing an editing initialization block in a part program editing environment in a machine vision system | |
JP2020135623A (ja) | 物体検出装置、制御装置及び物体検出用コンピュータプログラム | |
JP2018004390A (ja) | 検査システム | |
US11209792B2 (en) | Link information generation device, link information generation method, and non-transitory computer-readable medium storing link information generation program | |
US20180307202A1 (en) | Control system of machine tool | |
US20180130234A1 (en) | System and method for automatic selection of 3d alignment algorithms in a vision system | |
US20210173373A1 (en) | Method and Apparatus for Automated Generation of a Test Plan to Measure a Measurement Object | |
JP2019152936A (ja) | 工作機械の加工シミュレーション装置 | |
CN113305424A (zh) | 激光三维振镜的调焦控制方法、装置、设备及存储介质 | |
US20230101718A1 (en) | Three-dimensional shape measurement system and machine tool system | |
US11300943B2 (en) | Simulation device, numerical control device, and simulation method | |
CN101356417A (zh) | 用于检测工件几何形状的系统和方法 | |
JP2023048066A (ja) | 三次元形状計測システムおよび工作機械システム | |
JP2008071015A (ja) | 数値制御装置 | |
EP3832415A1 (en) | Automation system, tracking device of said automation system, and method for controlling the same | |
US20240127467A1 (en) | Three-dimensional shape measuring system | |
KR101803473B1 (ko) | 라인 스캐닝을 이용한 부품 검사 방법 및 장치 | |
WO2019159479A1 (ja) | 3次元空間の位置の特定方法 | |
WO2022176241A1 (ja) | 工作機械、工作機械の制御方法、および工作機械の制御プログラム | |
Piperi et al. | Motorized low-cost 3D structured light scanning system for reverse engineering | |
Brecher et al. | Numerical Controllers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |