CN115930828A - 一种平面板件表面涂层轮廓尺寸检测方法及装置 - Google Patents
一种平面板件表面涂层轮廓尺寸检测方法及装置 Download PDFInfo
- Publication number
- CN115930828A CN115930828A CN202211678485.0A CN202211678485A CN115930828A CN 115930828 A CN115930828 A CN 115930828A CN 202211678485 A CN202211678485 A CN 202211678485A CN 115930828 A CN115930828 A CN 115930828A
- Authority
- CN
- China
- Prior art keywords
- coating
- outline
- contour
- detected
- point cloud
- 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
Images
Abstract
本发明提供了一种平面板件表面涂层轮廓尺寸检测方法,包括以下步骤:在待测平面板件的无涂层区域布置定位靶标并采集待测平面板件图像,从图像中提取板件外轮廓与涂层轮廓;对定位靶标进行高精度三维重构得到三维点云数据,并拟合获取平面板件的空间平面表达式;对涂层轮廓和板件外轮廓向平面板件表面进行逆投影计算,得到涂层轮廓与板件外轮廓的三维点云数据,对三维点云数据进行降维获取二维点云数据;读取平面板件设计轮廓,以外轮廓为配准对象计算坐标转换关系;通过该坐标转换关系将涂层轮廓二维点云数据与设计轮廓配准,获取涂层轮廓尺寸误差的检测值。本发明能够适用于具有不同尺寸、大小及涂层形状的平面板件的表面涂层尺寸检测。
Description
技术领域
本发明属于工业视觉检测领域技术领域,特别涉及一种平面板件表面涂层轮廓尺寸检测方法及装置。
背景技术
视觉检测技术是一种非接触式光学测量手段,利用相机从不同角度采集被测件图像数据,再通过分析图像信息,能够提取出被测件表面特定点或是全场的三维坐标信息,具有精度高、速度快的优点,被广泛应用于航空、航天、汽车等领域的几何量检测。
航天器上应用的蜂窝夹层结构板多选用铝合金板材作为面板,因铝合金面板自身发射率低,为了加强表面辐射换热,需要在面板表面涂覆具有高发射率热控特性的热控涂层。为确保涂装生产过程中预留的设备安装及装配部位的准确性,避免后续总装出现干涉问题导致延期,需对结构板表面热控涂层外形尺寸与设计图纸标注的尺寸的一致性进行检验。
现有视觉检测检测技术在图案检测方面可以实现轮廓的测量,但对于缺乏固定特征的具有“多种类、小批量”特征的平面板件,难以将测量结果与设计图纸精准对齐、实现尺寸检验。因此,需要一种能够稳定实现轮廓提取、重建及模型配准的检测方案。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供了一种平面板件表面涂层轮廓尺寸检测方法及装置,实现平面板件表面涂层轮廓尺寸的高精度检测。
本发明的技术解决方案是:
一种平面板件表面涂层轮廓尺寸检测方法,所述平面板件表面的部分区域内涂覆有涂层,包括以下步骤:
S1将带有随机纹理的定位靶标置于待测平面板件表面无涂层的区域内,使用双目相机对待测平面板件进行图像采集;
S2从采集图像中提取出涂层轮廓以及待测平面板件外轮廓;
S3基于采集图像对靶标区域进行三维重构,获取靶标表面的三维点云数据,对三维点云数据进行三维平面拟合,得到待测平面板件表面的拟合空间平面;
S4将拟合空间平面作为投影面,对提取的涂层轮廓以及待测平面板件外轮廓进行逆投影计算,得到涂层轮廓和待测平面板件外轮廓的三维点云数据;
S5对涂层轮廓和待测平面板件外轮廓的三维点云数据进行降维处理,得到涂层轮廓和待测平面板件外轮廓的二维点云数据;
S6从设计图纸中读取待测平面板件外轮廓的设计数据,将待测平面板件外轮廓的二维点云数据与待测平面板件外轮廓的设计数据进行配准,得到使配准误差最小的坐标转换关系;
S7利用步骤S6中得到的坐标转换关系对涂层轮廓的二维点云数据进行转换,得到涂层轮廓的实测数据,从设计图纸中读取涂层轮廓的设计数据,根据涂层轮廓的实测数据和设计数据得到涂层轮廓的尺寸误差。
优选的,所述步骤S2中,从采集图像中提取出涂层轮廓以及待测平面板件外轮廓,具体包括:
S21将采集图像中的待测平面板件与背景分割开,提取出整像素精度的待测平面板件外轮廓;
S22采用Canny算法提取整像素精度的涂层轮廓;
S23利用Hessian算子计算整像素精度的轮廓点的灰度梯度方向,并近似为45°的整数倍方向,在近似后的灰度梯度方向上提取出整像素精度的轮廓点的两个邻域点,通过一维三次插值获取亚像素精度的轮廓点,采用以上方法分别对整像素精度的涂层轮廓及待测平面板件外轮廓进行处理,得到亚像素精度的涂层轮廓以及待测平面板件外轮廓。
优选的,所述步骤S21中,将采集图像中的待测平面板件与背景分隔开,提取出整像素精度的待测平面板件外轮廓,具体为:采用Otsu算法对采集图像进行二值化处理,得到灰度仅为0和255的二值图像,以二值图像的四个顶点作为种子点,将种子点的灰度置1,向四个邻域灰度为0的像素点扩散,直至无法继续扩散时,将剩余像素点的灰度置255,从而得到背景分割图,提取背景分割图的边界得到整像素精度的待测平面板件外轮廓。
优选的,所述步骤S3中,基于采集图像对靶标区域进行三维重构,获取靶标表面的三维点云数据,具体包括:
S31对双目相机同时采集的两幅图像的其中一幅的靶标区域进行网格划分,选取网格点作为待匹配点;
S32以ZNSSD相关系数作为匹配准则,采用极线约束计算出另一副图像中的匹配点,得到整像素精度的匹配点对;
S33以整像素精度的匹配点对作为初值,采用数字图像相关算法优化计算出亚像素精度的匹配点对;
S34对亚像素精度的匹配点对采用三角法计算得到靶标表面的三维点云数据。
优选的,所述步骤S5中,对涂层轮廓和待测平面板件外轮廓的三维点云数据进行降维处理,具体为:构建降维转换坐标系,所述降维转换坐标系以三维点云中对应待测平面板件外轮廓的左上角的点作为原点,以拟合空间平面的法向作为z轴方向,以三维点云中对应待测平面板件外轮廓的右上角的点作为x轴上的点确定x轴方向,y轴与x轴和z轴构成右手系;将涂层轮廓和待测平面板件外轮廓的三维点云数据从原坐标系转换至降维转换坐标系下,舍弃z轴坐标值,得到涂层轮廓和待测平面板件外轮廓的二维点云数据。
优选的,所述步骤S6中,将待测平面板件外轮廓的二维点云数据与待测平面板件外轮廓的设计数据进行配准,得到使配准误差最小的坐标转换关系,具体包括:
S61定义坐标转换变量p=[α,u,v]',其中u为沿x轴的平移量,v为沿y轴的平移量,α为以原点为中心逆时针旋转的角度;
S62基于坐标转换变量构建坐标转换关系:
其中,(x,y)为转换前的二维坐标,(x',y')为转换后的二维坐标;
S63采用步骤S62中构建的坐标转换关系对待测平面板件外轮廓的二维点云数据进行转换,计算待测平面板件外轮廓的二维点云中各轮廓点经坐标转换后到待测平面板件外轮廓设计数据的最短距离;
S64构建配准误差函数:
其中,dist(pi)为待测平面板件外轮廓二维点云数据中第i个轮廓点经坐标转换后到待测平面板件外轮廓设计数据的最短距离,i=1,2...N,N为待测平面板件外轮廓二维点云数据中轮廓点的数量,
S65以配准误差函数值最小作为优化目标进行优化求解,得到使配准误差函数值最小的坐标转换变量,从而求得使配准误差最小的坐标转换关系。
优选的,所述步骤S65中,采用牛顿法对配准误差函数进行优化求解,输出满足收敛条件的坐标转换变量。
优选的,所述步骤S5中,所提取的涂层轮廓和待测平面板件外轮廓的二维点云数据与设计图纸中的涂层轮廓和待测平面件外轮廓的设计数据具有相同的单位。
一种平面板件表面涂层轮廓尺寸检测装置,包括双目工业相机、定位靶标和检测主机,所述定位靶标具有随机纹理特征,设置于平面板件表面无涂层的区域内,用于进行特征定位;所述双目工业相机布置于待测平面板件上方,采集待测平面板件的图像并将采集图像传输至涂层轮廓检测主机;所述检测主机对采集图像进行处理,结合待测平面板件的设计图纸对待测平面板件表面涂层轮廓的尺寸误差进行检测,检测的过程具体包括:
从采集图像中提取出涂层轮廓以及待测平面板件外轮廓;
基于采集图像对靶标区域进行三维重构,获取靶标表面的三维点云数据,对三维点云数据进行三维平面拟合,得到待测平面板件表面的拟合空间平面;
将拟合空间平面作为投影面,对提取的涂层轮廓以及待测平面板件外轮廓进行逆投影计算,得到涂层轮廓和待测平面板件外轮廓的三维点云数据;
对涂层轮廓和待测平面板件外轮廓的三维点云数据进行降维处理,得到涂层轮廓和待测平面板件外轮廓的二维点云数据;
从设计图纸中读取待测平面板件外轮廓的设计数据,将待测平面板件外轮廓的二维点云数据与待测平面板件外轮廓的设计数据进行配准,得到使配准误差最小的坐标转换关系;
利用得到的坐标转换关系对涂层轮廓的二维点云数据进行转换,得到涂层轮廓的实测数据,从设计图纸中读取涂层轮廓的设计数据,根据涂层轮廓的实测数据和设计数据得到涂层轮廓的尺寸误差。
优选的,还包括测量平台、平面光源阵列和遮光罩;所述测量平台具有深色表面,为待测平面板件提供背景;所述平面光源阵列包括布置于测量平台四周的一系列平面光源,为待测平面板件提供均匀光照;所述遮光罩完全包覆测量平台、双目工业相机、平面光源阵列、被测平面板件及定位靶标,避免环境光干扰。
本发明与现有技术相比的优点在于:
(1)本发明利用外轮廓进行轮廓配准,能够实现无固定视觉特征的待测件实测轮廓与设计轮廓的配准;
(2)本发明采用定位靶标结合数字图像相关算法提取涂层表面点云,能从较少的靶标上提取出大量高精度点云数据,靶标粘贴步骤简单、拟合得到的涂层平面表达式精确;同时鲁棒性好,误匹配率很低,结果重复性好;
(3)本发明结构简单、成本低,主要结构组成仅包含测量平台、一对工业相机、平面光源阵列、遮光罩、定位靶标和主机,均无定制化需求,市场供应量大、易获取。
附图说明
图1为本发明平面板件表面涂层轮廓尺寸检测方法流程示意图;
图2为本发明平面板件表面涂层轮廓尺寸检测装置组成示意图。
具体实施方式
下面通过对本发明进行详细说明,本发明的特点和优点将随着这些说明而变得更为清楚、明确。
本发明提供了一种平面板件表面涂层轮廓尺寸检测方法,如图1所示,包括以下步骤:
S1将带有随机纹理的定位靶标置于待测平面板件上,采集待测件图像,从图像中提取出所需亚像素精度的涂层轮廓,并将被测件与背景分割开,取得被测件外轮廓;
从图像中将被测件与背景分割开,取得被测件外轮廓具体包括:
采用Otsu算法对相机图像做二值化处理,得到灰度仅为0和255的二值图像;以二值图像四个角上的点为种子点,灰度置1,向灰度为0的四邻域像素点扩散,直至无法继续扩散,然后将其余像素灰度置255,得到背景分割图。提取背景分割图的边界得到整像素外轮廓,由于背景噪声等因素影响,有可能提取到多个轮廓,取轮廓点集数最高者为外轮廓即可;
从图像中提取出所需亚像素精度的涂层轮廓具体包括:
采用Canny算法提取涂层整像素轮廓;利用Hessian算子计算整像素轮廓点的灰度梯度方向,并近似为45°的整数倍方向;在此方向上提取出轮廓点的两个邻域点,通过一维三次插值的方式取得亚像素轮廓点坐标,从而取得亚像素涂层轮廓、外轮廓。
以上轮廓提取采用双目相机采集的两幅图像中的任一幅。
S2提取出图像中定位靶标所在区域内的匹配点对,进行高精度三维重构,取得靶标表面的三维点云数据;然后,对该三维点云数据进行三维平面拟合,取得平面板件表面的空间平面表达式;
提取出图像中定位靶标所在区域内的匹配点对,进行高精度三维重构,取得靶标表面的三维点云数据具体包括:
对双目相机采集两幅图像中的其中一幅选中的靶标区域进行网格划分,选取网格点作为待匹配点,以ZNSSD相关系数为准则进行匹配;
根据极线约束计算目标图中畸变后的极线,遍历极线上每点计算相关系数,取其最高值的像素作为整像素的匹配点;
以整像素匹配点对为初值,采用数字图像相关(DIC)算法优化计算出亚像素精度的匹配点对;
对匹配点对做去畸变处理通过三角法计算取得网格点所对应的三维点云。
S3对步骤S1中取得的涂层轮廓与外轮廓进行逆投影计算,投影面为步骤S2中得到的空间平面表达式;计算得到涂层轮廓与外轮廓的空间三维点云;对该空间三维点云做降维处理,得到与设计图纸中轮廓具有相同单位的实际涂层轮廓与外轮廓二维点云;
空间三维点云做降维处理具体包括:
三维点云中对应外轮廓左上角的点作为原点,以空间平面的法向作为z轴,选取点云中外轮廓右上角对应点为x轴点确定x轴方向,y轴同时与x轴与垂直;计算当前点云坐标系到新建立坐标的旋转矩阵及平移向量,将点云坐标转换至新坐标系下,此时新的点云z坐标为0,且其坐标方向也与设计图纸较为接近,去除z坐标数据完成降维。
S4,读取设计图纸中的设计轮廓,以步骤S3得到的外轮廓二维点云为配准对象,计算令外轮廓达到最小配准误差的坐标转换关系;
读取的设计图纸为CAD文件,得到的设计轮廓为轮廓元素的集合,包括:线段、圆、圆弧、折线;由于算法利用外轮廓配准,需要提取出设计轮廓中外轮廓所包含的轮廓元素参与配准;
步骤S4具体包括:
S401,定义坐标转换变量p=[α,u,v]',以及坐标转换关系:
其中u为沿x轴的平移量,v为沿y轴的平移量,α为以原点为中心逆时针旋转的角度;[α,u,v]'代表[α,u,v]的转置;(x,y)为转换前的二维坐标,(x',y')为转换后的二维坐标;
S402,以牛顿法为基础,计算迭代增量如下:
根据牛顿法,其中的三阶Hessian矩阵和一维Jacobian向量分别由误差配准函数相对于坐标转换变量的二阶偏导与一阶偏导构成。
如e'u代表e(p)相对u的一阶偏导,e”uv代表e(p)相对u、v的二阶偏导。
由于难以求导,以差分代替微分上式中的元素可替换如下,以e(p)相对u求一阶偏导与e(p)相对u、v求二阶偏导为例:
其中,Δu、Δv为差分步长,取为很小正值,当Δu、Δv趋近于0时,差分与微分等效。
S403,从某一初值出发,迭代更新p,至满足收敛条件(e(p)n-e(p)n-1)/e(p)n-1<10-6,得到坐标转换关系;其中e(p)n为第n次迭代的配准误差函数值,e(p)n-1为第n-1次迭代的配准误差函数值。
其中平移变量的初值可通过点云的x,y坐标求平均值得到,角度变量设为0;需要事先按照前述步骤中:通过以设计图纸方向放置待测平面板件;降维时合理选择x轴方向来保证实测轮廓与设计轮廓转向足够接近(相差小于45°);
S5,利用步骤S4中取得的坐标转换关系,将步骤S3中的实际涂层轮廓点云进行坐标转换,与设计图纸中的设计轮廓配准,计算轮廓检测误差。
本发明还提出了一种平面板件表面涂层轮廓尺寸检测装置,如图2所示,检测装置包括:
测量平台1,具有深色表面,提供高对比度背景;
工业相机2,两台相机构成双目系统,横向布置于测量平台上方;
平面光源阵列3,包含一系列平面光源,在测量平台周围侧向步骤,提供均匀光照条件的基础上避免反光问题;
定位靶标4,具备随机纹理及特征,用于软件算法对于涂层表面的定位;
遮光罩5,完全包覆被测件及相机,避免环境光干扰;
检测主机6,包含轮廓提取、三维重建以及模型配准等算法,从相机图像中提取并检测涂层轮廓的尺寸。
具体讲,测量平台1上方横向布置一对工业相机2进行成像。其中,被测件尺寸小于测量平台1,且测量平台1为深色底色,以增加和被测件的对比度。平面光源阵列3在测量平台1四周侧向布置,避免被测物镜面反射干扰影响成像质量;遮光罩5包覆包括测量平台1、工业相机对2、平面光源阵列3在内的现场设施,阻挡测试现场环境光的干扰。主机6位于遮光罩外,与工业相机2连接,控制工业相机2的图像采集,并包含轮廓提取、三维重建以及模型配准等算法,从相机图像中提取并检测涂层轮廓的尺寸信息。
测量时,被测件以设计图纸中展示的方向置于测量平台1上,其表面避开涂层轮廓放置定位靶标4,用于软件算法定位被测件表面的空间位置;然后,主机6控制工业相机对2采集被测件图像,图像为8位灰度图,内容仅包含被测件及背景,不能采集到测量平台1提供的背景之外,之后图像传回主机6进行解算。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (10)
1.一种平面板件表面涂层轮廓尺寸检测方法,所述平面板件表面的部分区域内涂覆有涂层,其特征在于,包括以下步骤:
S1将带有随机纹理的定位靶标置于待测平面板件表面无涂层的区域内,使用双目相机对待测平面板件进行图像采集;
S2从采集图像中提取出涂层轮廓以及待测平面板件外轮廓;
S3基于采集图像对靶标区域进行三维重构,获取靶标表面的三维点云数据,对三维点云数据进行三维平面拟合,得到待测平面板件表面的拟合空间平面;
S4将拟合空间平面作为投影面,对提取的涂层轮廓以及待测平面板件外轮廓进行逆投影计算,得到涂层轮廓和待测平面板件外轮廓的三维点云数据;
S5对涂层轮廓和待测平面板件外轮廓的三维点云数据进行降维处理,得到涂层轮廓和待测平面板件外轮廓的二维点云数据;
S6从设计图纸中读取待测平面板件外轮廓的设计数据,将待测平面板件外轮廓的二维点云数据与待测平面板件外轮廓的设计数据进行配准,得到使配准误差最小的坐标转换关系;
S7利用步骤S6中得到的坐标转换关系对涂层轮廓的二维点云数据进行转换,得到涂层轮廓的实测数据,从设计图纸中读取涂层轮廓的设计数据,根据涂层轮廓的实测数据和设计数据得到涂层轮廓的尺寸误差。
2.根据权利要求1所述的一种平面板件表面涂层轮廓尺寸检测方法,其特征在于,所述步骤S2中,从采集图像中提取出涂层轮廓以及待测平面板件外轮廓,具体包括:
S21将采集图像中的待测平面板件与背景分割开,提取出整像素精度的待测平面板件外轮廓;
S22采用Canny算法提取整像素精度的涂层轮廓;
S23利用Hessian算子计算整像素精度的轮廓点的灰度梯度方向,并近似为45°的整数倍方向,在近似后的灰度梯度方向上提取出整像素精度的轮廓点的两个邻域点,通过一维三次插值获取亚像素精度的轮廓点,采用以上方法分别对整像素精度的涂层轮廓及待测平面板件外轮廓进行处理,得到亚像素精度的涂层轮廓以及待测平面板件外轮廓。
3.根据权利要求2所述的一种平面板件表面涂层轮廓尺寸检测方法,其特征在于,所述步骤S21中,将采集图像中的待测平面板件与背景分隔开,提取出整像素精度的待测平面板件外轮廓,具体为:采用Otsu算法对采集图像进行二值化处理,得到灰度仅为0和255的二值图像,以二值图像的四个顶点作为种子点,将种子点的灰度置1,向四个邻域灰度为0的像素点扩散,直至无法继续扩散时,将剩余像素点的灰度置255,从而得到背景分割图,提取背景分割图的边界得到整像素精度的待测平面板件外轮廓。
4.根据权利要求1所述的一种平面板件表面涂层轮廓尺寸检测方法,其特征在于,所述步骤S3中,基于采集图像对靶标区域进行三维重构,获取靶标表面的三维点云数据,具体包括:
S31对双目相机同时采集的两幅图像的其中一幅的靶标区域进行网格划分,选取网格点作为待匹配点;
S32以ZNSSD相关系数作为匹配准则,采用极线约束计算出另一副图像中的匹配点,得到整像素精度的匹配点对;
S33以整像素精度的匹配点对作为初值,采用数字图像相关算法优化计算出亚像素精度的匹配点对;
S34对亚像素精度的匹配点对采用三角法计算得到靶标表面的三维点云数据。
5.根据权利要求1所述的一种平面板件表面涂层轮廓尺寸检测方法,其特征在于,所述步骤S5中,对涂层轮廓和待测平面板件外轮廓的三维点云数据进行降维处理,具体为:构建降维转换坐标系,所述降维转换坐标系以三维点云中对应待测平面板件外轮廓的左上角的点作为原点,以拟合空间平面的法向作为z轴方向,以三维点云中对应待测平面板件外轮廓的右上角的点作为x轴上的点确定x轴方向,y轴与x轴和z轴构成右手系;将涂层轮廓和待测平面板件外轮廓的三维点云数据从原坐标系转换至降维转换坐标系下,舍弃z轴坐标值,得到涂层轮廓和待测平面板件外轮廓的二维点云数据。
6.根据权利要求1所述的一种平面板件表面涂层轮廓尺寸检测方法,其特征在于,所述步骤S6中,将待测平面板件外轮廓的二维点云数据与待测平面板件外轮廓的设计数据进行配准,得到使配准误差最小的坐标转换关系,具体包括:
S61定义坐标转换变量p=[α,u,v]',其中u为沿x轴的平移量,v为沿y轴的平移量,α为以原点为中心逆时针旋转的角度;
S62基于坐标转换变量构建坐标转换关系:
其中,(x,y)为转换前的二维坐标,(x',y')为转换后的二维坐标;
S63采用步骤S62中构建的坐标转换关系对待测平面板件外轮廓的二维点云数据进行转换,计算待测平面板件外轮廓的二维点云中各轮廓点经坐标转换后到待测平面板件外轮廓设计数据的最短距离;
S64构建配准误差函数:
其中,dist(pi)为待测平面板件外轮廓二维点云数据中第i个轮廓点经坐标转换后到待测平面板件外轮廓设计数据的最短距离,i=1,2...N,N为待测平面板件外轮廓二维点云数据中轮廓点的数量,
S65以配准误差函数值最小作为优化目标进行优化求解,得到使配准误差函数值最小的坐标转换变量,从而求得使配准误差最小的坐标转换关系。
7.根据权利要求6所述的一种平面板件表面涂层轮廓尺寸检测方法,其特征在于,所述步骤S65中,采用牛顿法对配准误差函数进行优化求解,输出满足收敛条件的坐标转换变量。
8.根据权利要求1~7之一所述的一种平面板件表面涂层轮廓尺寸检测方法,其特征在于,所述步骤S5中,所提取的涂层轮廓和待测平面板件外轮廓的二维点云数据与设计图纸中的涂层轮廓和待测平面件外轮廓的设计数据具有相同的单位。
9.一种平面板件表面涂层轮廓尺寸检测装置,其特征在于,包括双目工业相机(2)、定位靶标(4)和检测主机(6),所述定位靶标(4)具有随机纹理特征,设置于平面板件表面无涂层的区域内,用于进行特征定位;所述双目工业相机(2)布置于待测平面板件上方,采集待测平面板件的图像并将采集图像传输至涂层轮廓检测主机(6);所述检测主机(6)对采集图像进行处理,结合待测平面板件的设计图纸对待测平面板件表面涂层轮廓的尺寸误差进行检测,检测的过程具体包括:
从采集图像中提取出涂层轮廓以及待测平面板件外轮廓;
基于采集图像对靶标区域进行三维重构,获取靶标表面的三维点云数据,对三维点云数据进行三维平面拟合,得到待测平面板件表面的拟合空间平面;
将拟合空间平面作为投影面,对提取的涂层轮廓以及待测平面板件外轮廓进行逆投影计算,得到涂层轮廓和待测平面板件外轮廓的三维点云数据;
对涂层轮廓和待测平面板件外轮廓的三维点云数据进行降维处理,得到涂层轮廓和待测平面板件外轮廓的二维点云数据;
从设计图纸中读取待测平面板件外轮廓的设计数据,将待测平面板件外轮廓的二维点云数据与待测平面板件外轮廓的设计数据进行配准,得到使配准误差最小的坐标转换关系;
利用得到的坐标转换关系对涂层轮廓的二维点云数据进行转换,得到涂层轮廓的实测数据,从设计图纸中读取涂层轮廓的设计数据,根据涂层轮廓的实测数据和设计数据得到涂层轮廓的尺寸误差。
10.根据权利要求9所述的一种平面板件表面涂层轮廓尺寸检测装置,其特征在于,还包括测量平台(1)、平面光源阵列(3)和遮光罩(5);所述测量平台(1)具有深色表面,为待测平面板件提供背景;所述平面光源阵列(3)包括布置于测量平台(1)四周的一系列平面光源,为待测平面板件提供均匀光照;所述遮光罩(5)完全包覆测量平台(1)、双目工业相机(2)、平面光源阵列(3)、被测平面板件及定位靶标(4),避免环境光干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211678485.0A CN115930828A (zh) | 2022-12-26 | 2022-12-26 | 一种平面板件表面涂层轮廓尺寸检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211678485.0A CN115930828A (zh) | 2022-12-26 | 2022-12-26 | 一种平面板件表面涂层轮廓尺寸检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115930828A true CN115930828A (zh) | 2023-04-07 |
Family
ID=86652384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211678485.0A Pending CN115930828A (zh) | 2022-12-26 | 2022-12-26 | 一种平面板件表面涂层轮廓尺寸检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115930828A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117128888A (zh) * | 2023-10-26 | 2023-11-28 | 天津华夏联盛汽车部件有限公司 | 一种用于不规则保险杠面形的误差识别方法 |
CN117288099A (zh) * | 2023-11-27 | 2023-12-26 | 江苏海德曼新材料股份有限公司 | 基于机器视觉的铝塑复合板生产质量检测分析方法 |
-
2022
- 2022-12-26 CN CN202211678485.0A patent/CN115930828A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117128888A (zh) * | 2023-10-26 | 2023-11-28 | 天津华夏联盛汽车部件有限公司 | 一种用于不规则保险杠面形的误差识别方法 |
CN117128888B (zh) * | 2023-10-26 | 2024-01-09 | 天津华夏联盛汽车部件有限公司 | 一种用于不规则保险杠面形的误差识别方法 |
CN117288099A (zh) * | 2023-11-27 | 2023-12-26 | 江苏海德曼新材料股份有限公司 | 基于机器视觉的铝塑复合板生产质量检测分析方法 |
CN117288099B (zh) * | 2023-11-27 | 2024-01-30 | 江苏海德曼新材料股份有限公司 | 基于机器视觉的铝塑复合板生产质量检测分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115930828A (zh) | 一种平面板件表面涂层轮廓尺寸检测方法及装置 | |
Garcia et al. | A combined temporal tracking and stereo-correlation technique for accurate measurement of 3D displacements: application to sheet metal forming | |
CN110296667B (zh) | 基于线结构光多角度投影的高反射表面三维测量方法 | |
Liu et al. | An improved online dimensional measurement method of large hot cylindrical forging | |
CN112082512B (zh) | 一种相位测量偏折术的标定优化方法、装置及计算机设备 | |
Liu et al. | Fast dimensional measurement method and experiment of the forgings under high temperature | |
Li et al. | Light plane calibration and accuracy analysis for multi-line structured light vision measurement system | |
CN109099883A (zh) | 高精度大视场机器视觉测量与标定装置及方法 | |
CN111640158A (zh) | 基于对应掩模的端到端的摄像头与激光雷达外参标定方法 | |
CN111707187B (zh) | 一种大型零件的测量方法及系统 | |
CN110349257B (zh) | 一种基于相位伪映射的双目测量缺失点云插补方法 | |
CN109272555B (zh) | 一种rgb-d相机的外部参数获得及标定方法 | |
Zhong et al. | Stereo-rectification and homography-transform-based stereo matching methods for stereo digital image correlation | |
CN114998448A (zh) | 一种多约束双目鱼眼相机标定与空间点定位的方法 | |
CN110827360B (zh) | 一种光度立体式测量系统及其标定光源方向的方法 | |
Chen et al. | Sub-pixel dimensional measurement with Logistic edge model | |
Pan et al. | Method of using non-specific target to complete structured light plane calibration | |
CN113781579B (zh) | 一种全景红外相机几何标定方法 | |
CN116067506A (zh) | 一种工业炉窑物料表面三维温度场构建方法及系统 | |
CN116379965A (zh) | 结构光系统标定方法、装置、结构光系统及存储介质 | |
RU2692970C2 (ru) | Способ калибровки видеодатчиков многоспектральной системы технического зрения | |
CN115880369A (zh) | 线结构光3d相机和线阵相机联合标定的装置、系统及方法 | |
CN115375762A (zh) | 一种基于三目视觉的电力线三维重构方法 | |
CN114757880A (zh) | 基于机器视觉的钟表走时准确性自动化检测方法 | |
CN114612573A (zh) | 一种无公共视野的多图像传感器全局标定系统及方法 |
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 |