CN116164648A - 一种bdu汽车线束连接器端子自动检测方法 - Google Patents

一种bdu汽车线束连接器端子自动检测方法 Download PDF

Info

Publication number
CN116164648A
CN116164648A CN202310426414.XA CN202310426414A CN116164648A CN 116164648 A CN116164648 A CN 116164648A CN 202310426414 A CN202310426414 A CN 202310426414A CN 116164648 A CN116164648 A CN 116164648A
Authority
CN
China
Prior art keywords
connector
point cloud
scanning
coordinate system
tested
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
CN202310426414.XA
Other languages
English (en)
Other versions
CN116164648B (zh
Inventor
孙宇澄
杜朝晖
李瑶
徐伟
邵仁强
严俊飞
严祖冬
陈勇
张辉
王杭挺
蒲小勇
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.)
Wuhan Jiachen Electronic Technology Co ltd
Original Assignee
Wuhan Jiachen Electronic Technology Co ltd
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 Wuhan Jiachen Electronic Technology Co ltd filed Critical Wuhan Jiachen Electronic Technology Co ltd
Priority to CN202310426414.XA priority Critical patent/CN116164648B/zh
Publication of CN116164648A publication Critical patent/CN116164648A/zh
Application granted granted Critical
Publication of CN116164648B publication Critical patent/CN116164648B/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
    • 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
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • 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
    • G06T2207/20024—Filtering details
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种BDU汽车线束连接器端子自动检测方法，所述方法包括：通过工业相机采集待测连接器的正面图像，并计算出待测连接器的尺寸及几何中心坐标，根据标准连接器的尺寸计算3D激光轮廓传感器在竖直方向的倾斜角θ；分别计算位于待测连接器左右两侧的扫描起始坐标；通过工业机器人携带3D激光轮廓传感器执行从左至右和从右至左的扫描；将得到的左右两侧点云数据进行去噪、过滤和、变换、空间对齐和拼合处理，得到待测连接器的完整三维点云数据；基于待测连接器的完整三维点云数据计算各个端子的水平切面，进行端子歪斜检测或退针检测。本发明可以提高汽车线束连接器端子不良检测的运算速度和准确率。

Description

一种BDU汽车线束连接器端子自动检测方法
技术领域
本发明涉及连接器端子质量检测技术领域，具体涉及一种BDU汽车线束连接器端子自动检测方法。
背景技术
汽车线束是当前BDU信号电路的网络主体，没有线束也就不存在BDU信号电路。线束是指由铜材冲制而成的接触件端子与电线电缆压接后，外面再塑压绝缘体或外加金属壳体、以线束捆扎形成连接电路的组件。然而在BDU线束生产制造过程及在后道组装工艺中，基本都是依赖人工进行插接及目视检测，对于端子是否插接到位，端子是否有弯曲、损伤等高风险问题均无有效可靠的判定，亟需一种可靠的自动化检测方法来规避这些风险。
基于工业相机等机器视觉技术的检测手段虽然可以应用在自动化检测上，但是只能采集平面图像，比如公开号为CN114708262A的发明专利公开了一种连接器针脚的视觉检测方法，但是其只能检测端子在XY平面内的偏移和歪斜，对于未插接到位等Z方向的不良无能为力。对各个侧面分别拍照的技术方案，仅适用于一些PCBA上的板端开放式连接器，并不适于线束连接器等端子被塑壳或金属壳包围的连接器。
近年来发展起来的线激光扫描设备从成像方式和检测精度理论上是可以满足高精度端子检测的要求的，比如公开号为CN108982513A的发明专利公开了一种基于线激光扫描的高精度三维连接器针脚缺陷检测方法，但其也是适用于无遮挡的开放式连接器。对于汽车线束连接器等端子被塑壳或金属壳包围的连接器，若从正面进行扫描的成像方式，只能得到端子尖端的点云数据，这种尖端的数据通常是离散而不连续的，在后续处理中容易将这些数据作为离散点而过滤掉，导致检测失败或者检测精度不高。
如果要确保获得端子连续的点云数据，只能将线激光扫描设备以倾斜的角度从端子侧面进行多次扫描，但是由于端子外周塑壳或金属壳的遮挡，通常无法扫描到所有端子，导致点云数据不完整检测误差较大，而且后续点云合成算法较为复杂，运算量大，不能进行快速检测。
发明内容
有鉴于此，本发明提出了一种BDU汽车线束连接器端子自动检测方法，用于解决无法快速检测汽车线束连接器端子的质量的问题。
本发明公开一种BDU汽车线束连接器端子自动检测方法，所述方法包括：
通过支架将3D激光轮廓传感器和工业相机固定在工业机器人末端，通过工业相机采集待测连接器的正面图像，并计算出待测连接器的尺寸及几何中心坐标（x c ,y c ），以（x c ,y c ）为原点o建立连接器坐标系o-xyz；
获取标准连接器的尺寸，根据标准连接器的尺寸计算3D激光轮廓传感器在竖直方向的倾斜角θ；
在连接器坐标系o-xyz下，通过3D激光轮廓传感器的倾斜角θ、待测连接器尺寸和相机参数分别计算位于待测连接器左右两侧的第一扫描起始坐标和第二扫描起始坐标；
通过工业机器人携带3D激光轮廓传感器以倾斜角θ从待测连接器左侧的第一扫描起始坐标开始执行从左至右的水平移动扫描，得到第一点云
Figure SMS_1
；
通过工业机器人携带3D激光轮廓传感器以倾斜角-θ从待测连接器右侧的第二扫描起始坐标开始执行从右至左的水平移动扫描，得到第二点云
Figure SMS_2
；
分别对第一点云
Figure SMS_3
和第二点云/>
Figure SMS_4
进行去噪、过滤和变换处理，分别得到正立的第一点云矩阵和第二点云矩阵；
将第一点云矩阵和第二点云矩阵进行空间对齐，直接将空间对齐后的第一点云矩阵和第二点云矩阵拼合，得到待测连接器的完整三维点云数据；
基于待测连接器的完整三维点云数据计算各个端子的水平切面，进行端子歪斜检测或退针检测。
在以上技术方案的基础上，优选的，所述通过工业相机采集待测连接器的正面图像，并计算出待测连接器的尺寸及几何中心坐标（x c ,y c ），以（x c ,y c ）为原点o建立连接器坐标系o-xyz具体包括：
使将工业相机正对待测连接器的端子并控制工业相机的光心与待测连接器底面的垂直距离与平面相机的焦距f相同，采集待测连接器的正面图像，根据正面图像计算待测连接器的宽度w、长度l以及待测连接器的几何中心坐标（x c ,y c ）；
以待测连接器的几何中心坐标（x c ,y c ）为原点o、以平行于待测连接器的长边为纵轴y、以平行于待测连接器的短边为横轴x、以平行于连接器的端子方向为竖轴z建立连接器坐标系o-xyz。
在以上技术方案的基础上，优选的，所述获取标准连接器的尺寸，根据标准连接器的尺寸计算3D激光轮廓传感器在竖直方向的倾斜角θ包括：
从标准连接器的图纸中获取标准连接器的外壳内壁到最近的一列端子根部之间的间距d，以及标准连接器的外壳高度h；
计算3D激光轮廓传感器在竖直方向的倾斜角θ的公式为：
Figure SMS_5
；
3D激光轮廓传感器在竖直方向的倾斜角θ即对应3D激光轮廓传感器扫描时的入射角。
在以上技术方案的基础上，优选的，所述通过3D激光轮廓传感器的倾斜角θ、待测连接器尺寸和相机参数分别计算位于待测连接器左右两侧的第一扫描起始坐标和第二扫描起始坐标具体包括：
计算工业机器人末端在连接器坐标系o-xyz的x轴方向上的偏移量
Figure SMS_6
：
Figure SMS_7
计算机器人末端在连接器坐标系o-xyz的y轴方向上的偏移量
Figure SMS_8
：
Figure SMS_9
其中s为3D激光轮廓传感器到工业相机的视场中心的距离，工业相机的视场中心线与机器人末端所在轴线同轴设置；
机器人末端在待测连接器左侧的第一扫描起始坐标为：
Figure SMS_10
。
机器人末端在待测连接器右侧的第二扫描起始坐标为：
Figure SMS_11
。
在以上技术方案的基础上，优选的，所述通过工业机器人携带3D激光轮廓传感器以倾斜角θ从待测连接器左侧的第一扫描起始坐标开始执行从左至右的水平移动扫描，得到第一点云
Figure SMS_12
具体包括：
控制工业机器人末端移动到第一扫描起始坐标，使工业相机与3D激光轮廓传感器的连线与连接器坐标系o-xyz的y轴平行，并控制工业机器人末端关节逆时针旋转使3D激光轮廓传感器的入射线与连接器坐标系o-xyz的z轴的夹角为θ；
以第一扫描起始坐标为原点建立第一扫描坐空间标系P1-X1Y1Z1，第一扫描空间坐标系P1-X1Y1Z1的各轴与连接器坐标系o-xyz的各轴平行且方向相同；启动3D激光轮廓传感器，使工业机器人末端从第一扫描起始坐标开始，沿着连接器坐标系o-xyz的x轴正向水平移动扫描，至坐标
Figure SMS_13
结束，得到第一扫描空间坐标系下的第一点云
Figure SMS_14
。
在以上技术方案的基础上，优选的，所述通过工业机器人携带3D激光轮廓传感器以倾斜角-θ从待测连接器右侧的第二扫描起始坐标开始执行从右至左的水平移动扫描，得到第二点云
Figure SMS_15
具体包括：
控制工业机器人末端移动到第二扫描起始坐标，使工业相机与3D激光轮廓传感器的连线与连接器坐标系o-xyz的y轴平行，并控制工业机器人末端关节顺时针旋转使3D激光轮廓传感器的入射线与连接器坐标系o-xyz的z轴的夹角为-θ；
以第二扫描起始坐标为原点建立第二扫描空间坐标系P2-X2Y2Z2，第二扫描空间坐标系P2-X2Y2Z2的各轴与连接器坐标系o-xyz的各轴平行且仅横轴方向相反；启动3D激光轮廓传感器，使工业机器人末端从第二扫描起始坐标开始，沿着连接器坐标系o-xyz的x轴负向水平移动扫描，至坐标
Figure SMS_16
结束，得到第二扫描空间坐标系下的第二点云/>
Figure SMS_17
。
在以上技术方案的基础上，优选的，所述分别对第一点云
Figure SMS_18
和第二点云/>
Figure SMS_19
进行去噪、过滤和变换处理，分别得到第一点云矩阵和第二点云矩阵具体包括：
在第一扫描坐空间标系P1-X1Y1Z1下，去除第一点云数据
Figure SMS_20
中的离散点；
过滤第一点云数据
Figure SMS_21
中Z1＜δ1或Z1＞δ2的点云数据，生成第一点云矩阵
Figure SMS_22
，δ1、δ2均为预设的过滤阈值；
将第一点云矩阵
Figure SMS_23
绕Y1轴顺时针旋转θ角度，得到正立的第一点云矩阵
Figure SMS_24
；/>
去除
Figure SMS_25
中/>
Figure SMS_26
的点云数据，得到左侧点云数据；
在第二扫描空间坐标系P2-X2Y2Z2下，去除第二点云数据
Figure SMS_27
中的离散点；
过滤第二点云数据
Figure SMS_28
中Z 2＜δ1或Z 2＞δ2的点云数据，生成第二点云矩阵
Figure SMS_29
；
将第二点云矩阵
Figure SMS_30
绕Y2轴逆时针旋转θ角度，得到正立的第二点云矩阵
Figure SMS_31
。
在以上技术方案的基础上，优选的，所述将第一点云矩阵和第二点云矩阵进行空间对齐具体包括：
计算第一点云矩阵
Figure SMS_32
的长度/>
Figure SMS_33
和高度/>
Figure SMS_34
；
计算第二点云矩阵
Figure SMS_35
的长度/>
Figure SMS_36
和高度/>
Figure SMS_37
；
计算Z 2轴方向的修正系数
Figure SMS_38
和Y 2轴方向的修正系数/>
Figure SMS_39
：
Figure SMS_40
Figure SMS_41
通过修正系数
Figure SMS_42
对第二点云矩阵进行缩放，使第二点云矩阵与第一点云矩阵对齐；
去除缩放后的第二点云矩阵中
Figure SMS_43
的点云数据，其中，/>
Figure SMS_44
为缩放后的第二点云矩阵中X 2轴方向的最大值。
在以上技术方案的基础上，优选的，所述基于待测连接器的完整三维点云数据计算各个端子的水平切面，进行端子歪斜检测或退针检测具体包括：
设
Figure SMS_45
为完整三维点云数据中第i个端子在竖轴方向的最大值，i=1,2,…,N，N为端子总数，分别以/>
Figure SMS_46
为切面对对应的端子i尖端进行裁切，分别得到各个端子的切面，其中，z i 为端子i的切面，分别计算所有端子的切面几何中心点；
对同一列端子的切面几何中心点在水平面的坐标，进行随机采样一致性拟合，得到参考直线，计算同一列端子的各个切面几何中心点在水平面的坐标与参考直线之间的偏差，对于偏差超过预设偏差阈值的点，判定对应的端子发生歪斜；
对所有端子切面的几何中心点，采用随机采样一致算法，拟合生成参考平面，计算所有端子切面的几何中心点到参考平面的距离，对于距离超过预设距离阈值的点，判定对应的端子发生退针故障。
本发明相对于现有技术具有以下有益效果：
1）本发明通过工业机器人携带工业相机和3D激光轮廓传感器对待测连接器进行扫描检测，通过工业相机对待测连接器进行定位和尺寸检测，根据定位结果建立连接器坐标系，并结合标准检测器的尺寸计算3D激光轮廓传感器最佳的入射角度，具有分别以最佳的入射角度对连接器进行从左至右和从右至左的扫描即可得到连接器左右两侧的点云数据，可以根据连接器的尺寸自动调节入射角度，适用于各类不同尺寸的连接器检测；本发明分别将左右两侧的点云数据经过变换、过滤和空间对齐处理后直接拼合即可得到含有连接器内部端子形貌的完整三维点云数据，不需要复杂的点云匹配算法即可获取连接器完整三维点云数据进行质量检测，降低了算法复杂度，实现不同连接器端子快速连续检测；
2）本发明根据标准连接器的外壳内壁到最近的一列端子根部之间的间距d以及标准连接器的外壳高度h计算3D激光轮廓传感器在竖直方向的倾斜角θ，将倾斜角θ结合待测连接器的实际尺寸分别推测在待测连接器左侧和右侧的最佳扫描起始坐标，考虑到了实际使用中连接器会发生变形导致实际尺寸的偏差问题，保障检测质量，从而精准测算每一个待测连接器的最佳扫描路线，避免扫，描到过多冗余点云数据，提高检测效率；
3）本发明根据完整三维点云数据对各个端子的尖端部分进行裁切，计算每一个裁切出的端子切面的几何中心，逐列进行直线拟合，根据偏差较大的点确定端子歪斜情况，通过所有端子切面的几何中心进行平面拟合，通过偏差较大的点确定端子退针情况，提高端子缺陷类型检测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的连接器坐标系o-xyz的平面示意图；
图2为计算3D激光轮廓传感器在竖直方向的倾斜角θ的原理示意图；
图3为3D激光轮廓传感器采集到的点云数据示例图；
图4为连接器坐标系o-xyz、第一扫描坐空间标系P1-X1Y1Z1、第二扫描空间坐标系P2-X2Y2Z2的关系示意图。
实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
由于汽车线束连接器内的端子有外壳遮挡，要采集含有连接器内部端子形貌的完整三维点云数据，就要求从多个方向对连接器进行扫描，再进行合成得到完整的连接器点云数据，在此基础之上，再通过点云计算完成对端子的检测，算法复杂度较高。此外，车用连接器型号也多种多样，其需要的检测角度也不一样，因此需要要求3D激光轮廓传感器的倾斜角度可调，这样才能实现可靠的端子自动化检测。本发明针对以上问题，提出一种BDU汽车线束连接器端子自动检测方法，一般一个连接器内的端子有两列，本发明以具有两列的汽车线束连接器端子为例，对本发明提出的一种BDU汽车线束连接器端子自动检测方法进行具体说明。
本发明提出一种BDU汽车线束连接器端子自动检测方法，所述方法包括：
S1、通过支架将3D激光轮廓传感器和工业相机固定在工业机器人末端，通过工业相机采集待测连接器的正面图像，进行待测连接器定位并建立连接器坐标系。
步骤S1具体包括如下分步骤：
S11、使将工业相机移动至待测连接器上方并正对待测连接器的端子，使工业相机的光心与待测连接器底面的垂直距离与平面相机的焦距f相同，采集待测连接器的正面图像。
本发明以工业机器人携带3D激光轮廓传感器和工业相机进行待测连接器扫描检测，以工业机器人底座为原点建立机器人坐标系O-XYZ，通过支架将3D激光轮廓传感器和工业相机固定在工业机器人末端，其中，工业相机的视场中心线与机器人末端所在轴线同轴设置，3D激光轮廓传感器通过支架与工业相机固定相连。
S12、根据正面图像进行待测连接器定位。
根据待测连接器的正面图像计算出待测连接器的宽度w、长度l以及在机器人坐标系O-XYZ下的几何中心坐标（x c ,y c ）。
S13、以几何中心坐标（x c ,y c ）为原点建立连接器坐标系o-xyz。
如图1所示，黑色矩形代表待测连接器的平面图，端子方向竖直向上，以待测连接器的几何中心坐标（x c ,y c ）为原点o、以平行于待测连接器的长边为纵轴y、以平行于待测连接器的短边为横轴x、以平行于连接器的端子方向为竖轴z建立连接器坐标系o-xyz。
由于是对待测连接器进行扫描，进行待测连接器定位并建立连接器坐标系后，工业机器人的运动坐标以连接器坐标系为参照即可。
S2、获取标准连接器的尺寸，根据标准连接器的尺寸计算3D激光轮廓传感器在竖直方向的倾斜角θ。
获取与待测连接器对应的标准连接器的图纸，从标准连接器的图纸中提取标准连接器的外壳内壁到最近的一列端子根部之间的间距d，以及标准连接器的外壳高度h，根据d和h计算3D激光轮廓传感器在竖直方向的倾斜角θ，如图2所示为根据d和h计算3D激光轮廓传感器在竖直方向的倾斜角θ的原理示意图，图2中示出了待测连接器在xz平面上的剖面结构，包括连接器外壳1和多个连接器端子2。θ的计算公式为：
Figure SMS_47
如图2所示，3D激光轮廓传感器在竖直方向的倾斜角θ即对应3D激光轮廓传感器扫描时的入射角，在该入射角下3D激光轮廓传感器能准确扫描到完整端子数据，因此该入射角为最佳入射角，该倾斜角θ也是3D激光轮廓传感器的入射线与连接器坐标系o-xyz的z轴方向的夹角。图3为3D激光轮廓传感器在某一个任意入射角度下采集到的点云数据，由图3可知，由于连接器外壳1的遮挡，其并不能采集到包含连接器内部完整端子形态的点云数据，只能采集到部分端子的尖端部分数据，这部分数据为孤立离散点组成，容易在后续处理中被误处理，得到的检测效果不佳。
本发明通过工业相机对待测连接器进行定位和尺寸检测，根据定位结果建立连接器坐标系，并结合标准检测器的尺寸计算3D激光轮廓传感器最佳的入射角度，具有分别以最佳的入射角度对连接器进行从左至右和从右至左的扫描即可得到连接器左右两侧的点云数据，不会造成数据遗漏，并且可以根据连接器的尺寸自动调节入射角度，适用于各类不同型号的车用连接器检测。
S3、通过3D激光轮廓传感器的倾斜角θ、待测连接器尺寸和相机参数分别计算位于待测连接器左右两侧的第一扫描起始坐标和第二扫描起始坐标。
步骤S3具体包括如下分步骤：
S31、计算工业机器人末端在连接器坐标系o-xyz的x轴方向上的偏移量
Figure SMS_48
：
Figure SMS_49
其中f为相机的焦距，w为待测连接器的宽度。
S32、计算工业机器人末端在连接器坐标系o-xyz的y轴方向上的偏移量
Figure SMS_50
：
Figure SMS_51
其中s为3D激光轮廓传感器到工业相机的视场中心的距离，视支架的设计尺寸决定，本发明设置3D激光轮廓传感器与工业相机的连线与连接器坐标系o-xyz的y轴平行，由于工业相机的视场中心线与机器人末端所在轴线同轴设置，当工业机器人末端移动至扫描起始位置时，3D激光轮廓传感器在y轴方向上有一个距离为s的偏移量。
S33、根据偏移量计算第一扫描起始坐标和第二扫描起始坐标。
工业机器人末端在待测连接器左侧的第一扫描起始坐标为
Figure SMS_52
，此时，3D激光轮廓传感器的起始坐标为/>
Figure SMS_53
。工业机器人末端在待测连接器右侧的第二扫描起始坐标为/>
Figure SMS_54
，此时，3D激光轮廓传感器的起始坐标为/>
Figure SMS_55
，即当工业机器人末端位于第一扫描起始坐标或第二扫描起始坐标时，3D激光轮廓传感器位于连接器坐标系o-xyz的x轴上方，方便从待测连接器的中间位置上方进行扫描。
在步骤S1通过工业相机采集待测连接器正面图像后，相机的高度保持不变，第一扫描起始坐标和第二扫描起始坐标的z轴坐标即固定为相机的焦距f，并在后续扫描过程中保持z轴坐标不变。
本发明基于倾斜角θ结合待测连接器的实际尺寸分别推测在待测连接器左侧和右侧的最佳扫描起始坐标，考虑到了实际使用中连接器会发生变形导致实际尺寸的偏差问题，保障检测质量，从而精准测算每一个待测连接器的最佳扫描路线，集能保证扫描到的数据完整性又能避免扫描到过多冗余点云数据，提高检测效率。
S4、通过工业机器人携带3D激光轮廓传感器以倾斜角θ从待测连接器左侧的第一扫描起始坐标开始执行从左至右的水平移动扫描，得到第一点云
Figure SMS_56
。
具体的，控制工业机器人末端移动到第一扫描起始坐标，使工业相机与3D激光轮廓传感器的连线与连接器坐标系o-xyz的y轴平行，3D激光轮廓传感器位于y轴正半轴，并控制工业机器人末端关节逆时针旋转使3D激光轮廓传感器的入射线与连接器坐标系o-xyz的z轴的夹角为θ。设定扫描移动方向为从左至右，即从第一扫描起始坐标开始，沿着连接器坐标系o-xyz的x轴正向水平移动扫描。
以第一扫描起始坐标P1为原点、以扫描移动方向为横轴X1、以3D激光轮廓传感器投射到连接器上的激光线方向为纵轴Y1、以平行于待测连接器的端子方向为竖轴Z1建立第一扫描坐空间标系P1-X1Y1Z1，第一扫描坐空间标系P1-X1Y1Z1的X1轴、Y1轴、Z1轴分别与连接器坐标系o-xyz的x轴、y轴、z轴平行，且对应的坐标轴方向均相同。
启动3D激光轮廓传感器，使工业机器人末端从第一扫描起始坐标开始，以x轴负向方向为连接器左侧，以x轴正向方向为连接器右侧，沿着连接器坐标系o-xyz的x轴正向水平移动扫描，至坐标
Figure SMS_57
结束，得到第一扫描坐空间标系P1-X1Y1Z1下的第一点云/>
Figure SMS_58
，该第一点云/>
Figure SMS_59
为连接器左侧的点云数据。
S5、通过工业机器人携带3D激光轮廓传感器以倾斜角-θ从待测连接器右侧的第二扫描起始坐标开始执行从右至左的水平移动扫描，得到第二点云
Figure SMS_60
。
与步骤S4对应，控制工业机器人末端移动到第二扫描起始坐标，使工业相机与3D激光轮廓传感器的连线与连接器坐标系o-xyz的y轴平行，并控制工业机器人末端关节顺时针旋转使3D激光轮廓传感器的入射线与连接器坐标系o-xyz的z轴的夹角为-θ。设定扫描移动方向为从右至左，即第二扫描起始坐标开始，沿着连接器坐标系o-xyz的x轴负向水平移动扫描。以第二扫描起始坐标P2为原点、以扫描移动方向为横轴X2、以3D激光轮廓传感器投射到连接器上的激光线方向为纵轴Y2、以平行于待测连接器的端子方向为竖轴Z2建立第二扫描空间坐标系P2-X2Y2Z2，即第二扫描坐空间标系P2-X2Y2Z2的X2轴、Y2轴、Z2轴分别与连接器坐标系o-xyz的x轴、y轴、z轴平行，且Y2轴、Z2轴对应的坐标轴方向分别与y轴、z轴相同，仅X2轴与x轴方向相反。如图4所示为连接器坐标系o-xyz、第一扫描坐空间标系P1-X1Y1Z1、第二扫描空间坐标系P2-X2Y2Z2的关系示意图。
启动3D激光轮廓传感器，使工业机器人末端从第二扫描起始坐标开始，沿着连接器坐标系o-xyz的x轴负向水平移动扫描，至坐标
Figure SMS_61
结束，得到第二扫描空间坐标系P2-X2Y2Z2下的第二点云/>
Figure SMS_62
，该第二点云/>
Figure SMS_63
为连接器右侧的点云数据。
S6、分别对第一点云
Figure SMS_64
和第二点云/>
Figure SMS_65
进行去噪、过滤和变换处理，分别得到连接器坐标系o-xyz下的第一点云矩阵和第二点云矩阵。
在第一扫描坐空间标系P1-X1Y1Z1下，计算第一点云
Figure SMS_66
的相邻点之间的空间位置差，剔除空间位置差超过预设阈值的离散点从而达到去噪效果。去除Z1＜δ1或Z1＞δ2的点云数据。其中，δ1、δ2分别为设定的点云过滤阈值，当待测连接器凸出壳体之外，去除Z1＜δ1的点云数据以去除底部非连接器的壳体，保留待测连接器数据，如图3所示的点云数据中，去除Z1＜δ1的点云数据即过滤Z1=δ1平面以下的点云数据，从而去除底部壳体，仅保留连接器相关点云数据，生成第一点云矩阵/>
Figure SMS_67
：/>
Figure SMS_68
其中，（x j ,y j ,z j ）为过滤后的第一点云
Figure SMS_69
中第j个点的位置坐标，j=1,2,…,M，M为过滤后的第一点云/>
Figure SMS_70
中点的总数。
将第一点云矩阵
Figure SMS_71
绕Y1轴顺时针旋转θ角度，得到正立的第一点云矩阵
Figure SMS_72
：
Figure SMS_73
去除
Figure SMS_74
中/>
Figure SMS_75
的点云数据，即去除/>
Figure SMS_76
平面右侧的冗余数据，获得只包含待测连接器左侧的点云数据。
同样地，在第二扫描坐空间标系P2-X2Y2Z2下，计算第二点云数据
Figure SMS_77
的相邻点之间的空间位置差，剔除空间位置差超过预审阈值的离散点，过滤Z2＜δ1或Z2＞δ2的点云数据，生成第二点云矩阵/>
Figure SMS_78
：
Figure SMS_79
其中，（x k ,y k ,z k ）为过滤后的第二点云
Figure SMS_80
中第k个点，k=1,2,…,K，K为过滤后的第二点云/>
Figure SMS_81
中点的总数。
将第二点云矩阵
Figure SMS_82
绕Y1轴逆时针旋转θ角度，得到正立的第二点云矩阵
Figure SMS_83
：
Figure SMS_84
旋转变换得到的第一点云矩阵
Figure SMS_85
和第二点云矩阵/>
Figure SMS_86
对应的点云数据均为为正立的点云数据，即待测连接器的端子朝向Z1/Z2轴正向。/>
S7、将第一点云矩阵和第二点云矩阵进行空间对齐，直接将空间对齐后的第一点云矩阵和第二点云矩阵拼合，得到待测连接器的完整三维点云数据。
计算第一点云矩阵
Figure SMS_87
的长度/>
Figure SMS_88
和高度/>
Figure SMS_89
：
Figure SMS_90
max为求最大值函数，min为求最大值函数，y 1为第一点云矩阵
Figure SMS_91
中点的Y 1轴坐标集合，z 1为第一点云矩阵/>
Figure SMS_92
中点的Z 1轴坐标集合。
计算第二点云矩
Figure SMS_93
的长度/>
Figure SMS_94
和高度/>
Figure SMS_95
：
Figure SMS_96
y 2为第二点云矩阵
Figure SMS_97
中点的Y 2轴坐标集合，z 2为第二点云矩阵
Figure SMS_98
中点的Z 2轴坐标集合。
计算竖轴方向的修正系数
Figure SMS_99
和纵轴方向的修正系数/>
Figure SMS_100
：
Figure SMS_101
Figure SMS_102
通过修正系数
Figure SMS_103
对第二点云矩阵进行缩放使第二点云矩阵与第一点云矩阵对齐，对应的缩放变换公式为：
Figure SMS_104
Figure SMS_105
为对第二点云矩阵进行缩放变换后的数据。
去除缩放后的第二点云矩阵中
Figure SMS_106
的点云数据，其中，/>
Figure SMS_107
为缩放后的第二点云矩阵中X 2轴方向的最大值，得到只包含待测连接器右侧的点云数据。
由于前面的步骤已经将左右两侧的点云数据进行了去重和对齐，因此只需要将左右两侧点云数据以
Figure SMS_108
和/>
Figure SMS_109
为拼接面直接组合到一起即可得到待测连接器的完整三维点云数据。
S8、基于待测连接器的完整三维点云数据计算各个端子的水平切面，进行端子歪斜检测或退针检测。
假设待测连接器的完整三维点云数据在第一扫描空间坐标系P1-X1Y1Z1下，步骤S8具体包括如下分步骤：
S81、生成实体模型。
根据待测连接器的完整三维点云数据绘制ROI，剔除图像中非端子的区域，例如连接器塑料壁等。然后对点云图进行剖面绘制操作，生成实体模型。
S82、端子切面。
具体的，设
Figure SMS_110
为完整三维点云数据中第i个端子在Z1轴方向的最大值，i=1,2,…,N，N为端子总数，分别以/>
Figure SMS_111
为切面对对应的端子i尖端进行裁切，分别得到各个端子的切面，其中，z i 为端子i的切面，分别计算所有端子的切面几何中心点。
S83、端子歪斜检测。
对同一列端子的切面几何中心点在X1Y1平面的坐标，进行随机采样一致性拟合，得到参考直线，计算同一列端子的各个切面几何中心点在X1Y1平面的坐标与参考直线之间的偏差，对于偏差超过预设偏差阈值的点，判定对应的端子发生歪斜。
S84、端子退针检测。
对所有端子切面的几何中心点，采用随机采样一致算法，拟合生成参考平面，计算所有端子切面的几何中心点到参考平面的距离，对于距离超过预设距离阈值的点，判定对应的端子发生退针故障。
通过以上步骤即可准确判断连接器内端子的是否发生歪斜或退针的不良。
本发明根据完整三维点云数据对各个端子的尖端部分进行裁切，计算每一个裁切出的端子切面的几何中心，逐列进行直线拟合，根据偏差较大的点确定端子歪斜情况，通过所有端子切面的几何中心进行平面拟合，通过偏差较大的点确定端子退针情况，每个端子分别计算，提高端子缺陷类型检测的准确性。
以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以分布到多个网络单元上。本领域普通技术人员在不付出创造性的劳动的情况下，可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种BDU汽车线束连接器端子自动检测方法，其特征在于，所述方法包括：
通过支架将3D激光轮廓传感器和工业相机固定在工业机器人末端，通过工业相机采集待测连接器的正面图像，并计算出待测连接器的尺寸及几何中心坐标（x c ,y c ），以（x c ,y c ）为原点o建立连接器坐标系o-xyz；
获取标准连接器的尺寸，根据标准连接器的尺寸计算3D激光轮廓传感器在竖直方向的倾斜角θ；
在连接器坐标系o-xyz下，通过3D激光轮廓传感器的倾斜角θ、待测连接器尺寸和相机参数分别计算位于待测连接器左右两侧的第一扫描起始坐标和第二扫描起始坐标；
通过工业机器人携带3D激光轮廓传感器以倾斜角θ从待测连接器左侧的第一扫描起始坐标开始执行从左至右的水平移动扫描，得到第一点云
Figure QLYQS_1
；
通过工业机器人携带3D激光轮廓传感器以倾斜角-θ从待测连接器右侧的第二扫描起始坐标开始执行从右至左的水平移动扫描，得到第二点云
Figure QLYQS_2
；
分别对第一点云
Figure QLYQS_3
和第二点云/>
Figure QLYQS_4
进行去噪、过滤和变换处理，分别得到正立的第一点云矩阵和第二点云矩阵；
将第一点云矩阵和第二点云矩阵进行空间对齐，直接将空间对齐后的第一点云矩阵和第二点云矩阵拼合，得到待测连接器的完整三维点云数据；
基于待测连接器的完整三维点云数据计算各个端子的水平切面，进行端子歪斜检测或退针检测。
2.根据权利要求1所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述通过工业相机采集待测连接器的正面图像，并计算出待测连接器的尺寸及几何中心坐标（x c ,y c ），以（x c ,y c ）为原点o建立连接器坐标系o-xyz具体包括：
使将工业相机正对待测连接器的端子并控制工业相机的光心与待测连接器底面的垂直距离与平面相机的焦距f相同，采集待测连接器的正面图像，根据正面图像计算待测连接器的宽度w、长度l以及待测连接器的几何中心坐标（x c ,y c ）；
以待测连接器的几何中心坐标（x c ,y c ）为原点o、以平行于待测连接器的长边为纵轴y、以平行于待测连接器的短边为横轴x、以平行于连接器的端子方向为竖轴z建立连接器坐标系o-xyz。
3.根据权利要求2所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述获取标准连接器的尺寸，根据标准连接器的尺寸计算3D激光轮廓传感器在竖直方向的倾斜角θ包括：
从标准连接器的图纸中获取标准连接器的外壳内壁到最近的一列端子根部之间的间距d，以及标准连接器的外壳高度h；
计算3D激光轮廓传感器在竖直方向的倾斜角θ的公式为：
Figure QLYQS_5
；
3D激光轮廓传感器在竖直方向的倾斜角θ即对应3D激光轮廓传感器扫描时的入射角。
4.根据权利要求3所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述通过3D激光轮廓传感器的倾斜角θ、待测连接器尺寸和相机参数分别计算位于待测连接器左右两侧的第一扫描起始坐标和第二扫描起始坐标具体包括：
计算工业机器人末端在连接器坐标系o-xyz的x轴方向上的偏移量
Figure QLYQS_6
：
Figure QLYQS_7
；
计算机器人末端在连接器坐标系o-xyz的y轴方向上的偏移量
Figure QLYQS_8
：
Figure QLYQS_9
；
其中s为3D激光轮廓传感器到工业相机的视场中心的距离，工业相机的视场中心线与机器人末端所在轴线同轴设置；
机器人末端在待测连接器左侧的第一扫描起始坐标为：
Figure QLYQS_10
；
机器人末端在待测连接器右侧的第二扫描起始坐标为：
Figure QLYQS_11
。
5.根据权利要求4所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述通过工业机器人携带3D激光轮廓传感器以倾斜角θ从待测连接器左侧的第一扫描起始坐标开始执行从左至右的水平移动扫描，得到第一点云
Figure QLYQS_12
具体包括：
控制工业机器人末端移动到第一扫描起始坐标，使工业相机与3D激光轮廓传感器的连线与连接器坐标系o-xyz的y轴平行，并控制工业机器人末端关节逆时针旋转使3D激光轮廓传感器的入射线与连接器坐标系o-xyz的z轴的夹角为θ；
以第一扫描起始坐标为原点建立第一扫描坐空间标系P1-X1Y1Z1，第一扫描空间坐标系P1-X1Y1Z1的各轴与连接器坐标系o-xyz的各轴平行且方向相同；启动3D激光轮廓传感器，使工业机器人末端从第一扫描起始坐标开始，沿着连接器坐标系o-xyz的x轴正向水平移动扫描，至坐标
Figure QLYQS_13
结束，得到第一扫描空间坐标系下的第一点云
Figure QLYQS_14
。
6.根据权利要求5所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述通过工业机器人携带3D激光轮廓传感器以倾斜角-θ从待测连接器右侧的第二扫描起始坐标开始执行从右至左的水平移动扫描，得到第二点云
Figure QLYQS_15
具体包括：
控制工业机器人末端移动到第二扫描起始坐标，使工业相机与3D激光轮廓传感器的连线与连接器坐标系o-xyz的y轴平行，并控制工业机器人末端关节顺时针旋转使3D激光轮廓传感器的入射线与连接器坐标系o-xyz的z轴的夹角为-θ；
以第二扫描起始坐标为原点建立第二扫描空间坐标系P2-X2Y2Z2，第二扫描空间坐标系P2-X2Y2Z2的各轴与连接器坐标系o-xyz的各轴平行且仅横轴方向相反；启动3D激光轮廓传感器，使工业机器人末端从第二扫描起始坐标开始，沿着连接器坐标系o-xyz的x轴负向水平移动扫描，至坐标
Figure QLYQS_16
结束，得到第二扫描空间坐标系下的第二点云/>
Figure QLYQS_17
。/>
7.根据权利要求6所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述分别对第一点云
Figure QLYQS_18
和第二点云/>
Figure QLYQS_19
进行去噪、过滤和变换处理，分别得到第一点云矩阵和第二点云矩阵具体包括：
在第一扫描坐空间标系P1-X1Y1Z1下，去除第一点云数据
Figure QLYQS_20
中的离散点；
过滤第一点云数据
Figure QLYQS_21
中Z 1＜δ1或Z 1＞δ2的点云数据，生成第一点云矩阵
Figure QLYQS_22
，δ1、δ2分别为设定的点云过滤阈值；
将第一点云矩阵
Figure QLYQS_23
绕Y 1轴顺时针旋转θ角度，得到正立的第一点云矩阵
Figure QLYQS_24
；
去除
Figure QLYQS_25
中/>
Figure QLYQS_26
的点云数据，得到左侧点云数据；
在第二扫描空间坐标系P2-X2Y2Z2下，去除第二点云数据
Figure QLYQS_27
中的离散点；
过滤第二点云数据
Figure QLYQS_28
中Z 2＜δ1或Z 2＞δ2的点云数据，生成第二点云矩阵
Figure QLYQS_29
；
将第二点云矩阵
Figure QLYQS_30
绕Y 2轴逆时针旋转θ角度，得到正立的第二点云矩阵
Figure QLYQS_31
。
8.根据权利要求7所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述将第一点云矩阵和第二点云矩阵进行空间对齐具体包括：
计算第一点云矩阵
Figure QLYQS_32
的长度/>
Figure QLYQS_33
高度/>
Figure QLYQS_34
；
计算第二点云矩阵
Figure QLYQS_35
的长度/>
Figure QLYQS_36
和高度/>
Figure QLYQS_37
；
计算Z 2轴方向的修正系数
Figure QLYQS_38
和Y 2轴方向的修正系数/>
Figure QLYQS_39
：
Figure QLYQS_40
；
Figure QLYQS_41
；
通过修正系数
Figure QLYQS_42
对第二点云矩阵进行缩放，使第二点云矩阵与第一点云矩阵对齐；
去除缩放后的第二点云矩阵中
Figure QLYQS_43
的点云数据，其中，/>
Figure QLYQS_44
为缩放后的第二点云矩阵中X 2轴方向的最大值。
9.根据权利要求1所述的BDU汽车线束连接器端子自动检测方法，其特征在于，所述基于待测连接器的完整三维点云数据计算各个端子的水平切面，进行端子歪斜检测或退针检测具体包括：
设
Figure QLYQS_45
为完整三维点云数据中第i个端子在竖轴方向的最大值，i=1,2,…,N，N为端子总数，分别以/>
Figure QLYQS_46
为切面对对应的端子i尖端进行裁切，分别得到各个端子的切面，其中，z i 为端子i的切面，分别计算所有端子的切面几何中心点；
对同一列端子的切面几何中心点在水平面的坐标，进行随机采样一致性拟合，得到参考直线，计算同一列端子的各个切面几何中心点在水平面的坐标与参考直线之间的偏差，对于偏差超过预设偏差阈值的点，判定对应的端子发生歪斜；
对所有端子切面的几何中心点，采用随机采样一致算法，拟合生成参考平面，计算所有端子切面的几何中心点到参考平面的距离，对于距离超过预设距离阈值的点，判定对应的端子发生退针故障。
CN202310426414.XA 2023-04-20 2023-04-20 一种bdu汽车线束连接器端子自动检测方法 Active CN116164648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310426414.XA CN116164648B (zh) 2023-04-20 2023-04-20 一种bdu汽车线束连接器端子自动检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310426414.XA CN116164648B (zh) 2023-04-20 2023-04-20 一种bdu汽车线束连接器端子自动检测方法

Publications (2)

Publication Number Publication Date
CN116164648A true CN116164648A (zh) 2023-05-26
CN116164648B CN116164648B (zh) 2023-07-18

Family

ID=86418542

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310426414.XA Active CN116164648B (zh) 2023-04-20 2023-04-20 一种bdu汽车线束连接器端子自动检测方法

Country Status (1)

Country Link
CN (1) CN116164648B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117521180A (zh) * 2024-01-08 2024-02-06 浙江大学 一种基于二维图纸的三维机载线缆通道重建方法及系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050162644A1 (en) * 2004-01-23 2005-07-28 Norio Watanabe Fabrication method of semiconductor integrated circuit device
US20070285668A1 (en) * 2004-02-03 2007-12-13 Paolo Bertola Electronic Photo-Optical System For Surveying, Digitalizing And Reproducing The External Surface Of A Three-Dimensional Object, Either Virtually Or In Plastic, Composite Or Papery Material
CN102003938A (zh) * 2010-10-11 2011-04-06 中国人民解放军信息工程大学 大型高温锻件热态在位检测方法
US20200186672A1 (en) * 2016-04-28 2020-06-11 Dalian Czur Tech Co., Ltd. Method for Flattening Laser-based Image of Curved Book Page
US20200327696A1 (en) * 2019-02-17 2020-10-15 Purdue Research Foundation Calibration of cameras and scanners on uav and mobile platforms
US20210333093A1 (en) * 2020-04-28 2021-10-28 Mitutoyo Corporation Rotating chromatic range sensor system with calibration object and method
CN113566735A (zh) * 2021-07-24 2021-10-29 大连理工大学 一种火箭发动机喷管冷却通道线激光在位测量方法
CN114170410A (zh) * 2021-11-30 2022-03-11 西安理工大学 基于PointNet的图卷积与KNN搜索的点云零件级分割方法
CN115015881A (zh) * 2022-05-30 2022-09-06 西安电子科技大学 一种全向旋转的单线激光雷达装置及组网点云配准方法
EP4094096A1 (en) * 2020-01-24 2022-11-30 Outsight A method and system for generating a colored tridimensional map
CN218567584U (zh) * 2022-09-05 2023-03-03 上海钛阳线束测试系统有限公司 一种防端子歪斜的端子定位检测装置
CN115855955A (zh) * 2022-12-05 2023-03-28 安徽工业大学 一种基于多束线激光的模具表面结构缺陷检测装置和方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050162644A1 (en) * 2004-01-23 2005-07-28 Norio Watanabe Fabrication method of semiconductor integrated circuit device
US20070285668A1 (en) * 2004-02-03 2007-12-13 Paolo Bertola Electronic Photo-Optical System For Surveying, Digitalizing And Reproducing The External Surface Of A Three-Dimensional Object, Either Virtually Or In Plastic, Composite Or Papery Material
CN102003938A (zh) * 2010-10-11 2011-04-06 中国人民解放军信息工程大学 大型高温锻件热态在位检测方法
US20200186672A1 (en) * 2016-04-28 2020-06-11 Dalian Czur Tech Co., Ltd. Method for Flattening Laser-based Image of Curved Book Page
US20200327696A1 (en) * 2019-02-17 2020-10-15 Purdue Research Foundation Calibration of cameras and scanners on uav and mobile platforms
EP4094096A1 (en) * 2020-01-24 2022-11-30 Outsight A method and system for generating a colored tridimensional map
US20210333093A1 (en) * 2020-04-28 2021-10-28 Mitutoyo Corporation Rotating chromatic range sensor system with calibration object and method
CN113566735A (zh) * 2021-07-24 2021-10-29 大连理工大学 一种火箭发动机喷管冷却通道线激光在位测量方法
CN114170410A (zh) * 2021-11-30 2022-03-11 西安理工大学 基于PointNet的图卷积与KNN搜索的点云零件级分割方法
CN115015881A (zh) * 2022-05-30 2022-09-06 西安电子科技大学 一种全向旋转的单线激光雷达装置及组网点云配准方法
CN218567584U (zh) * 2022-09-05 2023-03-03 上海钛阳线束测试系统有限公司 一种防端子歪斜的端子定位检测装置
CN115855955A (zh) * 2022-12-05 2023-03-28 安徽工业大学 一种基于多束线激光的模具表面结构缺陷检测装置和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
胡远志;刘俊生;何佳;肖航;宋佳;: "基于激光雷达点云与图像融合的车辆目标检测方法", 汽车安全与节能学报, no. 04 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117521180A (zh) * 2024-01-08 2024-02-06 浙江大学 一种基于二维图纸的三维机载线缆通道重建方法及系统

Also Published As

Publication number Publication date
CN116164648B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
CN108269255B (zh) 一种基于机器视觉的电连接器检测方法
CN116164648B (zh) 一种bdu汽车线束连接器端子自动检测方法
KR101037080B1 (ko) 본딩 장치 및 본딩 방법
JP5302858B2 (ja) 被覆電線検査装置及びこれを備えた電線処理機
JP3859371B2 (ja) ピッキング装置
CN110260818B (zh) 一种基于双目视觉的电子连接器鲁棒检测方法
WO2022188293A1 (zh) 一种带有集成镜头的视觉检测系统
CN114088738B (zh) 一种环状焊缝的高精度缺陷检测方法和装置
CN110487189B (zh) 平坦度检测方法、平坦度检测装置及存储介质
CN105026098A (zh) 激光焊接装置以及激光焊接方法
CN110030923A (zh) 连接器Pin针检测系统及其检测方法
KR102238388B1 (ko) 투명판 표면 검사 장치, 투명판 표면 검사 방법, 및 유리판의 제조 방법
CN111386024A (zh) 一种双引脚电子元器件的引脚自适应定位插入方法及系统
CN201425471Y (zh) 端子高度差检测仪
US10869421B2 (en) Mounting device and imaging processing method
CN210426454U (zh) 用于复合面产品的表面三维轮廓检测装置
CN108537831B (zh) 对增材制造工件进行ct成像的方法及装置
WO2023065721A1 (en) Methods, devices and systems for transparent object three-dimensional reconstruction
CN116275616A (zh) 一种产品切割控制方法、电子设备及存储介质
US20220180494A1 (en) Wire shape measurement device, wire three-dimensional image generation method, and wire shape measurement method
JP2000028350A (ja) 形状計測装置
CN113963069A (zh) 一种跳线与铁塔间的测距方法、系统、计算机及存储介质
JPH091338A (ja) 溶接線自動認識法及び装置
CN113358026A (zh) 一种基于双线阵ccd相机的物体位置和轮廓信息的检测方法
CN113793293A (zh) 轮廓检测方法、装置、系统及计算机可读存储介质

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