CN116399241A - 一种贴片式电感几何参数测量方法及系统 - Google Patents

一种贴片式电感几何参数测量方法及系统 Download PDF

Info

Publication number
CN116399241A
CN116399241A CN202310667422.3A CN202310667422A CN116399241A CN 116399241 A CN116399241 A CN 116399241A CN 202310667422 A CN202310667422 A CN 202310667422A CN 116399241 A CN116399241 A CN 116399241A
Authority
CN
China
Prior art keywords
plane
distance
point
fitting
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.)
Granted
Application number
CN202310667422.3A
Other languages
English (en)
Other versions
CN116399241B (zh
Inventor
洪汉玉
张晓庆
章秀华
周健
张志荣
夏康
梁永杰
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 Institute of Technology
Original Assignee
Wuhan Institute of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wuhan Institute of Technology filed Critical Wuhan Institute of Technology
Priority to CN202310667422.3A priority Critical patent/CN116399241B/zh
Publication of CN116399241A publication Critical patent/CN116399241A/zh
Application granted granted Critical
Publication of CN116399241B publication Critical patent/CN116399241B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/03—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by measuring coordinates of points
    • 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
    • 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
    • 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
    • G06V10/20—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
    • 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
    • G06V10/30—Noise filtering
    • 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
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种贴片式电感几何参数测量方法及系统，该方法包括：获取贴片式电感上表面轮廓的三维点云；设置单距离阈值剔除点云中离散的噪点；获取贴片式电感金属片平面与中间平面的单独聚类点云；利用基于点‑面距的RANSAC空间平面拟合算法，分别对单独聚类点云进行二次平面拟合，利用两二次拟合平面求得金属片平面至中间平面的高度差；利用基于垂距的RANSAC空间直线拟合算法，求得两金属片临界位置的空间直线，进而得到两金属片之间的间距。本发明通过设置单距离阈值剔除点云中离散的噪点，并利用二次平面拟合以及比例系数求取金属片平面至中间平面的高度差，利用基于垂距的RANSAC空间直线拟合算法求取两金属片之间的间距，提高了高度差和间距的测量精度。

Description

一种贴片式电感几何参数测量方法及系统
技术领域
本发明属于点云数据处理技术领域，具体涉及一种贴片式电感几何参数测量方法及系统。
背景技术
轮廓测量是工业生产中的一个重要环节，随着自动化技术的发展，电子产品的结构变得越来越复杂，各种电路组件的接触距离也相应的缩小，贴片式电感作为一种常见的电子产品已广泛应用到笔记本电脑、数码相机、显示器当中，检测其轮廓的精度是生产过程中必不可少的一步，用人工去判断生产的精度是否达到标准极其耗时且效率低。
基于光谱共焦的测量技术具有测量精度高、抗干扰能力强、高效率等优点，已广泛应用于位移测量、缺陷检测、厚度测量等领域，其作为一种主动式的测量技术，不与待测元器件直接接触避免了元器件表面的磨损，在机械电子和应用光学等行业具有很好的应用前景。
由光谱共焦传感器的光学探头在待测器件上完成动态扫描，通过多线程技术，输入输出设备可及时反馈给计算机得到待测器件的三维点云图，三维点云数据与二维图像相比，能获取到较多的几何信息，因此通过三维点云数据处理技术测量得到的元器件几何参数，是一种满足工业生产的测量方式。
发明内容
本发明的目的在于，提供一种贴片式电感几何参数测量方法及系统，实现对贴片式电感上表面中金属片至中间平面的高度差以及两金属片之间间距的准确测量。
本发明所采用的技术方案如下：
一种贴片式电感几何参数测量方法，包括以下步骤：
获取贴片式电感上表面轮廓的三维点云；
设置单距离阈值，剔除点云中离散的噪点；具体为：
计算点云中各点到其邻域内所有点之间距离的平均值
Figure SMS_1
；
给定指数平方距离的平滑参数
Figure SMS_2
，计算点云中各点到其邻域内所有点之间的平均指数平方距离/>
Figure SMS_3
：
Figure SMS_4
计算所有点云在其邻域内的距离均值
Figure SMS_5
和指数平方均值/>
Figure SMS_6
，分别为：
Figure SMS_7
Figure SMS_8
式中，i为第i个点云，n为所有点云的总数；
计算距离均值的标准差
Figure SMS_9
为：
Figure SMS_10
设标准差倍数为
Figure SMS_11
，设置/>
Figure SMS_12
为单距离阈值；若点云中某点的平均指数平方距离/>
Figure SMS_13
，则保留该点，否则，剔除该点；
从剩余点云中获取贴片式电感金属片平面与中间平面的单独聚类点云；
利用基于点-面距的RANSAC空间平面拟合算法，分别对金属片平面与中间平面的单独聚类点云进行二次平面拟合，利用得到的两二次拟合平面求得金属片平面至中间平面的高度差；具体为：
利用RANSAC算法得到初次拟合平面；
建立各点到初次拟合平面的距离
Figure SMS_14
的集合，得到距离集合的中位数/>
Figure SMS_15
，并设置中位数偏移量/>
Figure SMS_16
，将/>
Figure SMS_17
设置为二次拟合的距离阈值，保留/>
Figure SMS_18
的点，进行二次拟合，得到金属片平面与中间平面的二次拟合平面，分别为：
Figure SMS_19
；
最终利用金属片平面与中间平面的二次拟合平面求得金属片平面至中间平面的高度差
Figure SMS_20
：
Figure SMS_21
式中，
Figure SMS_22
为两二次拟合平面之间的夹角；
利用基于垂距的RANSAC空间直线拟合算法，求得两金属片临界位置的空间直线方程，进而得到两金属片之间的间距。
进一步的，点云中各点到其邻域内所有点之间距离的平均值
Figure SMS_23
的计算公式如下：
Figure SMS_24
式中，
Figure SMS_25
为近邻点的个数；i为第i个点；/>
Figure SMS_26
为某点/>
Figure SMS_27
到其邻域内任意一点/>
Figure SMS_28
之间的距离，计算公式如下：
Figure SMS_29
。
进一步的，标准差倍数
Figure SMS_30
为1，近邻点的个数/>
Figure SMS_31
为50，指数平方距离的平滑参数/>
Figure SMS_32
为0.01。
进一步的，从剩余点云中获取贴片式电感金属片平面与中间平面的单独聚类点云，包括：
从剩余点云中筛选出贴片式电感金属片平面所处位置及中间平面所处位置的局部点云；
采用基于混合权函数的聚类算法得到金属片平面与中间平面的单独聚类点云。
进一步的，采用基于混合权函数的聚类算法得到金属片平面与中间平面的单独聚类点云，包括：
（1）从筛选出的点云中选取
Figure SMS_33
个点作为初始聚类中心；
（2）定义距离函数为：
Figure SMS_34
其中，
Figure SMS_35
、/>
Figure SMS_36
分别表示点/>
Figure SMS_37
和聚类中心/>
Figure SMS_38
的坐标值；
定义相似度函数为：
Figure SMS_39
其中，
Figure SMS_40
和/>
Figure SMS_41
分别表示点/>
Figure SMS_42
和聚类中心/>
Figure SMS_43
在第l个属性点上的取值，m为属性点的数量；
从而得到混合权函数：
Figure SMS_44
其中，
Figure SMS_45
为权重系数，/>
Figure SMS_46
；
（3）对于每个数据点
Figure SMS_47
，计算其与所有聚类中心/>
Figure SMS_48
之间的距离和相似度，得到混合权函数，并计算某点/>
Figure SMS_49
属于所有聚类中心/>
Figure SMS_50
的概率/>
Figure SMS_51
，将/>
Figure SMS_52
聚类到概率最高的聚类中心里面，即将/>
Figure SMS_53
聚类到混合权函数的值最大的聚类当中；
（4）更新每个聚类的个数和聚类中心的位置，使每个聚类中心的位置变为该聚类中所有点的均值；
（5）重复步骤（3）和步骤（4），直到不再有新的点加入聚类中心。
进一步的，对筛选出的点云进行高程渲染，根据渲染后点云颜色差异选取初始聚类中心。
进一步的，
Figure SMS_54
为3，/>
Figure SMS_55
为3，/>
Figure SMS_56
为0.2，/>
Figure SMS_57
为0.8。
进一步的，利用基于垂距的RANSAC空间直线拟合算法，求得两金属片临界位置的空间直线方程，进而得到两金属片之间的间距，包括：
选取两金属片临界位置上的多个点云，分别拟合空间直线；在拟合空间直线时，随机选取两个点，建立空间直线模型，并计算其余点到空间直线的垂距，根据所得的垂距数据集合，计算垂距数据集合的均值，将均值设定为阈值，将垂距小于阈值的点保留下来，并不断迭代，形成最终的拟合直线模型：
Figure SMS_58
、/>
Figure SMS_59
式中，
Figure SMS_60
和/>
Figure SMS_61
分别为两个金属片边界的空间直线方程上的已知点，
Figure SMS_62
和/>
Figure SMS_63
分别为两个金属片空间直线方程的方向向量；
将拟合后所得两空间直线方程的方向向量参数平均值作为直线的方向向量，即：
Figure SMS_64
令
Figure SMS_65
，则向量/>
Figure SMS_66
，所以两空间直线间的距离表示为：
Figure SMS_67
根据向量积的运算法则：
Figure SMS_68
则两金属片的间距：
Figure SMS_69
。
一种用于实现上述中任意一项所述的贴片式电感几何参数测量方法的贴片式电感几何参数测量系统，包括：光谱共焦传感器、光学探头、三轴运动控制器和计算机；
待测贴片式电感位于待测器件放置平台；光学探头通过光纤与光谱共焦传感器相连接，并设置于三轴运动控制器的Z轴，且正对待测贴片式电感；计算机与光谱共焦传感器以及三轴运动控制器相连接，由计算机控制三轴运动控制器来带动光学探头的移动，从而对待测贴片式电感进行扫描，以获取贴片式电感上表面轮廓的三维点云。
本发明与现有技术相比，具有以下优点及有益效果：
本发明通过设置单距离阈值剔除点云中离散的噪点，并利用基于点-面距的RANSAC空间平面拟合算法，分别对金属片平面与中间平面的单独聚类点云进行二次平面拟合，利用得到的两二次拟合平面求得金属片平面至中间平面的高度差，提高了高度差的测量精度，且引入比例系数
Figure SMS_70
，进一步补偿了测量误差，使得所求的高度差更为精确；此外利用基于垂距的RANSAC空间直线拟合算法，求取了两金属片之间的间距，同样提高了间距的测量精度，具有较好的鲁棒性与实用性。
在聚类分割时，针对本发明要得到的聚类点云的特点，提出了一种基于混合权函数的聚类方法，引入距离和相似度两个度量函数，并分配不同的权重比，更精准、高效地完成贴片式电感的局部点云聚类分割。
本发明通过光谱共焦传感器和三轴运动控制器搭建的测量系统，完成对贴片式电感的在线扫描，作为一种主动式测量技术，避免了测量设备与待测器件的表面直接接触，减小了器件的表面磨损，提高了测量的效率和精度。
附图说明
图1为本发明实施例的贴片式电感几何参数测量方法流程图；
图2为本发明实施例的测量系统的简易三维结构示意图；
图3为本发明实施例的拍摄的贴片式电感实物图；
图4为本发明实施例的渲染处理后的贴片式电感上表面轮廓原始三维点云数据图；
图5为本发明实施例的金属片平面与中间平面局部点云数据滤波前后的对比图；
图6为本发明实施例的点云聚类结果图；
图7为本发明实施例的二次平面拟合的简易原理流程图；
图8为本发明实施例的两金属片临界位置上的部分点云组成的空间离散直线点云图。
图中：1-光谱共焦传感器，2-光学探头，3-待测器件放置平台，4-光纤，5-X轴，6-Y轴，7-Z轴。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明利用光谱共焦技术和点云处理技术对贴片式电感的几何参数进行测量，由于光学技术具有速度快、非接触的特性，使得此测量方法能够提高效率，节省成本。且通过本发明的贴片式电感点云处理方法，可以使得贴片式电感上表面中金属片至中间平面的高度差以及两金属片之间间距的测量更加准确。
实施例1：
本发明实施例的贴片式电感几何参数测量方法，如图1所示，包括以下步骤：
S1：将光谱共焦传感器1的光学探头2夹放在三轴运动控制器的Z轴平面上，将待测的贴片式电感置于待测器件放置平台3上，计算机端通过输入输出模块与光谱共焦传感器1与三轴运动控制器建立连接，通过计算机控制三轴运动控制器来带动光学探头2的移动，对贴片式电感进行动态扫描；贴片式电感几何参数测量系统的简易三维模型如图2所示，其中光学探头2是通过光纤4与光谱共焦传感器1连接的。
待测的贴片式电感实物图如图3所示，其上表面轮廓的生产尺寸大小为7*7 mm²（存在1 mm的公差），根据待测贴片式电感的几何特征，将X轴5、Y轴6和Z轴7移动到采集起点位置（贴片式电感上表面的左上角），固定Z轴7的位置，再将X轴5和Y轴6移动到采集终点位置（贴片式电感上表面的右下角），设定好轴速以及采集距离，开始采集贴片式电感的点云数据。
S2、由输入输出模块传送给计算机控制台得到贴片式电感的三维点云数据，并可视化三维点云数据，具体可描述为：
S21：光学探头动态扫描器件的轮廓表面时，在每个扫描的位置生成成百上千的离散点，通过程序中的入口函数获取点的三维坐标，进而通过多线程运动控制模块，使扫描过程中获取的三维坐标迅速传回计算机控制台，生成完整的三维轮廓；
S22：可视化三维点云数据；包括步骤：
S221：给点云上色，渲染采集到的三维数据，可将点云数据设置为单色，也可按X、Y、Z三轴的方向对其进行渲染；
S222：调节点云的大小，使其分辨率可观；
S223：调节点云的视图，观察不同角度的点云数据，可选择上、下、前、后、左、右六种方式调节点云视图，也可手动使用鼠标控件调节视图。图4是采集到的贴片式电感的上表面轮廓点云图。
S3：设置单距离阈值，剔除离散的噪点，具体可描述为：
设点云中某点的坐标为
Figure SMS_71
，该点邻域内任意一点为/>
Figure SMS_72
，两点之间的欧式距离为：/>
Figure SMS_73
；
设定近邻点的个数为
Figure SMS_74
，则某一点到其邻域内所有点之间距离的平均公式为：
Figure SMS_75
给定指数平方距离的平滑参数为
Figure SMS_76
，可得某点到其邻域内所有点之间的平均指数平方距离为：/>
Figure SMS_77
；
所有空间点云在其邻域内的欧式均值和指数平方均值分别为：
Figure SMS_78
、/>
Figure SMS_79
其欧式均值的标准差为：
Figure SMS_80
设标准差倍数为
Figure SMS_81
，设置/>
Figure SMS_82
为单距离阈值，若/>
Figure SMS_83
，则保留此点，否则，剔除该点。
本发明实施例设置标准差倍数为
Figure SMS_84
为1，给定近邻点个数为/>
Figure SMS_85
为50，设定指数平方距离的平滑参数为/>
Figure SMS_86
为0.01。
需要说明的是，本发明在此传统的统计滤波基础上引入一个平滑参数h，结合欧式距离均值求得指数平方距离均值，由指数平方距离的均值以及欧式均值的标准差，来设置一个单距离阈值，并比较阈值和指数平方均值的大小，来剔除噪点。优点是引进指数平方距离，相当于距离较远的点，在点云中所占的距离权重低，更有益于剔除离散的噪点。
S4、筛选出贴片式电感中金属片所处位置及中间平面所处位置的局部点云，得到单独的聚类点云。
分割后的点云分为三种不同的簇类，如图6所示，分别表示贴片式电感两侧金属片所在平面的点云和中间位置所处位置的点云，根据图3的实物以及图5的局部视图，两侧金属片是在同一水平面的，所以本发明随机选取一侧的金属片平面点云与中间位置平面点云进行了平面拟合。
S5、利用基于点-面距的RANSAC空间平面拟合算法得到平面方程，并利用加权公式求得金属片平面至中间平面的高度差；具体描述为：
利用RANSAC算法，即随机采样一致性算法的原理拟合空间平面，得到初次拟合的平面方程，然后建立空间点到拟合平面的距离
Figure SMS_87
的集合/>
Figure SMS_88
，根据点到平面的距离集合，得到距离集合的中位数/>
Figure SMS_89
，并设置中位数偏移量/>
Figure SMS_90
，本实施例设置距离集合的四分位间距为偏移量，因此将/>
Figure SMS_91
设置为二次拟合的距离阈值，保留/>
Figure SMS_92
的点，进行二次拟合，本发明设定迭代次数为1000，二次拟合的简易原理可用图7的流程图表示。
根据上述方案，求得两个空间平面方程分别为：
Figure SMS_93
，分别表示金属片所在平面的空间方程以及中间位置所处平面的空间方程，其中/>
Figure SMS_94
作为方向向量，分别为两个空间平面的法向量，/>
Figure SMS_95
分别为两个平面方程的参数。
金属片所在平面与中间位置所处平面之间的夹角关系式为：
Figure SMS_96
为了使得所求的高度差更为精确，本发明引入比例系数
Figure SMS_97
，所以两平面之间的高度差可表达为：
Figure SMS_98
在利用RANSAC算法进行初次拟合后，得到第一次拟合后的平面方程表达式，根据点云坐标值，计算点到拟合平面的距离，这些距离组成集合，根据距离集合得到数据的中位数，并设置一个中位数偏移量，然后由中位数及中位数偏移量（本发明设置中位数偏移量为四分位间距）来设定一个阈值，以剔除掉小于阈值的点云，利用RANSAC算法在进行迭代拟合，得到一个二次拟合的平面方程。二次拟合时，设置的阈值更加准确，并能有效剔除相对于其他点而言，明显的平面离群点，这样做的好处是，首先反向验证了第一次拟合时的平面效果，二是反向进行了一次平面噪点滤波，三是二次拟合可以较初次拟合而言，其结果能提高后续的高度差计算精度。
同时，在计算高度差时，引入比例系数，即余弦角的倒数，因为两平面是近似平行的，而公式是针对理想情况下，也就是两平行平面的计算公式，因此引入比例系数，补偿一下微小的误差，会使结果更加准确。
S6、利用基于垂距的RANSAC空间直线拟合算法，求得两金属片临界位置的空间直线方程，用两空间直线方程的方向向量参数平均值作为直线的方向向量，求取直线的间距，得到两金属片之间的间距。
选取两金属片临界位置上的多个点云，所选点云构成两条空间直线，如图8所示，分别拟合临界位置的空间直线。在拟合空间直线时，随机选取直线上的两个点，建立空间直线模型，并计算其余点到空间直线的垂距，根据所得的垂距数据集合，计算数据集合的均值，将均值设定为阈值，将距离小于阈值的点保留下来，并不断迭代，形成最终的拟合直线模型，本发明设置迭代次数为50次。
设置阈值为垂距的均值，并通过迭代使直线拟合更加准确。拟合后得到两边界直线的空间直线方程为：
Figure SMS_99
、/>
Figure SMS_100
式中
Figure SMS_101
，/>
Figure SMS_102
分别为两个金属片边界的直线方程上的已知点，/>
Figure SMS_103
，
Figure SMS_104
分别为两个金属片空间直线方程的方向向量，记作/>
Figure SMS_105
和/>
Figure SMS_106
。
两条空间直线平行时，满足
Figure SMS_107
，即两直线方程的方向向量是相等的，因此本文用拟合后所得两空间直线方程的方向向量参数平均值作为直线的方向向量，即：
Figure SMS_108
令
Figure SMS_109
，
则向量
Figure SMS_110
，所以两空间直线间的距离可表示为：
Figure SMS_111
根据向量积的运算法则：
Figure SMS_112
；
则两金属片的间距：
Figure SMS_113
。
根据位置关系计算间距时，取平均值作为直线的方向向量，同样可以补偿微小的直线拟合误差，结果更加准确。
实施例2：
该实施例的贴片式电感几何参数测量方法，通过对筛选出的局部点云，采用基于混合权函数的聚类算法，得到金属片平面与中间平面的单独聚类点云，聚类结果图如图6所示。基于混合权函数的聚类算法具体如下：
S41：筛选出贴片式电感中金属片所处位置及中间平面所处位置的局部点云；图5为金属片平面与中间平面局部点云数据滤波前后的对比图，可以看出滤波后的噪点减少，有益于获得高精度的测量数据。
S42：采用基于混合权函数的聚类算法得到金属片平面与中间平面的单独聚类点云；具体描述为：
（1）对所选点云区域进行
Figure SMS_114
方向的渲染，由于金属片平面与中间平面的高度不同，故金属片平面与中间平面的颜色会出现明显差异，根据/>
Figure SMS_115
的明显区别，选取/>
Figure SMS_116
个点作为初始聚类中心，本发明取/>
Figure SMS_117
为3，分别对应左右金属片平面与中间平面。
（2）定义距离函数为：
Figure SMS_118
其中，
Figure SMS_119
、/>
Figure SMS_120
分别表示点/>
Figure SMS_121
和聚类中心/>
Figure SMS_122
的坐标值。
定义相似度函数为：
Figure SMS_123
其中，
Figure SMS_124
和/>
Figure SMS_125
分别表示点/>
Figure SMS_126
和聚类中心/>
Figure SMS_127
在第l个属性点上的取值，m为属性点的数量，取值为3。
从而得到混合权函数
Figure SMS_128
，其中/>
Figure SMS_129
为权重系数，/>
Figure SMS_130
，本发明实施例取/>
Figure SMS_131
为0.2，/>
Figure SMS_132
为0.8。
（3）对于每个数据点
Figure SMS_133
，计算其与所有聚类中心/>
Figure SMS_134
之间的距离和相似度，得到混合权函数，并计算某点/>
Figure SMS_135
属于所有聚类中心/>
Figure SMS_136
的概率/>
Figure SMS_137
，将/>
Figure SMS_138
聚类到概率最高的聚类中心里面，即将/>
Figure SMS_139
聚类到混合权函数的值最大的聚类当中。
（4）更新每个聚类的个数和聚类中心的位置，使每个聚类中心的位置变为该聚类中所有点的均值。
（5）重复步骤（3）与（4），直到不再有新的点加入聚类中心。
在聚类分割中，引入两个度量函数：距离函数和（余弦）相似度函数，将这两个函数进行加权，分配不同的权重，得到一个混合权函数，然后根据混合权函数的表达式，计算每个点到每个聚类的概率，将点分配到概率最大的聚类中，也就是将点分配到了混合权函数值最大的聚类中，实现点云的聚类分割，有益于后续的点云处理操作。优点是两个度量函数结合能使点云的分割更具有说服性，适应性和灵活性，此方法在对聚类个数相对较少并且点云数量规模较小的点云模型进行操作时，其效果较好。
实施例3：
本发明还提供另一实施例，该实施例提供一种贴片式电感几何参数测量系统，用于实现上述中任意一项所述的贴片式电感几何参数测量方法，该系统包括：光谱共焦传感器、光学探头、三轴运动控制器和计算机；
待测贴片式电感位于待测器件放置平台；光学探头通过光纤与光谱共焦传感器相连接，并设置于三轴运动控制器的Z轴，且正对待测贴片式电感；计算机与光谱共焦传感器以及三轴运动控制器相连接，由计算机控制三轴运动控制器来带动光学探头的移动，从而对待测贴片式电感进行扫描，以获取贴片式电感上表面轮廓的三维点云。
综上，本发明提供的一种贴片式电感几何参数测量方法，通过光谱共焦传感器动态扫描贴片式电感的轮廓，获取点云数据，运用三维点云处理技术对采集到的贴片式电感上表面轮廓数据进行了滤波去噪、局部点云聚类分割，进而实现了对贴片式电感上表面中金属片至中间平面的高度差测量以及两金属片之间的间距测量。本发明依靠光学技术的快速性和准确性，测量过程被大大缩减，减少了劳动力和生产成本，是一种可靠的测量方法，通过设置单距离阈值剔除点云中离散的噪点，并利用基于点-面距的RANSAC空间平面拟合算法，分别对金属片平面与中间平面的单独聚类点云进行二次平面拟合，利用得到的两二次拟合平面求得金属片平面至中间平面的高度差，提高了高度差的测量精度，且引入比例系数
Figure SMS_140
，进一步补偿了测量误差，使得所求的高度差更为精确；此外利用基于垂距的RANSAC空间直线拟合算法，求取了两金属片之间的间距，同样提高了间距的测量精度，具有较好的鲁棒性与实用性，同时，在聚类分割时，针对本发明要得到的聚类点云的特点，提出了一种基于混合权函数的聚类方法，引入距离和相似度两个度量函数，并对其分配不同的权重，更精准、高效地完成贴片式电感的局部点云聚类分割。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，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、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种贴片式电感几何参数测量方法，其特征在于，包括以下步骤：
获取贴片式电感上表面轮廓的三维点云；
设置单距离阈值，剔除点云中离散的噪点；具体为：
计算点云中各点到其邻域内所有点之间距离的平均值
Figure QLYQS_1
；
给定指数平方距离的平滑参数
Figure QLYQS_2
，计算点云中各点到其邻域内所有点之间的平均指数平方距离/>
Figure QLYQS_3
：
Figure QLYQS_4
计算所有点云在其邻域内的距离均值
Figure QLYQS_5
和指数平方均值/>
Figure QLYQS_6
，分别为：
Figure QLYQS_7
Figure QLYQS_8
式中，i为第i个点云，n为所有点云的总数；
计算距离均值的标准差
Figure QLYQS_9
为：
Figure QLYQS_10
设标准差倍数为
Figure QLYQS_11
，设置/>
Figure QLYQS_12
为单距离阈值；若点云中某点的平均指数平方距离/>
Figure QLYQS_13
，则保留该点，否则，剔除该点；
从剩余点云中获取贴片式电感金属片平面与中间平面的单独聚类点云；
利用基于点-面距的RANSAC空间平面拟合算法，分别对金属片平面与中间平面的单独聚类点云进行二次平面拟合，利用得到的两二次拟合平面求得金属片平面至中间平面的高度差；具体为：
利用RANSAC算法得到初次拟合平面；
建立各点到初次拟合平面的距离
Figure QLYQS_14
的集合，得到距离集合的中位数/>
Figure QLYQS_15
，并设置中位数偏移量/>
Figure QLYQS_16
，将/>
Figure QLYQS_17
设置为二次拟合的距离阈值，保留/>
Figure QLYQS_18
的点，进行二次拟合，得到金属片平面与中间平面的二次拟合平面，分别为：
Figure QLYQS_19
；
最终利用金属片平面与中间平面的二次拟合平面求得金属片平面至中间平面的高度差
Figure QLYQS_20
：
Figure QLYQS_21
式中，
Figure QLYQS_22
为两二次拟合平面之间的夹角；
利用基于垂距的RANSAC空间直线拟合算法，求得两金属片临界位置的空间直线方程，进而得到两金属片之间的间距。
2.根据权利要求1所述的贴片式电感几何参数测量方法，其特征在于，点云中各点到其邻域内所有点之间距离的平均值
Figure QLYQS_23
的计算公式如下：
Figure QLYQS_24
式中，
Figure QLYQS_25
为近邻点的个数；i为第i个点；/>
Figure QLYQS_26
为某点/>
Figure QLYQS_27
到其邻域内任意一点
Figure QLYQS_28
之间的距离，计算公式如下：
Figure QLYQS_29
。
3.根据权利要求1所述的贴片式电感几何参数测量方法，其特征在于，标准差倍数
Figure QLYQS_30
为1，近邻点的个数/>
Figure QLYQS_31
为50，指数平方距离的平滑参数/>
Figure QLYQS_32
为0.01，中位数偏移量/>
Figure QLYQS_33
为距离集合的四分位间距。
4.根据权利要求1所述的贴片式电感几何参数测量方法，其特征在于，从剩余点云中获取贴片式电感金属片平面与中间平面的单独聚类点云，包括：
从剩余点云中筛选出贴片式电感金属片平面所处位置及中间平面所处位置的局部点云；
采用基于混合权函数的聚类算法得到金属片平面与中间平面的单独聚类点云。
5.根据权利要求4所述的贴片式电感几何参数测量方法，其特征在于，采用基于混合权函数的聚类算法得到金属片平面与中间平面的单独聚类点云，包括：
（1）从筛选出的点云中选取
Figure QLYQS_34
个点作为初始聚类中心；
（2）定义距离函数为：
Figure QLYQS_35
其中，
Figure QLYQS_36
、/>
Figure QLYQS_37
分别表示点/>
Figure QLYQS_38
和聚类中心/>
Figure QLYQS_39
的坐标值；
定义相似度函数为：
Figure QLYQS_40
其中，
Figure QLYQS_41
和/>
Figure QLYQS_42
分别表示点/>
Figure QLYQS_43
和聚类中心/>
Figure QLYQS_44
在第l个属性点上的取值，m为属性点的数量；
从而得到混合权函数：
Figure QLYQS_45
其中，
Figure QLYQS_46
为权重系数，/>
Figure QLYQS_47
；
（3）对于每个数据点
Figure QLYQS_48
，计算其与所有聚类中心/>
Figure QLYQS_49
之间的距离和相似度，得到混合权函数，并计算某点/>
Figure QLYQS_50
属于所有聚类中心/>
Figure QLYQS_51
的概率/>
Figure QLYQS_52
，将/>
Figure QLYQS_53
聚类到概率最高的聚类中心里面，即将/>
Figure QLYQS_54
聚类到混合权函数的值最大的聚类当中；
（4）更新每个聚类的个数和聚类中心的位置，使每个聚类中心的位置变为该聚类中所有点的均值；
（5）重复步骤（3）和步骤（4），直到不再有新的点加入聚类中心。
6.根据权利要求5所述的贴片式电感几何参数测量方法，其特征在于，对筛选出的点云进行高程渲染，根据渲染后点云颜色差异选取初始聚类中心。
7.根据权利要求5所述的贴片式电感几何参数测量方法，其特征在于，
Figure QLYQS_55
为3，/>
Figure QLYQS_56
为3。
8.根据权利要求5所述的贴片式电感几何参数测量方法，其特征在于，权重系数
Figure QLYQS_57
分别为0.2和0.8。
9.根据权利要求1所述的贴片式电感几何参数测量方法，其特征在于，利用基于垂距的RANSAC空间直线拟合算法，求得两金属片临界位置的空间直线方程，进而得到两金属片之间的间距，包括：
选取两金属片临界位置上的多个点云，分别拟合空间直线；在拟合空间直线时，随机选取两个点，建立空间直线模型，并计算其余点到空间直线的垂距，根据所得的垂距数据集合，计算垂距数据集合的均值，将均值设定为阈值，将垂距小于阈值的点保留下来，并不断迭代，形成最终的拟合直线模型：
Figure QLYQS_58
、/>
Figure QLYQS_59
式中，
Figure QLYQS_60
和/>
Figure QLYQS_61
分别为两个金属片边界的空间直线方程上的已知点，/>
Figure QLYQS_62
和/>
Figure QLYQS_63
分别为两个金属片空间直线方程的方向向量；
将拟合后所得两空间直线方程的方向向量参数平均值作为直线的方向向量，即：
Figure QLYQS_64
令
Figure QLYQS_65
，则向量/>
Figure QLYQS_66
，所以两空间直线间的距离表示为：
Figure QLYQS_67
根据向量积的运算法则：
Figure QLYQS_68
则两金属片的间距：
Figure QLYQS_69
。
10.一种用于实现权利要求1至9中任意一项所述的贴片式电感几何参数测量方法的贴片式电感几何参数测量系统，其特征在于，包括：光谱共焦传感器、光学探头、三轴运动控制器和计算机；
待测贴片式电感位于待测器件放置平台；光学探头通过光纤与光谱共焦传感器相连接，并设置于三轴运动控制器的Z轴，且正对待测贴片式电感；计算机与光谱共焦传感器以及三轴运动控制器相连接，由计算机控制三轴运动控制器来带动光学探头的移动，从而对待测贴片式电感进行扫描，以获取贴片式电感上表面轮廓的三维点云。
CN202310667422.3A 2023-06-07 2023-06-07 一种贴片式电感几何参数测量方法及系统 Active CN116399241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310667422.3A CN116399241B (zh) 2023-06-07 2023-06-07 一种贴片式电感几何参数测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310667422.3A CN116399241B (zh) 2023-06-07 2023-06-07 一种贴片式电感几何参数测量方法及系统

Publications (2)

Publication Number Publication Date
CN116399241A true CN116399241A (zh) 2023-07-07
CN116399241B CN116399241B (zh) 2023-08-15

Family

ID=87014567

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310667422.3A Active CN116399241B (zh) 2023-06-07 2023-06-07 一种贴片式电感几何参数测量方法及系统

Country Status (1)

Country Link
CN (1) CN116399241B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823832A (zh) * 2023-08-29 2023-09-29 武汉精一微仪器有限公司 一种基于三维点云的锡膏缺陷检测方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2005333891A1 (en) * 2005-06-28 2007-01-04 Metso Outotec Finland Oy A system and method for measuring and mapping a surface relative to a reference
CN108955520A (zh) * 2018-04-17 2018-12-07 武汉工程大学 一种结构光三维扫描可达性分析方法及分析系统
US20190080503A1 (en) * 2017-09-13 2019-03-14 Tata Consultancy Services Limited Methods and systems for surface fitting based change detection in 3d point-cloud
CN109916315A (zh) * 2019-03-29 2019-06-21 华侨大学 一种基于分离式光栅的测量装置
CN111238383A (zh) * 2020-01-21 2020-06-05 武汉工程大学 基于光谱共焦的胶体三维重建与厚度测量方法和系统
CN111709981A (zh) * 2020-06-22 2020-09-25 高小翎 特征线融合的激光点云与模拟图像的配准方法
CN111815503A (zh) * 2020-06-03 2020-10-23 上海交通大学 一种基于线激光扫描的螺柱特征参数测量方法
WO2020217878A1 (ja) * 2019-04-26 2020-10-29 オムロン株式会社 対象物の位置姿勢を検出する装置、方法およびプログラム
CN112595265A (zh) * 2020-12-07 2021-04-02 新拓三维技术(深圳)有限公司 一种线缆折弯半径的测量方法和设备
CN113074666A (zh) * 2021-03-17 2021-07-06 北京工业大学 一种基于线结构激光器的物体点云尺寸测量设备及方法
CN115578429A (zh) * 2022-11-21 2023-01-06 西北工业大学 一种基于点云数据的模具在线精度检测方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2005333891A1 (en) * 2005-06-28 2007-01-04 Metso Outotec Finland Oy A system and method for measuring and mapping a surface relative to a reference
US20190080503A1 (en) * 2017-09-13 2019-03-14 Tata Consultancy Services Limited Methods and systems for surface fitting based change detection in 3d point-cloud
CN108955520A (zh) * 2018-04-17 2018-12-07 武汉工程大学 一种结构光三维扫描可达性分析方法及分析系统
CN109916315A (zh) * 2019-03-29 2019-06-21 华侨大学 一种基于分离式光栅的测量装置
WO2020217878A1 (ja) * 2019-04-26 2020-10-29 オムロン株式会社 対象物の位置姿勢を検出する装置、方法およびプログラム
CN111238383A (zh) * 2020-01-21 2020-06-05 武汉工程大学 基于光谱共焦的胶体三维重建与厚度测量方法和系统
CN111815503A (zh) * 2020-06-03 2020-10-23 上海交通大学 一种基于线激光扫描的螺柱特征参数测量方法
CN111709981A (zh) * 2020-06-22 2020-09-25 高小翎 特征线融合的激光点云与模拟图像的配准方法
CN112595265A (zh) * 2020-12-07 2021-04-02 新拓三维技术(深圳)有限公司 一种线缆折弯半径的测量方法和设备
CN113074666A (zh) * 2021-03-17 2021-07-06 北京工业大学 一种基于线结构激光器的物体点云尺寸测量设备及方法
CN115578429A (zh) * 2022-11-21 2023-01-06 西北工业大学 一种基于点云数据的模具在线精度检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张志荣: "基于光谱共焦的电路板微型元器件三维高精度检测", 计算机与数字工程, pages 2102 - 2108 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116823832A (zh) * 2023-08-29 2023-09-29 武汉精一微仪器有限公司 一种基于三维点云的锡膏缺陷检测方法
CN116823832B (zh) * 2023-08-29 2023-12-12 武汉精一微仪器有限公司 一种基于三维点云的锡膏缺陷检测方法

Also Published As

Publication number Publication date
CN116399241B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN103292701B (zh) 基于机器视觉的精密器件在线尺寸测量方法
CN112651968B (zh) 一种基于深度信息的木板形变与凹坑检测方法
CN116399241B (zh) 一种贴片式电感几何参数测量方法及系统
CN113532277B (zh) 板状不规则曲面工件的检测方法及系统
CN116152306B (zh) 确定砌筑质量的方法、装置、设备和介质
CN110260818B (zh) 一种基于双目视觉的电子连接器鲁棒检测方法
CN110146017B (zh) 工业机器人重复定位精度测量方法
CN110047133A (zh) 一种面向点云数据的列车边界提取方法
CN110544233A (zh) 基于人脸识别应用的深度图像质量评价方法
CN112361958B (zh) 一种线激光与机械臂标定方法
Fan et al. A simple calibration method of structured light plane parameters for welding robots
CN113589263B (zh) 一种多个同源传感器联合标定方法及系统
CN112361977B (zh) 一种基于权重分配的直线间距测量方法
CN109448040A (zh) 一种机械生产制造展示辅助系统
CN113781434A (zh) 缺陷检测方法、装置、智能终端及计算机可读存储介质
Zhao et al. Vision-based adaptive stereo measurement of pins on multi-type electrical connectors
CN112241964A (zh) 一种用于线结构光非接触测量的光条中心提取方法
CN114037987A (zh) 一种废钢智能识别方法、装置、介质及设备
CN116091603A (zh) 一种基于点特征的箱体工件位姿测量方法
CN115375771A (zh) 五轴运动平台的参数标定方法、终端设备及存储介质
CN110864671B (zh) 基于线结构光拟合平面的机器人重复定位精度测量方法
Wang et al. A binocular vision method for precise hole recognition in satellite assembly systems
CN113916128A (zh) 一种基于光笔式视觉测量系统的提高精度的方法
Huang et al. A novel algorithm: fitting a spatial arc to noisy point clouds with high accuracy and reproducibility
CN113674360B (zh) 一种基于协变的线结构光光平面标定方法

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