CN116625242A - 光学三坐标测量机路径规划方法、系统、电子设备及介质 - Google Patents

光学三坐标测量机路径规划方法、系统、电子设备及介质 Download PDF

Info

Publication number
CN116625242A
CN116625242A CN202310919635.0A CN202310919635A CN116625242A CN 116625242 A CN116625242 A CN 116625242A CN 202310919635 A CN202310919635 A CN 202310919635A CN 116625242 A CN116625242 A CN 116625242A
Authority
CN
China
Prior art keywords
optical
axis
measurement
measuring machine
determining
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
CN202310919635.0A
Other languages
English (en)
Other versions
CN116625242B (zh
Inventor
李红宾
张秋爽
李旭
杨智森
杨化林
邢明义
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.)
Qingdao University of Science and Technology
Original Assignee
Qingdao University of Science and 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 Qingdao University of Science and Technology filed Critical Qingdao University of Science and Technology
Priority to CN202310919635.0A priority Critical patent/CN116625242B/zh
Publication of CN116625242A publication Critical patent/CN116625242A/zh
Application granted granted Critical
Publication of CN116625242B publication Critical patent/CN116625242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G01B11/005—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates coordinate measuring machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/06—Ray-tracing
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

本发明公开一种光学三坐标测量机路径规划方法、系统、电子设备及介质，涉及测量路径规划领域，方法包括：建立世界坐标系下被测零件的三维模型；确定三维模型的初始测量视点集；基于光线跟踪算法，对初始测量视点集进行筛选，确定有效测量视点集；根据有效测量视点集，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径；光学三坐标测量机根据测量路径，测量被测零件的尺寸。本发明提高了规划光学三坐标测量机测量路径的精确度。

Description

光学三坐标测量机路径规划方法、系统、电子设备及介质
技术领域
本发明涉及测量路径规划领域，特别是涉及一种光学三坐标测量机路径规划方法、系统、电子设备及介质。
背景技术
测量路径规划是根据测量任务需求、被测零件几何模型及传感器参数等信息，规划测量视点的有序集合，以获取完整准确的表面测量数据。在测量过程中，测量视点直接决定了三维扫描仪的测量位置和姿态，测量得到的三维数据精度在很大程度上会受到测量视点的影响。传统的复杂表面测量路径规划是从光学可视性、数据完整性和测量时间成本方面考虑，在测量视点选择规划时仅经验性地给出物体表面法向与传感器轴线角度约束范围，没有考虑被测零件属性等因素对测量精度的影响，缺少对传感器测量误差分析建模与评价，实际上无法满足复杂表面高精度测量要求。
发明内容
本发明的目的是提供一种光学三坐标测量机路径规划方法、系统、电子设备及介质，以提高规划测量路径的精度。
为实现上述目的，本发明提供了如下方案：
一种光学三坐标测量机路径规划方法，包括：
建立世界坐标系下被测零件的三维模型；
确定所述三维模型的初始测量视点集；初始测量视点是根据三坐标测量机的移动位置、PH10T摆头的A轴摆角和PH10T摆头的B轴摆角确定的；所述光学三坐标测量机的移动位置是根据最终分区的中心点坐标和光学三维传感器的工作距离确定的；所述最终分区是在所述三维模型的可测区域上利用区域生长算法，结合光学三维传感器的视场和景深确定的；A轴摆角和B轴摆角是根据所述最终分区的法向量确定的；
基于光线跟踪算法，对所述初始测量视点集进行筛选，确定有效测量视点集；
根据所述有效测量视点集，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径；
所述光学三坐标测量机根据所述测量路径，测量所述被测零件的尺寸。
可选地，建立世界坐标系下被测零件的三维模型，具体包括：
获取所述被测零件设定区域的三维点云数据；
利用迭代最近点算法，将所述三维点云数据与零件坐标系下所述被测零件的三维模型进行配准，得到零件坐标系与世界坐标系的变换矩阵；
根据所述变换矩阵，将零件坐标系下所述被测零件的三维模型转换至世界坐标系下被测零件的三维模型。
可选地，确定所述三维模型的初始测量视点集，具体包括：
在所述三维模型的可测区域上利用区域生长算法，确定多个初始分区；
根据光学三维传感器的视场和景深，对任一所述初始分区进行细分，得到多个最终分区；
针对任一最终分区：
根据当前最终分区的法向量的z轴坐标和PH10T摆头A轴最大摆角，确定A轴摆角；
根据所述最终分区的法向量的x轴坐标和y轴坐标，确定B轴摆角；
根据所述最终分区的中心点坐标和光学三维传感器的工作距离，确定所述三坐标测量机的移动位置；
根据所述三坐标测量机的移动位置、所述A轴摆角和所述B轴摆角，确定当前最终分区的初始测量视点；
根据所有最终分区的初始测量点，确定所述三维模型的初始测量视点集。
可选地，根据当前最终分区的法向量的z轴坐标和PH10T摆头A轴最大摆角，确定A轴摆角，具体包括：
利用公式，确定A轴摆角；其中，θA为A轴摆角；nz为当前最终分区的法向量的z轴坐标；θA_MAX为PH10T摆头A轴最大摆角。
可选地，根据所述最终分区的法向量的x轴坐标和y轴坐标，确定B轴摆角，具体包括：
利用公式，确定B轴摆角；其中，θB为B轴摆角；nx为当前最终分区的法向量的x轴坐标；ny为当前最终分区的法向量的y轴坐标。
可选地，基于光线跟踪算法，对所述初始测量视点集进行筛选，确定有效测量视点集，具体包括：
利用所述光线跟踪算法，确定当前初始测量视点下的测量数据与仿真得到的当前初始测量视点下的测量数据的误差；
判断所述误差是否大于误差阈值；
若是，则将当前初始测量视点剔除；
将剔除误差大于误差阈值的初始测量视点的初始测量视点集，作为有效测量视点集。
可选地，根据所述有效测量视点，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径，具体包括：
利用蚁群算法，确定PH10T摆头的同一A轴摆角和B轴摆角下的有效测量视点的最短测量路径；
基于最短测量路径，建立包围盒树，判断测头与光学三坐标测量机z轴的包围盒是否碰撞；
若是，则在发生碰撞的有效测量视点间插入预设个数的中途点，得到光学三坐标测量机的测量路径；所述中途点不执行测量任务。
一种光学三坐标测量机路径规划系统，包括：
三维模型建立模块，用于建立世界坐标系下被测零件的三维模型；
初始测量视点确定模块，用于确定所述三维模型的初始测量视点集；初始测量视点是根据三坐标测量机的移动位置、PH10T摆头的A轴摆角和PH10T摆头的B轴摆角确定的；所述光学三坐标测量机的移动位置是根据最终分区的中心点坐标和光学三维传感器的工作距离确定的；所述最终分区是在所述三维模型的可测区域上利用区域生长算法，结合光学三维传感器的视场和景深确定的；A轴摆角和B轴摆角是根据所述最终分区的法向量确定的；
筛选模块，用于基于光线跟踪算法和图形渲染管线技术，对所述初始测量视点集进行筛选，确定有效测量视点集；
测量路径确定模块，用于根据所述有效测量视点集，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径；
测量模块，用于所述光学三坐标测量机根据所述测量路径，测量所述被测零件的尺寸。
一种电子设备，包括：存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的光学三坐标测量机路径规划方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的光学三坐标测量机路径规划方法。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供的光学三坐标测量机路径规划方法、系统、电子设备及介质，首先进行三维模型对准，建立世界坐标系下被测零件的三维模型；然后对模型表面进行区域划分，由划分后的区域生成初始测量视点；再利用光线跟踪算法，对初始测量视点进行筛选和优化；最后使用智能算法连接各测量视点生成测量路径。本发明利用光线跟踪算法对测量视点进行测量误差估计，筛选出有效测量视点，从而生成的测量路径更加精确，提高了规划光学三坐标测量机测量路径的精确度。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的光学三坐标测量机路径规划方法流程图。
图2为本发明提供的光学三坐标测量机路径规划方法在实际应用中的流程图。
图3为本发明实验中模型对准实验结果示意图；其中，图3中的（a）为零件粗测点云示意图；图3中的（b）为零件CAD模型示意图；图3中的（c）为将CAD模型变换至世界坐标系下的模型对准结果示意图。
图4为本发明实验中模型区域划分结果图；其中，图4中的（a）为依据法线分布划分的模型表面区域示意图；图4中的（b）为依据测头测量范围进行细分后的模型区域划分结果示意图。
图5为本发明实验中（θA，θB）=（45°，0°）视点位置示意图；其中，图5中的（a）为测量视点与零件的相对位置示意图；图5中的（b）为传感器移动位置示意图。
图6为本发明实验中光栅条纹图。
图7为本发明实验中误差分布估计结果及点云筛选结果示意图；其中，图7中的（a）为误差分布估计结果示意图；图7中的（b）为点云筛选结果示意图。
图8为本发明实验中初始测量视点及视点筛选结果示意图；其中，图8中的（a）为（θA，θB）=（0°，0°）对应的初始测量视点结果示意图；图8中的（b）为（θA，θB）=（0°，0°）对应的视点筛选结果示意图；图8中的（c）为（θA，θB）=（45°，0°）对应的初始测量视点结果示意图；图8中的（d）为（θA，θB）=（45°，0°）对应的视点筛选结果示意图。
图9为本发明实验中基于蚁群算法的最短测量路径结果示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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例，都属于本发明保护的范围。
本发明的目的是提供一种光学三坐标测量机路径规划方法、系统、电子设备及介质，以提高规划测量路径的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一，根据五自由度光学三坐标测量机的运动特性，结合基于光线跟踪的单视场误差评估技术，研究测量路径规划方法，包括测量视点自动生成及测量轨迹规划。面向五自由度光学三坐标测量机的路径规划算法（光学三坐标测量机路径规划方法），首先进行模型对准，将被测零件转换至世界坐标系；然后对模型表面进行区域划分，由划分后的区域生成初始测量视点；再利用基于光线跟踪的误差估计方法，对测量视点进行筛选和优化；最后使用蚁群算法连接各测量视点生成测量路径。
如图1和图2所示，本发明提供的光学三坐标测量机路径规划方法，包括：步骤101：建立世界坐标系下被测零件的三维模型。
作为一种可选的实施方式，步骤101，具体包括：获取所述被测零件设定区域的三维点云数据。在实际应用中，对被测零件进行少量视场拼接测量，用光学三坐标测量机获取零件表面部分区域三维点云数据，测量原理是投影栅相位法。
利用迭代最近点算法，将所述三维点云数据与零件坐标系下所述被测零件的三维模型进行配准，得到零件坐标系与世界坐标系的变换矩阵（刚体变换矩阵）。在实际应用中，采用基于“点-面”误差测度的迭代最近点算法，将该部分区域的点云数据与零件原始三维模型进行配准，得到零件坐标系与世界坐标系的刚体变换矩阵。
根据所述变换矩阵，将零件坐标系下所述被测零件的三维模型转换至世界坐标系下被测零件的三维模型。在实际应用中，利用变换矩阵将零件坐标系下被测零件的三维模型变换至世界坐标系，从而对世界坐标系下的零件模型进行初始测量视点的生成。
步骤102：确定所述三维模型的初始测量视点集；初始测量视点是根据光学三坐标测量机的移动位置、PH10T摆头的A轴摆角和PH10T摆头的B轴摆角确定的；所述光学三坐标测量机的移动位置是根据最终分区的中心点坐标和光学三维传感器的工作距离确定的；所述最终分区是在所述三维模型的可测区域上利用区域生长算法，结合光学三维传感器的视场和景深确定的；A轴摆角和B轴摆角是根据所述最终分区的法向量确定的。
作为一种可选的实施方式，步骤102，具体包括：在所述三维模型的可测区域上利用区域生长算法，确定多个初始分区。
根据光学三维传感器的视场和景深，对任一所述初始分区进行细分，得到多个最终分区。
在实际应用中，按照法线分布，筛选出被测零件表面可测区域（可测区域为光学扫描测头可以扫描到的区域，比如被测零件放置在三坐标工作台上，只有上表面和侧面可以扫描到，背面无法扫描），进行曲面分割（使用区域生长算法进行曲面分割，区域生长算法需要设置区域内相邻两点的最大法向量夹角和最大曲率变化阈值），使每一初始分区具有适应单视场测量任务的型面变化。再将分割后的区域（初始分区）按光学三维传感器视场及景深等参数进一步细分。为保证测量完整性，划分区域（最终分区）范围应小于光学三维传感器单视场测量空间并保留一定裕度，因此初始测量视点是冗余的。
针对任一最终分区：根据当前最终分区的法向量的z轴坐标和PH10T摆头A轴最大摆角，确定A轴摆角。
根据所述最终分区的法向量的x轴坐标和y轴坐标，确定B轴摆角。
在实际应用中，测量视点可表征为世界坐标系中空间点和方向向量，理想的视点方向与对应划分区域的表面法向方向相反，由于五自由度光学三坐标测量机旋转自由度的离散性，无法通过摆头准确实现理想的测量视点方向，此时用最临近的摆头角度替代。根据划分区域的法向信息（法向量），推导PH10T摆头的最优摆角，设划分区域的法向量为n=（nx，ny，nz）T，则最优摆角组合（θA，θB）的计算公式如下。
。
其中，θA为A轴摆角；θB为B轴摆角；sign（·）为符号函数，θA_MAX为PH10T摆头A轴最大摆角，受扭矩限制，θA_MAX取52.5°；nx为当前最终分区的法向量的x轴坐标；ny为当前最终分区的法向量的y轴坐标；nz为当前最终分区的法向量的z轴坐标。
为了避免摆角过多，对差别在±7.5°范围内的摆角进行合并。
根据所述最终分区的中心点坐标和光学三维传感器的工作距离，确定所述光学三坐标测量机的移动位置。
根据所述光学三坐标测量机的移动位置、所述A轴摆角和所述B轴摆角，确定当前最终分区的初始测量视点。
根据所有最终分区的初始测量点，确定所述三维模型的初始测量视点集。
在实际应用中，测量视点生成在各最终分区中单独进行，结合划分区域的位置信息（划分区域的三角面片都是可获取的，三角面片各顶点的坐标组成了划分区域的位置信息）与光学三维传感器工作距离与测量范围，生成初始测量视点，给出光学三坐标测量机的XYZ轴移动位置和AB轴摆角，可唯一确定一个测量视点。AB轴摆角根据划分区域的法向量确定；XYZ轴移动位置根据划分区域的中心点坐标和光学三维传感器工作距离计算得出。
步骤103：基于光线跟踪算法，对所述初始测量视点集进行筛选，确定有效测量视点集。
作为一种可选的实施方式，步骤103，具体包括：利用所述光线跟踪算法，确定当前初始测量视点下的测量数据与仿真得到的当前初始测量视点下的测量数据的误差。
判断所述误差是否大于误差阈值。
若是，则将当前初始测量视点剔除。
将剔除误差大于误差阈值的初始测量视点的初始测量视点集，作为有效测量视点集。
在实际应用中，初始测量视点是冗余的，本发明结合零件模型、光学三维传感器测头的结构参数（主点、焦距和变换矩阵）及测量视点位置信息，基于光线跟踪算法对测量视点测量区域进行评估，剔除由粗略划分产生的冗余测量视点。
利用图形渲染管线技术确定测量视点对应的被测零件表面可测区域，模拟相机观测画面，在图像中记录被测零件表面可测区域的索引信息，该技术能借助GPU硬件的裁剪测试与深度测试功能，将超出测量深度范围或不可见的面片剔除，具有高效并行的特点。在具体实现过程中，将求解零件表面可测区域的问题转化为求解可观测三角面片ID集合，利用OpenGL顶点缓冲对象将被测零件原始三维模型顶点数据和三角面片索引值存储至显存，根据摄像机内外参数经投影和光栅化后得到模拟采集图像，将三角面片索引值作为像素值输出，遍历图像得到可测区域的所有三角面片索引信息。
确定测量视点对应的被测零件表面可测区域后，利用基于光线跟踪的单视场逐点测量误差估计方法仿真得出该测量视点下测量数据的误差分布，通过设定误差阈值，筛选出有效测量数据。
步骤104：根据所述有效测量视点集，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径。
作为一种可选地实施方式，步骤104，具体包括：利用蚁群算法，确定PH10T摆头的同一A轴摆角和B轴摆角下的有效测量视点的最短测量路径。
基于最短测量路径，建立包围盒树，判断测头与光学三坐标测量机z轴的包围盒是否碰撞。
若是，则在发生碰撞的有效测量视点间插入预设个数的中途点，得到光学三坐标测量机的测量路径；所述中途点不执行测量任务。
在实际应用中，将各划分区域的测量视点不重复地连接得到最终路径规划结果，优化连接顺序，尽可能提高测量执行效率，同时考虑到测量视点转移过程中，应避免测头或光学三坐标测量机机身与被测零件碰撞，因而还需执行碰撞检测及相应的规避措施。
对同一个PH10T摆角下的所有测量视点，基于蚁群算法找出最短测量路径；基于零件模型构建包围盒树AABB-tree，判定测头和光学三坐标测量机Z轴的包围盒是否发生碰撞。如发生碰撞，通过添加中间点，进行避障操作，在转移过程中发生碰撞的测量视点间再插入一定数量（预设个数）不执行测量任务的中途点，避开干涉区域，达到机动避障的目的。最终得到可实现测量任务且与待测零件无碰撞的测量路径。
步骤105：所述光学三坐标测量机根据所述测量路径，测量所述被测零件的尺寸。
为了验证本发明的光学三坐标测量机路径规划方法的有效性，对复杂零件表面开展测量实验。
（一）模型对准及初始测量视点生成实验。
1.模型初始对准。
光学三坐标测量机仅作平移运动，拼接测量得出4个视场的零件粗测点云如图3中的（a）所示。零件CAD模型如图3中的（b）所示，采用基于“点-面”误差测度的迭代最近点算法，将零件原始三维模型变换至世界坐标系。将CAD模型变换至世界坐标系下的模型对准结果，如图3中的（c）所示。
2.生成初始测量视点。
如图4中的（a）所示，依据法线分布划分的模型表面区域，共126块。如图4中的（b）所示，依据测头测量范围进行细分后的模型区域划分结果。
由于PH10T扭矩限制，A轴摆角不超过52.5°，其中对摆角小于等于7.5°的区域统一使用（θA，θB）=（0°，0°）的摆角进行测量，其余对角度差别在±7.5°范围内的摆角进行合并。
（二）误差估计及测量视点优化实验。
利用基于光线跟踪的光栅相位法三维测量误差估计方法，对各视场的测量结果进行模拟。以摆角（θA，θB）=（45°，0°）对应的某视场测量为例，测量视点与零件的相对位置如图5中的（a）所示，传感器移动位置如图5中的（b）所示，圆锥顶点代表测量视点位置，圆锥轴线代表测量视点方向。
仿真得到的左右像片光栅条纹图像如图6所示。
基于光线跟踪算法得到该测量视场结果误差分布，设定三维重建误差z坐标标准差阈值为0.017mm，将超出误差阈值的点剔除，原始测量点云（误差分布估计结果）和剔除后点云（点云筛选结果）分别如图7中的（a）和图7中的（b）所示。
对所有测量视点对应的测量区域进行分析，将冗余的测量视点剔除。（θA，θB）=（0°，0°）对应的剔除冗余前（初始测量视点）和剔除冗余后的视点（视点筛选结果），如图8中的（a）和图8中的（b）所示，（θA，θB）=（45°，0°）对应的剔除冗余前和剔除冗余后的视点，如图8中的（c）和图8中的（d）所示。
角度合并后的PH10T旋转角度有19个，每个角度下初始测量视点个数及剔除冗余后的测量视点个数如表1所示。
表1 各角度初始测量视点及剔除冗余后测量视点个数统计表
旋转角度(A，B) 初始测量视点个数 剔除冗余后测量视点个数
(0，0) 56 34
(22.5，15) 1 1
(30，-82.5) 1 1
(45，-150) 7 6
(45，-82.5) 27 16
(45，-60) 9 5
(45，15) 2 2
(45，37.5 8 6
(45，97.5) 28 14
(45，127.5) 6 5
(45，172.5) 11 8
(45，180) 17 14
(45，-127.5) 9 9
(45，-120) 5 5
(45，-37.5) 4 4
(45，-15) 2 2
(45，0) 22 12
(45，60) 6 5
(45，150) 10 10
（三）测量路径生成及全局拼接测量实验。
基于蚁群算法生成的（θA，θB）=（0°，0°）时所有测量视点的最短连接路径，如图9所示，其中路径的起点设置为与世界坐标系距离最近点。蚁群算法使用的参数如表2所示。
表2 生成测量路径使用的蚁群算法参数统计表
最大迭代次数 种群数量 总信息素DBQ 信息素残留系数ρ
1000 1000 100.0 0.5
通过碰撞检测对可能发生碰撞的位置进行干涉检查，并记录碰撞位置及零件在该点的法向信息。在碰撞检测算法实现中，利用OpenGL渲染光学三坐标测量场景，使用交互式设计，对测量视点对应测量区域覆盖范围和测量路径进行直观展示。
根据规划测量视点对被测物进行多视场拼接测量，得到的拼接后的点云数据,在拼接测量结果中选取一平面区域，对剔除超误差阈值点和保留全部测量点两种情况的测量数据进行对比分析，平面拟合RMSE值分别为0.014mm与0.023mm，因此，在测量路径规划中应用误差估计方法，能够有效剔除误差较大的测量点，提高光学三坐标测量机拼接测量精度。
综上所述，本发明提出的光学三坐标测量机路径规划方法满足五自由度光学三坐标测量机工作任务需求，能够实现对复杂曲面零件的测量视点规划、测量数据有效性判别及测量轨迹的碰撞检测。基于光线跟踪算法的光栅相位法三维测量误差估计与仿真技术可应用于复杂表面高精度测量的路径规划，为测量视点的优化提供指导，实现了对复杂曲面零件的测量视点规划、测量数据有效性判别及测量轨迹的碰撞检测。
实施例二，为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种光学三坐标测量机路径规划系统，包括：三维模型建立模块，用于建立世界坐标系下被测零件的三维模型。
初始测量视点确定模块，用于确定所述三维模型的初始测量视点集；初始测量视点是根据光学三坐标测量机的移动位置、PH10T摆头的A轴摆角和PH10T摆头的B轴摆角确定的；所述光学三坐标测量机的移动位置是根据最终分区的中心点坐标和光学三维传感器的工作距离确定的；所述最终分区是在所述三维模型的可测区域上利用区域生长算法，结合光学三维传感器的视场和景深确定的；A轴摆角和B轴摆角是根据所述最终分区的法向量确定的。
筛选模块，用于基于光线跟踪算法和图形渲染管线技术，对所述初始测量视点集进行筛选，确定有效测量视点集。
测量路径确定模块，用于根据所述有效测量视点集，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径。
测量模块，用于所述光学三坐标测量机根据所述测量路径，测量所述被测零件的尺寸。
实施例三，本发明提供了一种电子设备，包括：存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行实施例一的光学三坐标测量机路径规划方法。
实施例四，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现实施例一的光学三坐标测量机路径规划方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种光学三坐标测量机路径规划方法，其特征在于，包括：
建立世界坐标系下被测零件的三维模型；
确定所述三维模型的初始测量视点集；初始测量视点是根据光学三坐标测量机的移动位置、PH10T摆头的A轴摆角和PH10T摆头的B轴摆角确定的；所述光学三坐标测量机的移动位置是根据最终分区的中心点坐标和光学三维传感器的工作距离确定的；所述最终分区是在所述三维模型的可测区域上利用区域生长算法，结合光学三维传感器的视场和景深确定的；A轴摆角和B轴摆角是根据所述最终分区的法向量确定的；
基于光线跟踪算法，对所述初始测量视点集进行筛选，确定有效测量视点集；
根据所述有效测量视点集，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径；
所述光学三坐标测量机根据所述测量路径，测量所述被测零件的尺寸。
2.根据权利要求1所述的光学三坐标测量机路径规划方法，其特征在于，建立世界坐标系下被测零件的三维模型，具体包括：
获取所述被测零件设定区域的三维点云数据；
利用迭代最近点算法，将所述三维点云数据与零件坐标系下所述被测零件的三维模型进行配准，得到零件坐标系与世界坐标系的变换矩阵；
根据所述变换矩阵，将零件坐标系下所述被测零件的三维模型转换至世界坐标系下被测零件的三维模型。
3.根据权利要求1所述的光学三坐标测量机路径规划方法，其特征在于，确定所述三维模型的初始测量视点集，具体包括：
在所述三维模型的可测区域上利用区域生长算法，确定多个初始分区；
根据光学三维传感器的视场和景深，对任一所述初始分区进行细分，得到多个最终分区；
针对任一最终分区：
根据当前最终分区的法向量的z轴坐标和PH10T摆头A轴最大摆角，确定A轴摆角；
根据所述最终分区的法向量的x轴坐标和y轴坐标，确定B轴摆角；
根据所述最终分区的中心点坐标和光学三维传感器的工作距离，确定所述三坐标测量机的移动位置；
根据所述三坐标测量机的移动位置、所述A轴摆角和所述B轴摆角，确定当前最终分区的初始测量视点；
根据所有最终分区的初始测量点，确定所述三维模型的初始测量视点集。
4.根据权利要求3所述的光学三坐标测量机路径规划方法，其特征在于，根据当前最终分区的法向量的z轴坐标和PH10T摆头A轴最大摆角，确定A轴摆角，具体包括：
利用公式，确定A轴摆角；其中，θA为A轴摆角；nz为当前最终分区的法向量的z轴坐标；θA_MAX为PH10T摆头A轴最大摆角。
5.根据权利要求3所述的光学三坐标测量机路径规划方法，其特征在于，根据所述最终分区的法向量的x轴坐标和y轴坐标，确定B轴摆角，具体包括：
利用公式，确定B轴摆角；其中，θB为B轴摆角；nx为当前最终分区的法向量的x轴坐标；ny为当前最终分区的法向量的y轴坐标。
6.根据权利要求1所述的光学三坐标测量机路径规划方法，其特征在于，基于光线跟踪算法，对所述初始测量视点集进行筛选，确定有效测量视点集，具体包括：
利用所述光线跟踪算法，确定当前初始测量视点下的测量数据与仿真得到的当前初始测量视点下的测量数据的误差；
判断所述误差是否大于误差阈值；
若是，则将当前初始测量视点剔除；
将剔除误差大于误差阈值的初始测量视点的初始测量视点集，作为有效测量视点集。
7.根据权利要求1所述的光学三坐标测量机路径规划方法，其特征在于，根据所述有效测量视点，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径，具体包括：
利用蚁群算法，确定PH10T摆头的同一A轴摆角和B轴摆角下的有效测量视点的最短测量路径；
基于最短测量路径，建立包围盒树，判断测头与光学三坐标测量机z轴的包围盒是否碰撞；
若是，则在发生碰撞的有效测量视点间插入预设个数的中途点，得到光学三坐标测量机的测量路径；所述中途点不执行测量任务。
8.一种光学三坐标测量机路径规划系统，其特征在于，包括：
三维模型建立模块，用于建立世界坐标系下被测零件的三维模型；
初始测量视点确定模块，用于确定所述三维模型的初始测量视点集；初始测量视点是根据三坐标测量机的移动位置、PH10T摆头的A轴摆角和PH10T摆头的B轴摆角确定的；所述光学三坐标测量机的移动位置是根据最终分区的中心点坐标和光学三维传感器的工作距离确定的；所述最终分区是在所述三维模型的可测区域上利用区域生长算法，结合光学三维传感器的视场和景深确定的；A轴摆角和B轴摆角是根据所述最终分区的法向量确定的；
筛选模块，用于基于光线跟踪算法和图形渲染管线技术，对所述初始测量视点集进行筛选，确定有效测量视点集；
测量路径确定模块，用于根据所述有效测量视点集，利用蚁群算法和包围盒树，确定光学三坐标测量机的测量路径；
测量模块，用于所述光学三坐标测量机根据所述测量路径，测量所述被测零件的尺寸。
9.一种电子设备，其特征在于，包括：存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-7任一项所述的光学三坐标测量机路径规划方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的光学三坐标测量机路径规划方法。
CN202310919635.0A 2023-07-26 2023-07-26 光学三坐标测量机路径规划方法、系统、电子设备及介质 Active CN116625242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310919635.0A CN116625242B (zh) 2023-07-26 2023-07-26 光学三坐标测量机路径规划方法、系统、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310919635.0A CN116625242B (zh) 2023-07-26 2023-07-26 光学三坐标测量机路径规划方法、系统、电子设备及介质

Publications (2)

Publication Number Publication Date
CN116625242A true CN116625242A (zh) 2023-08-22
CN116625242B CN116625242B (zh) 2023-10-03

Family

ID=87613902

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310919635.0A Active CN116625242B (zh) 2023-07-26 2023-07-26 光学三坐标测量机路径规划方法、系统、电子设备及介质

Country Status (1)

Country Link
CN (1) CN116625242B (zh)

Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101286199A (zh) * 2007-09-14 2008-10-15 西北工业大学 一种基于区域生长和蚁群聚类的图像分割方法
US20090172962A1 (en) * 2006-05-10 2009-07-09 Eugen Aubele Method and device for contacting a surface point on a workpiece
KR100994742B1 (ko) * 2010-05-04 2010-11-16 주식회사 덕인 3차원 측정기의 이동 경로에 대한 충돌 검출 및 경과점 생성 방법
CN103900510A (zh) * 2014-03-04 2014-07-02 成都飞机工业（集团）有限责任公司 三坐标测量机检测路径建模方法
CN105354880A (zh) * 2015-10-15 2016-02-24 东南大学 一种基于线激光扫描的喷砂机器人自动路径生成方法
US20160305777A1 (en) * 2015-04-14 2016-10-20 Hexagon Metrology, Inc. Cmm probe path controller and method
CN107480377A (zh) * 2017-05-16 2017-12-15 安徽工业大学 基于混合建模的三坐标测量机测头预行程误差预测方法
CN108180831A (zh) * 2017-12-30 2018-06-19 北京工业大学 基于lt多站位测量的cmm坐标误差修正系统不确定度分析方法
CN109059821A (zh) * 2018-08-27 2018-12-21 合肥工业大学 坐标测量机测量路径规划方法
CN109682336A (zh) * 2018-12-28 2019-04-26 上海理工大学 用于车身精度检测的三坐标测量路径自动规划与优化方法
CN109765893A (zh) * 2019-01-17 2019-05-17 重庆邮电大学 基于鲸鱼优化算法的移动机器人路径规划方法
CN111859026A (zh) * 2020-06-29 2020-10-30 北京航空航天大学 一种基于xml的三坐标测量与评价信息传递方法及系统
CN112147998A (zh) * 2020-08-24 2020-12-29 同济大学 一种基于区域生长法的移动机器人路径规划方法
DE102019134940A1 (de) * 2019-12-18 2021-06-24 Carl Zeiss Industrielle Messtechnik Gmbh Referenzanordnung für ein Koordinatenmessgerät, Koordinatenmessgerät und Verfahren zum Kalibrieren eines Koordinatenmessgeräts
EP3872587A1 (de) * 2020-02-25 2021-09-01 Carl Zeiss Industrielle Messtechnik GmbH Kollisionsvermeidung im arbeitsraum eines koordinatenmessgeräts
CN113858203A (zh) * 2021-10-19 2021-12-31 杭州芯控智能科技有限公司 一种机器人自适应轨迹规划及避障方法
CN114047762A (zh) * 2021-11-15 2022-02-15 西安工业大学 一种基于蚁群算法的激光雷达空间测量路径规划方法及系统
US20220215629A1 (en) * 2021-06-17 2022-07-07 Nanjing University Of Aeronautics And Astronautics Method for generating scanning path of machining feature surface of aircraft panel
CN115112018A (zh) * 2022-06-28 2022-09-27 西安中科光电精密工程有限公司 一种基于立体视觉的三坐标机智能复合联检系统及方法
CN115147437A (zh) * 2022-07-04 2022-10-04 中国民用航空飞行学院 机器人智能引导加工方法与系统
CN116225007A (zh) * 2023-02-27 2023-06-06 合肥工业大学 一种基于新型蚁群优化算法的自主路径规划及避障系统

Patent Citations (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090172962A1 (en) * 2006-05-10 2009-07-09 Eugen Aubele Method and device for contacting a surface point on a workpiece
CN101286199A (zh) * 2007-09-14 2008-10-15 西北工业大学 一种基于区域生长和蚁群聚类的图像分割方法
KR100994742B1 (ko) * 2010-05-04 2010-11-16 주식회사 덕인 3차원 측정기의 이동 경로에 대한 충돌 검출 및 경과점 생성 방법
CN103900510A (zh) * 2014-03-04 2014-07-02 成都飞机工业（集团）有限责任公司 三坐标测量机检测路径建模方法
US20160305777A1 (en) * 2015-04-14 2016-10-20 Hexagon Metrology, Inc. Cmm probe path controller and method
CN105354880A (zh) * 2015-10-15 2016-02-24 东南大学 一种基于线激光扫描的喷砂机器人自动路径生成方法
CN107480377A (zh) * 2017-05-16 2017-12-15 安徽工业大学 基于混合建模的三坐标测量机测头预行程误差预测方法
CN108180831A (zh) * 2017-12-30 2018-06-19 北京工业大学 基于lt多站位测量的cmm坐标误差修正系统不确定度分析方法
CN109059821A (zh) * 2018-08-27 2018-12-21 合肥工业大学 坐标测量机测量路径规划方法
CN109682336A (zh) * 2018-12-28 2019-04-26 上海理工大学 用于车身精度检测的三坐标测量路径自动规划与优化方法
CN109765893A (zh) * 2019-01-17 2019-05-17 重庆邮电大学 基于鲸鱼优化算法的移动机器人路径规划方法
DE102019134940A1 (de) * 2019-12-18 2021-06-24 Carl Zeiss Industrielle Messtechnik Gmbh Referenzanordnung für ein Koordinatenmessgerät, Koordinatenmessgerät und Verfahren zum Kalibrieren eines Koordinatenmessgeräts
EP3872587A1 (de) * 2020-02-25 2021-09-01 Carl Zeiss Industrielle Messtechnik GmbH Kollisionsvermeidung im arbeitsraum eines koordinatenmessgeräts
CN111859026A (zh) * 2020-06-29 2020-10-30 北京航空航天大学 一种基于xml的三坐标测量与评价信息传递方法及系统
CN112147998A (zh) * 2020-08-24 2020-12-29 同济大学 一种基于区域生长法的移动机器人路径规划方法
US20220215629A1 (en) * 2021-06-17 2022-07-07 Nanjing University Of Aeronautics And Astronautics Method for generating scanning path of machining feature surface of aircraft panel
CN113858203A (zh) * 2021-10-19 2021-12-31 杭州芯控智能科技有限公司 一种机器人自适应轨迹规划及避障方法
CN114047762A (zh) * 2021-11-15 2022-02-15 西安工业大学 一种基于蚁群算法的激光雷达空间测量路径规划方法及系统
CN115112018A (zh) * 2022-06-28 2022-09-27 西安中科光电精密工程有限公司 一种基于立体视觉的三坐标机智能复合联检系统及方法
CN115147437A (zh) * 2022-07-04 2022-10-04 中国民用航空飞行学院 机器人智能引导加工方法与系统
CN116225007A (zh) * 2023-02-27 2023-06-06 合肥工业大学 一种基于新型蚁群优化算法的自主路径规划及避障系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
• ZHENHUA HAN等: "A 3D measuring path planning strategy for intelligent CMMs based on an improved ant colony algorithm", 《THE INTERNATIONAL JOURNAL OF ADVANCED MANUFACTURING TECHNOLOGY》, vol. 93, pages 1487, XP036339667, DOI: 10.1007/s00170-017-0503-y *
龚玉玲等: "基于人工免疫算法的三坐标测量机路径规划", 《工具技术》, vol. 50, no. 5, pages 98 - 102 *

Also Published As

Publication number Publication date
CN116625242B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
Mahmud et al. 3D part inspection path planning of a laser scanner with control on the uncertainty
US7830374B2 (en) System and method for integrating dispersed point-clouds of multiple scans of an object
Gai et al. A novel dual-camera calibration method for 3D optical measurement
Acosta et al. Laser triangulation for shape acquisition in a 3D scanner plus scan
JP2014063475A (ja) 情報処理装置、情報処理方法、及びコンピュータプログラム
JP2003058911A (ja) ３次元物体の表面形状モデリング装置、方法、プログラム
KR20130137695A (ko) 형상 계측 방법
CN107622530B (zh) 一种高效鲁棒的三角网切割方法
US20020169586A1 (en) Automated CAD guided sensor planning process
JP2016217941A (ja) ３次元データ評価装置、３次元データ測定システム、および３次元計測方法
JP2000137815A (ja) 新視点画像生成方法
Tarbox et al. IVIS: An integrated volumetric inspection system
Zong et al. A high-efficiency and high-precision automatic 3D scanning system for industrial parts based on a scanning path planning algorithm
CN108286946A (zh) 传感器位置标定和数据拼接的方法及系统
CN108759668B (zh) 一种震动环境中的跟踪式三维扫描方法及系统
KR100623666B1 (ko) 디지털 사진측량기술과 무타켓 토탈 스테이션을 이용한3차원 지리정보시스템용 수치영상도면 제작방법
Fernandez et al. Laser scan planning based on visibility analysis and space partitioning techniques
CN116625242B (zh) 光学三坐标测量机路径规划方法、系统、电子设备及介质
CN116358517B (zh) 一种用于机器人的高度地图构建方法、系统以及存储介质
CN115631317B (zh) 隧道衬砌正射影像生成方法及装置、存储介质、终端
JP4236202B2 (ja) モデリング装置およびカメラパラメータの計算方法
Wiemann et al. An evaluation of open source surface reconstruction software for robotic applications
Arslan 3D object reconstruction from a single image
Hrozek et al. Digital preservation of historical buildings using virtual reality technologies
Shi et al. Development of an automatic optical measurement system for automotive part surface inspection

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