CN116642420A - 一种汽车风窗玻璃涂胶在线胶型检测装置及方法 - Google Patents
一种汽车风窗玻璃涂胶在线胶型检测装置及方法 Download PDFInfo
- Publication number
- CN116642420A CN116642420A CN202310498707.9A CN202310498707A CN116642420A CN 116642420 A CN116642420 A CN 116642420A CN 202310498707 A CN202310498707 A CN 202310498707A CN 116642420 A CN116642420 A CN 116642420A
- Authority
- CN
- China
- Prior art keywords
- glue
- data
- dimensional
- detection
- volume
- 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
- 239000003292 glue Substances 0.000 title claims abstract description 80
- 238000001514 detection method Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000011521 glass Substances 0.000 title claims abstract description 23
- 238000004026 adhesive bonding Methods 0.000 title claims description 23
- 239000002390 adhesive tape Substances 0.000 claims abstract description 24
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 238000003909 pattern recognition Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000007480 spreading Effects 0.000 claims description 4
- 238000003892 spreading Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000011248 coating agent Substances 0.000 abstract description 4
- 238000000576 coating method Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 8
- 238000009434 installation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010073 coating (rubber) Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010009 beating Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
- G01B11/02—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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
- B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
- B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
- B05C11/1005—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to condition of liquid or other fluent material already applied to the surface, e.g. coating thickness, weight or pattern
-
- 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
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
- G01B11/0683—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating measurement during deposition or removal of the layer
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
- G07C3/146—Quality control systems during manufacturing process
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Manufacturing & Machinery (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种汽车风窗玻璃涂胶在线胶型检测装置及方法，装置包括在实时涂胶的胶嘴后端加装两个线激光传感器，每个线激光单独打在胶型的两个边上，线激光传感器通过网线与检测控制计算机相连；基于二维激光测距仪的三维建模技术，通过扫描得到包含距离、角度信息的点云集数据在三维坐标系上建立三维可视图，并结合图像处理和模式识别技术计算胶型凹凸形状及大小,判断出胶条是否符合标准；本发明解决了由于胶型偏倒时，遮住部分激光，使其无法到达检测面，造成设备报警的问题；本发明可靠、效率高、检测结果准确，避免了人员目测视觉误差而导致的人为因素。
Description
技术领域
本发明属于汽车总装技术领域，涉及一种汽车风窗玻璃涂胶在线胶型检测装置及方法。
背景技术
目前，在汽车总装领域，风窗玻璃一般都是采用涂胶粘接的方式。随着自动化的应用，安装也逐渐采用机器人自动安装的形式，此时的安装环境为一封闭设备区域，风窗玻璃在此区域内完成自动涂胶后，自动安装，人员无法干涉整个工艺过程，涂胶的效果，就需要设备保证，并自动检测。因此，需要一种在涂胶过程中，同步进行胶型检测的检测方法，以保证涂胶的质量。但是由于工作速度较快，普通视觉很难实现实时的检测出胶的宽度和高度。无法实现完全无人化工位，也无法实现产品品质可追溯性。而传统的人工检测的方式效率低下，同时也无法满足生产节拍的要求，也存在人为漏查的隐患，也不利于企业在信息化背景下高效率的发展。目前，大多数主机厂也都应用了胶型自动检测系统，但普遍存在设备频繁报警的问题，必须停机处理，从而造成停台。大多数主机厂均已屏蔽检测功能，胶型数据缺少在线采集及监控，无法监控涂胶状态，易产生漏雨问题。
发明内容
本发明要解决的问题是在风挡玻璃自动涂胶过程中，实现涂胶胶型的在线检测，并且解决单激光线相机在胶型偏倒时，遮住部分激光，使其无法到达检测面，造成设备报警的问题，提供了一种汽车风窗玻璃涂胶在线胶型检测装置及方法。
检测方法为：基于三维重建技术进行胶型宽度及高度检测，其包括在实时涂胶的胶嘴后端加装两个线激光传感器，每个线激光单独打在胶型(截面为三角形)的两个边上。该线激光传感器通过网线与检测控制计算机相连。主要过程是：通过扫描得到包含距离、角度信息的点云集数据在三维坐标系上建立三维可视图，并结合图像处理和模式识别技术计算出胶的宽度与高度，根据预先设定值判断出每一段胶的品质，超出设定范围时，报警，提示人员进行检查和处理。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
为解决上述技术问题，本发明是采用如下技术方案实现的：
本发明应用在汽车总装车间生产线风窗玻璃自动安装工位，安装区域为封闭区域，人员无法进入检查或操作。
通过本发明，双激光线相机结构+自主编制软件算法，进行胶型的在线检测，解决单激光线在胶型有偏倒时，遮住部分激光，使其无法到达检测面，造成设备报警的问题。能够在线采集及监控涂胶质量，防止出现漏雨问题，实现连续在线检测。
自主编制软件算法，公式即是自研算法原理，其它引用的公开算法亦给出关键字，如Sobel、中值过滤等。
一种汽车风窗玻璃涂胶在线胶型检测装置，包括在实时涂胶的胶嘴后端加装两个线激光传感器，每个线激光单独打在胶型的两个边上，线激光传感器通过网线与检测控制计算机相连。
优选地，胶型截面为三角形。
一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于：
基于二维激光测距仪的三维建模技术，通过扫描得到包含距离、角度信息的点云集数据在三维坐标系上建立三维可视图，并结合图像处理和模式识别技术计算胶型凹凸形状及大小，判断出胶条是否符合标准。
进一步地，检测方法具体包括以下步骤：
A、取机器人空间一维数据，再取二维激光测距扫描器获得的二维数据，即得到空间三维坐标数据，进而基于OpenGL和MFC进行三维重建和数据分析；
B、将上述二维激光测距传感器获取的胶条的连续采样数据传递到检测控制计算机中，该检测控制计算机采用中值滤波、模糊聚类及自适应阈值计算法，运用Sobel算法将可疑物体边缘层提取出来并计算其体积大小，并根据其体积是否存在异常进行判断；如果没有发现异常，则继续检测下一组；如果发现可疑物，则检测控制计算机向PLC发出警报信号；
C、对数据进行模糊聚类达到快速确定可疑区域，再对可疑区域运用Sobel边缘检测算法提取边缘层进而结合边缘层的内部数据进行胶宽和胶高的计算。
进一步地，得到空间三维坐标数据，进而基于OpenGL和MFC进行三维重建和数据分析，具体内容如下：
选取高精度三棱锥作为标定物，采集数据，提取顶点为两传感器的公共点，变换机器人位姿，保证传感器均能采集到公共棱角数据，提取顶点，获得n组对应点对；对于传感器A有PA＝{PAi|i＝1...n}，对于传感器B有PB＝{PBi|i＝1...n}，存在欧式变换R，T使得下式成立：
对于第i个点对的误差项如下式所示：
ei＝PAi-(RPBi+T)
构建最小二乘优化问题，其表达式如下：
当误差平方和为最小时的R，T即为所需变换。
进一步地，将可疑物体边缘层提取出来并计算其体积大小，并根据其体积是否存在异常进行判断，具体包括：
(1)二维激光测距传感器以50Hz的频率沿X方向扫描，机器Y方向行走，得到XY坐标点上与激光器的距离信息，通过转换就获得了空间三维坐标数据；
(2)扫描的数据通过以太网接口传送到检测控制计算机中，在Visual C++环境下基于MFC和OpenGL编写程序，检测控制计算机对获取的点云集数据进行分析；
进一步地，运用Sobel边缘检测算法提取边缘层进而结合边缘层的内部数据进行胶宽和胶高的计算，具体包括：
运用Sobel边缘检测算法并自适应计算阈值获得胶型的边缘层，在三维轮廓图形上标示出胶型的大小形状；凸出部分即为胶型的轮廓形状；
根据胶条识别结果，所引对应的点云区域，对点云进行三角网格化处理，获得封闭三维空间，结合距离信息计算出体积大小；
对于点云三角化模型中的任意一个三角形区域，设其顶点为(x1，y1)，(x2，y2)，(x3，y3)，其对应的z坐标为zA、zB、zC，以表示其z向高度平均值；
则三角形的面积S：
以三角形三个顶点对应的z值的平均值作为高度，获得三角形对应的三棱柱的体积，体积计算公式如下：
对于点云P，三角表面化后，表面具有n个三角形，即物体体积近似为n个三棱柱体积的之和，记Vi{i＝1，2，3，...，n}为任一三棱柱的体积，则所有三棱柱的体积之和即为胶条物体的体积，计算公式如下：
运用Sobel边缘检测算法提取边缘层，然后对数据进行模糊聚类分割出胶条和其他部分，进而结合边缘层上数据点的X、Y、Z坐标可求得胶型的宽和高；
用梯度来表示图像f在位置(x，y)处的边缘强度方向，计算公式如下式所示：
gx和gy的卷积核计算方式如下：
其中，I表示图像。
用g(x，y)来表示梯度向量的幅值，计算公式如下式所示：
用θ(x，y)来表示在位置(x，y)处的梯度方向，数值为Y方向和X方向偏导之比的反正切函数值，计算公式如下式所示：
对玻璃胶条的灰度图进行Sobel检测。
进一步地，所述二维激光测距传感器以50Hz的频率沿X方向扫描，机器Y方向行走，得到XY坐标点上与激光器的距离信息，通过转换获得空间三维坐标数据。
进一步地，统计滤波原理：对每一个点，计算它到K个临近点的平均距离，此时获得每个点的K临近的平均距离，假设该结果服从高斯分布，可定义平均距离在标准范围之外的点为离群点并从数据中去除。
进一步地，所述检测控制计算机对获取的点云集数据进行分析，分析具体内容包括：进行坐标变换得到三维空间点云集数据，再运用统计滤波算法剔除数据集中的孤立数据噪声。
与现有技术相比本发明的有益效果是：
本发明的装置虽然简单，但能使胶型检测实现自动化。
本发明的检测方法可靠、效率高、检测结果准确，避免了人员目测视觉误差而导致的人为因素。
本发明的检测方法解决了由于胶型偏倒时，遮住部分激光，使其无法到达检测面，造成设备报警的问题。
附图说明
下面结合附图对本发明作进一步的说明：
图1为本发明所述一种汽车风窗玻璃涂胶在线胶型检测装置使用状态的立体示意简图；
图2为三维坐标数据示意图；
图3为三维轮廓图像示意图；
图4a为处理前数据示意图；
图4b为处理后数据示意图；
图5为三维轮廓图；
图6为胶型边缘识别示意图；
图7a为点云三角化示意图一；
图7b为点云三角化示意图二；
图8为胶条Sobel边缘检测示意图；
图9为胶条提取结果示意图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，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更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作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。下面结合附图对本发明的实施例进行详细说明。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。
下面结合附图对本发明作详细的描述：
本发明的目的在于提供一种能高效、稳定、可靠地三维重建技术的胶型宽度及高度检测装置，表面异物检测装置及方法。
参阅图1，本发明的检测装置主要包括在该装置包括在实时涂胶的胶嘴后端加装两个线激光，该线激光传感器通过网线与检测控制计算机相连。
本发明的检测方法主要是：一种基于二维激光测距仪的三维建模技术，通过扫描得到包含距离、角度信息的点云集数据在三维坐标系上建立三维可视图，并结合图像处理和模式识别技术计算胶型凹凸形状及大小，判断出胶条是否符合标准。
上述检测方法具体内容如下：
a、取机器人空间一维数据，再取二维激光测距扫描器获得的二维数据，即得到空间三维坐标数据，进而基于OpenGL(开放的图形程序接口)和MFC(微软基础类)进行三维重建和数据分析；
具体方法如下：选取高精度三棱锥作为标定物，采集数据，提取顶点为两传感器的公共点，变换机器人位姿，保证传感器均能采集到公共棱角数据，提取顶点，获得n组对应点对。对于传感器A有PA＝{PAi|i＝1...n}，对于传感器B有PB＝{PBi|i＝1...n}，存在欧式变换R，T使得下式成立：
对于第i个点对的误差项如下式所示：
ei＝PAi-(RPBi+T)
构建最小二乘优化问题，其表达式如下：
当误差平方和为最小时的R，T即为所需变换。
b、将上述二维激光测距传感器获取的胶条的连续采样数据传递到检测控制计算机中，该检测控制计算机采用中值滤波、模糊聚类及自适应阈值计算法，运用Sobel算法将可疑物体边缘层提取出来并计算其体积大小，并根据其体积是否存在异常进行判断。如果没有发现异常，则继续检测下一组；如果发现可疑物，则检测控制计算机向PLC发出警报信号，工作人员进行相应的处理。
具体方法如下：
(1)上述二维激光测距传感器以50Hz的频率沿X方向扫描，机器Y方向行走，这样就得到了XY坐标点上与激光器的距离信息，通过转换就获得了空间三维坐标数据，参阅图3，三维坐标数据可视化结果如下：
(2)扫描的数据通过以太网(Ethernet)接口传送到检测控制计算机中，在VisualC++环境下基于MFC和OpenGL编写程序，检测控制计算机对获取的点云集数据进行分析。首先进行坐标变换得到三维空间点云集数据，再运用统计滤波算法剔除数据集中的孤立数据噪声。统计滤波原理：对每一个点，计算它到K个临近点的平均距离，此时获得每个点的K临近的平均距离，假设该结果服从高斯分布，可定义平均距离在标准范围之外的点为离群点并从数据中去除，见图4a、图4b所示。
c、最后对数据进行模糊聚类达到快速确定可疑区域，再对可疑区域运用Sobel边缘检测算法提取边缘层，进而结合边缘层的内部数据进行胶宽和胶高的计算。
具体方法如下：
(1)运用Sobel边缘检测算法并自适应计算阈值获得胶型的边缘层。从而做出判断，并且在三维轮廓图形上标示出胶型的大小形状。如图6所示，凸出部分即为胶型的轮廓形状。
(2)根据胶条识别结果，所引对应的点云区域，对点云进行三角网格化处理，获得封闭三维空间，结合距离信息计算出体积大小，图中黑色点表示点云的法向信息，见图7a、图7b。
对于点云三角化模型中的任意一个三角形区域，设其顶点为(x1，y1)，(x2，y2)，(x3，y3)，则三角形的面积S：
以三角形三个顶点对应的z值的平均值作为高度，获得三角形对应的三棱柱的体积，其体积计算公式如下：
对于点云P，其三角表面化后，表面具有n个三角形，即物体体积可近似为n个三棱柱体积的之和，记Vi{i＝1，2，3，...，n}为任一三棱柱的体积，则所有三棱柱的体积之和即为胶条物体的体积，其计算公式如下：
(3)为了边缘层的快速、准确提取，首先运用Sobel边缘检测算法提取边缘层，然后对数据进行模糊聚类分割出胶条和其他部分，进而结合边缘层上数据点的X、Y、Z坐标可求得胶型的宽和高。
用梯度来表示图像f在位置(x，y)处的边缘强度方向，其计算公式如下式所示：
gx和gy的卷积核计算方式如下：
其中，I表示图像。
用g(x，y)来表示梯度向量的幅值，其计算公式如下式所示：
用θ(x，y)来表示在位置(x，y)处的梯度方向，数值为Y方向和X方向偏导之比的反正切函数值，其计算公式如下式所示：
对玻璃胶条的灰度图进行Sobel检测，其检测结果如图8所示：
图1为本发明检测装置使用状态的立体示意简图。
图2为本发明重建的三维轮廓图像示意图。
参阅图2、图3，根据数据建立三维轮廓图形，并将距离化为图像的灰度，其转换后的灰度图如图5所示。
从图中信息可知，采用Sobel能够提取出涂胶部分的边缘信息，但存在其他边缘的干扰，需采用模糊聚类分割出胶条和其他部分，处理结果如图9所示：
作为检测装置自动识别的依据，系统一旦识别到超出标准的胶宽和胶高，立即给工作台发出报警信号，以便工作人员采取相应措施。
本发明的装置技术先进,能实时检测出胶型的品质，实现涂胶工位自动化，无人化；本发明的检测方法可靠、效率高、检测结果准确，避免了人员目测视觉误差而导致的人为因素。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，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，都应涵盖在本发明的保护范围之内。同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
Claims (10)
1.一种汽车风窗玻璃涂胶在线胶型检测装置，其特征在于：
包括在实时涂胶的胶嘴后端加装两个线激光传感器，每个线激光单独打在胶型的两个边上，线激光传感器通过网线与检测控制计算机相连。
2.根据权利要求1所述的一种汽车风窗玻璃涂胶在线胶型检测装置，其特征在于：
胶型截面为三角形。
3.一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于：
基于二维激光测距仪的三维建模技术，通过扫描得到包含距离、角度信息的点云集数据在三维坐标系上建立三维可视图，并结合图像处理和模式识别技术计算胶型凹凸形状及大小,判断出胶条是否符合标准。
4.根据权利要求3所述的一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于：
检测方法具体包括以下步骤：
A、取机器人空间一维数据,再取二维激光测距扫描器获得的二维数据，即得到空间三维坐标数据，进而基于OpenGL和MFC进行三维重建和数据分析；
B、将上述二维激光测距传感器获取的胶条的连续采样数据传递到检测控制计算机中，该检测控制计算机采用中值滤波、模糊聚类及自适应阈值计算法，运用Sobel算法将可疑物体边缘层提取出来并计算其体积大小，并根据其体积是否存在异常进行判断；如果没有发现异常，则继续检测下一组；如果发现可疑物,则检测控制计算机向PLC发出警报信号；
C、对数据进行模糊聚类达到快速确定可疑区域，再对可疑区域运用Sobel边缘检测算法提取边缘层进而结合边缘层的内部数据进行胶宽和胶高的计算。
5.根据权利要求4所述的一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于：
得到空间三维坐标数据，进而基于OpenGL和MFC进行三维重建和数据分析，具体内容如下：
选取高精度三棱锥作为标定物，采集数据，提取顶点为两传感器的公共点，变换机器人位姿，保证传感器均能采集到公共棱角数据，提取顶点，获得n组对应点对；对于传感器A有PA＝{PAi|i＝1...n}，对于传感器B有PB＝{PBi|i＝1...n}，存在欧式变换R，T使得下式成立：
对于第i个点对的误差项如下式所示：
ei＝PAi-(RPBi+T)
构建最小二乘优化问题，其表达式如下：
当误差平方和为最小时的R，T即为所需变换。
6.根据权利要求5所述的一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于，将可疑物体边缘层提取出来并计算其体积大小，并根据其体积是否存在异常进行判断，具体包括：
(1)二维激光测距传感器以50Hz的频率沿X方向扫描，机器Y方向行走，得到XY坐标点上与激光器的距离信息，通过转换就获得了空间三维坐标数据；
(2)扫描的数据通过以太网接口传送到检测控制计算机中，在Visual C++环境下基于MFC和OpenGL编写程序，检测控制计算机对获取的点云集数据进行分析。
7.根据权利要求6所述的一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于，运用Sobel边缘检测算法提取边缘层进而结合边缘层的内部数据进行胶宽和胶高的计算，具体包括：
运用Sobel边缘检测算法并自适应计算阈值获得胶型的边缘层，在三维轮廓图形上标示出胶型的大小形状；凸出部分即为胶型的轮廓形状；
根据胶条识别结果，所引对应的点云区域，对点云进行三角网格化处理，获得封闭三维空间，结合距离信息计算出体积大小；
对于点云三角化模型中的任意一个三角形区域，设顶点为(x1，y1)，(x2，y2)，(x3，y3)，对应的z坐标为zA、zB、zC，以表示z向高度平均值；
则三角形的面积S：
以三角形三个顶点对应的z值的平均值作为高度，获得三角形对应的三棱柱的体积，体积计算公式如下：
对于点云P，三角表面化后，表面具有n个三角形，即物体体积近似为n个三棱柱体积的之和，记Vi{i＝1，2，3，...，n}为任一三棱柱的体积，则所有三棱柱的体积之和即为胶条物体的体积，计算公式如下：
运用Sobel边缘检测算法提取边缘层，然后对数据进行模糊聚类分割出胶条和其他部分，进而结合边缘层上数据点的X、Y、Z坐标求得胶型的宽和高；
用梯度来表示图像f在位置(x，y)处的边缘强度方向，计算公式如下式所示：
gx和gy的卷积核计算方式如下：
其中，I表示图像。
用g(x，y)来表示梯度向量的幅值，计算公式如下式所示：
用θ(x，y)来表示在位置(x，y)处的梯度方向，数值为Y方向和X方向偏导之比的反正切函数值，计算公式如下式所示：
对玻璃胶条的灰度图进行Sobel检测。
8.根据权利要求7所述的一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于：
所述二维激光测距传感器以50Hz的频率沿X方向扫描，机器Y方向行走，得到XY坐标点上与激光器的距离信息，通过转换获得空间三维坐标数据。
9.根据权利要求8所述的一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于：
统计滤波原理：对每一个点，计算它到K个临近点的平均距离，此时获得每个点的K临近的平均距离，假设该结果服从高斯分布，可定义平均距离在标准范围之外的点为离群点并从数据中去除。
10.根据权利要求9所述的一种汽车风窗玻璃涂胶在线胶型检测方法，其特征在于：
所述检测控制计算机对获取的点云集数据进行分析，分析具体内容包括：进行坐标变换得到三维空间点云集数据,再运用统计滤波算法剔除数据集中的孤立数据噪声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310498707.9A CN116642420A (zh) | 2023-05-06 | 2023-05-06 | 一种汽车风窗玻璃涂胶在线胶型检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310498707.9A CN116642420A (zh) | 2023-05-06 | 2023-05-06 | 一种汽车风窗玻璃涂胶在线胶型检测装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116642420A true CN116642420A (zh) | 2023-08-25 |
Family
ID=87617937
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310498707.9A Pending CN116642420A (zh) | 2023-05-06 | 2023-05-06 | 一种汽车风窗玻璃涂胶在线胶型检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116642420A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116818063A (zh) * | 2023-08-30 | 2023-09-29 | 江铃汽车股份有限公司 | 汽车芯片散热胶涂覆质量检测方法、装置及可读存储介质 |
-
2023
- 2023-05-06 CN CN202310498707.9A patent/CN116642420A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116818063A (zh) * | 2023-08-30 | 2023-09-29 | 江铃汽车股份有限公司 | 汽车芯片散热胶涂覆质量检测方法、装置及可读存储介质 |
| CN116818063B (zh) * | 2023-08-30 | 2023-11-14 | 江铃汽车股份有限公司 | 汽车芯片散热胶涂覆质量检测方法、装置及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2019222803A1 (en) | Volume measurement apparatus and method | |
| CN110874596B (zh) | 一种仪表智能识别预警方法及系统 | |
| CN112418103B (zh) | 一种基于动态双目视觉的桥式起重机吊装安全防撞系统及方法 | |
| CN109490316A (zh) | 一种基于机器视觉的表面缺陷检测算法 | |
| CN113989379B (zh) | 基于线激光旋转扫描的轮毂焊缝三维特征测量装置及方法 | |
| CN112348034A (zh) | 基于无人机图像识别的起重机缺陷检测系统和工作方法 | |
| CN110823077A (zh) | 一种基于三维点云的墙面靠尺检测方法及系统 | |
| CN108596009A (zh) | 一种用于农机自动驾驶的障碍物检测方法和系统 | |
| CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
| CN115797354B (zh) | 用于检测激光焊接焊缝外观缺陷的方法 | |
| CN113791400B (zh) | 一种基于激光雷达的楼梯参数自主检测方法 | |
| CN116642420A (zh) | 一种汽车风窗玻璃涂胶在线胶型检测装置及方法 | |
| CN113689415A (zh) | 一种基于机器视觉的钢管壁厚在线检测方法 | |
| CN113808133A (zh) | 一种基于三维点云的地铁闸瓦故障检测方法 | |
| CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
| Kim et al. | A vision-based system for monitoring block assembly in shipbuilding | |
| CN110567383A (zh) | 基于结构森林和亚像素的受电弓磨耗预警系统及检测方法 | |
| CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
| CN109597096B (zh) | 一种激光雷达点云处理系统及方法 | |
| CN109556533B (zh) | 一种针对多线结构光条纹图像的自动提取方法 | |
| CN116579955B (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及系统 | |
| CN112016354B (zh) | 一种基于视觉识别的运粮车粮箱装载状态检测方法 | |
| CN110728747A (zh) | 一种基于激光点云数据及OpenGL的车辆三维外廓绘制方法 | |
| CN113870328A (zh) | 一种液体异物视觉检测方法及系统 | |
| CN116197910B (zh) | 风电叶片轮式移动打磨机器人的环境感知方法和装置 |
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 |