CN117029705B - 一种基于非接触式3d视觉的齿轮跨棒距测量系统及方法 - Google Patents
一种基于非接触式3d视觉的齿轮跨棒距测量系统及方法 Download PDFInfo
- Publication number
- CN117029705B CN117029705B CN202310765461.7A CN202310765461A CN117029705B CN 117029705 B CN117029705 B CN 117029705B CN 202310765461 A CN202310765461 A CN 202310765461A CN 117029705 B CN117029705 B CN 117029705B
- Authority
- CN
- China
- Prior art keywords
- gear
- data
- points
- point
- tooth
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 38
- 239000013598 vector Substances 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 8
- 239000002585 base Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000003637 basic solution Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 210000003781 tooth socket Anatomy 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims 4
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000243 solution Substances 0.000 description 3
- 230000009466 transformation Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation 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
- G01B11/14—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
- G01B11/2416—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures of gears
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- 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
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于非接触式3D视觉的齿轮跨棒距测量系统及方法,属于视觉测量领域。该方法包括以下步骤:S1:获取齿轮三维轮廓数据;S2:处理齿轮数据;S3:分析齿轮数据主方向,对齐至传感器坐标系;S4:获取齿轮剖面数据;S5:获取齿轮侧面轮廓数据点;S6:拟合齿轮侧面轮廓曲线;S7:计算量棒截面与齿轮齿廓相切位置,计算跨棒距。本发明使用面结构光传感器获取齿轮三维数据,自动进行数据的处理、分析及计算等,可以在保证高精度的前提下提升效率,具有一定的稳定性,可减少人为操作带来的随机性。
Description
技术领域
本发明属于视觉测量领域,涉及一种基于非接触式3D视觉的齿轮跨棒距测量系统及方法。
背景技术
齿厚和齿槽宽是齿轮设计与加工中的重要参数,其尺寸的正确与否直接影响齿轮的制造、啮合和传动精度。目前,多采用的是人工测量或者使用跨棒距测量仪测量跨棒距的方式来反映齿厚和齿槽宽的尺寸。
但是存在以下问题:
人工测量是用两个圆棒固定于齿轮对面两侧齿槽内,然后通过人工利用千分尺来测量外缘的尺寸,具有一定的随机性,且测量效率低下。
跨棒距测量仪测量是使用测量跨棒距的设备进行测量,成本高,在测量时仍然需要人工来进行操作,同时还具有一定的局限性。
发明内容
有鉴于此,本发明的目的在于提供一种基于非接触式3D视觉的齿轮跨棒距测量方法。使用面结构光传感器采集齿轮不同角度的三维点云数据;利用标记点拼接的方式获得齿轮完整的三维数据;算法自动处理、分析及计算等,可以在保证高精度的前提下提升效率;减少人为操作,该方法测量结果稳定且成本较低。
为达到上述目的,本发明提供如下技术方案:
一种基于非接触式3D视觉的齿轮跨棒距测量系统,该系统包括转台1、标记点2、被测物齿轮3、固定装置4、主控设备5、面结构光传感器6和固定传感器机构7;
固定装置4固定在转台1上,被测物齿轮3放置在固定装置4上,固定装置4上设有夹紧机构固定被测物齿轮3,固定装置4上还设有标记点2;
面结构光传感器6设置在固定传感器机构7上,主控设备5控制转台1转动,控制面结构光传感器6采集被测物齿轮3不同角度的三维点云数据,每转动30度采集一次,并由面结构光传感器6上传到主控设备5;
其中,三维点云数据包括被测物齿轮的图像数据和对应标记点的信息。
一种基于非接触式3D视觉的齿轮跨棒距测量方法,该方法包括以下步骤:
S1:获取齿轮三维轮廓数据;使用传感器全方位扫描齿轮表面,获得齿轮三维轮廓数据;
S2:处理齿轮数据;对齿轮数据进行去除离群点和数据降采样的操作;
S3:分析齿轮数据主方向,对齐至传感器坐标系;计算齿轮数据的协方差矩阵,计算矩阵的特征值和特征向量,分析三个主方向,计算转换矩阵,将主方向对齐至传感器坐标系;
S4:获取齿轮剖面数据;提取齿轮轴线方向的数据,即x方向的数据,根据该轴线方向方向的坐标大小进行提取;
S5:获取齿轮侧面轮廓数据点;将坐标轴旋转至齿底中心,根据齿数计算分割角度,按角度进行提取齿槽的轮廓数据点,齿槽两侧轮廓数据点分开提取;
S6:根据齿轮侧面轮廓数据点拟合齿轮侧面轮廓曲线;
S7:计算量棒截面与齿轮齿廓相切位置,计算跨棒距;计算一个齿槽的跨棒距要拟合4个轮廓曲线,根据拟合的齿轮轮廓曲线方程,计算曲线与量棒截面两侧相切时的量棒截面及对面量棒截面位置,跨棒距为两量棒截面外侧之间的距离。
可选的,所述S2中,去除离群点为:进行第一次迭代,计算每个点到其最近的k个点平均距离,设结果成高斯分布,再计算k个点平均距离的平均值μ和标准差σ,阈值d=μ±p*σ,p表示标准差乘数,则平均距离在阈值d之外的点,被定义为离群点并从数据中去除;
数据降采样为:根据输入的点云,计算一个能够恰好包裹住该点云的主立方体,然后根据设定的边长leaf,将该主立方体分割成不同的小立方体,对于每一个小立方体内的所有点,计算他们的质心,并用该质心的坐标来近似替代该小立方体内的所有点。
可选的,所述S3中,传感器坐标系定义:坐标系原点为视野景深中心,水平向右为x方向,水平向下y方向,垂直于传感器方向为z方向;
计算协方差矩阵为:给定样本[X,Y,Z],设A为该样本的协方差矩阵,即:
A=COV(X,Y,Z)=E((X-E(X))(Y-E(Y))(Z-E(Z)))
E表示期望值;
求出该协方差矩阵的特征值和特征向量:A*V=λ*V,V表示特征向量,λ表示特征值,A表示协方差矩阵;
特征值求解:满足|λE-A|=0的λ;
特征向量:将特征值代入(λE-A)V=0,计算出基础解系,即为该特征值对应的特征向量;
特征向量为齿轮数据的3个主方向;
齿轮坐标系的建立:以齿轮数据质心点作为坐标系的原点,特征向量作为坐标系方向;
求出该主方向相对于传感器坐标系的旋转平移矩阵,将齿轮数据的主方向对齐至世界坐标系下,具体为:
设特征向量V为(v1,v2,v3),质心坐标为(xc,yc,zc);
其中,(xi,yi,zi)为点云数据的坐标点,nv为点云个数;
则旋转矩阵为R=(v1,v2,v3)-1=(v1,v2,v3)',平移矩阵为
齿轮数据主方向对齐到传感器坐标系下的转换矩阵为
可选的,所述S4中,提取范围为(-0.05,0.05)。
可选的,所述S5中,设齿数为nt,则单个齿槽所占的角度为单个齿槽的齿底到齿顶所占的角度/>
旋转坐标轴:找到坐标y方向最大的点(xm,ym,zm),求出坐标轴y与该点和原点所构成直线的夹角将坐标系绕x方向旋转,旋转角度为angels,其中angels=angelm+angel0;坐标轴y指向至齿底中央;齿顶坐标点与原点所构成直线的斜率k0=tan(angel0)。
进行坐标系转换:y坐标轴转为x坐标轴,z坐标轴转为y坐标轴;
提取数据点:
提取齿槽一侧(第一象限):筛选满足区域0<y<k0x,x>0,的点;
提取齿槽另一侧(第四象限):筛选满足区域-k0x<y<0,x>0的点;
提取对面齿槽一侧(第二象限):筛选满足区域0<y<-k0x,x<0的点;
提取对面齿槽另一侧(第三象限):筛选满足区域k0x<y<0,x<0的点;
每提取一次,进行一次旋转,旋转角度为angel。
可选的,所述S6中,齿轮轮廓曲线包括渐开线、圆弧和摆线;
对渐开线进行拟合时,根据数据点坐标滤除齿根及过渡曲线部分的数据点,确保用于拟合的数据点都位于渐开线上;
渐开线的极坐标式方程:θ=tanα-α
建立直角坐标系,对于齿槽左侧曲线:
设C点为渐开线在基圆上的起始点,B(x,y)为渐开线上任意一点,A点为渐开线上点在基圆上的切点;
β=θ+α
x=rb cos(β+γ)+rbβsin(β+γ)
y=rb sin(β+γ)-rbβcos(β+γ)
rb表示基圆半径;α表示渐开线上某点对应的压力角;θ表示展角;γ表示渐开线起始角度;其中:rb和γ为欲拟合参数;
根据几何关系推导出γ与rb之间的关系式为:
给定一个rb,根据轮廓数据点的坐标,在满足公式的前提下,计算出对应的一个γ;将曲线上所有点的坐标带入求得
求γ的平均值
计算方差D:
选取D最小时的rb及作为曲线参数。
可选的,所述S7中,量棒为圆柱,则对直齿型齿轮进行测量时,量棒截面为圆;对斜齿型齿轮进行测量时,量棒截面为椭圆;跨棒距为L;
对斜齿型齿轮进行测量时,其中,椭圆方程为:
a为椭圆长轴;b为椭圆短轴;
根据几何关系,得齿槽左侧的齿廓曲线切线斜率为:
k1=kOA=tan(α+θ+γ)
同理计算出齿槽右侧齿廓曲线切线斜率k2;
两切点分别位于左、右两侧渐开线及椭圆上,即渐开线切线斜率与椭圆切线斜率相等时相切;
滚角β作为变量,在拟合出的齿廓曲线上寻找点,根据点的坐标计算出椭圆中心(xo,yo),直至满足判断条件:点位于椭圆上,此时的点为切点;
椭圆中心坐标计算公式为:
其中,(x1,y1)为齿槽左侧轮廓曲线上的切点,(x2,y2)齿槽右侧轮廓曲线上的切点;
跨棒距为两相对椭圆中心连线与椭圆外侧交点之间的距离。
本发明的有益效果在于:
1、本发明使用面结构光传感器自动采集数据,算法处理、分析及计算等,可以在保证高精度的前提下提升效率。
2、本发明人工参与度较低,减少了人为操作带来的随机性,测量结果稳定且成本较低。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,其中:
图1为本发明系统图;
图2为本发明流程图;
图3为主立方体分割示意图;
图4为渐开线建立直角坐标系示意图;
图5为齿轮标准跨棒距示意图;
图6为齿轮轴线方向示意图;
图7为被测物齿轮数据获取剖面后示意图;
图8为被测物齿轮数据计算跨棒距结果示意图;
附图标记:转台1,标记点2,被测物齿轮3,固定装置4,主控设备5,面结构光传感器6,固定传感器机构7。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”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,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
如图1所示,本发明系统包括转台1、标记点2、被测物齿轮3、固定装置4、主控设备5、面结构光传感器6和固定传感器机构7;
固定装置4固定在转台1上,被测物齿轮3放置在固定装置4上,固定装置4上设有夹紧机构固定被测物齿轮3,固定装置4上还设有标记点2;
面结构光传感器6设置在固定传感器机构7上,主控设备5控制转台1转动,控制面结构光传感器6采集被测物齿轮3不同角度的三维点云数据,每转动30度采集一次,并由面结构光传感器6上传到主控设备5;
其中,三维点云数据包括被测物齿轮的图像数据和对应标记点的信息。
利用标记点2数据寻找转换关系,分割出的不同角度的齿轮数据根据转换关系进行拼接,得到齿轮完整三维轮廓数据。
分割出齿轮数据的分割原理为:对于空间某点p0,通过KD-Tree近邻搜索算法找到k0个离p0点最近的点,这些点中距离小于设定阈值的聚类到集合Q0中。如果Q0中元素的数目不再增加,整个聚类过程便结束;否则须在集合Q0中选取p0点以外的点,重复上述过程,直到Q0中元素的数目不再增加为止。
不同角度的齿轮数据根据转换关系进行拼接的拼接原理为:在基准点云Qi中查找与待配准点云Pi中的三维点pi对应的最近邻点qi,并计算pi与对应的最近邻点qi之间的空间距离平方值di 2。根据计算得到的值di 2进行升序排序,并保留前Ni个点,同时,计算保留点集合Ps的距离平方和S。其中,保留点的个数根据待配准点云的个数Np进行确定,即:Ni=k0Np。使用SVD法对将计算得到的保留点集合Ps进行求解,得到点云的旋转平移矩阵。
如图2所示,本发明测量流程如下:
S1:获取齿轮三维轮廓数据;使用传感器全方位扫描齿轮表面,获得齿轮三维轮廓数据。
S2:处理齿轮数据;对齿轮数据进行去除离群点和数据降采样的操作;
去除离群点为:进行第一次迭代,计算每个点到其最近的k个点平均距离,设结果成高斯分布,再计算k个点平均距离的平均值μ和标准差σ,阈值d=μ±p*σ,p表示标准差乘数,则平均距离在阈值d之外的点,被定义为离群点并从数据中去除;
数据降采样为:根据输入的点云,计算一个能够恰好包裹住该点云的主立方体,然后根据设定的边长leaf,将该主立方体分割成不同的小立方体,如图3所示,对于每一个小立方体内的所有点,计算他们的质心,并用该质心的坐标来近似替代该小立方体内的所有点,具体为:
根据坐标,分别求出x、y、z方向的最大值和最小值,主立方体边长:
lx,ly,lz分别是x、y、z方向主立方体边长;
设置小立方体边长为leaf,主立方体划分成M*N*L个小立方体,则,
对每个小立方体编号:
i,j,q是每个小立方体的编号,计算每个小立方体包含点的质心,代替小立方体内的所有点:
其中,Ci,j,q表示小立方体的质心,pi表示数据点,nc表示每个小立方体的点数。
S3:分析齿轮数据主方向,对齐至传感器坐标系;计算齿轮数据的协方差矩阵,计算矩阵的特征值和特征向量,分析三个主方向,计算转换矩阵,将主方向对齐至传感器坐标系。
传感器坐标系定义:坐标系原点为视野景深中心,水平向右为x方向,水平向下y方向,垂直于传感器方向为z方向。
计算协方差矩阵为:给定样本[X,Y,Z],设A为该样本的协方差矩阵,即:
A=COV(X,Y,Z)=E((X-E(X))(Y-E(Y))(Z-E(Z)))
E表示期望值;
求出该协方差矩阵的特征值和特征向量:A*V=λ*V,V表示特征向量,λ表示特征值,A表示协方差矩阵;
特征值求解:满足|λE-A|=0的λ;
特征向量:将特征值代入(λE-A)V=0,计算出基础解系,即为该特征值对应的特征向量;
特征向量为齿轮数据的3个主方向;
齿轮坐标系的建立:以齿轮数据质心点作为坐标系的原点,特征向量作为坐标系方向(x,y,z这里无需区分)。
求出该主方向相对于传感器坐标系的旋转平移矩阵,将齿轮数据的主方向对齐至世界坐标系下,具体为:
设特征向量V为(v1,v2,v3),质心坐标为(xc,yc,zc);
其中,(xi,yi,zi)为点云数据的坐标点,nv为点云个数。
则旋转矩阵为R=(v1,v2,v3)-1=(v1,v2,v3)',平移矩阵为
齿轮数据主方向对齐到传感器坐标系下的转换矩阵为
S4:获取齿轮剖面数据;提取齿轮轴线方向(x方向)的数据,根据该轴线方向方向的坐标大小进行提取,设置提取范围:(-0.05,0.05)。
S5:获取齿轮侧面轮廓数据点;将坐标轴旋转至齿底中心,根据齿数计算分割角度,按角度进行提取齿槽的轮廓数据点,齿槽两侧轮廓数据点分开提取。
设齿数为nt,则单个齿槽所占的角度为单个齿槽的齿底到齿顶所占的角度
旋转坐标轴:找到坐标y方向最大的点(xm,ym,zm),求出坐标轴y与该点和原点所构成直线的夹角将坐标系绕x方向旋转,旋转角度为angels,其中angels=angelm+angel0。此时,坐标轴y已指向至齿底中央,齿顶坐标点与原点所构成直线的斜率k0=tan(angel0)。
便于后续计算,在此处进行坐标系转换:y坐标轴转为x坐标轴,z坐标轴转为y坐标轴。
提取数据点:
提取齿槽一侧(第一象限):筛选满足区域0<y<k0x,x>0,的点;
提取齿槽另一侧(第四象限):筛选满足区域-k0x<y<0,x>0的点;
提取对面齿槽一侧(第二象限):筛选满足区域0<y<-k0x,x<0的点;
提取对面齿槽另一侧(第三象限):筛选满足区域k0x<y<0,x<0的点;
每提取一次,进行一次旋转,旋转角度为angel。
S6:根据齿轮侧面轮廓数据点拟合齿轮侧面轮廓曲线;齿轮轮廓曲线包括渐开线、圆弧和摆线;
对渐开线进行拟合时,根据数据点坐标滤除齿根及过渡曲线部分的数据点,确保用于拟合的数据点都位于渐开线上;
渐开线的极坐标式方程:θ=tanα-α
如图4所示,建立直角坐标系,对于齿槽左侧曲线:
设C点为渐开线在基圆上的起始点,B(x,y)为渐开线上任意一点,A点为渐开线上点在基圆上的切点;
β=θ+α
x=rb cos(β+γ)+rbβsin(β+γ)
y=rb sin(β+γ)-rbβcos(β+γ)
rb表示基圆半径;α表示渐开线上某点对应的压力角;θ表示展角;γ表示渐开线起始角度;其中:rb和γ为欲拟合参数;
根据几何关系推导出γ与rb之间的关系式为:
给定一个rb,根据轮廓数据点的坐标,在满足公式的前提下,计算出对应的一个γ;将曲线上所有点的坐标带入求得γ1,γ2,......,γnγ;
求γ的平均值
计算方差D:
选取D最小时的rb及作为曲线参数。
S7:计算量棒截面与齿轮齿廓相切位置,计算跨棒距;计算一个齿槽的跨棒距要拟合4个轮廓曲线,根据拟合的齿轮轮廓曲线方程,计算曲线与量棒截面两侧相切时的量棒截面及对面量棒截面位置,跨棒距为两量棒截面外侧之间的距离;
量棒为圆柱,对直齿型齿轮进行测量时,量棒截面为圆;对斜齿型齿轮进行测量时,量棒截面为椭圆;如图5所示,跨棒距为L;
对斜齿型齿轮进行测量时,其中,椭圆方程为:
a为椭圆长轴;b为椭圆短轴;
根据几何关系,得齿槽左侧的齿廓曲线切线斜率为:
k1=kOA=tan(α+θ+γ)
同理计算出齿槽右侧齿廓曲线切线斜率k2;
两切点分别位于左、右两侧渐开线及椭圆上,即渐开线切线斜率与椭圆切线斜率相等时相切;
滚角β作为变量,在拟合出的齿廓曲线上寻找点,根据点的坐标计算出椭圆中心(xo,yo),直至满足判断条件:点位于椭圆上,此时的点为切点;
椭圆中心坐标计算公式为:
其中,(x1,y1)为齿槽左侧轮廓曲线上的切点,(x2,y2)齿槽右侧轮廓曲线上的切点;
跨棒距为两相对椭圆中心连线与椭圆外侧交点之间的距离。
被测物齿轮三维轮廓数据处理后:去除离群点后数量为518560,降采样后数量为166885。
求取协方差矩阵:
计算特征值结果:λ1=31.9485;λ2=21.1498;λ3=839.9738;
计算特征向量结果:
计算旋转矩阵结果:
计算质心坐标:(xc,yc,zc)=(-40.6806,5.07101,425.259)
计算平移矩阵:
转换矩阵为:
图6为齿轮轴线方向示意图。
获取剖面数据后,如图7所示。
拟合轮廓曲线结果如图8所示,拟合的rb及γ结果(以2组结果为例):rb:38.451,γ:0.012;rb:38.463,γ:-0.015。
计算跨棒距结果:84.2239,84.2465,84.2354(以3组数据为例),量棒截面与齿轮齿廓相切位置结果如图8所示。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于非接触式3D视觉的齿轮跨棒距测量方法,其特征在于:该方法包括以下步骤:
S1:获取齿轮三维轮廓数据;使用传感器全方位扫描齿轮表面,获得齿轮三维轮廓数据;
S2:处理齿轮数据;对齿轮数据进行去除离群点和数据降采样的操作;
S3:分析齿轮数据主方向,对齐至传感器坐标系;计算齿轮数据的协方差矩阵,计算矩阵的特征值和特征向量,分析三个主方向,计算转换矩阵,将主方向对齐至传感器坐标系;
S4:获取齿轮剖面数据;提取齿轮轴线方向的数据,即x方向的数据,根据该轴线方向的坐标大小进行提取;
S5:获取齿轮侧面轮廓数据点;将坐标轴旋转至齿底中心,根据齿数计算分割角度,按角度进行提取齿槽的轮廓数据点,齿槽两侧轮廓数据点分开提取;
S6:根据齿轮侧面轮廓数据点拟合齿轮侧面轮廓曲线;
S7:计算量棒截面与齿轮齿廓相切位置,计算跨棒距;计算一个齿槽的跨棒距要拟合4个轮廓曲线,根据拟合的齿轮轮廓曲线方程,计算曲线与量棒截面两侧相切时的量棒截面及对面量棒截面位置,跨棒距为两量棒截面外侧之间的距离;
所述S2中,去除离群点为:进行第一次迭代,计算每个点到其最近的k个点平均距离,设结果成高斯分布,再计算k个点平均距离的平均值μ和标准差σ,阈值d=μ±p*σ,p表示标准差乘数,则平均距离在阈值d之外的点,被定义为离群点并从数据中去除;
数据降采样为:根据输入的点云,计算一个能够恰好包裹住该点云的主立方体,然后根据设定的边长leaf,将该主立方体分割成不同的小立方体,对于每一个小立方体内的所有点,计算他们的质心,并用该质心的坐标来近似替代该小立方体内的所有点;
所述S3中,传感器坐标系定义:坐标系原点为视野景深中心,水平向右为x方向,水平向下y方向,垂直于传感器方向为z方向;
计算协方差矩阵为:给定样本[X,Y,Z],设A为该样本的协方差矩阵,即:
A=COV(X,Y,Z)=E((X-E(X))(Y-E(Y))(Z-E(Z)))
E表示期望值;
求出该协方差矩阵的特征值和特征向量:A*V=λ*V,V表示特征向量,λ表示特征值,A表示协方差矩阵;
特征值求解:满足|λE-A|=0的λ;
特征向量:将特征值代入(λE-A)V=0,计算出基础解系,即为该特征值对应的特征向量;
特征向量为齿轮数据的3个主方向;
齿轮坐标系的建立:以齿轮数据质心点作为坐标系的原点,特征向量作为坐标系方向;
求出该主方向相对于传感器坐标系的旋转平移矩阵,将齿轮数据的主方向对齐至世界坐标系下,具体为:
设特征向量V为(v1,v2,v3),质心坐标为(xc,yc,zc);
其中,(xi,yi,zi)为点云数据的坐标点,nv为点云个数;
则旋转矩阵为R=(v1,v2,v3)-1=(v1,v2,v3)',平移矩阵为
齿轮数据主方向对齐到传感器坐标系下的转换矩阵为
2.根据权利要求1所述的一种基于非接触式3D视觉的齿轮跨棒距测量方法,其特征在于:所述S4中,提取范围为(-0.05,0.05)。
3.根据权利要求2所述的一种基于非接触式3D视觉的齿轮跨棒距测量方法,其特征在于:所述S5中,设齿数为nt,则单个齿槽所占的角度为单个齿槽的齿底到齿顶所占的角度/>
旋转坐标轴:找到坐标y方向最大的点(xm,ym,zm),求出坐标轴y与该点和原点所构成直线的夹角将坐标系绕x方向旋转,旋转角度为angels,其中angels=angelm+angel0;坐标轴y指向至齿底中央,齿顶坐标点与原点所构成直线的斜率k0=tan(angel0);
进行坐标系转换:y坐标轴转为x坐标轴,z坐标轴转为y坐标轴;
提取数据点:
提取齿槽一侧,位于第一象限:筛选满足区域0<y<k0x,x>0的点;
提取齿槽另一侧,位于第四象限:筛选满足区域-k0x<y<0,x>0的点;
提取对面齿槽一侧,位于第三象限:筛选满足区域0<y<-k0x,x<0的点;
提取对面齿槽另一侧,位于第二象限:筛选满足区域k0x<y<0,x<0的点;
每提取一次,进行一次旋转,旋转角度为angel。
4.根据权利要求3所述的一种基于非接触式3D视觉的齿轮跨棒距测量方法,其特征在于:所述S6中,齿轮轮廓曲线包括渐开线、圆弧和摆线;
对渐开线进行拟合时,根据数据点坐标滤除齿根及过渡曲线部分的数据点,确保用于拟合的数据点都位于渐开线上;
渐开线的极坐标式方程:θ=tanα-α
建立直角坐标系,对于齿槽左侧曲线:
设C点为渐开线在基圆上的起始点,B(x,y)为渐开线上任意一点,A点为渐开线上点在基圆上的切点;
β=θ+α
x=rb cos(β+γ)+rbβsin(β+γ)
y=rb sin(β+γ)-rbβcos(β+γ)
rb表示基圆半径;α表示渐开线上某点对应的压力角;θ表示展角;γ表示渐开线起始角度;其中:rb和γ为欲拟合参数;
根据几何关系推导出γ与rb之间的关系式为:
给定一个rb,根据轮廓数据点的坐标,在满足公式的前提下,计算出对应的一个γ;将曲线上所有点的坐标带入求得
求γ的平均值
计算方差D:
选取D最小时的rb及作为曲线参数。
5.根据权利要求4所述的一种基于非接触式3D视觉的齿轮跨棒距测量方法,其特征在于:所述S7中,量棒为圆柱,则对直齿型齿轮进行测量时,量棒截面为圆;对斜齿型齿轮进行测量时,量棒截面为椭圆;跨棒距为L;
对斜齿型齿轮进行测量时,其中,椭圆方程为:
a为椭圆长轴;b为椭圆短轴;
根据几何关系,得齿槽左侧的齿廓曲线切线斜率为:
k1=kOA=tan(α+θ+γ)
同理计算出齿槽右侧齿廓曲线切线斜率k2;
两切点分别位于左、右两侧渐开线及椭圆上,即渐开线切线斜率与椭圆切线斜率相等时相切;
滚角β作为变量,在拟合出的齿廓曲线上寻找点,根据点的坐标计算出椭圆中心(xo,yo),直至满足判断条件:点位于椭圆上,此时的点为切点;
椭圆中心坐标计算公式为:
其中,(x1,y1)为齿槽左侧轮廓曲线上的切点,(x2,y2)齿槽右侧轮廓曲线上的切点;
跨棒距为两相对椭圆中心连线与椭圆外侧交点之间的距离。
6.基于权利要求1所述测量方法的齿轮跨棒距测量系统,其特征在于:该系统包括转台(1)、标记点(2)、被测物齿轮(3)、固定装置(4)、主控设备(5)、面结构光传感器(6)和固定传感器机构(7);
固定装置(4)固定在转台(1)上,被测物齿轮(3)放置在固定装置(4)上,固定装置(4)上设有夹紧机构固定被测物齿轮(3),固定装置(4)上还设有标记点(2);
面结构光传感器(6)设置在固定传感器机构(7)上,主控设备(5)控制转台(1)转动,控制面结构光传感器(6)采集被测物齿轮(3)不同角度的三维点云数据,每转动30度采集一次,并由面结构光传感器(6)上传到主控设备(5);
其中,三维点云数据包括被测物齿轮的图像数据和对应标记点的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310765461.7A CN117029705B (zh) | 2023-06-27 | 2023-06-27 | 一种基于非接触式3d视觉的齿轮跨棒距测量系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310765461.7A CN117029705B (zh) | 2023-06-27 | 2023-06-27 | 一种基于非接触式3d视觉的齿轮跨棒距测量系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117029705A CN117029705A (zh) | 2023-11-10 |
CN117029705B true CN117029705B (zh) | 2024-03-22 |
Family
ID=88623286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310765461.7A Active CN117029705B (zh) | 2023-06-27 | 2023-06-27 | 一种基于非接触式3d视觉的齿轮跨棒距测量系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117029705B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0545135A (ja) * | 1990-12-26 | 1993-02-23 | Ind Technol Res Inst | 精密輪郭の視覚測定方法及び装置 |
CN103363923A (zh) * | 2013-08-01 | 2013-10-23 | 天津工业大学 | 一种激光视觉测距的非接触式齿轮齿向测量方法 |
CN105043288A (zh) * | 2015-05-04 | 2015-11-11 | 天津科技大学 | 一种基于机器视觉引导的激光齿轮倒角轮廓测量仪及其测量方法 |
CN107588742A (zh) * | 2017-10-25 | 2018-01-16 | 北京工业大学 | 一种基于线结构光的圆柱齿轮齿廓偏差测量方法 |
CN109870111A (zh) * | 2019-03-18 | 2019-06-11 | 吉林大学 | 基于机器视觉的渐开线圆柱齿轮齿距累积误差测量方法 |
CN113446960A (zh) * | 2021-06-28 | 2021-09-28 | 温州大学 | 一种齿面点云理论分布建模方法及测量方法 |
CN114111608A (zh) * | 2021-10-28 | 2022-03-01 | 东风设备制造有限公司 | 一种用于齿轮跨棒距检测的齿轮齿槽或齿顶位置定位方法和系统 |
WO2022052313A1 (zh) * | 2020-09-11 | 2022-03-17 | 苏州中科全象智能科技有限公司 | 3d结构光系统的标定方法、电子设备及存储介质 |
CN114993202A (zh) * | 2022-05-25 | 2022-09-02 | 辽宁科技学院 | 摇臂式多功能中小模数直齿圆柱齿轮视觉检测装置及检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112013788B (zh) * | 2020-10-22 | 2021-01-26 | 四川大学 | 基于叶片局部前缘曲线特征标定转动中心的方法 |
-
2023
- 2023-06-27 CN CN202310765461.7A patent/CN117029705B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0545135A (ja) * | 1990-12-26 | 1993-02-23 | Ind Technol Res Inst | 精密輪郭の視覚測定方法及び装置 |
CN103363923A (zh) * | 2013-08-01 | 2013-10-23 | 天津工业大学 | 一种激光视觉测距的非接触式齿轮齿向测量方法 |
CN105043288A (zh) * | 2015-05-04 | 2015-11-11 | 天津科技大学 | 一种基于机器视觉引导的激光齿轮倒角轮廓测量仪及其测量方法 |
CN107588742A (zh) * | 2017-10-25 | 2018-01-16 | 北京工业大学 | 一种基于线结构光的圆柱齿轮齿廓偏差测量方法 |
CN109870111A (zh) * | 2019-03-18 | 2019-06-11 | 吉林大学 | 基于机器视觉的渐开线圆柱齿轮齿距累积误差测量方法 |
WO2022052313A1 (zh) * | 2020-09-11 | 2022-03-17 | 苏州中科全象智能科技有限公司 | 3d结构光系统的标定方法、电子设备及存储介质 |
CN113446960A (zh) * | 2021-06-28 | 2021-09-28 | 温州大学 | 一种齿面点云理论分布建模方法及测量方法 |
CN114111608A (zh) * | 2021-10-28 | 2022-03-01 | 东风设备制造有限公司 | 一种用于齿轮跨棒距检测的齿轮齿槽或齿顶位置定位方法和系统 |
CN114993202A (zh) * | 2022-05-25 | 2022-09-02 | 辽宁科技学院 | 摇臂式多功能中小模数直齿圆柱齿轮视觉检测装置及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117029705A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111223133B (zh) | 一种异源图像的配准方法 | |
CN109506580B (zh) | 基于线激光三维扫描的锪孔质量检测方法 | |
CN105783786B (zh) | 一种基于结构光视觉的零件倒角测量方法与装置 | |
CN111612768B (zh) | 一种采用结构光空间定位和二维工业ct检测叶片方法 | |
CN104266608B (zh) | 视觉传感器现场标定装置和标定方法 | |
CN109579695B (zh) | 一种基于异构立体视觉的零件测量方法 | |
CN114972459B (zh) | 一种基于低维点云局部特征描述符的点云配准方法 | |
CN110335297A (zh) | 一种基于特征提取的点云配准方法 | |
CN110009667A (zh) | 基于罗德里格斯变换的多视点云全局配准方法 | |
CN110211129B (zh) | 基于区域分割的低覆盖点云配准算法 | |
CN110260786A (zh) | 一种基于外部跟踪的机器人视觉测量系统及其标定方法 | |
CN110763204B (zh) | 一种平面编码靶标及其位姿测量方法 | |
CN109242774B (zh) | 一种基于多维空间不变特征的平板类零件点云拼接方法 | |
CN108269289A (zh) | 一种相机参数标定的两步优化方法 | |
CN112489094A (zh) | 一种多线机载激光雷达点云数据配准方法 | |
CN115880373B (zh) | 基于新型编码特征的立体视觉系统的标定板及标定方法 | |
CN110608685A (zh) | 一种基于树莓派的物体尺寸快速测量方法 | |
CN117029705B (zh) | 一种基于非接触式3d视觉的齿轮跨棒距测量系统及方法 | |
CN115100277A (zh) | 复杂曲面结构零件位姿确定方法 | |
Kampel et al. | Robust 3D reconstruction of archaeological pottery based on concentric circular rills | |
CN113902779A (zh) | 一种基于张量投票方法的点云配准方法 | |
CN106228593B (zh) | 一种图像密集匹配方法 | |
CN113393507A (zh) | 无人机点云与地面三维激光扫描仪点云配准方法 | |
CN115661349B (zh) | 基于样本图像的三维重建方法、系统、设备、介质及产品 | |
CN107358655B (zh) | 基于离散平稳小波变换的半球面和圆锥面模型的辨识方法 |
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 |