CN117232388A - 一种大型复杂零部件的三维测量方法及测量系统 - Google Patents
一种大型复杂零部件的三维测量方法及测量系统 Download PDFInfo
- Publication number
- CN117232388A CN117232388A CN202311183263.6A CN202311183263A CN117232388A CN 117232388 A CN117232388 A CN 117232388A CN 202311183263 A CN202311183263 A CN 202311183263A CN 117232388 A CN117232388 A CN 117232388A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- point cloud
- measurement
- global visual
- visual positioning
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 77
- 238000000691 measurement method Methods 0.000 title claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 74
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 230000009466 transformation Effects 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 11
- 230000004807 localization Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及三维数字化测量技术领域,特别是涉及一种大型复杂零部件的三维测量方法及测量系统,所述测量方法包括:根据零部件的外形尺寸确定全局视觉定位系统中测量柱的数量,完成全局视觉定位网络布局;根据零部件的真实数模进行扫描路径规划;利用局部扫描系统获取单视场三维点云数据;结合全局视觉定位系统与局部扫描系统计算点云变换矩阵,实现单视场三维点云数据的拼接,实现大型复杂零部件的三维测量。通过本测量方法及测量系统,能有效解决适用场景有限和拼接精度容易受到转换精度影响的问题。
Description
技术领域
本发明涉及三维数字化测量技术领域,特别是涉及一种大型复杂零部件的三维测量方法及测量系统。
背景技术
航空制造业通常需要制造大型复杂零部件,并用于飞机装配。大型复杂零部件在制造与装配完后需要对其进行测量检测是否满足设计要求,进而保证飞机制造质量与飞行性能。然而,目前大型复杂零部件的测量主要依靠三坐标测量机。该测量方式存在测量效率低、可扩展性弱、测量要素有限以及测量点位稀疏,不能获取稠密三维点云用于余量分析来指导优化数控工艺,进一步限制了飞机制造质量的提升。
随着三维测量技术的不断发展,摄影测量、激光测距以及激光扫描等先进技术逐步应用于航空大型复杂零部件的自动化三维测量。因此,许多方法通过上述先进的测量技术构建不同的测量系统用于大型复杂零部件的自动化三维测量。
现有技术中,提出了专利号为CN109990701A,公开日为2020年07月10的中国发明专利文件,该专利文献所公开的技术方案如下:一种大型复杂曲面三维形貌机器人移动测量系统及方法,主要通过三维激光扫描仪、AGV小车、工业机械臂、三维立体视觉测量设备以及地面定位标记点构建了一套大型复杂零部件的测量系统。通过地面靶标构建全局坐标系统,并对移动平台采集的局部点云数据进行变换,进而实现全视场的点云数据拼接完成三维测量。
上述现有技术主要通过地标点对测量设备进行定位,进而实现点云数据拼接。一旦地标点确定,便直接限制了其适用场景,导致不能柔性化地适用于不同零件尺寸、不同精度要求以及不同现场工况的测量。同时,上述现有技术的地标点需要经过多次转换才能对测量头进行定位,导致拼接精度容易受到转换精度的影响。
发明内容
为解决上述技术问题,本发明提出了一种大型复杂零部件的三维测量方法及测量系统,能有效解决适用场景有限和拼接精度容易受到转换精度影响的问题。
本发明是通过采用下述技术方案实现的:
一种大型复杂零部件的三维测量方法,包括以下步骤:
步骤S1.根据零部件的外形尺寸确定全局视觉定位系统中测量柱的数量,完成全局视觉定位网络布局;
步骤S2.根据零部件的真实数模进行扫描路径规划;
步骤S3.利用局部扫描系统获取单视场三维点云数据;
步骤S4.结合全局视觉定位系统与局部扫描系统计算点云变换矩阵,实现单视场三维点云数据的拼接,实现大型复杂零部件的三维测量。
所述步骤S1具体指:根据零部件的外形尺寸、测量精度以及现场工况,确定测量柱的数量,每根测量柱上都设有相机,使得在每个测量点位上都有至少两个相机能同时观察到局部扫描系统投射的条纹,进而构成全局视觉定位网络。
所述步骤S2具体指:通过待测量零部件的真实点云进行扫描路径规划,使得相邻两个测量点位的三维点云数据具有重合度。
所述点云变换矩阵的计算方法包括:
全局视觉定位系统中的每个相机在世界坐标系的变换矩阵已知;全局视觉定位系统中能观察到局部扫描系统投射的条纹的任意两个左右相机构成一个双目视觉系统,并进行相位解调实现三维点云重建;其中,世界坐标系下的点通过以下方法获取:
式中,PL,PR表示左右相机图像像素匹配对;XW=[X,Y,Z]表示世界坐标;CL,CR表示左右相机内参数;表示世界坐标系到相机坐标的矩阵变换;sL,sR为比例因子;
进一步计算点云变换矩阵:
式中,R,T表示全局视觉定位系统到局部扫描系统的变换矩阵初始值;表示全局视觉定位系统到局部扫描系统中的三维匹配点。
还包括对点云变换矩阵进行优化,得到优化后的点云变换矩阵:
式中,Cm为第m个相机的内参数;Rl,Tl为局部扫描系统中的外参数;Rg,Tg为全局视觉定位系统中的外参数;P1i,P2i,P3i,P4i表示全局视觉定位系统和局部扫描系统对应的图像匹配点;表示局部扫描系统中的三维数据点;n表示点云的数量。
一种大型复杂零部件的三维测量系统,包括全局视觉定位系统和局部扫描系统;所述局部扫描系统包括AGV小车、机械臂以及结构扫描设备;所述机械臂设置在AGV小车上,结构扫描设备设置在机械臂上,用于获取局部的三维测量数据;所述全局视觉定位系统包括若干测量柱,每根测量柱都包括支撑柱以及位于支撑柱上的相机;所述全局视觉定位系统中的每个相机在世界坐标系的变换矩阵已知,并且局部扫描系统投射的条纹能同时被全局视觉定位系统中的两个相机观察到;所述全局视觉定位系统用于定位局部扫描系统,实现各个单视场的三维测量数据拼接。
所述测量柱上还设有投影仪。
与现有技术相比,本发明的有益效果表现在:
1、本发明中,利用几根柔性配置的测量柱来构建全局视觉定位系统,能据不同类别大型零部件的尺度、精度和现场工况等测量需求,灵活配置测量柱的数量,并且能直接对局部扫描系统进行高精度定位,不存在多次转换而引起的拼接误差,实现快速、便捷以及高精度的零部件三维测量。
2、本发明中,根据计算的点云变换矩阵,对局部扫描系统获取的不同视角下的三维点云数据进行变换,实现大型复杂零部件的全视场点云数据拼接,进而完成自动化三维测量。
3、所述测量柱上的投影仪主要用于标定。
附图说明
下面将结合说明书附图和具体实施方式对本发明作进一步的详细说明,其中:
图1为本发明的流程示意图;
图2为本发明的整体布局示意图;
图3为本发明中零部件测量路径规划示意图;
图4为本发明的测量结果示意图;
图中标记:
1、零部件,2、测量柱,3、相机,4、支撑柱,5、局部扫描系统,6、AGV小车,7、机械臂,8、结构扫描设备。
具体实施方式
实施例1
作为本发明基本实施方式,本发明包括一种大型复杂零部件的三维测量方法,包括以下步骤:
步骤S1.根据零部件1的外形尺寸确定全局视觉定位系统中测量柱2的数量,完成全局视觉定位网络布局。具体的,根据零部件1的外形尺寸、测量精度以及现场工况,确定测量柱2的数量,每根测量柱2上都设有相机3,使得在每个测量点位上都有至少两个相机3能同时观察到局部扫描系统5获投射的条纹,进而构成全局视觉定位网络。
步骤S2.根据零部件1的真实数模进行扫描路径规划。
步骤S3.利用局部扫描系统5获取单视场三维点云数据。
步骤S4.结合全局视觉定位系统与局部扫描系统5计算点云变换矩阵,实现单视场三维点云数据的拼接,实现大型复杂零部件1的三维测量。
本实施例可根据不同类别大型复杂零部件1的尺寸、测量精度、现场工况,灵活配置系统,实现大型复杂零部件1的全视角三维测量。
实施例2
作为本发明一较佳实施方式,本发明包括一种大型复杂零部件的三维测量方法,包括以下步骤:
步骤S1.根据零部件1的外形尺寸确定全局视觉定位网络布局。具体的,根据零部件1的外形尺寸、测量精度以及现场工况,确定全局视觉定位系统中测量柱2的数量,每根测量柱2上都设有相机3,使得在每个测量点位上都有至少两个相机3能同时观察到局部扫描系统5投射的条纹,进而构成全局视觉定位网络。
步骤S2.根据零部件1的真实数模进行扫描路径规划。
步骤S3.利用局部扫描系统5获取单视场三维点云数据。
步骤S4.结合全局视觉定位系统与局部扫描系统5计算点云变换矩阵,实现单视场三维点云数据的拼接,实现大型复杂零部件1的三维测量。
所述点云变换矩阵的计算方法包括:
全局视觉定位系统中的每个相机3在世界坐标系的变换矩阵已知。全局视觉定位系统中能观察到局部扫描系统5投射的条纹的任意两个左右相机3构成一个双目视觉系统,并进行相位解调实现三维点云重建;其中,世界坐标系下的点通过以下方法获取:
式中,PL,PR表示左右相机3图像像素匹配对;XW=[X,Y,Z]表示世界坐标;CL,CR表示左右相机3内参数;表示世界坐标系到相机3坐标的矩阵变换;sL,sR为比例因子。
在全局视觉定位系统与局部扫描系统5中,世界坐标系到相机3坐标的矩阵变换可通过全局系统与局部系统的相机3内外参数进行三维点重建,进而计算变换矩阵:
式中,R,T表示全局视觉定位系统到局部扫描系统5的变换矩阵初始值;表示全局视觉定位系统到局部扫描系统5中的三维匹配点。
实施例3
作为本发明最佳实施方式,本发明包括一种大型复杂零部件的三维测量系统,包括全局视觉定位系统和局部扫描系统5。所述局部扫描系统5包括AGV小车6、机械臂7以及结构扫描设备8。所述全局视觉定位系统包括若干测量柱2。所述全局视觉定位系统和局部扫描系统5能构建一个柔性测量系统,且具有测量精度高、可扩展性强、适应工况广等特点。
其中,所述机械臂7设置在AGV小车6上,结构扫描设备8设置在机械臂7上,用于对零部件1表面进行扫描测量,获取局部的三维测量数据。全局视觉定位系统用于定位局部扫描系统5,实现各个单视场的三维测量数据拼接。
具体的,根据待测零部件1的外形尺寸柔性地配置全局视觉定位网络,实现对大型复杂零部件1全视角三维测量。具体的,根据零部件1外形尺寸、测量精度以及现场工况,确定全局视觉定位系统中测量柱2的数量,进而构成全局视觉定位网络。每根测量柱2都包括支撑柱4、位于支撑柱4上的相机3以及用于标定的投影仪。
进一步地,全局视觉定位系统中的每个相机3在世界坐标系的变换矩阵已知。全局视觉定位系统中任意两个能观察到局部扫描系统5投射的条纹的相机3构成一个双目视觉系统,并进行相位解调实现三维点云重建。假设局部扫描系统5投射的条纹被全局视觉定位系统中的相机L与相机R观测到,且L为左相机,R为右相机,则世界坐标系下的点可通过如下式子获取
式中,PL,PR表示左右相机3图像像素匹配对;XW=[X,Y,Z]表示世界坐标;CL,CR表示左右相机3内参数;表示世界坐标系到相机3坐标的矩阵变换;sL,sR为比例因子。
进一步地,在全局视觉定位系统与局部扫描系统5中,世界坐标系到相机3坐标的矩阵变换可通过全局视觉定位系统与局部扫描系统的相机3内外参数进行三维点重建,进而计算变换矩阵。
式中,R,T表示局部扫描系统到局部扫描系统5的变换矩阵初始值;表示全局视觉定位系统到局部扫描系统5中的三维匹配点。
通过优化函数可以对上述公式进行优化,便可求得变换矩阵,如下所示:
式中,Cm为第m个相机3的内参数;Rl,Tl为局部扫描系统5中的外参数;Rg,Tg为全局视觉定位系统中的外参数;P1i,P2i,P3i,P4i表示局部扫描系统和全局视觉定位系统对应的图像匹配点;表示局部扫描系统5中的三维数据点;n表示点云的数量。
利用上述三维测量系统实现三维测量,参照说明书附图1,测量的方法可以包括以下步骤:
步骤S1.根据零部件1的外形尺寸确定全局视觉定位网络布局。本实施例采用一件4000mm*2000mm*500mm的大型零部件1作为测量对象,根据该零部件1的外形尺寸、测量精度以及现场工况,确定全局视觉定位系统中测量柱2的数量,每根测量柱2上都设有相机3以及用于标定的投影仪,使得在每个测量点位上都有至少两个相机3能同时观察到局部扫描系统5投射的条纹,进而构成全局视觉定位网络。具体的,本实施例的整体布局可以参照说明书附图2所示,AVG小车与工业机械臂7搭载结构扫描设备8对大型复杂零部件1进行三维扫描,全局视觉定位系统的测量柱2对局部扫描系统5进行定位。
步骤S2.根据零部件1的真实数模进行扫描路径规划,零部件1测量路径规划可以参照说明书附图3所示。具体的,为了更好地实现本发明,对局部扫描系统5中的机械臂进行手眼标定。同时,通过待测量零部件1的真实点云进行扫描路径规划,使得相邻两个测量点位的三维点云数据具有一定的重合度,便于点云拼接与防止出现测量空白区域。
步骤S3.利用局部扫描系统5获取单视场三维点云数据。具体的,AGV小车6携带的结构扫描设备8,根据预先设定好的路径对待测量零部件1表面进行三维扫描,获取不同视角下的三维点云数据。
步骤S4.结合全局视觉定位系统与局部扫描系统5计算点云变换矩阵,实现单视场三维点云数据的拼接,实现大型复杂零部件1的三维测量。具体的,根据上述所计算的变换矩阵,对局部扫描系统5获取的不同视角下的三维点云数据进行变换,实现大型复杂零部件1的全视场点云数据拼接,进而获取大型零部件1的全方位点云数据,具体可以详说明书附图4所示,完成自动化三维测量。获取的零部件1全方位点云数据通过点云降噪、点云配准以及点云特征提取等操作便可实现大型复杂零部件1的全要素外形尺寸测量,同时还能与真实数模进行对比获取加工余量来指导优化数控加工工艺。
综上所述,本领域的普通技术人员阅读本发明文件后,根据本发明的技术方案和技术构思无需创造性脑力劳动而作出的其他各种相应的变换方案,均属于本发明所保护的范围。
Claims (7)
1.一种大型复杂零部件的三维测量方法,其特征在于:包括以下步骤:
步骤S1.根据零部件(1)的外形尺寸确定全局视觉定位系统中测量柱(2)的数量,完成全局视觉定位网络布局;
步骤S2.根据零部件(1)的真实数模进行扫描路径规划;
步骤S3.利用局部扫描系统(5)获取单视场三维点云数据;
步骤S4.结合全局视觉定位系统与局部扫描系统(5)计算点云变换矩阵,实现单视场三维点云数据的拼接,实现大型复杂零部件(1)的三维测量。
2.根据权利要求1所述的一种大型复杂零部件的三维测量方法,其特征在于:所述步骤S1具体指:根据零部件(1)的外形尺寸、测量精度以及现场工况,确定测量柱(2)的数量,每根测量柱(2)上都设有相机(3),使得在每个测量点位上都有至少两个相机(3)能同时观察到局部扫描系统(5)投射的条纹,进而构成全局视觉定位网络。
3.根据权利要求2所述的一种大型复杂零部件的三维测量方法,其特征在于:所述步骤S2具体指:通过待测量零部件(1)的真实点云进行扫描路径规划,使得相邻两个测量点位的三维点云数据具有重合度。
4.根据权利要求2所述的一种大型复杂零部件的三维测量方法,其特征在于:所述点云变换矩阵的计算方法包括:
全局视觉定位系统中的每个相机(3)在世界坐标系的变换矩阵已知;全局视觉定位系统中能观察到局部扫描系统(5)投射的条纹的任意两个左右相机(3)构成一个双目视觉系统,并进行相位解调实现三维点云重建;其中,世界坐标系下的点通过以下方法获取:
式中,PL,PR表示左右相机(3)图像像素匹配对;XW=[X,Y,Z]表示世界坐标;CL,CR表示左右相机(3)内参数;表示世界坐标系到相机坐标的矩阵变换;sL,sR为比例因子;
进一步计算点云变换矩阵:
式中,R,T表示全局视觉定位系统到局部扫描系统(5)的变换矩阵初始值;Pi l表示全局视觉定位系统到局部扫描系统(5)中的三维匹配点。
5.根据权利要求4所述的一种大型复杂零部件的三维测量方法,其特征在于:还包括对点云变换矩阵进行优化,得到优化后的点云变换矩阵:
式中,Cm为第m个相机(3)的内参数;Rl,Tl为局部扫描系统(5)中的外参数;Rg,Tg为全局视觉定位系统中的外参数;P1i,P2i,P3i,P4i表示全局视觉定位系统和局部扫描系统(5)对应的图像匹配点;Pi l表示局部扫描系统(5)中的三维数据点;n表示点云的数量。
6.一种大型复杂零部件的三维测量系统,其特征在于:包括全局视觉定位系统和局部扫描系统(5);所述局部扫描系统(5)包括AGV小车(6)、机械臂(7)以及结构扫描设备(8);所述机械臂(7)设置在AGV小车(6)上,结构扫描设备(8)设置在机械臂(7)上,用于获取局部的三维测量数据;所述全局视觉定位系统包括若干测量柱2,每根测量柱2都包括支撑柱(4)以及位于支撑柱(4)上的相机(3);所述全局视觉定位系统中的每个相机(3)在世界坐标系的变换矩阵已知,并且局部扫描系统(5)投射的条纹能同时被全局视觉定位系统中的两个相机(3)观察到;所述全局视觉定位系统用于定位局部扫描系统(5),实现各个单视场的三维测量数据拼接。
7.根据权利要求6所述的一种大型复杂零部件的三维测量系统,其特征在于:所述测量柱(2)上还设有投影仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183263.6A CN117232388A (zh) | 2023-09-14 | 2023-09-14 | 一种大型复杂零部件的三维测量方法及测量系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311183263.6A CN117232388A (zh) | 2023-09-14 | 2023-09-14 | 一种大型复杂零部件的三维测量方法及测量系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117232388A true CN117232388A (zh) | 2023-12-15 |
Family
ID=89092401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311183263.6A Pending CN117232388A (zh) | 2023-09-14 | 2023-09-14 | 一种大型复杂零部件的三维测量方法及测量系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117232388A (zh) |
-
2023
- 2023-09-14 CN CN202311183263.6A patent/CN117232388A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109990701B (zh) | 一种大型复杂曲面三维形貌机器人移动测量系统及方法 | |
CN108921901B (zh) | 一种基于精密二轴转台和激光跟踪仪的大视场相机标定方法 | |
CN102645209B (zh) | 机载LiDAR点云和高分辨率影像进行空间点的联合定位方法 | |
CN109341535B (zh) | 一种高效高精度大型卫星天线装配测量系统 | |
CN112325796A (zh) | 基于辅助定位多视角点云拼接的大型工件型面测量方法 | |
CN102654391B (zh) | 基于光束平差原理的条纹投影三维测量系统及其标定方法 | |
CN109242918B (zh) | 一种直升机机载双目立体视觉标定方法 | |
CN103557841A (zh) | 一种提高多相机合成影像摄影测量精度的方法 | |
CN107610178A (zh) | 一种工业摄影测量系统相机参数移动式标定方法 | |
CN102126162B (zh) | 一种数控机床加工在线测量方法 | |
CN102155923A (zh) | 基于立体靶标的拼接测量方法及系统 | |
CN113607135A (zh) | 一种用于路桥施工领域的无人机倾斜摄影测量方法 | |
CN111811483B (zh) | 一种用于飞机数字化装配的多相机组网定位标定方法 | |
CN114705122A (zh) | 一种大视场立体视觉标定方法 | |
CN102519434A (zh) | 一种用于立体视觉三维恢复数据精度测量的试验验证方法 | |
CN109920009B (zh) | 基于二维码标识的控制点检测与管理方法及装置 | |
CN109238247A (zh) | 一种面向大空间复杂现场的六自由度测量方法 | |
CN114812512A (zh) | 一种基于ai免像控点的无人航拍自动成像系统 | |
CN114372916B (zh) | 一种自动化点云拼接方法 | |
CN114459345B (zh) | 基于视觉空间定位的飞机机身位置姿态检测系统及方法 | |
CN113947638A (zh) | 鱼眼相机影像正射纠正方法 | |
CN112508933B (zh) | 一种基于复杂空间障碍物定位的柔性机械臂运动避障方法 | |
CN104156974A (zh) | 基于多重约束的摄像机畸变标定方法 | |
CN117232388A (zh) | 一种大型复杂零部件的三维测量方法及测量系统 | |
CN109373901B (zh) | 位于平面上的孔的中心位置的计算方法 |
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 |