CN117516485B - 一种飞机发动机自动引导安装的位姿视觉测量方法 - Google Patents
一种飞机发动机自动引导安装的位姿视觉测量方法 Download PDFInfo
- Publication number
- CN117516485B CN117516485B CN202410011595.4A CN202410011595A CN117516485B CN 117516485 B CN117516485 B CN 117516485B CN 202410011595 A CN202410011595 A CN 202410011595A CN 117516485 B CN117516485 B CN 117516485B
- Authority
- CN
- China
- Prior art keywords
- coordinate system
- camera
- image
- matrix
- target
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 65
- 238000006243 chemical reaction Methods 0.000 claims abstract description 26
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 230000000007 visual effect Effects 0.000 claims abstract description 18
- 230000009466 transformation Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000003384 imaging method Methods 0.000 claims description 28
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 3
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims 1
- 238000009434 installation Methods 0.000 abstract description 10
- 238000011900 installation process Methods 0.000 abstract description 9
- 238000013461 design Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- 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
-
- 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)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明设计一种飞机发动机自动引导安装的位姿视觉测量方法,属于发动机安装视觉测量技术领域;首先基于CCD摄像机建立飞机发动机视觉坐标系,并进行转换,得到飞机发动机在各个坐标系之间的转换关系;然后基于此,对发动机标靶视图进行对正变换,在经过旋转对称和径向对称后,得到标靶各点像素信息的对应矩阵;最后标定摄像机参数,得到摄像机相对于发动机世界坐标系的方位,结合坐标转换关系从而得到飞机发动机位姿;本发明通过视觉测量精确地测量发动机在安装过程中的位置和姿态,能够实时判断安装过程中飞机发动机是否偏离了安装轨迹,减少了人工测量带来的误差;实现了对飞机发动机位置和姿态的精确测量,提高了安装定位精度。
Description
技术领域
本发明属于发动机安装视觉测量技术领域,尤其涉及一种飞机发动机自动引导安装的位姿视觉测量方法。
背景技术
随着数控技术、计算机技术、数字化测量技术等先进的装配技术日益发展,现代飞机制造工业也在不断地发生变革。基于飞机结构设计的数字化装配成为了飞机数控加工、数字化测量技术、成形技术和装配的基础。在现代航空制造中,由于飞机零部件尺寸大、结构精密复杂、数量繁多,装配环节的自动化程度一直处于较低的水平,劳动密集且耗时耗力的装配工作已经成为提高飞机制造质量和效率、降低成本的最大障碍。
特别是在发动机位姿测量方面,人工手动安装方式使发动机位姿偏差不能量化。发动机的初始位置很难通过人眼观察对正短舱,并且由于只能通过各方向的观察人员对发动机在短舱内的位姿偏差进行观测,所以操作人员只能根据经验对发动机的偏差量进行调解,很难保证调整适度。
而现有的数字测量系统大多通过激光雷达或者激光扫描仪发射激光束,然后接收反射回来的激光束,通过时间差计算目标物体的距离和位置。这种方法的优点是测量精度高,但成本较高,且只能计算出发动机到设备的相对距离,导致装配效率偏低。
发明内容
针对现有技术存在的问题,本发明提供一种飞机发动机自动引导安装的位姿视觉测量方法。
一种飞机发动机自动引导安装的位姿视觉测量方法,具体包括以下步骤:
步骤1:基于CCD摄像机建立飞机发动机视觉坐标系,并进行转换,得到飞机发动机在各个坐标系之间的转换关系;
所述CCD摄像机获取飞机发动机图像信息后,会将各像素点的灰度值传输给计算机,这些像素信息按照规律进行排列,代表了相机镜头视野内的图像;
由于视觉测量是根据其获取的二维图像信息来推算目标在三维空间中的位置,所以分析二维图像与三维空间点的转换关系;在成像过程中,空间中存在4个坐标系,分别是世界坐标系、摄像机坐标系、成像平面坐标系和图像坐标系;
世界坐标系中存在一点P,其与光心的连线和CCD成像平面相交
于p;p即为P在摄像机中所成像的点;将P转换为摄像机坐标下的坐标,二者的关系用旋转矩
阵R和位移向量t进行转换:
(1)
其中,R为二者之间的旋转矩阵,是二者之间的位移向量;为P点在摄像机坐标系中的坐标;为P点在世界坐标系下的
坐标。
根据光学几何原理,摄像机坐标系与成像平面坐标系的关系表示为:
(2)
其中,f为所用摄像机的焦距;为P点在成像平面坐标下的坐标。
图像坐标系中点为成像平面坐标系原点所在的坐标,CCD中每个像素的
尺寸为和,则p点平面坐标与图像坐标的变换关系为: (3)
根据公式(2)和(3)得出摄像机坐标系中的点与它所对应图像坐标系中点的转换矩阵:
(4)
其中s表示非零的比例因子;为相机的内部参数矩阵。
步骤2:基于步骤1,对发动机标靶视图进行对正变换,在经过旋转对称和径向对称后,得到标靶各点像素信息的对应矩阵;
令标靶平面与世界坐标系的平面重合,标靶圆心位于世界坐标系
的原点;对标靶进行两次拍摄,第一次拍摄时摄像机与标靶对正,摄像机获取的标靶具有旋
转对称特性,所得图像为,此时摄像机坐标系与世界坐标系的旋转矩阵为,位移向
量为,d为相对距离,并且:
=/> (5)
第二次摄像机拍摄倾斜的标靶图像为,此时摄像机坐标系与世界坐标系的旋
转矩阵,位移向量表示为:
(6)
那么标靶上一点两次拍摄时,在CCD平面上的图像坐标分别为和根据式(1)~(3)分别推导出两次拍摄图像坐标点的坐标: (7)
(8)
结合上述两式7-8得到两次拍摄所成像点间的对应关系:
(9)
正对图像与倾斜图像点对应关系简写为:
(10)
其中,由第二次拍摄时摄像机内外参数构成,包括了、和;
通过上述变换,任意时刻摄像机所获的图像都复原为标靶对正时所拍摄的图像,
进而再对其进行旋转对称变换,CCD摄像机获取的发动机图像信息是图像坐标系中的信息,
在经过径向对称变换后,标靶各点的像素信息就对应到矩阵中;
(11)
其中,是倾斜图像的像素矩阵,为对正图像的像素矩阵,为正对图像
经过径向对称变换后的矩阵。
步骤3:标定摄像机参数,得到摄像机相对于发动机世界坐标系的方位,结合步骤1坐标转换关系从而得到飞机发动机位姿;
若D为摄像机对标靶的观测矩阵,A为标靶实际的低秩矩阵,E为外界的噪声矩阵,则他们之间的关系为:
(12)
其中E是稀疏的误差矩阵;对于式11改写为:
(13)
由于是由摄像机的内外参数构成的,包括了摄像机的焦距摄像机坐标系与
世界坐标系之间的旋转矩阵和位移向量,所以求取了的值就得到了两个坐标系之
间的位置联系;根据式(13)的特点,若要求取转化为低秩矩阵的复原问题;将式13作为约
束方程,所求问题表示为以下关系式:
(14)
其中>0,用以折中低秩矩阵与误差矩阵;此优化关系式所反映的问题是,在满足
约束方程的条件下,求取使低秩矩阵的秩达到最小并且误差矩阵尽量稀疏的、E和
的值;
将式14转化成具有相同解的优化问题:
(15)
其中,为核范数,/>为1-范数;
当有较小的变化时,在/>的附近对约束方程进行线性化:
(16)
经过线性化后,式16转化为以下优化问题:
(17)
对于式17这一优化问题,利用增广的拉格朗日乘子法来求取;其拉格朗日函数为:
(18)
其中,Y为拉格朗日乘子向量,为目标方程,为约束条件的方程;
其求解的迭代公式为:
(19)
其中,是单调递增的数列,>0,ρ>1;每次迭代都要通过、E和来最小化拉
格朗日函数,因此对它们分别求最优解:
(20)
求得内外参数通过步骤1的坐标系转换得到发动机位姿。
本发明有益技术效果:
本发明通过视觉测量精确地测量发动机在安装过程中的位置和姿态,能够实时判断安装过程中飞机发动机是否偏离了安装轨迹,减少了人工测量带来的误差;实现了对飞机发动机位置和姿态的精确测量,提高了安装定位精度。能够实时监测发动机位置变化,提高了安装过程的可靠性。本发明适用于军机导管和其他各种类型飞机发动机的装配安装,具有较强的实用性。
附图说明
图1 本发明实施例发动机安装所在空间中摄像机成像的几何模型原理;
图2 本发明实施例图像坐标系中的点(u,v)与成像平面坐标系中的点(x,y)的位置关系;
图3 本发明实施例应用在实际安装过程中的视觉测量示意图。
具体实施方式
下面结合附图和实施例,对本发明作进一步说明;
一种飞机发动机自动引导安装的位姿视觉测量方法,具体包括以下步骤:
步骤1:基于CCD摄像机建立飞机发动机视觉坐标系,并进行转换,得到飞机发动机在各个坐标系之间的转换关系;
所述CCD摄像机获取飞机发动机图像信息后,会将各像素点的灰度值传输给计算机,这些像素信息按照规律进行排列,代表了相机镜头视野内的图像;
由于视觉测量是根据其获取的二维图像信息来推算目标在三维空间中的位置,所以分析二维图像与三维空间点的转换关系;在成像过程中,空间中存在4个坐标系,分别是世界坐标系、摄像机坐标系、成像平面坐标系和图像坐标系;
图1为发动机数字化安装系统所在空间中摄像机成像的几何模型原理。世界坐标
系中存在一点P,其与光心的连线和CCD成像平面相交于p;p即为P在摄像
机中所成像的点;将P转换为摄像机坐标下的坐标,二者的关系用旋转矩阵R和位移向量t进
行转换:
(1)
其中,R为二者之间的旋转矩阵,是二者之间的位移向量;为P点在摄像机坐标系中的坐标;为P点在世界坐标系下的
坐标。
根据光学几何原理,摄像机坐标系与成像平面坐标系的关系表示为:
(2)
其中,f为所用摄像机的焦距;为P点在成像平面坐标下的坐标。
图像坐标系中的点与成像平面坐标系中的点的位置关系如图2所
示。图像坐标系中点为成像平面坐标系原点所在的坐标,CCD中每个像素的尺寸
为和,则p点平面坐标与图像坐标的变换关系为:
(3)
根据公式(2)和(3)得出摄像机坐标系中的点与它所对应图像坐标系中点的转换矩阵:
(4)
其中s表示非零的比例因子;为相机的内部参数矩阵。
步骤2:基于步骤1,对发动机标靶视图进行对正变换,在经过旋转对称和径向对称后,得到标靶各点像素信息的对应矩阵;
由于发动机的形状并不规则,要通过视觉测量完整的识别出发动机的图像是比较困难的,也很难达到一定的精度;因此,将一个标靶固定在发动机前端,由于标靶与发动机的相对位置是不变的,故标靶在空间的位姿就代表发动机的位姿;由于发动机在安装的过程中位姿实时发生着变化,CCD成像平面并不与标靶面正对,所以摄像机所获得的标靶图像并不一定具有旋转对称特性;
对CCD摄像机获取的标靶的倾斜图像进行修正,得到标靶对正时的图像;
令标靶平面与世界坐标系的平面重合,标靶圆心位于世界坐标系的
原点;对标靶进行两次拍摄,第一次拍摄时摄像机与标靶对正,摄像机获取的标靶具有旋转
对称特性,所得图像为,此时摄像机坐标系与世界坐标系的旋转矩阵为,位移向量为,d为相对距离,并且:
=/> (5)
第二次摄像机拍摄倾斜的标靶图像为,此时摄像机坐标系与世界坐标系的旋
转矩阵,位移向量表示为:
(6)
那么标靶上一点两次拍摄时,在CCD平面上的图像坐标分别为和根据式(1)~(3)分别推导出两次拍摄图像坐标点的坐标: (7)
(8)
结合上述两式7-8得到两次拍摄所成像点间的对应关系:
(9)
正对图像与倾斜图像点对应关系简写为:
(10)
其中,由第二次拍摄时摄像机内外参数构成,包括了、和;
通过上述变换,任意时刻摄像机所获的图像都复原为标靶对正时所拍摄的图像,
进而再对其进行旋转对称变换,CCD摄像机获取的发动机图像信息是图像坐标系中的信息,
在经过径向对称变换后,标靶各点的像素信息就对应到矩阵中;
(11)
其中,是倾斜图像的像素矩阵,为对正图像的像素矩阵,为正对图像
经过径向对称变换后的矩阵。
步骤3:标定摄像机参数,得到摄像机相对于发动机世界坐标系的方位,结合步骤1坐标转换关系从而得到飞机发动机位姿;
确定摄像机的光学参数和摄像机相对于世界坐标系的方位。对于发动机安装系统,由于每次发动机安装之前由数控系统所确定的世界坐标系都不固定,并且受到运行条件的限制,很难通过实验而得到,需要通过数学变换进行计算而求得。
摄像机实际获取的图像并不是仅仅包含标靶的理想图像,受到照明系统和环境的影响,夹杂了很多噪声,输出的图像会发生一定的畸变。这不但要求视觉系统具有较强的图像滤波、图像特征提取和图像识别能力,还应该在获取的标靶像素矩阵中对其进行修正。
若D为摄像机对标靶的观测矩阵,A为标靶实际的低秩矩阵,E为外界的噪声矩阵,则他们之间的关系为:
(12)
其中E是稀疏的误差矩阵;对于式11改写为:
(13)
由于是由摄像机的内外参数构成的,包括了摄像机的焦距摄像机坐标系与
世界坐标系之间的旋转矩阵和位移向量,所以求取了的值就得到了两个坐标系之
间的位置联系;根据式(13)的特点,若要求取转化为低秩矩阵的复原问题;将式13作为约
束方程,所求问题表示为以下关系式:
(14)
其中>0,用以折中低秩矩阵与误差矩阵;此优化关系式所反映的问题是,在满足
约束方程的条件下,求取使低秩矩阵的秩达到最小并且误差矩阵尽量稀疏的、E和
的值;
将式14转化成具有相同解的优化问题:
(15)
其中,为核范数,/>为1-范数;
当有较小的变化时,在/>的附近对约束方程进行线性化:
(16)
经过线性化后,式16转化为以下优化问题:
(17)
对于式17这一优化问题,利用增广的拉格朗日乘子法来求取;其拉格朗日函数为:
(18)
其中,Y为拉格朗日乘子向量,为目标方程,为约束条件的方程;
其求解的迭代公式为:
(19)
其中,是单调递增的数列,>0,ρ>1;每次迭代都要通过、E和来最小化拉
格朗日函数,因此对它们分别求最优解:
(20)
求得内外参数通过步骤1的坐标系转换得到发动机位姿。
针对上述分析,总结出迭代求解、和的过程:
(1)输入倾斜的标靶图像的像素信息,设置权值λ>0,对变换矩阵τ初始化;
(2)变量初始化,令,ρ>1,,,;
(3)进行循环迭代,循环的过程为交替方向逐个求取各变量的优化值,循环结束的条件为目标函数达到收敛的条件;
(4)更新变换矩阵;
(5)输出最终解、和。
求取了也就得到了摄像机内外参数;根据式4得到任意时刻标靶中心的摄像机坐标系坐标;如果将世界坐标系的X-Y平面建立在标靶平面上,那么/>中的旋转矩阵表示了标靶平面对摄像机Z轴的偏转角度。
经过多次实验,本发明提出的方法在飞发视觉引导自动安装过程中,可以达到1mm的标定精度,装配效率提升至10分钟;应用本发明实际安装过程中的视觉测量示意图如附图3所示,多次试验结果没有太大的偏差,总体显示出一种较为稳定的状态。
Claims (1)
1.一种飞机发动机自动引导安装的位姿视觉测量方法,其特征在于,具体包括以下步骤:
步骤1:基于CCD摄像机建立飞机发动机视觉坐标系,并进行转换,得到飞机发动机在各个坐标系之间的转换关系;
步骤2:基于步骤1,对发动机标靶视图进行对正变换,在经过旋转对称和径向对称后,得到标靶各点像素信息的对应矩阵;
步骤3:标定摄像机参数,得到摄像机相对于发动机世界坐标系的方位,结合步骤1坐标转换关系从而得到飞机发动机位姿;
步骤1所述CCD摄像机获取飞机发动机图像信息后,会将各像素点的灰度值传输给计算机,这些像素信息按照规律进行排列,代表了相机镜头视野内的图像;
由于视觉测量是根据其获取的二维图像信息来推算目标在三维空间中的位置,所以分析二维图像与三维空间点的转换关系;在成像过程中,空间中存在4个坐标系,分别是世界坐标系、摄像机坐标系、成像平面坐标系和图像坐标系,然后对坐标系进行转换;
世界坐标系和摄像机坐标系转换关系具体为:
世界坐标系中存在一点其与光心的连线和CCD成像平面相交于p;p即为P在摄像机中所成像的点;将P转换为摄像机坐标下的坐标,二者的关系用旋转矩阵R和位移向量t进行转换:
其中,R为二者之间的旋转矩阵,t=(tx,ty,tz)是二者之间的位移向量;为P点在摄像机坐标系中的坐标;/>为P点在世界坐标系下的坐标,w和c为世界坐标系和摄像机坐标系;
摄像机坐标系和成像平面坐标系转换关系具体为:
根据光学几何原理,摄像机坐标系与成像平面坐标系的关系表示为:
其中,f为所用摄像机的焦距;(x,y)为P点在成像平面坐标下的坐标;
成像平面坐标系和图像坐标系、摄像机坐标系和图像坐标系的转换关系具体为:
图像坐标系中(u0,v0)点为成像平面坐标系原点所在的坐标,CCD中每个像素的尺寸为dx和dy,则p点平面坐标(x,y)与图像坐标(u,v)的变换关系为:
根据公式(2)和(3)得出摄像机坐标系中的点与它所对应图像坐标系中点的转换矩阵:
其中s表示非零的比例因子;为相机的内部参数矩阵;
步骤2具体为:
令标靶平面与世界坐标系的XW-YW平面重合,标靶圆心位于世界坐标系的原点;对标靶进行两次拍摄,第一次拍摄时摄像机与标靶对正,摄像机获取的标靶具有旋转对称特性,所得图像为I1,此时摄像机坐标系与世界坐标系的旋转矩阵为R1,位移向量为t1,d为相对距离,并且:
其中,T表示转置;
第二次摄像机拍摄倾斜的标靶图像为I2,此时摄像机坐标系与世界坐标系的旋转矩阵R2,位移向量t2表示为:
那么标靶上一点(xw,yw,0)两次拍摄时,在CCD平面上的图像坐标分别为(u1,v1)和(u2,v2)根据式(1)~(3)分别推导出两次拍摄图像坐标点的坐标:
结合上述两式7-8得到两次拍摄所成像点间的对应关系:
正对图像与倾斜图像点对应关系简写为:
I1=I2·τ (10)
其中,τ由第二次拍摄时摄像机内外参数构成,包括了fd、R2和t2;
通过上述变换,任意时刻摄像机所获的图像都复原为标靶对正时所拍摄的图像,进而再对其进行旋转对称变换,CCD摄像机获取的发动机图像信息是图像坐标系中的信息,在经过径向对称变换后,标靶各点的像素信息就对应到矩阵中;
其中,I是倾斜图像的像素矩阵,I0为对正图像的像素矩阵,为正对图像I0经过径向对称变换后的矩阵;
步骤3具体为:
若D为摄像机对标靶的观测矩阵,A为标靶实际的低秩矩阵,E为外界的噪声矩阵,则D、A和E之间的关系为:
D=A+E (12)
其中E是稀疏的误差矩阵;对于公式(11)改写为:
由于τ是由摄像机的内外参数构成的,包括了摄像机的焦距fd摄像机坐标系与世界坐标系之间的旋转矩阵R2和位移向量t2,所以求取了τ的值就得到了两个坐标系之间的位置联系;根据公式(13)的特点,若要求取τ转化为低秩矩阵的复原问题;将公式(13)作为约束方程,所求问题表示为以下关系式:
其中λ>0,用以折中低秩矩阵与误差矩阵;此优化关系式所反映的问题是,在满足约束方程的条件下,求取使低秩矩阵的秩达到最小并且误差矩阵尽量稀疏的/>E和τ的值;
将公式(14)转化成具有相同解的优化问题:
其中,为核范数,||E||1为1-范数;
当τ有较小的变化时,在τ的附近对约束方程进行线性化:
经过线性化后,公式(16)转化为以下优化问题:
对于公式(17)这一优化问题,利用增广的拉格朗日乘子法来求取;其拉格朗日函数为:
其中,Y为拉格朗日乘子向量,为目标方程, 为约束条件的方程;
其求解的迭代公式为:
其中,μk是单调递增的数列,μ0>0,ρ>1;每次迭代都要通过E和Δτ来最小化拉格朗日函数,因此对它们分别求最优解:
求得内外参数通过步骤1的坐标系转换得到发动机位姿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410011595.4A CN117516485B (zh) | 2024-01-04 | 2024-01-04 | 一种飞机发动机自动引导安装的位姿视觉测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410011595.4A CN117516485B (zh) | 2024-01-04 | 2024-01-04 | 一种飞机发动机自动引导安装的位姿视觉测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117516485A CN117516485A (zh) | 2024-02-06 |
CN117516485B true CN117516485B (zh) | 2024-03-22 |
Family
ID=89749773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410011595.4A Active CN117516485B (zh) | 2024-01-04 | 2024-01-04 | 一种飞机发动机自动引导安装的位姿视觉测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117516485B (zh) |
Citations (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070107542A (ko) * | 2006-05-03 | 2007-11-07 | 한국과학기술연구원 | 3차원 계측을 위한 다수 교정 영상을 이용한 카메라 교정방법 |
CN102592124A (zh) * | 2011-01-13 | 2012-07-18 | 汉王科技股份有限公司 | 文本图像的几何校正方法、装置和双目立体视觉系统 |
CN102662410A (zh) * | 2012-05-24 | 2012-09-12 | 南开大学 | 一种面向运动目标追踪的视觉系统及其控制方法 |
CN103632626A (zh) * | 2013-12-03 | 2014-03-12 | 四川省计算机研究院 | 一种基于移动互联网的智能导游实现方法、装置及移动客户端 |
CN103970067A (zh) * | 2014-05-16 | 2014-08-06 | 大连理工大学 | 一种视觉图像引导的航空发动机数控安装方法 |
CN104296691A (zh) * | 2014-10-28 | 2015-01-21 | 电子科技大学 | 基于机器视觉的飞机发动机尾部轮廓测量装置及方法 |
CN104596486A (zh) * | 2014-12-15 | 2015-05-06 | 大连理工大学 | 基于目标旋转对称特征的位姿测量方法 |
CN104997529A (zh) * | 2015-06-30 | 2015-10-28 | 大连理工大学 | 基于对称重复的模板校正锥束ct系统几何失真的方法 |
CN105205799A (zh) * | 2014-06-10 | 2015-12-30 | 北京七鑫易维信息技术有限公司 | 一种具有全方位特征面的装置及增强现实三维注册系统 |
CN105913439A (zh) * | 2016-04-22 | 2016-08-31 | 清华大学 | 一种基于激光跟踪仪的大视场摄像机标定方法 |
CN106197265A (zh) * | 2016-06-30 | 2016-12-07 | 中国科学院长春光学精密机械与物理研究所 | 一种空间自由飞行模拟器视觉精密定位方法 |
CN106326334A (zh) * | 2016-07-14 | 2017-01-11 | 微梦创科网络科技(中国)有限公司 | 一种电子地图的显示、生成方法和装置 |
CN106468553A (zh) * | 2016-08-30 | 2017-03-01 | 上海擎朗智能科技有限公司 | 一种基于路标的移动物体的定位方法 |
CN106950952A (zh) * | 2017-03-10 | 2017-07-14 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的农田环境感知方法 |
CN108230393A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种智能车前方运动车辆的测距方法 |
CN108304119A (zh) * | 2018-01-19 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 物体测量方法、智能终端及计算机可读存储介质 |
CN108445750A (zh) * | 2017-02-16 | 2018-08-24 | 法拉第未来公司 | 用于车辆运动规划的方法和系统 |
CN108645408A (zh) * | 2018-05-07 | 2018-10-12 | 中国人民解放军国防科技大学 | 一种基于导航信息的无人机自主回收目标预测方法 |
CN108765484A (zh) * | 2018-05-18 | 2018-11-06 | 北京航空航天大学 | 基于两台高速摄像机的活体昆虫运动采集及数据重构方法 |
CN208223418U (zh) * | 2018-01-22 | 2018-12-11 | 航天智造(上海)科技有限责任公司 | 一种用于航空发动机安装的智能视觉测量系统 |
CN109341559A (zh) * | 2018-09-30 | 2019-02-15 | 天津大学 | 一种基于双目视觉原理的航空发动机机匣变形测量方法 |
CN109887071A (zh) * | 2019-01-12 | 2019-06-14 | 天津大学 | 一种3d电子内镜系统及三维重建方法 |
CN110057352A (zh) * | 2018-01-19 | 2019-07-26 | 北京图森未来科技有限公司 | 一种相机姿态角确定方法及装置 |
CN209459599U (zh) * | 2018-09-30 | 2019-10-01 | 天津大学 | 一种基于双目视觉原理的航空发动机机匣变形测量装置 |
CN110503687A (zh) * | 2019-08-12 | 2019-11-26 | 中国科学院光电技术研究所 | 一种空中光电测量平台目标定位方法 |
CN110619674A (zh) * | 2019-08-15 | 2019-12-27 | 重庆特斯联智慧科技股份有限公司 | 用于事故和警情场景还原的三维增强现实设备及方法 |
CN111203642A (zh) * | 2018-11-21 | 2020-05-29 | 绍兴凯迪德斯光电科技有限公司 | 一种曲面激光打标机 |
CN112066879A (zh) * | 2020-09-11 | 2020-12-11 | 哈尔滨工业大学 | 基于计算机视觉的气浮运动模拟器位姿测量装置及方法 |
CN112182122A (zh) * | 2019-07-05 | 2021-01-05 | 科沃斯商用机器人有限公司 | 一种移动机器人工作环境导航地图的获取方法及装置 |
CN112465693A (zh) * | 2020-11-26 | 2021-03-09 | 江苏国和智能科技有限公司 | 一种360°环视水下视觉成像方法及系统 |
CN112541951A (zh) * | 2020-11-13 | 2021-03-23 | 国网浙江省电力有限公司舟山供电公司 | 预防船舶钩断跨海架空电力线路的监测系统及其监测方法 |
CN112562067A (zh) * | 2020-12-24 | 2021-03-26 | 华南理工大学 | 一种生成大批量点云数据集的方法 |
CN112648976A (zh) * | 2020-12-23 | 2021-04-13 | 北京恒达时讯科技股份有限公司 | 实景影像测量方法、装置、电子设备及存储介质 |
CN113305851A (zh) * | 2021-06-17 | 2021-08-27 | 东莞理工学院 | 一种机器人微装配用在线检测装置 |
CN113487510A (zh) * | 2021-07-16 | 2021-10-08 | 中国科学院自动化研究所 | 用于机器人自动配液的针尖位置检测方法、系统、设备 |
US11189016B1 (en) * | 2020-06-08 | 2021-11-30 | Guangzhou Computational Super-Resolution Biotech Co., Ltd. | Systems and methods for image processing |
CN116798015A (zh) * | 2023-03-21 | 2023-09-22 | 南方科技大学 | 交通信息提取方法、装置、终端设备及存储介质 |
-
2024
- 2024-01-04 CN CN202410011595.4A patent/CN117516485B/zh active Active
Patent Citations (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070107542A (ko) * | 2006-05-03 | 2007-11-07 | 한국과학기술연구원 | 3차원 계측을 위한 다수 교정 영상을 이용한 카메라 교정방법 |
CN102592124A (zh) * | 2011-01-13 | 2012-07-18 | 汉王科技股份有限公司 | 文本图像的几何校正方法、装置和双目立体视觉系统 |
CN102662410A (zh) * | 2012-05-24 | 2012-09-12 | 南开大学 | 一种面向运动目标追踪的视觉系统及其控制方法 |
CN103632626A (zh) * | 2013-12-03 | 2014-03-12 | 四川省计算机研究院 | 一种基于移动互联网的智能导游实现方法、装置及移动客户端 |
CN103970067A (zh) * | 2014-05-16 | 2014-08-06 | 大连理工大学 | 一种视觉图像引导的航空发动机数控安装方法 |
CN105205799A (zh) * | 2014-06-10 | 2015-12-30 | 北京七鑫易维信息技术有限公司 | 一种具有全方位特征面的装置及增强现实三维注册系统 |
CN104296691A (zh) * | 2014-10-28 | 2015-01-21 | 电子科技大学 | 基于机器视觉的飞机发动机尾部轮廓测量装置及方法 |
CN104596486A (zh) * | 2014-12-15 | 2015-05-06 | 大连理工大学 | 基于目标旋转对称特征的位姿测量方法 |
CN104997529A (zh) * | 2015-06-30 | 2015-10-28 | 大连理工大学 | 基于对称重复的模板校正锥束ct系统几何失真的方法 |
CN105913439A (zh) * | 2016-04-22 | 2016-08-31 | 清华大学 | 一种基于激光跟踪仪的大视场摄像机标定方法 |
CN106197265A (zh) * | 2016-06-30 | 2016-12-07 | 中国科学院长春光学精密机械与物理研究所 | 一种空间自由飞行模拟器视觉精密定位方法 |
CN106326334A (zh) * | 2016-07-14 | 2017-01-11 | 微梦创科网络科技(中国)有限公司 | 一种电子地图的显示、生成方法和装置 |
CN106468553A (zh) * | 2016-08-30 | 2017-03-01 | 上海擎朗智能科技有限公司 | 一种基于路标的移动物体的定位方法 |
CN108230393A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种智能车前方运动车辆的测距方法 |
CN108445750A (zh) * | 2017-02-16 | 2018-08-24 | 法拉第未来公司 | 用于车辆运动规划的方法和系统 |
CN106950952A (zh) * | 2017-03-10 | 2017-07-14 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的农田环境感知方法 |
CN108304119A (zh) * | 2018-01-19 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 物体测量方法、智能终端及计算机可读存储介质 |
CN110057352A (zh) * | 2018-01-19 | 2019-07-26 | 北京图森未来科技有限公司 | 一种相机姿态角确定方法及装置 |
CN208223418U (zh) * | 2018-01-22 | 2018-12-11 | 航天智造(上海)科技有限责任公司 | 一种用于航空发动机安装的智能视觉测量系统 |
CN108645408A (zh) * | 2018-05-07 | 2018-10-12 | 中国人民解放军国防科技大学 | 一种基于导航信息的无人机自主回收目标预测方法 |
CN108765484A (zh) * | 2018-05-18 | 2018-11-06 | 北京航空航天大学 | 基于两台高速摄像机的活体昆虫运动采集及数据重构方法 |
CN109341559A (zh) * | 2018-09-30 | 2019-02-15 | 天津大学 | 一种基于双目视觉原理的航空发动机机匣变形测量方法 |
CN209459599U (zh) * | 2018-09-30 | 2019-10-01 | 天津大学 | 一种基于双目视觉原理的航空发动机机匣变形测量装置 |
CN111203642A (zh) * | 2018-11-21 | 2020-05-29 | 绍兴凯迪德斯光电科技有限公司 | 一种曲面激光打标机 |
CN109887071A (zh) * | 2019-01-12 | 2019-06-14 | 天津大学 | 一种3d电子内镜系统及三维重建方法 |
CN112182122A (zh) * | 2019-07-05 | 2021-01-05 | 科沃斯商用机器人有限公司 | 一种移动机器人工作环境导航地图的获取方法及装置 |
CN110503687A (zh) * | 2019-08-12 | 2019-11-26 | 中国科学院光电技术研究所 | 一种空中光电测量平台目标定位方法 |
CN110619674A (zh) * | 2019-08-15 | 2019-12-27 | 重庆特斯联智慧科技股份有限公司 | 用于事故和警情场景还原的三维增强现实设备及方法 |
US11189016B1 (en) * | 2020-06-08 | 2021-11-30 | Guangzhou Computational Super-Resolution Biotech Co., Ltd. | Systems and methods for image processing |
CN112066879A (zh) * | 2020-09-11 | 2020-12-11 | 哈尔滨工业大学 | 基于计算机视觉的气浮运动模拟器位姿测量装置及方法 |
CN112541951A (zh) * | 2020-11-13 | 2021-03-23 | 国网浙江省电力有限公司舟山供电公司 | 预防船舶钩断跨海架空电力线路的监测系统及其监测方法 |
CN112465693A (zh) * | 2020-11-26 | 2021-03-09 | 江苏国和智能科技有限公司 | 一种360°环视水下视觉成像方法及系统 |
CN112648976A (zh) * | 2020-12-23 | 2021-04-13 | 北京恒达时讯科技股份有限公司 | 实景影像测量方法、装置、电子设备及存储介质 |
CN112562067A (zh) * | 2020-12-24 | 2021-03-26 | 华南理工大学 | 一种生成大批量点云数据集的方法 |
CN113305851A (zh) * | 2021-06-17 | 2021-08-27 | 东莞理工学院 | 一种机器人微装配用在线检测装置 |
CN113487510A (zh) * | 2021-07-16 | 2021-10-08 | 中国科学院自动化研究所 | 用于机器人自动配液的针尖位置检测方法、系统、设备 |
CN116798015A (zh) * | 2023-03-21 | 2023-09-22 | 南方科技大学 | 交通信息提取方法、装置、终端设备及存储介质 |
Non-Patent Citations (6)
Title |
---|
基于L_(1/2)正则化的三维人体姿态重构;洪金华;张荣;郭立君;;自动化学报;20180615(第06期);全文 * |
基于对称重复纹理的摄像机位姿测量方法;张婷婷;李响;孙怡;;仪器仪表学报;20151015(第10期);全文 * |
基于轨迹规划的飞机发动机数字化安装技术研究;盛贤君;王杰;姜涛;刘睿智;;航空制造技术;20171101(第21期);正文第3.2节 * |
机器视觉与惯性信息融合的轨道线形检测;郑树彬;彭乐乐;李立明;柴晓冬;;振动.测试与诊断;20180415(第02期);全文 * |
某无人机机翼压载变形有限元分析与光学测试;李湘萍;刘海淙;;现代制造工程;20180918(第09期);全文 * |
盛贤君 ; 王杰 ; 姜涛 ; 刘睿智 ; .基于轨迹规划的飞机发动机数字化安装技术研究.航空制造技术.2017,(第21期),正文第3.2节. * |
Also Published As
Publication number | Publication date |
---|---|
CN117516485A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767476B (zh) | 一种自动对焦双目摄像头标定及深度计算方法 | |
CN110146038B (zh) | 筒形件装配转角的分布式单目相机激光测量装置及方法 | |
CN109859272B (zh) | 一种自动对焦双目摄像头标定方法及装置 | |
CN110276806A (zh) | 用于四自由度并联机器人立体视觉手眼系统的在线手眼标定和抓取位姿计算方法 | |
CN110827360B (zh) | 一种光度立体式测量系统及其标定光源方向的方法 | |
CN112446844B (zh) | 一种基于点云特征提取与配准融合方法 | |
CN116823964A (zh) | 相机-振镜变视线系统的物理参数模型及其标定方法 | |
CN112950719A (zh) | 一种基于无人机主动式光电平台的无源目标快速定位方法 | |
CN113587904B (zh) | 一种融合机器视觉和激光参照点信息的目标位姿测量方法 | |
CN117516485B (zh) | 一种飞机发动机自动引导安装的位姿视觉测量方法 | |
Zhang et al. | Improved camera calibration method and accuracy analysis for binocular vision | |
CN111738971A (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
CN110619664B (zh) | 基于激光图案辅助的摄像机距离姿态计算方法及服务器 | |
CN115446836B (zh) | 一种基于多种图像特征信息混合的视觉伺服方法 | |
Kong et al. | Online measurement method for assembly pose of gear structure based on monocular vision | |
CN113324538B (zh) | 一种合作目标远距离高精度六自由度位姿测量方法 | |
CN114859552A (zh) | 一种基于深度学习的离轴望远镜低阶像差校正方法 | |
CN110064842B (zh) | 一种用于三面体焊缝定位的自动标定方法 | |
CN111595289A (zh) | 一种基于图像处理的三维角度测量系统及方法 | |
CN113359461A (zh) | 一种适用于仿生眼系统的运动学标定方法 | |
CN116091546B (zh) | 光学相机推扫模式下的观测构建方法 | |
Sun et al. | A Novel Global Camera Calibration Method Based on Flexible Multidirectional Target | |
CN117495781A (zh) | 一种基于单目视觉二维成像的空间球球心坐标求解方法 | |
CN115797443B (zh) | 基于视差的界约束快速相对定向方法 | |
CN118037863B (zh) | 基于视场约束的神经网络优化自动变焦相机内参标定方法 |
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 |