CN117788423A - 一种装配件轮廓度确定方法、装置、设备及存储介质 - Google Patents
一种装配件轮廓度确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117788423A CN117788423A CN202311827341.1A CN202311827341A CN117788423A CN 117788423 A CN117788423 A CN 117788423A CN 202311827341 A CN202311827341 A CN 202311827341A CN 117788423 A CN117788423 A CN 117788423A
- Authority
- CN
- China
- Prior art keywords
- standard
- point cloud
- cloud image
- determining
- detected
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 182
- 238000012360 testing method Methods 0.000 claims abstract description 3
- 230000009466 transformation Effects 0.000 claims description 44
- 239000011159 matrix material Substances 0.000 claims description 40
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000001914 filtration Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种装配件轮廓度确定方法、装置、设备及存储介质。包括：基于待测装配件和标准件获取拍摄点云图像，其中，拍摄点云图像包括待测点云图像和标准点云图像；确定标准点云图像中的标准区域，并确定拍摄点云图像的特征点；根据特征点和标准区域确定待测点云图像对应的目标区域，并根据标准区域和目标区域确定装配件的轮廓度。通过夹持装置可以将待测装配件和标准件移动至指定位置，更好的满足产线节拍，对放置平面水平度要求低，然后通过拍摄装置获取拍摄点云图像，通过拍摄点云图像对装配件进行立体检测，使得检测结果更加精确，实现了自动化图像检测，提升检测效率及检测精度，可记录追溯。实现了无接触检测，避免对装配件造成损伤。
Description
技术领域
本发明涉及设备检测技术领域，尤其涉及一种装配件轮廓度确定方法、装置、设备及存储介质。
背景技术
目前，数字化测量技术已经广泛应用于汽车、航空航天、电子、医疗器械等领域。随着制造业的不断发展，产品轮廓度测量的要求也越来越高。产品轮廓度测量是制造过程中重要的质量控制环节之一，它用于确保产品的尺寸和形状符合设计要求。
目前轮廓度检测使用方法是采用人工目测判断装配件表面是否有翘起凹陷，并通过人工使用检测器具通过移动检测产品是否通过来判断是否合格。
现有技术采用人工目测的方式，增加了人工工作量，并且效率低下，结果不准确，无法量化，而通过检测器具进行接触式测量的方式会产生对装配件造成损失的风险。
发明内容
本发明提供了一种装配件轮廓度确定方法、装置、设备及存储介质，以自动化检测，可满足产线节拍，并使得检测速率更高效。
根据本发明的一方面，提供了一种装配件轮廓度确定方法，该方法包括：
基于待测装配件和标准件获取拍摄点云图像，其中，拍摄点云图像包括待测点云图像和标准点云图像；
确定标准点云图像中的标准区域，并确定拍摄点云图像的特征点；
根据特征点和标准区域确定待测点云图像对应的目标区域，并根据标准区域和目标区域确定装配件的轮廓度。
可选的，基于待测装配件和标准件获取拍摄点云图像，包括：通过夹持装置分别将待测装配件和标准件移动到指定位置；通过拍摄装置基于指定位置进行拍摄，以获取标准件的标准件基准面图像和标准件轮廓度检测面图像作为标准点云图像，获取待测装配件的装配件基准面图像和装配件轮廓度检测面图像作为待测点云图像；将待测点云图像和标准点云图像作为拍摄点云图像。
可选的，确定标准点云图像中的标准区域，包括：获取预设的基准拟合区域；通过基准拟合区域对标准点云图像进行识别，以确定标准基准面、标准检测面和标准非基准检测面；将标准基准面、标准检测面和标准非基准检测面作为标准区域。
可选的，确定拍摄点云图像的特征点，包括：对拍摄点云图像进行滤波处理以生成平滑点云图像；基于预设的定位算法对平滑点云图像进行定位以获取特征点，其中，特征点包括待测特征点和标准特征点。
可选的，根据特征点和标准区域确定待测点云图像对应的目标区域，包括：通过预设仿射变换算法根据标准特征点和标准基准面生成第一变换矩阵，并根据标准特征点和标准非基准检测面生成第二变换矩阵；根据第一变换矩阵对待测特征点进行仿射变换以生成待测基准面，根据第二变换矩阵对待测特征点进行仿射变换以生成待测非基准检测面；将待测基准面和待测非基准检测面作为目标区域。
可选的，根据标准区域和目标区域确定装配件的轮廓度，包括：确定标准基准面和待测基准面之间的夹角，并根据夹角和标准检测面构建新检测平面；获取标准基准面和标准检测面之间的真实距离，将真实距离和夹角余弦值的乘积作为标准检测面和新检测平面之间的平面距离；计算待测非基准检测面中各点到新检测平面之间的各检测距离，并确定各检测距离中的距离最大值和距离最小值；将距离最大值和距离最小值分别和平面距离相加以生成轮廓度。
可选的，根据夹角和标准检测面构建新检测平面，包括：获取装配件的几何中心点，将几何中心点和标准检测面代入预设拟合平面算法以获取旋转中心点；将夹角和旋转中心点代入预设旋转算法以生成旋转矩阵；确定标准检测面对应的初始法向量，根据旋转矩阵和初始法向量的乘积生成旋转法向量；将旋转法向量和旋转中心点所构成的平面作为新检测平面。
根据本发明的另一方面，提供了一种装配件轮廓度确定装置，该装置包括：
拍摄点云图像获取模块，用于基于待测装配件和标准件获取拍摄点云图像，其中，拍摄点云图像包括待测点云图像和标准点云图像；
标准区域及特征点确定模块，用于确定标准点云图像中的标准区域，并确定拍摄点云图像的特征点；
目标区域及轮廓度确定模块，用于根据特征点和标准区域确定待测点云图像对应的目标区域，并根据标准区域和目标区域确定装配件的轮廓度。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的一种装配件轮廓度确定方法。
根据本发明的另一方面，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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种装配件轮廓度确定方法。
本发明实施例的技术方案，通过夹持装置可以将待测装配件和标准件移动至指定位置，更好的满足产线节拍，对放置平面水平度要求低，然后通过拍摄装置获取拍摄点云图像，通过拍摄点云图像对装配件进行立体检测，使得检测结果更加精确，实现了自动化图像检测，提升检测效率及检测精度，可记录追溯。实现了无接触检测，避免对装配件造成损伤。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种装配件轮廓度确定方法的流程图；
图2是根据本发明实施例一提供的另一种装配件轮廓度确定方法的流程图；
图3是根据本发明实施例一提供的另一种装配件轮廓度确定方法的流程图；
图4是根据本发明实施例二提供的另一种装配件轮廓度确定方法的流程图；
图5是根据本发明实施例三提供的一种装配件轮廓度确定装置的结构示意图；
图6是实现本发明实施例的一种装配件轮廓度确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供了一种装配件轮廓度确定方法的流程图，本实施例可适用于测量装配件基准轮廓度的情况，该方法可以由装配件轮廓度确定装置来执行，该装配件轮廓度确定装置可以采用硬件和/或软件的形式实现，该装配件轮廓度确定装置可配置于计算机控制器中。如图1所示，该方法包括：
S110、基于待测装配件和标准件获取拍摄点云图像，其中，拍摄点云图像包括待测点云图像和标准点云图像。
其中，点云图像是一种以点为单位的图像，它由一组点组成，每个点都有自己的坐标和颜色信息。点云图像用于表示物体的形状和位置，由3D激光相机获取。待测装配件是指需要进行轮廓度测量的零件，例如，汽车装配件，通过测量装配件的轮廓度可以对装配件的质量进行把控，装配件的质量和性能直接影响汽车的性能和安全性。标准件是指装配件对应的标准零件，即已知尺寸信息并且尺寸信息符合要求的标准化零件。通过3D激光相机可以获取待测装配件的待测点云图像和标准件的标准点云图像，需要说明的是，为了保证测量的准确性，两者的检测状态应保持一致，即拍摄位置和拍摄环境一致。
S120、确定标准点云图像中的标准区域，并确定拍摄点云图像的特征点。
图2为本发明实施例一提供了一种装配件轮廓度确定方法的流程图，步骤S120主要包括如下的步骤S121至步骤S123：
S121、确定标准点云图像中的标准区域。
可选的，确定标准点云图像中的标准区域，包括：获取预设的基准拟合区域；通过基准拟合区域对标准点云图像进行识别，以确定标准基准面、标准检测面和标准非基准检测面；将标准基准面、标准检测面和标准非基准检测面作为标准区域。
其中，基准拟合区域是预先设定的一个区域，用于确定标准点云图像中的标准区域，基准拟合区域可以根据实际情况进行设定。通过基准拟合区域对标准点云图像进行识别，可以确定标准点云图像中的标准基准面、标准检测面和标准非基准检测面。标准基准面是指在标准点云图像中用于作为基准的平面，标准检测面是指在标准点云图像中用于检测的平面，标准非基准检测面是指在标准点云图像中除了标准基准面和标准检测面之外的其他平面。
S122、对拍摄点云图像进行滤波处理以生成平滑点云图像。
具体的，滤波可以是使用高斯滤波器对图像进行滤波处理，滤波处理是一种用于减少点云图像中的噪声和干扰的技术。通过对拍摄点云图像进行滤波处理，可以消除拍摄点云图像中的噪点及异常点，生成平滑点云图像，以便后续对特征点进行定位和提取。
S123、基于预设的定位算法对平滑点云图像进行定位以获取特征点，其中，特征点包括待测特征点和标准特征点。
具体的，基于预设的定位算法对平滑点云图像进行定位，可以获取特征点。特征点包括待测特征点和标准特征点。待测特征点是指需要进行测量和分析的特征点，例如物体的边缘、角落等。标准特征点是指已知位置和形状的特征点，例如标准模板上的特征点。通过获取特征点，可以对拍摄点云图像进行后续的处理和分析，例如测量物体的尺寸、形状等。
其中，定位包括粗定位和精定位，先对平滑点云图像进行粗定位，然后再粗定位的基础上，获取精定位特征点的大致区域，在此区域内对特征点进行精定位，得到装配件特征点坐标位置和标准件特征点坐标位置，需要说明的是，标准件与装配件所选特征点应为同一个。
S130、根据特征点和标准区域确定待测点云图像对应的目标区域，并根据标准区域和目标区域确定装配件的轮廓度。
图3为本发明实施例一提供了一种装配件轮廓度确定方法的流程图，步骤S130主要包括如下的步骤S131至步骤S135：
S131、根据特征点和标准区域确定待测点云图像对应的目标区域。
可选的，根据特征点和标准区域确定待测点云图像对应的目标区域，包括：通过预设仿射变换算法根据标准特征点和标准基准面生成第一变换矩阵，并根据标准特征点和标准非基准检测面生成第二变换矩阵；根据第一变换矩阵对待测特征点进行仿射变换以生成待测基准面，根据第二变换矩阵对待测特征点进行仿射变换以生成待测非基准检测面；将待测基准面和待测非基准检测面作为目标区域。
具体的，首先通过预设仿射变换算法根据标准特征点和标准基准面生成第一变换矩阵，并根据标准特征点和标准非基准检测面生成第二变换矩阵。其中，标准特征点是指标准点云图像中定位的特征点。然后根据第一变换矩阵对待测特征点进行仿射变换以生成待测基准面，根据第二变换矩阵对待测特征点进行仿射变换以生成待测非基准检测面。其中，待测特征点是指待测点云图像中的特征点。待测基准面和待测非基准检测面是根据标准基准面和标准非基准检测面通过仿射变换生成的基准面和非基准检测面。最后将待测基准面和待测非基准检测面作为目标区域。目标区域是指待测点云图像中需要进行后续处理或分析的区域。
S132、确定标准基准面和待测基准面之间的夹角，并根据夹角和标准检测面构建新检测平面。
具体的，可以采用如下公式(1)计算标准基准面和待测基准面之间的夹角余弦值：
其中，N1表示标准基准面，N2表示待测基准面，N1·N2＝A1A2+B1B2+C1C2，A1、B1和C1表示标准基准面法向量坐标，A2、B2和C2表示待测基准面法向量坐标，θ表示夹角，通过反余弦计算可得到夹角θ。
可选的，根据夹角和标准检测面构建新检测平面，包括：获取装配件的几何中心点，将几何中心点和标准检测面代入预设拟合平面算法以获取旋转中心点；将夹角和旋转中心点代入预设旋转算法以生成旋转矩阵；确定标准检测面对应的初始法向量，根据旋转矩阵和初始法向量的乘积生成旋转法向量；将旋转法向量和旋转中心点所构成的平面作为新检测平面。
具体的，根据夹角对标准检测面对应的初始法向量做相应角度旋转，旋转中心为标准检测面的几何中心点，其中，几何中心点是指面的中心位置，可以根据已经获取的精定位，通过仿射变换获取到装配件表面矩形，进而可以确定装配件的几何中心点，然后将装配件的几何中心点和标准检测面代入预设拟合平面算法即可获取标准检测面的几何中心点，即旋转中心点。
进一步的，旋转算法用于根据给定的旋转角度和旋转中心点计算出一个旋转矩阵。旋转算法可以是罗德里格斯公式，采用如下公式(2)表示：
R＝cos(θ)I+(1-cos(θ))vvT+sin(θ)[v]x (2)
其中，R表示旋转矩阵，θ表示夹角，I表示单位矩阵，vvT表示外积矩阵，[v]x是反对称矩阵，其中，x、y和z表示旋转中心点坐标。然后确定标准检测面对应的初始法向量，通过将旋转矩阵与法向量相乘，得到旋转后的旋转法向量，并带入旋转中心点，即可得到新检测平面，该平面是一个与待测基准面存在平行关系的平面。
S133、获取标准基准面和标准检测面之间的真实距离，将真实距离和夹角余弦值的乘积作为标准检测面和新检测平面之间的平面距离。
具体的，真实距离是指标准基准面和标准检测面之间的实际距离，可以通过计算标准基准面和标准检测面上任意两个不共线的点的距离来得到。夹角余弦值是指标准基准面和待测基准面之间的夹角的余弦值。平面距离是指标准检测面和新检测平面之间的距离，可以通过将真实距离和夹角余弦值的乘积来得到。
S134、计算待测非基准检测面中各点到新检测平面之间的各检测距离，并确定各检测距离中的距离最大值和距离最小值。
其中，各检测距离是指待测非基准检测面中各点到新检测平面之间的距离，可以通过计算待测非基准检测面中各点到新检测平面的向量投影的长度来得到。距离最大值是指各检测距离中的最大值，用于后续的图像变换。距离最小值是指各检测距离中的最小值。
S135、将距离最大值和距离最小值分别和平面距离相加以生成轮廓度。
其中，轮廓度是指待测装配件的基准轮廓度，可以通过将距离最大值和距离最小值分别和平面距离相加来得到。
本发明实施例的技术方案，通过夹持装置可以将待测装配件和标准件移动至指定位置，更好的满足产线节拍，对放置平面水平度要求低，然后通过拍摄装置获取拍摄点云图像，通过拍摄点云图像对装配件进行立体检测，使得检测结果更加精确，实现了自动化图像检测，提升检测效率及检测精度，可记录追溯。实现了无接触检测，避免对装配件造成损伤。
实施例二
图4为本发明实施例二提供的一种装配件轮廓度确定方法的流程图，本实施例在上述实施例一的基础上增加了基于待测装配件和标准件获取拍摄点云图像的具体过程。其中，步骤S240-S250的具体内容与实施例一中的步骤S120-S130大致相同，因此本实施方式中不再进行赘述。如图4所示，该方法包括：
S210、通过夹持装置分别将待测装配件和标准件移动到指定位置。
其中，指定位置可以根据具体的测量需求和设备要求进行设置，以确保测量的准确性和可重复性。当待测装配件或者标准件进站到达检测工位时，可以控制夹持装置分别将待测装配件和标准件移动到指定位置，指定位置可以是将待测装配件和标准件抬高10cm，抬高的目的是为了避免遮挡，便于拍摄装置进行拍摄。需要说明的是，夹持装置是依次移动待测装配件和标准件，即完成待测装配件的拍摄后，才继续通过夹持装置将标准件移动到指定位置，需要说明的是，为了保证测量的准确性，应保证检测环境一致，即待测装配件和标准件抬高的高度应该保持一致。
S220、通过拍摄装置基于指定位置进行拍摄，以获取标准件的标准件基准面图像和标准件轮廓度检测面图像作为标准点云图像，获取待测装配件的装配件基准面图像和装配件轮廓度检测面图像作为待测点云图像。
其中，拍摄装置是指3D激光相机，并且采集的图像为3D点云图像，3D点云图像包括对应坐标值，及该坐标值对应高度数值。获取的拍摄点云图像包括标准点云图像，即标准件的标准件基准面图像和标准件轮廓度检测面图像，以及待测点云图像，即待测装配件的装配件基准面图像和装配件轮廓度检测面图像。
S230、将待测点云图像和标准点云图像作为拍摄点云图像。
具体的，最终将待测点云图像和标准点云图像作为拍摄点云图像。这些图像将包含待测装配件和标准件的三维点云数据，用于后续的测量和分析。拍摄点云图像可以通过图像处理技术进行处理和分析，以提取和比较待测装配件和标准件之间的差异和特征。
S240、确定标准点云图像中的标准区域，并确定拍摄点云图像的特征点。
可选的，确定标准点云图像中的标准区域，包括：获取预设的基准拟合区域；通过基准拟合区域对标准点云图像进行识别，以确定标准基准面、标准检测面和标准非基准检测面；将标准基准面、标准检测面和标准非基准检测面作为标准区域。
可选的，确定拍摄点云图像的特征点，包括：对拍摄点云图像进行滤波处理以生成平滑点云图像；基于预设的定位算法对平滑点云图像进行定位以获取特征点，其中，特征点包括待测特征点和标准特征点。
S250、根据特征点和标准区域确定待测点云图像对应的目标区域，并根据标准区域和目标区域确定装配件的轮廓度。
可选的，根据特征点和标准区域确定待测点云图像对应的目标区域，包括：通过预设仿射变换算法根据标准特征点和标准基准面生成第一变换矩阵，并根据标准特征点和标准非基准检测面生成第二变换矩阵；根据第一变换矩阵对待测特征点进行仿射变换以生成待测基准面，根据第二变换矩阵对待测特征点进行仿射变换以生成待测非基准检测面；将待测基准面和待测非基准检测面作为目标区域。
可选的，根据标准区域和目标区域确定装配件的轮廓度，包括：确定标准基准面和待测基准面之间的夹角，并根据夹角和标准检测面构建新检测平面；获取标准基准面和标准检测面之间的真实距离，将真实距离和夹角余弦值的乘积作为标准检测面和新检测平面之间的平面距离；计算待测非基准检测面中各点到新检测平面之间的各检测距离，并确定各检测距离中的距离最大值和距离最小值；将距离最大值和距离最小值分别和平面距离相加以生成轮廓度。
可选的，根据夹角和标准检测面构建新检测平面，包括：获取装配件的几何中心点，将几何中心点和标准检测面代入预设拟合平面算法以获取旋转中心点；将夹角和旋转中心点代入预设旋转算法以生成旋转矩阵；确定标准检测面对应的初始法向量，根据旋转矩阵和初始法向量的乘积生成旋转法向量；将旋转法向量和旋转中心点所构成的平面作为新检测平面。
本发明实施例的技术方案，通过夹持装置可以将待测装配件和标准件移动至指定位置，更好的满足产线节拍，对放置平面水平度要求低，然后通过拍摄装置获取拍摄点云图像，通过拍摄点云图像对装配件进行立体检测，使得检测结果更加精确，实现了自动化图像检测，提升检测效率及检测精度，可记录追溯。实现了无接触检测，避免对装配件造成损伤。
实施例三
图5为本发明实施例三提供的一种装配件轮廓度确定装置的结构示意图。如图5所示，该装置包括：拍摄点云图像获取模块310，用于基于待测装配件和标准件获取拍摄点云图像，其中，拍摄点云图像包括待测点云图像和标准点云图像；
标准区域及特征点确定模块320，用于确定标准点云图像中的标准区域，并确定拍摄点云图像的特征点；
目标区域及轮廓度确定模块330，用于根据特征点和标准区域确定待测点云图像对应的目标区域，并根据标准区域和目标区域确定装配件的轮廓度。
可选的，拍摄点云图像获取模块310，具体用于：通过夹持装置分别将待测装配件和标准件移动到指定位置；通过拍摄装置基于指定位置进行拍摄，以获取标准件的标准件基准面图像和标准件轮廓度检测面图像作为标准点云图像，获取待测装配件的装配件基准面图像和装配件轮廓度检测面图像作为待测点云图像；将待测点云图像和标准点云图像作为拍摄点云图像。
可选的，标准区域及特征点确定模块320，具体包括：标准区域确定单元，用于：获取预设的基准拟合区域；通过基准拟合区域对标准点云图像进行识别，以确定标准基准面、标准检测面和标准非基准检测面；将标准基准面、标准检测面和标准非基准检测面作为标准区域。
可选的，标准区域及特征点确定模块320，具体包括：特征点确定单元，用于：对拍摄点云图像进行滤波处理以生成平滑点云图像；基于预设的定位算法对平滑点云图像进行定位以获取特征点，其中，特征点包括待测特征点和标准特征点。
可选的，目标区域及轮廓度确定模块330，具体包括：目标区域确定单元，用于：通过预设仿射变换算法根据标准特征点和标准基准面生成第一变换矩阵，并根据标准特征点和标准非基准检测面生成第二变换矩阵；根据第一变换矩阵对待测特征点进行仿射变换以生成待测基准面，根据第二变换矩阵对待测特征点进行仿射变换以生成待测非基准检测面；将待测基准面和待测非基准检测面作为目标区域。
可选的，目标区域及轮廓度确定模块330，具体包括：新检测平面构建单元，用于：确定标准基准面和待测基准面之间的夹角，并根据夹角和标准检测面构建新检测平面；平面距离确定单元，用于：获取标准基准面和标准检测面之间的真实距离，将真实距离和夹角余弦值的乘积作为标准检测面和新检测平面之间的平面距离；距离确定单元，用于：计算待测非基准检测面中各点到新检测平面之间的各检测距离，并确定各检测距离中的距离最大值和距离最小值；轮廓度确定单元，用于：将距离最大值和距离最小值分别和平面距离相加以生成轮廓度。
可选的，新检测平面构建单元，具体用于：获取装配件的几何中心点，将几何中心点和标准检测面代入预设拟合平面算法以获取旋转中心点；将夹角和旋转中心点代入预设旋转算法以生成旋转矩阵；确定标准检测面对应的初始法向量，根据旋转矩阵和初始法向量的乘积生成旋转法向量；将旋转法向量和旋转中心点所构成的平面作为新检测平面。
本发明实施例的技术方案，通过夹持装置可以将待测装配件和标准件移动至指定位置，更好的满足产线节拍，对放置平面水平度要求低，然后通过拍摄装置获取拍摄点云图像，通过拍摄点云图像对装配件进行立体检测，使得检测结果更加精确，实现了自动化图像检测，提升检测效率及检测精度，可记录追溯。实现了无接触检测，避免对装配件造成损伤。
本发明实施例所提供的一种装配件轮廓度确定装置可执行本发明任意实施例所提供的一种装配件轮廓度确定方法，具备执行方法相应的功能模块和有益效果。
实施例四
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如一种装配件轮廓度确定方法。也即：基于待测装配件和标准件获取拍摄点云图像，其中，拍摄点云图像包括待测点云图像和标准点云图像；确定标准点云图像中的标准区域，并确定拍摄点云图像的特征点；根据特征点和标准区域确定待测点云图像对应的目标区域，并根据标准区域和目标区域确定装配件的轮廓度。
在一些实施例中，一种装配件轮廓度确定方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的一种装配件轮廓度确定方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种装配件轮廓度确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种装配件轮廓度确定方法，其特征在于，包括：
基于待测装配件和标准件获取拍摄点云图像，其中，所述拍摄点云图像包括待测点云图像和标准点云图像；
确定所述标准点云图像中的标准区域，并确定所述拍摄点云图像的特征点；
根据所述特征点和所述标准区域确定所述待测点云图像对应的目标区域，并根据所述标准区域和所述目标区域确定所述装配件的轮廓度。
2.根据权利要求1所述的方法，其特征在于，所述基于待测装配件和标准件获取拍摄点云图像，包括：
通过夹持装置分别将所述待测装配件和所述标准件移动到指定位置；
通过拍摄装置基于所述指定位置进行拍摄，以获取所述标准件的标准件基准面图像和所述标准件轮廓度检测面图像作为所述标准点云图像，获取所述待测装配件的装配件基准面图像和所述装配件轮廓度检测面图像作为所述待测点云图像；
将所述待测点云图像和所述标准点云图像作为所述拍摄点云图像。
3.根据权利要求1所述的方法，其特征在于，所述确定所述标准点云图像中的标准区域，包括：
获取预设的基准拟合区域；
通过所述基准拟合区域对所述标准点云图像进行识别，以确定标准基准面、标准检测面和标准非基准检测面；
将所述标准基准面、所述标准检测面和所述标准非基准检测面作为所述标准区域。
4.根据权利要求3所述的方法，其特征在于，所述确定所述拍摄点云图像的特征点，包括：
对所述拍摄点云图像进行滤波处理以生成平滑点云图像；
基于预设的定位算法对所述平滑点云图像进行定位以获取所述特征点，其中，所述特征点包括待测特征点和标准特征点。
5.根据权利要求4所述的方法，其特征在于，所述根据所述特征点和所述标准区域确定所述待测点云图像对应的目标区域，包括：
通过预设仿射变换算法根据所述标准特征点和所述标准基准面生成第一变换矩阵，并根据所述标准特征点和所述标准非基准检测面生成第二变换矩阵；
根据所述第一变换矩阵对所述待测特征点进行仿射变换以生成待测基准面，根据所述第二变换矩阵对所述待测特征点进行仿射变换以生成待测非基准检测面；
将所述待测基准面和所述待测非基准检测面作为所述目标区域。
6.根据权利要求5所述的方法，其特征在于，所述根据所述标准区域和所述目标区域确定所述装配件的轮廓度，包括：
确定所述标准基准面和所述待测基准面之间的夹角，并根据所述夹角和所述标准检测面构建新检测平面；
获取所述标准基准面和所述标准检测面之间的真实距离，将所述真实距离和所述夹角余弦值的乘积作为所述标准检测面和所述新检测平面之间的平面距离；
计算所述待测非基准检测面中各点到所述新检测平面之间的各检测距离，并确定各所述检测距离中的距离最大值和距离最小值；
将所述距离最大值和所述距离最小值分别和所述平面距离相加以生成所述轮廓度。
7.根据权利要求6所述的方法，其特征在于，所述根据所述夹角和所述标准检测面构建新检测平面，包括：
获取装配件的几何中心点，将所述几何中心点和所述标准检测面代入预设拟合平面算法以获取旋转中心点；
将所述夹角和所述旋转中心点代入预设旋转算法以生成旋转矩阵；
确定所述标准检测面对应的初始法向量，根据所述旋转矩阵和所述初始法向量的乘积生成旋转法向量；
将所述旋转法向量和所述旋转中心点所构成的平面作为所述新检测平面。
8.一种装配件轮廓度确定装置，其特征在于，包括：
拍摄点云图像获取模块，用于基于待测装配件和标准件获取拍摄点云图像，其中，所述拍摄点云图像包括待测点云图像和标准点云图像；
标准区域及特征点确定模块，用于确定所述标准点云图像中的标准区域，并确定所述拍摄点云图像的特征点；
目标区域及轮廓度确定模块，用于根据所述特征点和所述标准区域确定所述待测点云图像对应的目标区域，并根据所述标准区域和所述目标区域确定所述装配件的轮廓度。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311827341.1A CN117788423A (zh) | 2023-12-27 | 2023-12-27 | 一种装配件轮廓度确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311827341.1A CN117788423A (zh) | 2023-12-27 | 2023-12-27 | 一种装配件轮廓度确定方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117788423A true CN117788423A (zh) | 2024-03-29 |
Family
ID=90385107
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311827341.1A Pending CN117788423A (zh) | 2023-12-27 | 2023-12-27 | 一种装配件轮廓度确定方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117788423A (zh) |
-
2023
- 2023-12-27 CN CN202311827341.1A patent/CN117788423A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110842901A (zh) | 基于一种新型三维标定块的机器人手眼标定方法与装置 | |
| CN111598172B (zh) | 基于异构深度网络融合的动态目标抓取姿态快速检测方法 | |
| CN115096206A (zh) | 一种基于机器视觉的零件尺寸高精度测量方法 | |
| CN115781673A (zh) | 一种零件抓取方法、装置、设备及介质 | |
| CN111540001A (zh) | 航空发动机涡轮叶片气膜孔轴线方向检测方法 | |
| CN115273071A (zh) | 一种物体识别方法、装置、电子设备及存储介质 | |
| CN110864671B (zh) | 基于线结构光拟合平面的机器人重复定位精度测量方法 | |
| CN116124081B (zh) | 一种非接触式的工件检测方法、装置、电子设备及介质 | |
| CN117788423A (zh) | 一种装配件轮廓度确定方法、装置、设备及存储介质 | |
| CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
| CN116072575A (zh) | 一种晶圆对准方法、装置、电子设备以及可读存储介质 | |
| CN115153632A (zh) | 一种超声成像定位系统、方法、装置、设备及存储介质 | |
| CN109443244B (zh) | 剔除高光反射异常错误点的方法 | |
| Belhaoua et al. | Estimation of 3D reconstruction errors in a stereo-vision system | |
| CN116258714B (zh) | 一种缺陷识别方法、装置、电子设备和存储介质 | |
| CN117115233B (zh) | 一种基于机器视觉的尺寸测量方法、装置及电子设备 | |
| CN117350995A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
| Rao et al. | A real-time auto-recognition method for pointer-meter under uneven illumination | |
| CN117876490A (zh) | 一种特征确定方法、装置、电子设备及存储介质 | |
| CN118031838A (zh) | 一种三维物体高度检测方法、装置、设备及介质 | |
| CN116883488B (zh) | 一种圆形管的中心位置确定方法、装置、设备及介质 | |
| CN117173156B (zh) | 基于机器视觉的极片毛刺检测方法、装置、设备及介质 | |
| CN116559176A (zh) | 一种检测方法、装置、电子设备和存储介质 | |
| CN115661211A (zh) | 一种基于点云的物体检测方法、装置、设备及介质 | |
| CN116182807B (zh) | 一种姿态信息确定方法、装置、电子设备、系统和介质 |
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 |