DE102005037837A1

DE102005037837A1 - Verfahren und Vorrichtung zur Erstellung eines Messplans zur Vermessung eines 3D-Messobjekts

Info

Publication number: DE102005037837A1
Application number: DE200510037837
Authority: DE
Inventors: Frank Dipl.-Ing. Bertagnolli
Original assignee: DaimlerChrysler AG
Current assignee: Mercedes Benz Group AG
Priority date: 2005-08-08
Filing date: 2005-08-08
Publication date: 2007-02-15

Abstract

Die Vermessung von räumlich ausgedehnten Messobjekten, nachfolgend 3-D-Messobjektee genannt, ist in vielen Bereichen der Industrie, insbesondere für die Qualitätssicherung, seit langem üblich. DOLLAR A Der Erfindung liegt die Aufgabe zugrunde, eine Alternative für ein automatisiertes Verfahren zur Festlegung von Messpositionen vorzuschlagen. Insbesondere soll dieses alternative Verfahrn die Rechenzeit bei der Festlegung verringern und das Messergebnis verbessern. Weiterhin soll eine entsprechende Vorrichtung gebildet werden. DOLLAR A Es wird ein Verfahren zur Erstellung eines Messplans zur Vermessung eines 3-D-Messobjekts vorgeschlagen, wobei aus einem 3-D-Grobdatensatz des 3-D-Messobjekts ein Finite-Elemente-Modell erzeugt wird, wobei aus den finiten Elementen theoretische Messpositionen abgeleitet werden, wobei ausgehend von den theoretischen Messpositionen automatisiert ein Messplan mit tatsächlichen Messpositionen erstellt wird und wobei der Messplan unter Verwendung von genetischen Algorithmen erstellt wird.

Description

Die Vermessung von räumlich ausgedehnten Messobjekten, nachfolgend 3D-Messobjekte genannt – ist in vielen Bereichen der Industrie, insbesondere für die Qualitätssicherung, seit langem üblich.

Für die Durchführung der Vermessung sind beispielsweise Messroboter mit taktilen oder optischen Messinstrumenten üblich, die manuell von einem Bediener oder durch ein vorher in einem Speicher abgelegtes Messprogramm gesteuert eine Messprozedur absolvieren und dabei eine vom Anwender vorgegebene Anzahl von Messwerten des 3D-Messobjekts bestimmen.

Nachteilig bei diesen üblichen Vorrichtungen ist, dass der Messablauf von einem Bediener manuell gesteuert werden muss oder ein Messprogramm vor der Vermessung für jedes einzelne 3D-Messobjekt manuell eingegeben werden muss. Diese notwendigen Arbeiten machen die Vermessung eines 3D-Messobjekts langsam und aufwändig. Zudem muss das Bedienpersonal eine hohe fachliche Kompetenz aufweisen, da die Bedienung und/oder die Programmierung der Messroboter kompliziert sind.

Zur Vermeidung dieser Nachteile ist bereits vorgeschlagen worden, die Messplanung von Messpositionen zu automatisieren:
Die Druckschrift DE 197 39 250 C2 offenbart ein Verfahren sowie eine Vorrichtung zur Erfassung von Freiformflächen eines 3D-Messobjekts. Die beschriebene Messeinrichtung weist Aufnahmeeinheiten in Form von Kameras sowie Beleuchtungseinrichtungen zur Beleuchtung der Freiformflächen auf. Bei dem dargestellten Verfahren werden die Positionsdaten der Freiformflächen eines 3D-Messobjekts, z.B. in Form eines CAD-Datensatzes, an ein sogenanntes Strategiemodul übermittelt. Dieses Strategiemodul berechnet dann automatisch für die eingesetzten Aufnahmeeinheiten und Beleuchtungseinheiten die räumlichen Konstellationen für die Vermessung. Das Verfahren zur Berechnung ist in der genannten Druckschrift nicht offenbart.

Die Druckschrift DE 199 57 366 C1 , die den nächstkommenden Stand der Technik bildet, offenbart ein Verfahren zur Festlegung von Messpositionen, zur Planung von Messbahnen für die Vermessung eines 3D-Messobjekts sowie eine entsprechend ausgeführte Vorrichtung. Bei diesem Verfahren wird als Ausgangsinformation eine Menge von Referenzpunkten verwendet, die z.B. durch eine Grobvermessung des 3D-Messobjekts bereitgestellt sind. In einem zweiten Schritt werden Dreiecksflächen durch Dreiecksvernetzung der Referenzpunkte berechnet. In einem weiteren Schritt wird von jedem Dreieck eine Messposition außerhalb des 3D-Messobjekts abgeleitet, wobei die Messposition vom Schwerpunkt des jeweiligen Dreiecks einen definierten, zur Oberfläche des Dreiecks normalen Abstand aufweist. Während der Vermessung können Optimierungsroutinen vorgesehen sein, die inkrementell eine lokale Optimierung der Auswahl der Messpositionen durchführen.

Der Erfindung liegt die Aufgabe zugrunde, eine Alternative für ein automatisiertes Verfahren zur Festlegung von Mess positionen vorzuschlagen. Insbesondere soll dieses alternative Verfahren die Rechenzeit bei der Festlegung verringern und das Messergebnis verbessern. Weiterhin soll eine entsprechende Vorrichtung gebildet werden.

Diese Aufgabe wird gelöst durch ein Verfahren mit den Merkmalen des Anspruchs 1.

Bei dem erfindungsgemäßen Verfahren ist vorgesehen, dass ein Messplan zur Vermessung eines 3D-Messobjekts erstellt wird. Ein 3D-Messobjekt ist ein beliebiger räumlich ausgedehnter Gegenstand, wie zum Beispiel eine Fahrzeugkarosserie oder Teile davon. Insbesondere kann das 3D-Messobjekt Freiformflächen aufweisen, das heißt Flächen, die nicht nur plane Oberflächen aufweisen, sondern auch dreidimensional geformte Bereiche zeigen, wie sie beispielsweise bei Umformprozessen in der Karosseriefertigung oftmals erzeugt werden. Ein Messplan umfasst einen Datensatz mit Messpositionen, wobei die Anzahl und Auswahl der Messpositionen vorzugsweise so gewählt ist, dass das 3D-Messobjekt vollständig vermessen wird.

Als Grundlage für das erfindungsgemäße Verfahren dient ein 3D-Grobdatensatz, welcher Daten über die zu vermessende Oberflächenkontur des 3D-Messobjekts enthält. Aus diesem 3D-Grobdatensatz wird ein Finite-Elemente-Modell erzeugt. Aus den finiten Elementen werden theoretische Messpositionen abgeleitet, wobei vorzugsweise vorgesehen ist, dass aus jedem finiten Element mindestens eine theoretische Messposition berechnet wird.

Ausgehend von den theoretischen Messpositionen wird erfindungsgemäß automatisiert ein Messplan mit tatsächlichen Messpositionen erstellt, wobei die Erstellung unter Verwendung von genetischen Algorithmen erfolgt.

Der Erfindung liegt dabei die Idee zu Grunde, eine globale Optimierung für die Auswahl der tatsächlichen Messpositionen durchzuführen, wobei durch die genetischen Algorithmen nicht das absolute Optimum gesucht wird, sondern eine schnelle, akzeptable und gute Lösung im Suchraum der möglichen Messpläne gefunden wird. Das Hauptziel der Optimierung ist die Maximierung der vermessenen Oberfläche mit einer guten Messqualität, bei gleichzeitiger Reduzierung der notwendigen einzelnen Messpositionen. Vorteilhafte Ausgestaltungen des Verfahrens sind durch die Unteransprüche gegeben.

Vorzugsweise wird der Messplan für die Vermessung mit einem flächenhaft messenden, insbesondere optisch messenden Messsensor erstellt.

Vorzugsweise liegt der 3D-Grobdatensatz als Herstellungsdatensatz vor. Der 3D-Grobdatensatz kann beispielsweise aus gängigen Konstruktionsprogrammen, wie z.B. CATIA, ProEngineer oder AutoCAD exportiert werden, so dass der 3D-Grobdatensatz insbesondere in Form von CAD- oder STL-Daten vorliegt. Alternativ oder ergänzend kann vorgesehen sein, dass der 3D-Grobdatensatz über eine vorhergehende Grobvermessung des 3D-Messobjekts ermittelt wird.

Das aus dem 3D-Grobdatensatz erzeugte oder aus dem Konstruktionsprogramm exportierte Finite-Elemente-Modell ist vorzugsweise als Oberflächennetz ausgebildet, insbesondere sind die finiten Elemente als Dreiecke mit geradlinigen oder gekrümmten Seiten oder als Parallelogramme realisiert.

Es liegt eine bevorzugte Umsetzung des Verfahrens vor, wenn die theoretischen Messpositionen von den finiten Elementen abgeleitet werden, indem der Schwerpunkt des finiten Elements und/oder die Mittenpositionen der begrenzenden Seitenkanten der finiten Elemente und/oder die Ecken der finiten Elemente gesucht wird bzw. werden. Insbesondere kann vorgesehen sein, dass die theoretischen Messpositionen in einen definierten Abstand und außerhalb von dem 3D-Messobjekt gelegt werden, wobei die theoretischen Messpositionen auf einer Oberflächennormalen des 3D-Messobjekts liegen, die ihre Fußpunkte jeweils in einem Schwerpunkt oder einer Mittenposition eines finiten Elements haben.

Bei einer bevorzugten Weiterbildung des Verfahrens ist vorgesehen, dass die aus einer Mittenposition einer Seitenkante abgeleitete Messposition auf einer Gerade angeordnet ist, die durch die Mittenposition selbst und dem Schnittpunkt der Normalengeraden, die jeweils durch die Schwerpunkte der an die Seitenkante angrenzenden Dreiecke verlaufen, definiert sind.

Falls sich aus geometrischen Gründen ein derartiger Schnittpunkt nicht ergeben sollte, ist es alternativ oder zusätzlich auch denkbar, dass die aus einer Mittenposition einer Seitenkante abgeleitete Messposition dadurch erzeugt wird, indem die Messposition auf einer Geraden angeordnet ist, die durch die Mittenposition selbst verläuft und die senkrecht zu der begrenzenden Seitenkante angeordnet ist. Der verbleibende Neigungswinkel zur vollständigen Definition der Geraden wird als die Winkelhalbierende des Winkels, den die beiden angrenzenden finiten Elemente einschließen, berechnet.

Zusätzlich oder Alternativ dazu besteht auch die Möglichkeit, dass Messpositionen an Kanten von aufeinander treffenden finiten Elementen erzeugt werden, wobei eine Messposition dabei durch den Eckpunkt selbst verläuft und der verbleibende Neigungswinkel zur vollständigen Definition einer Geraden als Winkelhalbierende aller unterschiedlichen Normalenvektorenwinkel der angrenzenden finiten Elemente berechnet wird.

Die derart erzeugten Messpositionen weisen den Vorteil auf, dass konkave Oberflächengeometrien des 3D-Messobjekts optimal vermessen werden wie nachfolgend beispielhaft erläutert ist. Einschränkungen ergeben sich lediglich durch die physikalischen Grenzen des Messsystems. Betrachtet man beispielsweise einen Ausschnitt des 3D-Messobjekts, bei dem zwei finite Elemente mit einem Winkel von mehr als +/– 90° aneinandergrenzen. Bei einer Auswahl von Messpositionen, die nur durch Normalengeraden durch die Schwerpunkte gebildet werden, werden zwei Messpositionen abgeleitet, wobei bei jeder Messposition der Bereich des einen finiten Elements mit einem Messwinkel von 90° (d.h. parallel zur Normalengeraden) und der Bereich des anderen finiten Elements mit einem Messwinkel von 0° erfasst wird. Letztgenannter Bereich ist aufgrund der physikalischen Grenzen des Messsystems nicht messbar. Wird dagegen eine Messposition von der Mittenposition einer gemeinsamen Seitenkante der beiden finiten Elemente wie oben beschrieben abgeleitet, so werden die Bereiche beider finiten Elemente mit einem Messwinkel von 45° aufgenommen.

In einem vorbereitenden Schritt kann vorgesehen sein, dass aus den theoretischen Messpositionen nicht messbare Messpositionen aussortiert werden. Es werden beispielsweise Messpositionen aussortiert, die eine Messung von unten auf die Standfläche des 3D-Messobjekts oder auf Kanten mit einem Winkel von größer als 90 Grad bedingen.

Bei einer bevorzugten Ausführung des Verfahrens wird als Population und/oder Ausgangspopulation – nachfolgend zusammenfassend Population genannt – für den genetischen Algorithmus eine Vielzahl von Messplänen als Lösungskandidaten verwendet. Die Population wird vorzugsweise zufällig erzeugt, insbesondere indem die Messpositionen innerhalb eines Messplans zufällig gesetzt werden. Es kann jedoch auch vorgesehen sein, dass die Lösungskandidaten der Population bestimmte Bedingungen erfüllen müssen, wie zum Beispiel, dass diese eine Mindestanzahl und/oder Maximalanzahl von Messpositionen aufweisen müssen. Derartige Bedingungen können automatisiert erstellt und/oder vom Anwender vorab eingestellt oder festgelegt werden.

Vorzugsweise ist vorgesehen, dass die Population in dem genetischen Algorithmus mehrere Generationen durchläuft, wobei sie Rekombinationsprozessen und/oder Mutationsprozessen und/oder Selektionsprozessen unterworfen ist. Bei den Rekombinationsprozessen werden neue Individuen (Lösungskandidaten der nächsten Generation) aus den selektierten Eltern (Lösungskandidaten aus der aktuellen Generation) erzeugt, indem über eine Kreuzung (Crossover) Bruchstücke der Elternmesspläne ausgetauscht werden. Bei den Mutationsprozessen werden insbesondere einzelne Messpositionen eines Messplans gegen nicht in dem Messplan enthaltene Messpositionen getauscht. Die Mutation dient zum Einbringen von neuen bzw. bereits aussortierten Messpositionen. Der Selektionsprozess ermittelt die Zulassung von Individuen (Lösungskandidaten) zur Reproduktion. Die Selektion erfolgt insbesondere zufallsgesteuert (stochastische Selektion) und/oder entsprechend dem Prinzip der natürlichen Auslese, wobei bessere Lösungskandidaten öfters bzw. mit größerer Wahrscheinlichkeit ausgewählt werden als schlechtere. Die Bewertung als besserer oder schlechterer Lösungskandidat erfolgt insbesondere mit Hilfe einer Bewertungsfunktion (Fitnessfunktion), die nachfolgend noch erläutert wird.

Bei einer vorteilhaften Weiterbildung des Verfahrens wird bei der Anwendung des genetischen Algorithmus eine Bewertungsfunktion genutzt. Die Bewertungsfunktion bestimmt insbesondere die „Fitness" der Lösungskandidaten und ermöglicht eine Aussage über die Güte der Lösungskandidaten. Insbesondere wird die Bewertungsfunktion auch bei den Selektionsprozessen eingesetzt. Die Bewertungsfunktion beurteilt lokale Kriterien, also Kriterien, die sich auf eine einzelne Messpositionen beziehen, und globale Kriterien, also Kriterien, die sich auf die Kombination aller Messpositionen eines Messplans (Lösungskandidaten) beziehen.

Insbesondere kann vorgesehen sein, dass zur Auswertung der Bewertungsfunktion in einem vorbereitenden Schritt die Messung von allen Messpositionen eines Messplans (Lösungskandidaten) simuliert wird, um simulierte Messansichten von den einzelnen Messpositionen zu erhalten.

Als lokales Kriterium wird die einzelne Messansicht und/oder Messposition beurteilt. Die Beurteilung umfasst beispielsweise eine Prüfung welche Bereiche, also welche finiten Elemente, insbesondere Dreiecke, des Finite-Elemente-Modells, von der jeweiligen Messposition und/oder in der jeweiligen Messansicht erfasst werden. Die Beurteilung umfasst optional eine Prüfung, ob die Messansicht überhaupt messbar ist und/oder eine Bewertung der Qualität der Messung, beispielsweise durch Überprüfung der gradmäßigen Abweichung zwischen gemessener Fläche und dem einzusetzenden Messsensor. Soweit das 3D-Messobjekt mit Messmarken versehen ist und insbesondere deren Position bekannt ist, umfasst diese Beurteilung – ebenfalls optional – eine Kontrolle auf die Anzahl der Messmarken in der Messansicht. Je mehr Messmarken in der jeweiligen Messansicht erfasst werden, desto höher wird die Qualität der Messansicht beurteilt. Beispielsweise kann vorgesehen sein, dass Messansichten mit weniger als vier Messmarken als nicht nutzbar eingestuft werden und im weiteren beispielsweise durch einen Mutationsprozess eliminiert werden und dementsprechend in den Messplänen (Lösungskandidaten) nicht mehr auftauchen. Andererseits kann vorgesehen sein, dass Messansichten mit einer Anzahl von sechs bis sieben Messmarken als nicht mehr steigerbar eingestuft werden und ein entsprechendes positives Bewertungsmaß erhalten. Die Beurteilung kann durch Ermittlung verschiedener Qualitätsfaktoren für die jeweiligen Kriterien umgesetzt werden.

Als globales Kriterium wird die Kombination der einzelnen Messansichten und/oder Messpositionen beurteilt. Die Beurteilung umfasst beispielsweise eine Prüfung auf Vollflächigkeit, die insbesondere durch den Vergleich der einzelnen Messansichten miteinander erzielt wird. Ein Messplan (Lösungskandidat) wird dabei abgewertet, wenn finite Elemente, insbesondere Dreiecke, mehr als einmal gemessen werden, da dies eine Verschwendung von Messzeit darstellen würde, und/oder gar nicht von der Gesamtheit der Messansichten erfasst werden, da das Ziel der Vollflächigkeit nicht erreicht ist. Vollflächigkeit bedeutet, dass die gesamte messbare Oberfläche des 3D-Messobjekts von der simulierten Messung eines Messplans (Lösungskandidaten) erfasst ist. Die Beurteilung umfasst optional eine Prüfung auf die Anzahl der Messpositionen und/oder Messungen innerhalb eines Messplans, da diese niedrig zu halten ist, um die spätere Messzeit zu minimieren. Je geringer die Anzahl der Messungen und/oder der Messpositionen ist, desto besser wird der Messplan (Lösungskandidat) beurteilt.

Durch den Einsatz von genetischen Algorithmen in Verbindung mit einer entsprechenden Bewertungsfunktion ist es also möglich, einen optimalen Messplan mit einzelnen Messpositionen durch die geschickte Kombination verschiedener einzelner Messpositionen zu generieren. Dabei wird sowohl die Qualität einer Messposition als auch die Vollständigkeit der zu vermessenden Oberfläche des 3D-Messobjekts berücksichtigt. Mehrfachmessungen von Oberflächenteilen werden vermieden.

Bei einer einfachen Ausführungen des Verfahrens wird ein über einen genetischen Algorithmus ausgewählter Messplan in ein Messprogramm umgesetzt und an einen Manipulator mit einem Sensorsystem übergebenen, der die einzelnen Messpositionen anfährt und die Messungen durchführt.

In Weiterführung des erfinderischen Gedankens ist als mögliche Ergänzung vorgesehen, dass die Anwendung des genetischen Algorithmus iterativ erfolgt, wobei insbesondere vorgesehen ist, dass in jedem Iterationsschritt das 3D-Messobjekt vermessen und unter Berücksichtigung der Messung ein neuer Messplan unter Anwendung des genetischen Algorithmus erstellt wird. Dieses Vorgehen führt zu einer iterativen Optimierung und Verbesserung des erstellten Messplans (Lösungskandidaten) durch Berücksichtigung der Ergebnisse einer erfolgten Messung. Derartige zu berücksichtigende Ergebnisse einer Messung sind beispielsweise fehlerhaft gemessene Messbereiche, nicht gemessene Messbereiche und/oder in Realität nicht ermittelte Messdaten. Diese Ergebnisse fließen in den Vorgang der iterativen Neuerstellung des Messplans (Lösungskandidaten) ein. Ziel der iterativen Optimierung ist es also, einen Messplan mit weiteren Messpositionen zu finden, um ein noch nicht vollständig erfasstes 3D-Messobjekt vollflächig zu vermessen.

Eine mögliche Ausführung der iterativen Optimierung ist gegeben, indem in einem oder jedem Iterationsschritt der 3D-Grobdatensatz durch tatsächlich ermittelte Messwerte gebildet und/oder ergänzt und/oder verbessert wird. Mit diesem Vorgehen wird der genetische Algorithmus bei jedem Iterationsschritt auf einer verbesserten Datenbasis aufgesetzt und kann folglich zu einem besseren Ergebnis führen.

Eine mögliche Umsetzung der Berücksichtigung der Messergebnisse erfolgt, indem überprüft wird, ob jedem finiten Element mindestens ein Messwert zugeordnet werden kann.

Vorzugsweise ist vorgesehen, dass finiten Elementen, denen keine ermittelten Messwerte zugeordnet werden können, den Ausgangspunkt für den nächsten Iterationsschritt bilden. So können diese finiten Elemente ohne zugeordnete ermittelte Messwerte bei der Erzeugung der Ausgangspopulation und/oder bei der Bewertungsfunktion bevorzugt berücksichtigt werden. Dies kann beispielsweise erfolgen, indem eine Ausgangspopulation gebildet wird, bei der jeder Messplan (Lösungskandidat) die finiten Elemente ohne zugeordnete ermittelte Messwerte enthält oder, indem die Bewertungsfunktion Messpläne (Lösungskandidaten) positiv beurteilt, wenn die Messpläne die finiten Elemente ohne zugeordnete ermittelte Messwerte enthalten.

Bei einer bevorzugten Weiterbildung des Verfahrens ist vorgesehen, dass durch einen Vergleich der tatsächlich ermittelten Messwerte und den durch eine Simulation der Messung aus den jeweiligen Messpositionen theoretisch zu erwartenden Messwerten ein Plausibilitätstest durchgeführt wird. Insbesondere wird anhand des Plausibilitätstests geprüft, ob Bereiche, die in dem 3D-Grobdatensatz vorhanden sind bei dem 3D-Messobjekt fehlen. Sollten derart fehlende Bereiche durch den Plausibilitätstest festgestellt werden, so bilden diese Bereiche einen Ausgangspunkt für den nächsten Iterations schritt mit der möglichen Folge, dass – wie oben beschrieben – diese Bereiche bei der Erzeugung der Ausgangspopulation und/oder bei der Bewertungsfunktion bevorzugt berücksichtigt werden.

Es ist möglich, dass in jedem Iterationsschritt ein Messplan ermittelt wird, der das 3D-Messobjekts vollflächig vermisst. Alternativ ist es möglich, dass in jedem Iterationsschritt ein Messplan ermittelt wird, der ausschließlich Messpositionen zur Vermessung der noch fehlenden und/oder fehlerhaft gemessenen Bereiche enthält.

In einer besonders vorteilhaften Ausführung der iterativen Optimierung werden in einem oder jedem Iterationsschritt tatsächliche Messbereiche mit nicht erfolgreich ermittelten Messwerten in Cluster zusammengefasst. Hierdurch werden Messbereichscluster gebildet, denen zum Beispiel mittels eines Expertensystems ein Fehlergrund für die fehlerhafte Messung zugeordnet wird. Diese optionale Ausführung des Verfahrens geht von der Überlegung aus, dass es Messbereichscluster geben kann, in denen aus den vorgegebenen Messpositionen keine verwertbaren Messungen durchgeführt werden können, z.B. auf Grund von Reflexionen, Schattenbereichen und/oder Spiegelungen. Nach der automatischen Zuordnung eines Fehlergrundes durch das Expertensystem können standardisierte Fehlerroutinen eingesetzt werden, um Fehler in einer neuen Messung zu vermeiden. Eine mögliche Fehlerroutine wäre zum Beispiel, Messpositionen, die zu nicht verwertbaren Messungen geführt haben, in dem nächsten Iterationsschritt bei der Erstellung des Messplans zu eliminieren und/oder bei der Bewertung negativ zu bewerten.

Die iterative Optimierung eröffnet in einer Weiterbildung des Verfahrens die Möglichkeit, unvollständige 3D-Grobdatensätze, insbesondere Herstellungsdatensätze, zu ergänzen. Es wird dabei von Überlegungen ausgegangen, dass das zu vermessende 3D-Messobjekt nicht dem 3D-Grobdatensatz entspricht. So können Bereiche fehlen (z.B. durch gebohrte Löcher) oder unvorhergesehene Bereiche hinzugekommen sein (z.B. durch einen Anbau oder einen aufgeschweißten Bolzen etc.).

Fehlende Bereiche werden durch die Zuordnung der Messwerte zu den finiten Elementen erkannt und wie oben bereits erläutert automatisiert nachgemessen. Hinzugekommene Bereiche werden erkannt, indem der Abstand zwischen einem ermittelten Messwert und der Oberfläche des Finite-Elemente-Modells bestimmt wird und dieser Abstand mit einem festgelegten Toleranzabstand verglichen wird. Liegt ein oder mehrere bereits erfasste Messpunkte vor der erwarteten Fläche in einem Abstand größer als die festgelegte Toleranz, so wird der Messpunkt oder die Gruppe der Messpunkte als zusätzlicher unvorhergesehener Bereich identifiziert. Zur Vermeidung von Fehlinterpretationen kann vorgesehen sein, dass einzelne Messpunkte als Ausreißer verworfen und nur Gruppen von Messpunkten als zusätzlicher Bereich erkannt werden. Soweit die Geometrie der Gruppe von Messpunkten nicht zu sehr entartet ist, also soweit die Gruppe der Messpunkte zusammenhängend sein kann, werden die Punkte durch eine Triangulierung (Dreiecksvernetzung) miteinander verbunden. Des Weiteren werden auch Verbindungen (weitere Dreiecksvernetzungen) mit dem vorhandenen 3D-Grobdatensatz, insbesondere dem Herstellungsdatensatz, durchgeführt und dieser um die hinzugekommenen Bereiche datentechnisch ergänzt und/oder verbessert.

Bei einer vorteilhaften Weiterbildung des Verfahrens wird der Detaillierungsgrad des Messplans und somit der nachfolgenden Messung durch den Detaillierungsgrad des 3D-Grobdatensatzes eingestellt. Hierbei ist beispielsweise vorgesehen, dass die finiten Elemente so gewählt sind, dass sie jeweils eine große Fläche abdecken, um eine schnelle und oberflächliche Messung durchzuführen, oder dass die finiten Elemente so gewählt sind, dass sie jeweils eine kleine Fläche abdecken, um auch Oberflächendetails genau zu erfassen.

Zur Verbesserung des Verfahrens können über die Geometrie des 3D-Messobjekts, wie sie in dem Finite-Elemente-Modell hinterlegt ist, Kennzahlen für die Komplexität des 3D-Messobjekts abgeleitet werden. Diese Kennzahlen können zur Initialisierung des genetischen Algorithmus, insbesondere für Randbedingungen für die Ausgangspopulation, genutzt werden. Eine beispielhafte Ausführung dieser grundlegenden Idee ist, als Kennzahl eine Abschätzung über die notwendige Anzahl von benötigten Messansichten für eine vollflächige Vermessung des 3D-Messobkets zu verwenden.

Zur Festlegung der Anzahl von Messansichten n wird wie folgt verfahren: Es wird die Gesamtfläche ΣO aller sichtbaren Dreiecksfacetten des Finite-Elemente-Modells berechnet. Dieser Wert wird durch einen festgelegten Anteil der durch das Messsystem aufgespannten Messfläche geteilt. Die Messfläche beträgt dabei A = vx·Vy. Das Ergebnis ergibt die minimal notwendige Anzahl an Messpositionen, um die reine Oberfläche zu erfassen. Zu diesem Ergebnis wird eine zusätzliche Menge an Messpositionen addiert, um die Komplexität des 3D-Messobjekts zu berücksichtigen. Dieser zusätzliche Term ergibt sich als Quotient aus der Gesamtlänge aller detektierten Kanten ΣLänge(M_Kanten)geteilt durch die Messfelddiagonale. Dabei werden Kanten derart definiert, sodass im Falle zweier benachbarter finiter Elemente deren Normalenvektoren einen vorbestimmten Mindestwinkelunterschied aufweisen müssen, beispielsweise 45 Grad aufweisen.

Diese Kennzahl erlaubt eine Initialisierung der potenziellen Messpläne (Lösungskandidaten) mit einer angepassten Mengen an Messpositionen, abhängig vom Term der Oberfläche und dem Term zur Bestimmung der Länge an komplexen Kanten an dem 3D-Messobjekt. Die Komplexität des 3D-Messobjekts wird abhängig von den Messsystemeigenschaften indirekt berücksichtigt. Erfahrungen haben gezeigt, dass der so berechnete Wert eine sehr gute stabile Annäherung an den Zielwert der notwendigen Messpositionen ergibt. Vorteilhafterweise ist der berechnete Wert im wesentlichen unabhängig vom Detaillierungsgrad des 3D-Grobdatensatzes.

Bei einer besonders vorteilhaften Ausbildung des Verfahrens ist vorgesehen, dass über den Einsatz der Photogrammetrie eine hochgenaue Positionsbestimmung der Messpositionen möglich ist und zwar ohne Verwendung der Roboterposition. Somit ist das Verfahren auch mit groben, ungenauen Robotermanipulatoren einsetzbar. Vorzugsweise ist vorgesehen, dass auf dem 3D-Messobjekt Messmarken zur Unterstützung der Positionsbestimmung und für das Zusammenfügen von einzelnen Messansichten vorgesehen sind.

Die Aufgabe wird ferner mit einer Vorrichtung nach Anspruch 20 gelöst, der Unteranspruch 21 betrifft eine vorteilhafte Ausgestaltung.

Die Vorteile der Erfindung in den verschiedenen Ausführungen und Weiterbildungen liegen zusammengefasst darin, dass eine volle Automatisierbarkeit optischer Messaufgaben möglich ist und keine individuellen Messprogramme für die Sensorpositionierung benötigt werden, dass das Verfahren und die Vorrich tung vor allem für sich wechselnde (nicht ähnliche und nicht gleiche) Bauteile, insbesondere für Einzelstücke, einsetzbar ist, dass eine automatische, intelligente und flexible optische Vermessung von Bauteilen möglich ist und zwar ohne manuelles oder geteachtes Umpositionieren des Sensors, und dass die Messungen ohne hohen Personalaufwand und ohne hohes Fachwissen des Bedienpersonals möglich sind.

Weitere Einzelheiten, Merkmale, Merkmalskombinationen, Vorteile und Wirkungen auf der Basis der Erfindung ergeben sich aus der nachfolgenden Beschreibung eines bevorzugten Ausführungsbeispiels der Erfindung und aus den Zeichnungen. Diese zeigen jeweils in schematischer Darstellung:
1 ein Ablaufdiagramm eines ersten Ausführungsbeispiels des Verfahrens;
2 ein Blockdiagramm zur weiteren Illustration des Verfahren in 1.
Die 1 zeigt ein Ablaufdiagramm eines ersten Ausführungsbeispiels des Verfahrens. In einem ersten Schritt wird, insbesondere in der Konstruktion, ein CAD-Datensatz 1 erarbeitet, der die Konstruktionsdaten für das 3D-Messobjekt enthält. Bei dem Ausführungsbeispiel in 1 wurde als 3D-Messobjekt ein Fahrzeug gewählt. Der CAD-Datensatz 1 wird über bekannte Verfahren in einen STL-Datensatz 2 überführt, der das 3D-Messobjekts als Finite-Elemente-Modell repräsentiert. Als finite Elemente kommen Dreiecke zum Einsatz. Aus dem STL-Datensatz 2 wird mittels Rapid Prototyping 3 das reale Bauteil, in diesem Fall das Fahrzeug, aufgebaut. Das realisierte 3D-Messobjekt wird in einem nächsten Schritt 4 nach einem Messplan vermessen, wobei zur Erzeugung des Messplans ein Verfahren benutzt wird, wie es ausführlich in der vorausgehenden Beschreibung offenbart ist. Insbesondere wird bei der Erstellung des Messplans der STL-Datensatz 2 verwendet sowie ein genetischer Algorithmus eingesetzt. Nach erfolgreicher Vermessung des 3D-Messobjekts liegt eine Punktewolke 5 vor, wobei jeder Punkt der Punktewolke 5 einen Messwert repräsentiert. Die Gesamtheit der Messwerte der Punktewolke 5 wird in einem letzten Schritt mit den Daten des CAD-Datensatzes 1 verglichen. Auf diese Weise wird ein Soll-Ist-Vergleich von dem realisierten 3D-Messobjekt und dem CAD-Datensatz durchgeführt. Fertigungsfehler und -toleranzen können durch den Vergleich erkannt werden.
Die 2 zeigt ein Blockdiagramm zur Illustration des Verfahrens zur Erstellung eines Messplans wie es bei dem Ablauf in 1 zum Einsatz kommt. Es wird dabei von einem Herstellungsdatensatz des 3D-Messobjekts ausgegangen, der im STL-Datensatzformat vorliegt. Auf Basis des STL-Datensatzes werden Messpositionen generiert und zwar Messpositionen auf Flächen, an Kanten und an Ecken des 3D-Messobjekts. Diese Messpositionen bilden die Gesamtheit aller möglichen Messpositionen. In dem nächsten Schritt wird eine Simulation der Messung aus allen möglichen Messpositionen durchgeführt. Als weitere Eingangsgrößen für die Messung liegen Koordinaten von Messmarken vor, die auf dem 3D-Messobjekt angeordnet sind, und Daten der Messsystemkalibrierung. Die Daten der Messsystemkalibrierung umfassen insbesondere Informationen über das durch das Messsystem aufgespannte Messfeld. Die Ergebnisse der Simulation werden als Eingangsinformationen für einen Optimierungsalgorithmus genutzt, der genetische Algorithmen zur Optimierung nutzt. Als Ergebnis der Optimierung wird ein Messplan mit ausgewählten Messpositionen erzeugt, der in ein Roboterprogramm zur Ansteuerung eines Messroboter umgesetzt wird.

Claims

Verfahren zur Erstellung eines Messplans zur Vermessung eines 3D-Messobjekts, wobei aus einem 3D-Grobdatensatz des 3D-Messobjekts ein Finite-Elemente-Modell erzeugt wird, wobei aus den finiten Elementen theoretische Messpositionen abgeleitet werden, wobei ausgehend von den theoretischen Messpositionen automatisiert ein Messplan mit tatsächlichen Messpositionen erstellt wird, dadurch gekennzeichnet, dass der Messplan unter der Verwendung von genetischen Algorithmen erstellt wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass der 3D-Grobdatensatz als Herstellungsdatensatz beispielsweise in Form von CAD- oder STL-Daten vorliegt oder dass der 3D-Grobdatensatz über eine vorhergehende Grobvermessung des 3D-Messobjekts ermittelt wurde.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Finite-Elemente Modell als Oberflächennetz ausgebildet ist und/oder dass die finiten Elemente als Dreiecke oder Parallelogramme ausgebildet sind.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die theoretischen Messpositionen auf Basis der Schwerpunkte der finiten Elemente und/oder auf Basis der Mittenposition der Seitenkanten der finiten Elemente und/oder auf der Basis der Ecken der finiten Elemente bestimmt werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass vor der Erstellung des Messplans nicht messbare Messpositionen aus den theoretischen Messpositionen aussortiert werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass als Population und/oder Ausgangspopulation für den genetischen Algorithmus eine Vielzahl von Messplänen verwendet wird, wobei insbesondere vorgesehen ist, dass die Population und/oder die Ausgangspopulation über mehrere Generationen Rekombinationsprozessen und/oder Mutationsprozessen und/oder Selektionsprozessen unterworfen ist.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass bei der Anwendung des genetischen Algorithmus eine Bewertungsfunktion, insbesondere zur Selektion, eingesetzt wird, die lokale und globale Kriterien der Messpläne bewertet, wobei die lokalen Kriterien auf die einzelne Messposition bezogen sind und die globalen Kriterien auf die Kombination aller Messpositionen eines Messplans bezogen sind.
Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass bei den lokalen Kriterien die Größe des messbaren Bereichs, insbesondere die Anzahl der erfassten finiten Elemente, und/oder die Messmöglichkeit aus der Messposition und/oder die Anzahl von auf dem 3D-Messobjekt angebrachten Messmarken berücksichtigt werden.
Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass bei den globalen Kriterien die Vollflächigkeit und/oder die Überdeckung der Messungen aus den Messpositionen und/oder die Anzahl der Messpositionen berücksichtigt werden.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die Anwendung des genetischen Algorithmus iterativ erfolgt, wobei insbesondere vorgesehen ist, dass in jedem Iterationsschritt das 3D-Messobjekt vermessen wird und unter Berücksichtigung der Messung ein neuer Messplan erstellt wird.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass in einem oder jedem Iterationsschritt der 3D-Grobdatensatz durch tatsächlich ermittelte Messwerte ergänzt und/oder verbessert wird.
Verfahren nach Anspruch 10 oder 11, dadurch gekennzeichnet, dass in einem oder jedem Iterationsschritt die Vollständigkeit der Messung überprüft wird, vorzugsweise indem die tatsächlich ermittelten Messwerte den finiten Elementen zugeordnet werden und finite Elemente ohne zugeordnete Messwerte gesucht werden.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass finite Elemente ohne zugeordnete Messwerte den Ausgangspunkt für den nächsten Iterationsschritt bilden, insbesondere bei der Erzeugung der Ausgangspopulation und/oder der Bewertungsfunktion bevorzugt berücksichtigt werden.
Verfahren nach einem der Ansprüche 12 oder 13, dadurch gekennzeichnet, dass in einem oder jedem Iterationsschritt der Messplan nur für finite Elemente ohne zugeordnete Messwerte erstellt wird und/oder nur Bereiche des 3D-Messobjekts mit finiten Elementen ohne zugeordnete Messwerte vermessen werden.
Verfahren nach einem der Ansprüche 10 bis 14, dadurch gekennzeichnet, dass in einem oder jedem Iterationsschritt Messpositionen von nicht erfolgreich ermittelten Messwerten in Cluster zusammengefasst werden.
Verfahren nach Anspruch 15, dadurch gekennzeichnet, dass jedem Cluster mittels eines Expertensystems ein Fehlergrund zugeordnet wird und bei der Ermittlung eines neuen Messplans der Fehlergrund berücksichtigt wird.
Verfahren nach einem der Ansprüche 10 bis 16, dadurch gekennzeichnet, dass der 3D-Grobdatensatz um hinzugekommene Bereiche ergänzt wird, indem der Abstand von tatsächlich gemessenen Messpunkten und der Oberfläche des Finite-Elemente-Modells ermittelt wird und bei Überschreitung eines Toleranzwertes ein hinzugekommener Bereich identifiziert wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Detaillierungsgrad des Messplans über den Detaillierungsgrad des 3D-Grobdatensatzes eingestellt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass aus dem Finite-Elemente-Modell Kennzahlen abgeleitet werden, die zur Initalisierung des genetischen Algorithmus genutzt werden, wobei insbesondere vorgesehen ist, dass als Kennzahl die abgeschätzte Anzahl von Messpositionen in einem Messplan zur vollflächigen Vermessung des 3-D-Messobjekts eingesetzt wird.
Vorrichtung zur Messplanerstellung welches mit einem flächenhaft messenden Messsensor verbindbar und/oder verbunden ist, dadurch gekennzeichnet, dass die Vorrichtung programmtechnisch und/oder schaltungstechnisch zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 19 ausgebildet ist.
Vorrichtung nach Anspruch 20, dadurch gekennzeichnet, dass der Messsensor optisch messend ausgebildet ist und insbesondere als eine oder mehrere Kameras und vorzugsweise zugeordnete Beleuchtungseinrichtung realisiert ist.