【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及視覺檢測(cè)測(cè)量，具體為一種白車身鈑金件孔類特征視覺檢測(cè)方法及系統(tǒng)。
技術(shù)介紹
1、21世紀(jì)的中國(guó)汽車制造業(yè)正處在快速和多樣化發(fā)展的特殊時(shí)期。隨著汽車市場(chǎng)的激烈競(jìng)爭(zhēng)，對(duì)新車型的迭代速度及產(chǎn)品質(zhì)量也提出了新的要求。而白車身是整車制造的核心要素，制造成本約占整車制造成本的50％。其主要由鈑金件組成，經(jīng)多道裝配工序焊裝而成。白車身鈑金件制造工藝通常是薄板件沖壓，受到?jīng)_壓零件制造偏差、焊接零件變形、工裝定位不準(zhǔn)及焊接操作誤差等因素的影響，不可避免地會(huì)產(chǎn)生尺寸偏差。在現(xiàn)代汽車制造工業(yè)中，檢測(cè)是機(jī)械制造的“眼睛”，對(duì)白車身鈑金件進(jìn)行高效、準(zhǔn)確的在線檢測(cè)已經(jīng)成為確保產(chǎn)品質(zhì)量和提升生產(chǎn)效率的關(guān)鍵環(huán)節(jié)。
2、孔類特征是鈑金件中及其重要且常見的待測(cè)特征，其主要功能為定位或裝配，其通常包括圓孔或異形孔特征，廣泛應(yīng)用于各種白車身、法蘭等用于定位或連接零件中。這些裝配特征通常制造精度較高，因此它們的裝配特征參數(shù)偏差可反映白車身焊接過程中產(chǎn)生的尺寸誤差，進(jìn)而評(píng)價(jià)工件質(zhì)量。因此白車身鈑金件孔類特征的在線測(cè)量是尺寸檢測(cè)中的一項(xiàng)重要內(nèi)容。進(jìn)一步的無論是孔類還是非孔類，都涵蓋了尺寸、位置及姿態(tài)等多個(gè)維度。圓孔特征的測(cè)量主要關(guān)注其本身的尺寸、在零件坐標(biāo)系下的精確位置及其姿態(tài)。而非孔類特征，則主要聚焦于其形狀及位置度的準(zhǔn)確性。不論是哪種特征，二維和三維兩個(gè)維度的測(cè)量都是不可或缺的。
3、綜合白車身鈑金件結(jié)構(gòu)特點(diǎn)，考慮檢測(cè)方式、自動(dòng)化程度、數(shù)據(jù)獲取手段，目前汽車制造業(yè)中應(yīng)用的測(cè)量技術(shù)主要分為接觸式測(cè)量，非接觸式測(cè)量?jī)纱箢悺?/p>
5、隨著機(jī)器視覺的迅猛發(fā)展，非接觸式測(cè)量已開始應(yīng)用到工業(yè)檢測(cè)中，形成了一種新的現(xiàn)代視覺測(cè)量技術(shù)。非接觸式的視覺測(cè)量?jī)?yōu)勢(shì)在于其非接觸性和快速性。相較于傳統(tǒng)的接觸式測(cè)量方法，視覺測(cè)量無需與待測(cè)物體直接接觸，避免了因接觸而產(chǎn)生的誤差和損傷。同時(shí)，通過高速攝像機(jī)和圖像處理算法，可以快速獲取物體圖像信息，大大提高了測(cè)量效率。
6、采用結(jié)構(gòu)光相機(jī)，快速獲得被測(cè)零件表面大量密集的空間三維點(diǎn)云，對(duì)待測(cè)特征參數(shù)進(jìn)行高精度擬合提取參數(shù)。同時(shí)搭配工業(yè)機(jī)器人可以從多個(gè)視角獲取需要的工件表面點(diǎn)云數(shù)據(jù)。比較適合于白車身鈑金零件等，待測(cè)特征的測(cè)量要素復(fù)雜結(jié)構(gòu)復(fù)雜，弱剛性零件的現(xiàn)場(chǎng)快速測(cè)量，實(shí)現(xiàn)白車身鈑金件待測(cè)特征參數(shù)在線測(cè)量系統(tǒng)的高效、高精度要求。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述存在的問題，提出了本專利技術(shù)。
2、因此，本專利技術(shù)解決的技術(shù)問題是：傳統(tǒng)的接觸式測(cè)量誤差大、效率低、重復(fù)性差以及視覺相機(jī)的非接觸式測(cè)量存在特征輪廓采集不全的問題。
3、為解決上述技術(shù)問題，本專利技術(shù)提供如下技術(shù)方案：一種白車身鈑金件孔類特征視覺檢測(cè)方法，包括：利用3d結(jié)構(gòu)光相機(jī)拍白車身鈑金件，獲取拍攝后的白車身鈑金件的點(diǎn)云數(shù)據(jù)集；采用基于包圍盒離散化的點(diǎn)云降采樣算法和基于面狀指數(shù)的邊界鄰域特征點(diǎn)集提取方法，對(duì)點(diǎn)云數(shù)據(jù)集進(jìn)行預(yù)處理；采用基于局部邊界鄰域特征約束的點(diǎn)云配準(zhǔn)算法對(duì)預(yù)處理后的點(diǎn)云集數(shù)據(jù)進(jìn)行點(diǎn)云配準(zhǔn)，得到鈑金工件的完整點(diǎn)云模板；對(duì)點(diǎn)云模塊中的待測(cè)特征進(jìn)行定位并分割提取邊界點(diǎn)，對(duì)提取到的邊界點(diǎn)進(jìn)行孔類特征參數(shù)擬合。
4、作為本專利技術(shù)所述的白車身鈑金件孔類特征視覺檢測(cè)方法的一種優(yōu)選方案，其中：所述基于包圍盒離散化的點(diǎn)云降采樣算法包括，構(gòu)建點(diǎn)云數(shù)據(jù)協(xié)方差矩陣；使用奇異值分解協(xié)方差矩陣得到協(xié)方差矩陣的特征值與特征向量；采用特征向量作為坐標(biāo)軸方向，點(diǎn)云質(zhì)心為坐標(biāo)軸原點(diǎn)，建立點(diǎn)云數(shù)據(jù)集局部坐標(biāo)系，構(gòu)造點(diǎn)云包圍盒；通過感興趣區(qū)域保留內(nèi)部點(diǎn)云數(shù)據(jù)集，根據(jù)統(tǒng)計(jì)濾波算法，對(duì)每個(gè)點(diǎn)的鄰域開展統(tǒng)計(jì)分析，剔除工件表面離散的點(diǎn)云數(shù)據(jù)，再對(duì)剔除后的工件表面點(diǎn)云數(shù)據(jù)進(jìn)行降采樣，得到降采樣后點(diǎn)云集。
5、作為本專利技術(shù)所述的白車身鈑金件孔類特征視覺檢測(cè)方法的一種優(yōu)選方案，其中：所述基于面狀指數(shù)的邊界鄰域特征點(diǎn)集提取方法包括，對(duì)降采樣后的點(diǎn)云數(shù)據(jù)建立k-d樹；建立協(xié)方差矩陣并求解點(diǎn)云數(shù)據(jù)特征值及對(duì)應(yīng)特征向量；利用點(diǎn)云數(shù)據(jù)特征值計(jì)算點(diǎn)云數(shù)據(jù)的面狀指數(shù)提取點(diǎn)云數(shù)據(jù)的邊界點(diǎn)；將原始點(diǎn)云與降采樣后提取到的邊界鄰域點(diǎn)集的歐式距離提取重合部分邊界點(diǎn)，得到原始點(diǎn)云邊界鄰域點(diǎn)集。
6、作為本專利技術(shù)所述的白車身鈑金件孔類特征視覺檢測(cè)方法的一種優(yōu)選方案，其中：所述基于局部邊界鄰域特征約束的點(diǎn)云配準(zhǔn)包括，取原始點(diǎn)云邊界鄰域點(diǎn)集與降采樣后點(diǎn)云集的并集作為點(diǎn)云粗配準(zhǔn)的輸入；將預(yù)處理后的點(diǎn)云數(shù)據(jù)利用機(jī)器人位姿及手眼矩陣完成坐標(biāo)系統(tǒng)一；修改icp算法的輸入，取原始點(diǎn)云邊界鄰域點(diǎn)集與降采樣后點(diǎn)云集，以兩片點(diǎn)云間點(diǎn)的歐式距離簡(jiǎn)單提取重合區(qū)域點(diǎn)云集作為輸入點(diǎn)云；修改目標(biāo)函數(shù)，使目標(biāo)函數(shù)在平面和常曲率曲面上完全收斂，增強(qiáng)算法的針對(duì)性和收斂性。
7、作為本專利技術(shù)所述的白車身鈑金件孔類特征視覺檢測(cè)方法的一種優(yōu)選方案，其中：所述修改目標(biāo)函數(shù)包括，由于點(diǎn)云數(shù)據(jù)存在相互滑動(dòng)的問題，利用高密度且包含定位特征的原始邊界點(diǎn)云集λbd限制滑動(dòng)，修改后的目標(biāo)函數(shù)表示為：
8、
9、其中，e表示目標(biāo)函數(shù)；r表示旋轉(zhuǎn)矩陣；t表示平移矩陣；表示源點(diǎn)云；表示目標(biāo)點(diǎn)云；表示目標(biāo)點(diǎn)云對(duì)應(yīng)的法向量；表示對(duì)應(yīng)的法向量；表示對(duì)pλ向上取整；n表示兩片點(diǎn)云對(duì)應(yīng)點(diǎn)對(duì)的數(shù)量。
10、作為本專利技術(shù)所述的白車身鈑金件孔類特征視覺檢測(cè)方法的一種優(yōu)選方案，其中：所述對(duì)點(diǎn)云模塊中的待測(cè)特征進(jìn)行定位并分割提取邊界點(diǎn)包括，采用基于面狀指數(shù)的邊界鄰域特征點(diǎn)集提取方法，對(duì)局部點(diǎn)云數(shù)據(jù)計(jì)算協(xié)方差矩陣的特征值及特征向量，依據(jù)協(xié)方差矩陣的特征值及特征向量之間的關(guān)系分析其鄰域的幾何特征及狀態(tài)，用于提取孔洞邊界鄰域特征；利用歐式聚類特征邊界鄰域點(diǎn)分割為多個(gè)子集，利用各個(gè)子聚類的整體空間幾何狀態(tài)實(shí)現(xiàn)特征定位；對(duì)獲取的局部特征點(diǎn)云進(jìn)行降維并提取邊界點(diǎn)，用ransac算法對(duì)局部點(diǎn)云數(shù)據(jù)進(jìn)行平面擬合，將點(diǎn)云數(shù)據(jù)投影至擬合平面的局部坐標(biāo)系中，將三維空間點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為二維平面點(diǎn)云數(shù)據(jù)，完成點(diǎn)云數(shù)據(jù)降維；在點(diǎn)云數(shù)據(jù)降維后，采用質(zhì)心約束的alpha?shapes算法提取平面邊界點(diǎn)數(shù)據(jù)。
11、作為本專利技術(shù)所述的白車身鈑金件孔類特征視覺檢測(cè)方法的一種優(yōu)選方案，其中：所述孔類特征參數(shù)擬合包括，使用ransac算法對(duì)孔類特征參數(shù)進(jìn)行擬合圓。
12、第二方面，本專利技術(shù)還提供了白車身鈑金件孔類特征視覺檢測(cè)系統(tǒng)，包括，采集模塊，采用3d結(jié)構(gòu)光相機(jī)多視角拍拍攝白車身鈑金件，獲取拍攝后的多個(gè)點(diǎn)云模塊數(shù)據(jù)集；數(shù)據(jù)計(jì)算模塊，對(duì)采集到的點(diǎn)云數(shù)據(jù)集進(jìn)行預(yù)處理，利用pca算法實(shí)現(xiàn)粗配準(zhǔn)，然后通過改進(jìn)的icp算法進(jìn)行精配準(zhǔn)，得到鈑金工件的完整點(diǎn)云模板；擬合模塊，利用ra本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于，包括：
2.如權(quán)利要求1所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述基于包圍盒離散化的點(diǎn)云降采樣算法包括，構(gòu)建點(diǎn)云數(shù)據(jù)協(xié)方差矩陣；
3.如權(quán)利要求2所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述基于面狀指數(shù)的邊界鄰域特征點(diǎn)集提取方法包括，對(duì)降采樣后的點(diǎn)云數(shù)據(jù)建立k-d樹；
4.如權(quán)利要求3所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述基于局部邊界鄰域特征約束的點(diǎn)云配準(zhǔn)包括，取原始點(diǎn)云邊界鄰域點(diǎn)集與降采樣后點(diǎn)云集的并集作為點(diǎn)云粗配準(zhǔn)的輸入；
5.如權(quán)利要求4所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述修改目標(biāo)函數(shù)包括，由于點(diǎn)云數(shù)據(jù)存在相互滑動(dòng)的問題，利用高密度且包含定位特征的原始邊界點(diǎn)云集Λbd限制滑動(dòng)，修改后的目標(biāo)函數(shù)表示為：
6.如權(quán)利要求5所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述對(duì)點(diǎn)云模塊中的待測(cè)特征進(jìn)行定位并分割提取邊界點(diǎn)包括，采用基于面狀指數(shù)的邊界鄰域特征點(diǎn)集提取方法，對(duì)局部點(diǎn)云數(shù)據(jù)計(jì)算協(xié)方差矩陣的特
7.如權(quán)利要求6所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述孔類特征參數(shù)擬合包括，使用RANSAC算法對(duì)孔類特征參數(shù)進(jìn)行擬合圓。
8.一種采用如權(quán)利要求1～7任一所述方法的白車身鈑金件孔類特征視覺檢測(cè)系統(tǒng)，其特征在于，包括，
9.一種計(jì)算設(shè)備，包括：存儲(chǔ)器和處理器；
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其存儲(chǔ)有計(jì)算機(jī)可執(zhí)行指令，該計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至7任一項(xiàng)所述的方法的步驟。
...【技術(shù)特征摘要】
1.一種白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于，包括：
2.如權(quán)利要求1所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述基于包圍盒離散化的點(diǎn)云降采樣算法包括，構(gòu)建點(diǎn)云數(shù)據(jù)協(xié)方差矩陣；
3.如權(quán)利要求2所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述基于面狀指數(shù)的邊界鄰域特征點(diǎn)集提取方法包括，對(duì)降采樣后的點(diǎn)云數(shù)據(jù)建立k-d樹；
4.如權(quán)利要求3所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述基于局部邊界鄰域特征約束的點(diǎn)云配準(zhǔn)包括，取原始點(diǎn)云邊界鄰域點(diǎn)集與降采樣后點(diǎn)云集的并集作為點(diǎn)云粗配準(zhǔn)的輸入；
5.如權(quán)利要求4所述的白車身鈑金件孔類特征視覺檢測(cè)方法，其特征在于：所述修改目標(biāo)函數(shù)包括，由于點(diǎn)云數(shù)據(jù)存在相互滑動(dòng)的問題，利用高密度且包含定位特征的原始邊界點(diǎn)云集λbd限制滑動(dòng)，修改后的目標(biāo)函數(shù)表示為：
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陸雨薇，尹利釗，姚博煒，王國(guó)棟，李達(dá)人，尚伏艷，
申請(qǐng)(專利權(quán))人：廣西科技大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。