CN105091748B - 轨道车辆公差尺寸测量*** - Google Patents
轨道车辆公差尺寸测量*** Download PDFInfo
- Publication number
- CN105091748B CN105091748B CN201510288961.1A CN201510288961A CN105091748B CN 105091748 B CN105091748 B CN 105091748B CN 201510288961 A CN201510288961 A CN 201510288961A CN 105091748 B CN105091748 B CN 105091748B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- mtd
- msup
- mtr
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种轨道车辆公差尺寸测量***,包括手持式测量设备和三维数据处理单元;手持测量设备,包括DLP投影仪、两台CCD相机、时序控制板、图像采集卡和数据处理器;三维数据处理单元界面,包括点云显示区、点云信息区、命令编辑区和相机显示区。时序控制板分别与数据处理器、两台CCD相机、DLP投影仪相连,DLP投影仪与数据处理器相连,两台CCD摄像机均通过图像采集卡和数据处理器相连。本发明稳定、高效,能够很好地适用于轨道车辆内饰件的尺寸检测,避免了传统方法获得内饰公差尺寸的精度低、速度慢、人工影响因素大等缺点,满足了现代轨道车辆生产的要求。
Description
技术领域
本发明涉及一种轨道车辆公差尺寸测量***,通过引入先进测量方法和修配手段,提高轨道车辆内装质量,属于轨道车辆三维测量技术领域。
背景技术
轨道车辆内饰件装配是轨道车辆生产的重要质量控制项点,其控制水平综合反映了轨道车辆产品开发和质量控制水平,因此成为轨道交通车辆制造企业关注的焦点。轨道车辆制造周期中,产品设计、工艺开发、生产阶段均会对内饰装配尺寸产生较大影响。
随着轨道交通行业的蓬勃发展,各界对轨道车辆的制造要求也越来越高。在国外,意大利的Spanesi公司、瑞典的Caroliner公司开发了汽车车身电子测量***在测量精度、操作性方面具有一定的优势,利用激光、红外线扫描技术可实现对车身三维尺寸的测量,满足了现代汽车维修业对检测技术的新要求。但在国内,智能扫描测量***在轨道车辆车体生产的应用还比较少。而传统的轨道车辆内饰测量方法是通过人工手动测量,测量结果受人为因素影响较多,且测量的效率和精度等都难以满足现代生产周期的要求。
发明内容
目的:为了克服现有技术中存在的不足,本发明提供一种轨道车辆公差尺寸测量***,可以快速高效地测量出轨道车辆内饰公差尺寸。***具备空间尺寸自动化检测技术,能够同时多点测量,可快速高效的获得被测量车辆内饰的三维数据,从而提高装配效率,对整个轨道交通车辆的装配具有重要意义。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种轨道车辆公差尺寸测量***,其特征在于:包括手持式测量设备和三维数据处理单元;
手持测量设备,包括DLP投影仪、两台CCD相机、时序控制板、图像采集卡和数据处理器;
三维数据处理单元界面,包括点云显示区、点云信息区、命令编辑区和相机显示区。
所述的轨道车辆公差尺寸测量***,其特征在于:时序控制板分别与数据处理器、两台CCD相机、DLP投影仪相连,DLP投影仪与数据处理器相连,两台CCD摄像机均通过图像采集卡和数据处理器相连;
所述的轨道车辆公差尺寸测量***,其特征在于:所述两台CCD相机的光心轴与DLP投影仪光心轴的夹角均在20度至60度之间,且测量时保持DLP投影仪与两台CCD相机的相对位置不变。
所述的轨道车辆公差尺寸测量***,其特征在于:所述轨道车辆公差尺寸测量***设置有用于与计算机连接的USB接口。
一种轨道车辆公差尺寸测量方法,采用所述的轨道车辆公差尺寸测量***,包括以下步骤:
(1)测量前,手持测量设备与计算机采用USB接口进行连接,配套的三维数据处理单元安装在计算机中;测量时,使用DLP投影仪向被测物体投射一组光强呈正旋分布的光栅图像,并使用两台CCD相机同时拍摄经被测物体表面调制而变形的光栅图像;
(2)根据相移算法与多频外差解相法得到光栅图像的绝对相位值;根据预先标定的***参数或相位-高度映射关系,从绝对相位值计算出被测物体表面的三维点云数据;
(3)获得被测物体的点云数据后,选择对应软件上的菜单项,计算所需车辆内饰公差尺寸,以消息框的形式显示测量结果。
所述的轨道车辆公差尺寸测量方法,其特征在于:车辆内饰公差尺寸包括:平面度、角度、长度、圆柱圆度。
有益效果:本发明提供的轨道车辆公差尺寸测量***,利用向被测目标对象投射一组光强呈正弦分布的光栅图像,通过相关计算得到被测物体表面的三维点云数据,对三维点云数据进行相关算法处理,得到需要的数据,其中涉及对象的角度、平面度、长度、圆度,也涉及到小型零件的三维检测等。与现有测量车辆内饰公差的方法相比,本发明的优点在于:(1)受人为因素影响小,大大精简了轨道车辆尺寸公差测量的操作步骤,操作简便,检测结果可直观地显示在计算机屏幕上;(2)可采集到传统测量方法测量局部时无法采集到的数据,采集数据效率高;(3)测量尺寸精度高、重复性好。
附图说明
图1为本发明中手持式测量设备的示意图;
图2为本发明中三维数据处理单元界面示意图;
图3为本发明的测量方法;
图4为相位测量轮廓法角度测量原理图;
图5为角点检测法测物体长度原理图;
图6为观测点与轴线几何关系图。
图中:DLP投影仪1,CCD相机2、3,时序控制板4,图像采集卡5、数据处理器6、被测轨道车辆7。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示,一种轨道车辆公差尺寸测量***,测量***分为两个部分,手持式测量设备和三维数据处理生成单元。
手持式测量设备包括:DLP投影仪1,左、右CCD相机2、3,时序控制板4,数据处理器5和图像采集卡6。其中,两台CCD相机2、3的光心轴与DLP投影仪1光心轴的夹角均在20度至60度之间,并且在测量时需严格保持DLP投影仪1与两台CCD相机的相对位置不变。图1中,7表示被测轨道车辆。
时序控制板4分别与DLP投影仪1,两台CCD相机2、3,数据处理器5相连,两台CCD相机2、3通过图像采集卡6和数据处理器5相连。
其中DLP投影仪1向被测物体投影一组光强呈正弦分布的光栅图像,两台CCD相机2、3根据时序控制板6传输的同步信号进行图像采集,采集的图像数据通过图像采集卡6传送到数据处理器5上存储。
图1所示手持测量设备的***结构解决目标对象三维数据的获取问题,测量设备与计算机采用USB接口进行连接,配套三维数据处理单元安装在计算机中,计算机带有图形显卡。附图2表示三维数据处理单元界面示意图。
如图3所示,轨道车辆公差尺寸测量方法,具体步骤如下:
(1)测量时使用DLP投影仪1向被测物体被测轨道车辆7投射一组光强呈正旋分布的光栅图像,并使用CCD相机2、3同时拍摄经被测物体表面调制而变形的光栅图像;
(2)根据相移算法与多频外差解相法得到光栅图像的绝对相位值;根据预先标定的***参数或相位-高度映射关系,从绝对相位值计算出被测物体表面的三维点云数据;(具体实施步骤参见:李中伟.基于数字光栅投影的结构光三维测量技术与***研究[D][D].武汉:华中科技大学,2009)。
(3)获得被测物体的点云数据后,选择对应软件上的菜单项,可计算所需车辆内饰公差尺寸,如平面度、角度、长度、圆柱圆度等,以消息框的形式显示测量结果。其中相关内饰尺寸计算步骤如下:
3.1平面度计算
平面度是指被测实际表面对其理想平面的变动量。平面度误差是将被测实际表面与理想平面进行比较,两者之间的线值距离即为平面度误差值。忽略测量误差,将待测平面的点云数据视为被测实际表面的真实数据,将拟合出的平面视为理想平面。
第3.11步采用特征向量估计法(EVE)确定拟合平面的参数初值;设待拟合平面的方程为:ax+by+cz=d;其中:a,b,c为平面的单位法向量,即:a2+b2+c2=1,其中:d为坐标原点至平面的距离,d≥0;
第3.12步设对某一平面进行扫描,得到了n个数据点,则任意一数据点的三维坐标(xi,yi,zi)至该平面的距离为:
di=|axi+byi+czi-d| (1)
获得最佳拟合平面,则应在条件下a2+b2+c2=1,满足:
第3.4步由拉格朗日乘数法得到目标函数:
其中λ是拉格朗日乘数;
将式(3)分别对d、a、b、c求偏导最终得:
其中: 是点云数据三维坐标的平均值。
第3.14步对上述矩阵进行求解,得到平面参数的初始值a、b、c。
第3.15步计算所有点到拟合平面的距离的标准偏差δ,并以2δ作为阈值剔除到拟合平面距离过大的干扰噪声点;
第31.6步利用剩下的有效数据点重新计算拟合平面的参数a、b、c;重复以上步骤直至所有点到拟合平面你的距离都小于该次计算出的阈值,最终得到最佳的拟合平面,作为基准的理想平面;
第3.17步将各有效点的坐标带入平面方程中,判断该点位于平面上侧还是下侧;计算待测平面上各点到理想平面的距离d(计算方法参见式(1)),求得点到平面距离的最大值dmax,即为待测平面的平面度。
3.2角度测量
角度测量,即测量两平面之间的夹角。相位测量轮廓法测量角度原理,如图4所示。
第3.21步对得到的三维点云数据进行平面拟合,平面拟合过程参见步骤3.1至3.6,拟合出P1、P2两个平面;
第3.22步计算平面P1和平面P2在世界坐标系下的平面方程,并求出P1与P2的交线L;
第3.23步任取L上的一点O,计算出平面P1上过O点且垂直于L的直线L1和P2上过O点且垂直于L的直线L2的坐标方程式;
第3.24步计算出L1与L2的夹角θ即为所需要求两平面之间的角度。
3.3长度测量
测量长度的方法主要有以下两种:
角点检测法
一般认为角点是二维图像亮度变化剧烈的点,图像边缘曲线上曲率的极大值点,或两个、两个以上直线边缘以一定的角度相交的点。角点检测法原理如图5所示。
第3.31步采用Harris角点检测算法,检测出拍摄图片上的角点并标记,如图标记为1、2、3、4;
Harris角点检测算法研究图像中的一个局部窗口在不同方向进行少量的偏移后,窗口内的图像亮度值的平均变换。Harris角点检测算子可以简单描述为:在角点的某个邻域内,亮度的变化在任意一条通过该点的直线上都很大。对每一个待检测的像素点取窗口,从各个方向来计算这个像素的非正则化自相关值,并且选择最小值作为这个像素点的角点响应函数。
第3.32步计算出角点间的距离L,即为所要求物体的长度。
(2)边缘提取法
图像的边缘是指图像局部区域亮度变化显著的部分,即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。实现图像的边缘检测,就是要用离散化梯度逼近函数根据二维灰度矩阵梯度向量来寻找图像灰度矩阵的灰度跃变位置,然后在图像中将这些位置的点连起来就构成了所谓的图像边缘。
边缘检测的步骤:
1)常见的滤波方法主要有高斯滤波,即采用离散化的高斯函数产生一组归一化的高斯核,然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。
2)增强:增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来。
3)检测:经过增强的图像,往往邻域中有很多点的梯度值比较大,而在特定的应用中,这些点并不是要找的边缘点,所以应该采用某种方法来对这些点进行取舍。常用的方法是通过阈值化方法来检测。
第3.33步对拍摄的图像进行边缘提取,提取出所要测量的物体的轮廓;
第3.34步拟合边缘轮廓点得到边缘直线在世界坐标系下的方程;
第3.35步计算拟合的直线之间的距离,即为所求。
3.4圆柱圆度计算
圆柱圆度是是指圆柱面上的点到圆柱中心轴线之间的距离与圆柱半径之差。圆柱面可以认为是到一条中心轴线的距离等于一个常数R的点的集合,由这一特征可知由7个参数就可以唯一确定一个圆柱,这7个参数分别是这条中心轴线的方向向量(a1,b1,c1)和直线上的某一起始点的坐标(x0,y0,z0),以及圆柱的半径R。观测点与轴线几何关系图,观测点与轴线几何关系图,如图6所示。
第3.41步设任意观测点坐标为Pi(xi,yi,zi),那么Pi到轴线上的垂直距离即为测得的实际半径R′,α为PiP0与中心轴线的夹角。
其中:
误差方程可列为:
υ=R′-R
其中υ是坐标观测值残差。
第3.42步引入最小二乘约束vTpυ=min(具体参见文献:王穗辉.误差理论与测量平差[M].上海:同济大学出版社,2010.),解算方程组(7);此外为保证起始点坐标和轴线向量的唯一性,引入两个条件方程:
x0=average(X),y0=average(Y),z0=average(Z) (9)
其中x0、y0、z0分别为所有点的xi、yi、zi坐标的平均值。
第3.43步计算出a1,b1,c1,x0,y0,z0和R。
第3.44步计算圆柱圆度,即误差方程中的υ,作为衡量圆柱面拟合好坏的一个标准。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种轨道车辆公差尺寸测量***,其特征在于:包括手持式测量设备和三维数据处理单元;
手持测量设备,包括DLP投影仪、两台CCD相机、时序控制板、图像采集卡和数据处理器;
三维数据处理单元界面,包括点云显示区、点云信息区、命令编辑区和相机显示区;测量前,手持测量设备与计算机采用USB接口进行连接,配套的三维数据处理单元安装在计算机中;
(1)测量时,使用DLP投影仪向被测物体投射一组光强呈正旋分布的光栅图像,并使用两台CCD相机同时拍摄经被测物体表面调制而变形的光栅图像;
(2)根据相移算法与多频外差解相法得到光栅图像的绝对相位值;根据预先标定的***参数或相位-高度映射关系,从绝对相位值计算出被测物体表面的三维点云数据;
(3)获得被测物体的点云数据后,选择对应软件上的菜单项,计算所需车辆内饰公差尺寸,以消息框的形式显示测量结果;所述车辆内饰公差尺寸包括:平面度、角度、长度、圆柱圆度;
其中平面度计算步骤如下:
第3.11步:采用特征向量估计法确定拟合平面的参数初值;设待拟合平面的方程为:ax+by+cz=d;其中:(a,b,c)为平面的单位法向量,即:a2+b2+c2=1,(x,y,z)为三维坐标,其中:d为坐标原点至平面的距离,d≥0;
第3.12步:设对某一平面进行扫描,得到了n个数据点,则任意一数据点的三维坐标(xi,yi,zi)至该平面的距离为:
di=|axi+byi+czi-d| (1)
获得最佳拟合平面,则应在条件下a2+b2+c2=1,满足:
<mrow>
<msubsup>
<mi>&Sigma;id</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mi>&Sigma;</mi>
<mi>i</mi>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>ax</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>by</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>cz</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&RightArrow;</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
第3.13步:由拉格朗日乘数法得到目标函数:
<mrow>
<mi>f</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;id</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>a</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>b</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>c</mi>
<mn>2</mn>
</msup>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中λ是拉格朗日乘数;
将式(3)分别对d、a、b、c求偏导最终得:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;x</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>a</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>b</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>c</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mi>&lambda;</mi>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>a</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>b</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>c</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中: 是点云数据三维坐标的平均值;
第3.14步:对上述矩阵进行求解,得到平面参数的初始值a、b、c;
第3.15步:计算所有点到拟合平面的距离的标准偏差δ,并以2δ作为阈值剔除到拟合平面距离过大的干扰噪声点;
第3.16步:利用剩下的有效数据点重新计算拟合平面的参数a、b、c;重复以上步骤直至所有点到拟合平面的距离都小于该次计算出的阈值,最终得到最佳的拟合平面,作为基准的理想平面;
第3.17步:将各有效点的坐标带入平面方程中,判断该点位于平面上侧还是下侧;计算待测平面上各点到理想平面的距离d,计算方法参见式(1),求得点到平面距离的最大值dmax,即为待测平面的平面度;
其中角度测量步骤如下:
角度测量,即测量两平面之间的夹角,利用相位测量轮廓法测量角度原理,
第3.21步:对得到的三维点云数据进行平面拟合,平面拟合过程参见步骤3.11至3.16,拟合出P1、P2两个平面,其中一个为基准的理想平面,另一个为待测平面;
第3.22步:计算平面P1和平面P2在世界坐标系下的平面方程,并求出P1与P2的交线L;
第3.23步:任取L上的一点O,计算出平面P1上过O点且垂直于L的直线L1和P2上过O点且垂直于L的直线L2的坐标方程式;
第3.24步:计算出L1与L2的夹角θ即为所求两平面之间的角度;
其中长度测量步骤如下:
测量长度的方法有以下两种:
(1)角点检测法
第3.31步:采用Harris角点检测算法,检测出拍摄图片上的角点并标记;
根据Harris角点检测算法研究图像中的一个局部窗口在不同方向进行少量的偏移后,窗口内的图像亮度值的平均变换;Harris角点检测算子可以简单描述为:在角点的某个邻域内,亮度的变化在任意一条通过该点的直线上都很大;对每一个待检测的像素点取窗口,从各个方向来计算这个像素的非正则化自相关值,并且选择最小值作为这个像素点的角点响应函数;
第3.32步:计算出角点间的距离L,即为所要求物体的长度;
(2)边缘提取法
图像的边缘是指图像局部区域亮度变化显著的部分,即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值;实现图像的边缘检测,就是要用离散化梯度逼近函数根据二维灰度矩阵梯度向量来寻找图像灰度矩阵的灰度跃变位置,然后在图像中将这些位置的点连起来就构成了所谓的图像边缘;
边缘检测的步骤:
1)滤波方法有高斯滤波,即采用离散化的高斯函数产生一组归一化的高斯核,然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和;
2)增强:增强边缘的基础是确定图像各点邻域强度的变化值;增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来;
3)检测:经过增强的图像,往往邻域中有很多点的梯度值比较大,而在特定的应用中,这些点并不是要找的边缘点,采用阈值化方法来对这些点进行取舍;
第3.33步:对拍摄的图像进行边缘提取,提取出所要测量的物体的轮廓;
第3.34步:拟合边缘轮廓点得到边缘直线在世界坐标系下的方程;
第3.35步:计算拟合的直线之间的距离,即为所求物体的长度;
其中圆柱圆度计算步骤如下:
圆柱圆度是指圆柱面上的点到圆柱中心轴线之间的距离与圆柱半径之差;圆柱面可以认为是到一条中心轴线的距离等于一个常数R的点的集合,由这一特征可知由7个参数确定一个圆柱,这7个参数分别是这条中心轴线的方向向量坐标(a1,b1,c1)和直线上的某一起始点的坐标(x0,y0,z0),以及圆柱的半径R;建立观测点Pi与中心轴线P0P的几何关系图;
第3.41步:设任意观测点Pi的坐标为(xi,yi,zi),那么Pi到中心轴线上的垂直距离即为测得的实际半径R′,α为PiP0与中心轴线的夹角;
<mrow>
<msup>
<mi>R</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<msqrt>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>cos</mi>
<mn>2</mn>
</msup>
<mi>&alpha;</mi>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中:
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&alpha;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
误差方程可列为:
υ=R′-R
<mrow>
<mtable>
<mtr>
<mtd>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>R</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中υ是坐标观测值残差;υi为任意观测点Pi的残差;
第3.42步:引入最小二乘约束vTpυ=min,解算方程组(7);此外为保证起始点坐标和中心轴线向量的唯一性,引入两个条件方程:
<mrow>
<msubsup>
<mi>a</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
x0=average(X),y0=average(Y),z0=average(Z) (9)
其中x0、y0、z0分别为所有点的xi、yi、zi坐标的平均值;
第3.43步:计算出a1,b1,c1,x0,y0,z0和R;
第3.44步:计算圆柱圆度,即误差方程中的υ,作为衡量圆柱面拟合好坏的一个标准。
2.根据权利要求1所述的轨道车辆公差尺寸测量***,其特征在于:时序控制板分别与数据处理器、两台CCD相机、DLP投影仪相连,DLP投影仪与数据处理器相连,两台CCD摄像机均通过图像采集卡和数据处理器相连。
3.根据权利要求1所述的轨道车辆公差尺寸测量***,其特征在于:所述两台CCD相机的光心轴与DLP投影仪光心轴的夹角均在20度至60度之间,且测量时保持DLP投影仪与两台CCD相机的相对位置不变。
4.一种轨道车辆公差尺寸测量方法,采用权利要求1-3任一项所述的轨道车辆公差尺寸测量***,包括以下步骤:
(1)测量前,手持测量设备与计算机采用USB接口进行连接,配套的三维数据处理单元安装在计算机中;测量时,使用DLP投影仪向被测物体投射一组光强呈正旋分布的光栅图像,并使用两台CCD相机同时拍摄经被测物体表面调制而变形的光栅图像;
(2)根据相移算法与多频外差解相法得到光栅图像的绝对相位值;根据预先标定的***参数或相位-高度映射关系,从绝对相位值计算出被测物体表面的三维点云数据;
(3)获得被测物体的点云数据后,选择对应软件上的菜单项,计算所需车辆内饰公差尺寸,以消息框的形式显示测量结果;所述车辆内饰公差尺寸包括:平面度、角度、长度、圆柱圆度;
其中平面度计算步骤如下:
第3.11步:采用特征向量估计法确定拟合平面的参数初值;设待拟合平面的方程为:ax+by+cz=d;其中:(a,b,c)为平面的单位法向量,即:a2+b2+c2=1,(x,y,z)为三维坐标,其中:d为坐标原点至平面的距离,d≥0;
第3.12步:设对某一平面进行扫描,得到了n个数据点,则任意一数据点的三维坐标(xi,yi,zi)至该平面的距离为:
di=|axi+byi+czi-d| (1)
获得最佳拟合平面,则应在条件下a2+b2+c2=1,满足:
<mrow>
<msubsup>
<mi>&Sigma;id</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mi>&Sigma;</mi>
<mi>i</mi>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>ax</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>by</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<msub>
<mi>cz</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&RightArrow;</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
第3.13步:由拉格朗日乘数法得到目标函数:
<mrow>
<mi>f</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;id</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mi>&lambda;</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>a</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>b</mi>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mi>c</mi>
<mn>2</mn>
</msup>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中λ是拉格朗日乘数;
将式(3)分别对d、a、b、c求偏导最终得:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;x</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;y</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;x</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;y</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>&Sigma;</mo>
<msub>
<mi>i&Delta;z</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&Delta;z</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>a</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>b</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>c</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mi>&lambda;</mi>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mi>a</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>b</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>c</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中: 是点云数据三维坐标的平均值;
第3.14步:对上述矩阵进行求解,得到平面参数的初始值a、b、c;
第3.15步:计算所有点到拟合平面的距离的标准偏差δ,并以2δ作为阈值剔除到拟合平面距离过大的干扰噪声点;
第3.16步:利用剩下的有效数据点重新计算拟合平面的参数a、b、c;重复以上步骤直至所有点到拟合平面的距离都小于该次计算出的阈值,最终得到最佳的拟合平面,作为基准的理想平面;
第3.17步:将各有效点的坐标带入平面方程中,判断该点位于平面上侧还是下侧;计算待测平面上各点到理想平面的距离d,计算方法参见式(1),求得点到平面距离的最大值dmax,即为待测平面的平面度;
其中角度测量步骤如下:
角度测量,即测量两平面之间的夹角,利用相位测量轮廓法测量角度原理,
第3.21步:对得到的三维点云数据进行平面拟合,平面拟合过程参见步骤3.11至3.16,拟合出P1、P2两个平面,其中一个为基准的理想平面,另一个为待测平面;
第3.22步:计算平面P1和平面P2在世界坐标系下的平面方程,并求出P1与P2的交线L;
第3.23步:任取L上的一点O,计算出平面P1上过O点且垂直于L的直线L1和P2上过O点且垂直于L的直线L2的坐标方程式;
第3.24步:计算出L1与L2的夹角θ即为所求两平面之间的角度;
其中长度测量步骤如下:
测量长度的方法有以下两种:
(1)角点检测法
第3.31步:采用Harris角点检测算法,检测出拍摄图片上的角点并标记;
根据Harris角点检测算法研究图像中的一个局部窗口在不同方向进行少量的偏移后,窗口内的图像亮度值的平均变换;Harris角点检测算子可以简单描述为:在角点的某个邻域内,亮度的变化在任意一条通过该点的直线上都很大;对每一个待检测的像素点取窗口,从各个方向来计算这个像素的非正则化自相关值,并且选择最小值作为这个像素点的角点响应函数;
第3.32步:计算出角点间的距离L,即为所要求物体的长度;
(2)边缘提取法
图像的边缘是指图像局部区域亮度变化显著的部分,即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值;实现图像的边缘检测,就是要用离散化梯度逼近函数根据二维灰度矩阵梯度向量来寻找图像灰度矩阵的灰度跃变位置,然后在图像中将这些位置的点连起来就构成了所谓的图像边缘;
边缘检测的步骤:
1)滤波方法有高斯滤波,即采用离散化的高斯函数产生一组归一化的高斯核,然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和;
2)增强:增强边缘的基础是确定图像各点邻域强度的变化值;增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来;
3)检测:经过增强的图像,往往邻域中有很多点的梯度值比较大,而在特定的应用中,这些点并不是要找的边缘点,采用阈值化方法来对这些点进行取舍;
第3.33步:对拍摄的图像进行边缘提取,提取出所要测量的物体的轮廓;
第3.34步:拟合边缘轮廓点得到边缘直线在世界坐标系下的方程;
第3.35步:计算拟合的直线之间的距离,即为所求物体的长度;
其中圆柱圆度计算步骤如下:
圆柱圆度是指圆柱面上的点到圆柱中心轴线之间的距离与圆柱半径之差;圆柱面可以认为是到一条中心轴线的距离等于一个常数R的点的集合,由这一特征可知由7个参数确定一个圆柱,这7个参数分别是这条中心轴线的方向向量坐标(a1,b1,c1)和直线上的某一起始点的坐标(x0,y0,z0),以及圆柱的半径R;建立观测点Pi与中心轴线P0P的几何关系图;
第3.41步:设任意观测点Pi的坐标为(xi,yi,zi),那么Pi到中心轴线上的垂直距离即为测得的实际半径R′,α为PiP0与中心轴线的夹角;
<mrow>
<msup>
<mi>R</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<mn>0</mn>
</msub>
<msqrt>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msup>
<mi>cos</mi>
<mn>2</mn>
</msup>
<mi>&alpha;</mi>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中:
<mrow>
<mi>c</mi>
<mi>o</mi>
<mi>s</mi>
<mi>&alpha;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
误差方程可列为:
υ=R′-R
<mrow>
<mtable>
<mtr>
<mtd>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>-</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>z</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>-</mo>
<mi>R</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
其中υ是坐标观测值残差;υi为任意观测点Pi的残差;
第3.42步:引入最小二乘约束vTpυ=min,解算方程组(7);此外为保证起始点坐标和中心轴线向量的唯一性,引入两个条件方程:
<mrow>
<msubsup>
<mi>a</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>b</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>c</mi>
<mn>1</mn>
<mn>2</mn>
</msubsup>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
x0=average(X),y0=average(Y),z0=average(Z) (9)
其中x0、y0、z0分别为所有点的xi、yi、zi坐标的平均值;
第3.43步:计算出a1,b1,c1,x0,y0,z0和R;
第3.44步:计算圆柱圆度,即误差方程中的υ,作为衡量圆柱面拟合好坏的一个标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510288961.1A CN105091748B (zh) | 2015-05-29 | 2015-05-29 | 轨道车辆公差尺寸测量*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510288961.1A CN105091748B (zh) | 2015-05-29 | 2015-05-29 | 轨道车辆公差尺寸测量*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105091748A CN105091748A (zh) | 2015-11-25 |
CN105091748B true CN105091748B (zh) | 2017-11-28 |
Family
ID=54572711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510288961.1A Active CN105091748B (zh) | 2015-05-29 | 2015-05-29 | 轨道车辆公差尺寸测量*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105091748B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106767407B (zh) * | 2016-12-21 | 2018-07-24 | 清华大学 | 对过曝物体表面三维信息测量的方法 |
CN107131829B (zh) * | 2017-06-14 | 2023-04-07 | 九牧厨卫股份有限公司 | 一种尺寸公差检测装置和尺寸公差检测方法 |
CN108596966A (zh) * | 2018-03-14 | 2018-09-28 | 浙江大学山东工业技术研究院 | 基于拟合平面法向量的耐火砖表面倾斜角的测量方法 |
FI128523B (en) | 2018-06-07 | 2020-07-15 | Ladimo Oy | Modeling of topography of a 3D surface |
CN109521742A (zh) * | 2018-12-05 | 2019-03-26 | 西安交通大学 | 一种用于电动旋转装置的控制***及控制方法 |
CN109685778B (zh) * | 2018-12-12 | 2021-06-22 | 重庆大学 | 一种基于ct切片的机械零件的几种常见几何量检测方法 |
CN111127312B (zh) * | 2019-12-25 | 2023-08-22 | 武汉理工大学 | 一种复杂物体点云提取圆的方法及扫描装置 |
CN113362468B (zh) * | 2021-07-05 | 2022-06-03 | 上海大学 | 一种火车轮毂的尺寸测量方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726258A (zh) * | 2009-12-10 | 2010-06-09 | 华中科技大学 | 一种热态物体在线检测*** |
CN101825445A (zh) * | 2010-05-10 | 2010-09-08 | 华中科技大学 | 一种动态物体的三维测量*** |
CN203259133U (zh) * | 2013-04-26 | 2013-10-30 | 华中科技大学 | 一种动态三维测量时序同步*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5052254B2 (ja) * | 2007-08-07 | 2012-10-17 | セイコータイムシステム株式会社 | 三次元計測システム、および、三次元計測方法 |
-
2015
- 2015-05-29 CN CN201510288961.1A patent/CN105091748B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726258A (zh) * | 2009-12-10 | 2010-06-09 | 华中科技大学 | 一种热态物体在线检测*** |
CN101825445A (zh) * | 2010-05-10 | 2010-09-08 | 华中科技大学 | 一种动态物体的三维测量*** |
CN203259133U (zh) * | 2013-04-26 | 2013-10-30 | 华中科技大学 | 一种动态三维测量时序同步*** |
Non-Patent Citations (1)
Title |
---|
基于结构光测量技术的三维人像建模;湛承诚等;《新技术新工艺》;20110531(第5期);正文第1节 * |
Also Published As
Publication number | Publication date |
---|---|
CN105091748A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105091748B (zh) | 轨道车辆公差尺寸测量*** | |
CN106871805B (zh) | 车载钢轨轨距测量***及测量方法 | |
CN107607060B (zh) | 一种应用于光栅三维投影测量中的相位误差补偿方法 | |
CN104228875B (zh) | 一种城轨列车轮对尺寸在线检测方法及装置 | |
CN105953747B (zh) | 结构光投影全视角三维成像***及方法 | |
CN105783775B (zh) | 一种镜面及类镜面物体表面形貌测量装置与方法 | |
CN102012217B (zh) | 一种基于双目视觉的大形貌物体三维几何外形测量方法 | |
CN107884767A (zh) | 一种双目视觉***测量船舶距离与高度的方法 | |
CN102749061B (zh) | 基于动态模板的钢轨磨耗测量方法 | |
CN103047943A (zh) | 基于单投射编码结构光的车门外板形状尺寸检测方法 | |
CN104021676A (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN105674896A (zh) | 基于三角测量的接触网几何参数动态检测方法 | |
CN103292733B (zh) | 一种基于相移和三视张量的对应点查找方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN109141291A (zh) | 一种快速相位解包裹算法 | |
CN106091951A (zh) | 一种城轨列车轮缘参数在线检测***及方法 | |
CN104075659A (zh) | 一种基于rgb结构光源的三维成像识别方法 | |
CN102708566B (zh) | 一种新型的单个摄像机和单个投影光源同步标定方法 | |
CN105043301A (zh) | 一种用于三维测量的光栅条纹相位求解方法 | |
CN106441234B (zh) | 一种3d机器视觉空间检测标定方法 | |
CN102798349A (zh) | 一种基于等灰度线搜索的三维表面提取方法 | |
Liu et al. | Background and amplitude encoded fringe patterns for 3D surface-shape measurement | |
CN105491315B (zh) | 一种投影仪伽马校正方法 | |
CN205711654U (zh) | 一种三维可视化的路面破损信息的检测装置 | |
CN105335723B (zh) | 一种基于红外结构光的车型识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 210031, 68 North Pearl Road, Taishan Park, Nanjing hi tech Development Zone, Jiangsu, China Applicant after: NANJING ZHONGCHE PUZHEN URBAN RAIL VEHICLE CO., LTD. Address before: 210031 hi tech Development Zone, Jiangsu, Nanjing Applicant before: CSR Nanjing Puzhen Mass Transit Vehicle Co., Ltd |
|
COR | Change of bibliographic data | ||
GR01 | Patent grant | ||
GR01 | Patent grant |