CN110473175A - 一种列车车轴空间直线度测量方法 - Google Patents
一种列车车轴空间直线度测量方法 Download PDFInfo
- Publication number
- CN110473175A CN110473175A CN201910683632.5A CN201910683632A CN110473175A CN 110473175 A CN110473175 A CN 110473175A CN 201910683632 A CN201910683632 A CN 201910683632A CN 110473175 A CN110473175 A CN 110473175A
- Authority
- CN
- China
- Prior art keywords
- space
- train axle
- circle
- point cloud
- cloud data
- 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
Classifications
-
- 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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
- G01B11/27—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种列车车轴空间直线度测量方法,包括:通过线结构光3D传感器沿列车车轴轴向运动,获取多组被测列车车轴信息的点云数据;应用神经网络对所述点云数据进行预处理;经预处理后的点云数据,进行空间圆拟合,生成列车车轴各截面圆心坐标;将所述各截面圆心坐标进行投影;根据狼群算法,对投影到平面的空间线进行拟合,并还原为空间直线,计算出所述空间直线的直线度。该方法通过线结构光传感器采集列车车轴截面信息,应用神经网络对点云数据进行去噪处理;利用空间圆拟合算法对列车车轴的截面圆心进行获取,结合狼群算法,完成列车车轴空间直线度测量;可获得准确的列车车轴截面信息及直线度,测量精准度较高。
Description
技术领域
本发明涉及轨道交通安全监测及机器视觉技术领域,特别涉及一种列车车轴空间直线度测量方法。
背景技术
直线度是反映列车车轴质量的关键因素之一,其影响着列车轮对的径向跳动度,进而直接影响列车运行的稳定性。因此对列车车轴的加工尺寸进行精密测量与检验成为保障列车安全运行的重要环节。
轨道列车上应用的大型列车轴类零件的直线度测量方式可分为接触式测量和非接触测量。接触式测量包括常规的形状误差检测方法是利用数字千分尺或特定的测量设备进行测量等方法,但这种接触式测量属于离线测量方法,效率低,测量费时。而能够避免轴件划伤的非接触测量方法,在列车车轴的检测之中应用非接触测量方法已经迫在眉睫。但目前存在的非接触测量方法,精确度还有待提高,也存在误差。
发明内容
本发明的目的在于提供一种列车车轴空间直线度测量方法,可解决目前非接触测量方法中存在误差,计算精确度较低的问题。
本发明实施例提供一种列车车轴空间直线度测量方法,包括:
通过线结构光3D传感器沿列车车轴轴向运动,获取多组被测列车车轴信息的点云数据;
应用神经网络对所述点云数据进行预处理;
经预处理后的点云数据,进行空间圆拟合,生成列车车轴各截面圆心坐标;
将所述各截面圆心坐标进行投影;
根据狼群算法,对投影到平面的空间线进行拟合,并还原为空间直线,计算出所述空间直线的直线度。
在一个实施例中,应用神经网络对所述点云数据进行预处理,包括:
构建一个四层神经网络,将点云数据的三坐标中的X方向及Z方向点云数据作为输入,Y方向点云作为训练后的期望结果输出;
通过神经网络的训练,将输出的期望数据与预设数据对比;
剔除超出误差允许范围的噪声点。
在一个实施例中,所述空间圆拟合,包括:空间球拟合及空间平面拟合。
在一个实施例中,所述空间球拟合,包括:
设空间球方程为:
(x-a)2+(y-b)2+(z-c)2=R2 (1)
将方程展开,得到x2+y2+z2-2ax-2by-2cz+a2+b2+c2=R2 (2)
令A=2a,B=2b,C=2c,D=a2+b2+c2-R2 (3)
则式(2)化简为:x2+y2+z2-Ax-By-Cz+D=0 (4)
将式(4)用矩阵表达,如式(5):
根据式(5)待求参数,即该式可转化为:
解得待求参数A、B、C、D,将其代入即可得到空间球心坐标(a,b,c)及空间球半径R0。
在一个实施例中,所述空间平面拟合包括:
设空间平面方程为:A'x+B'y+C'z+1=0,常用于空间平面方程的表达,将其转变成矩阵形式,如式(7)所示:
则待求参数可表达为式(8):
求出系数A',B',C'。
在一个实施例中,经预处理后的点云数据,进行空间圆拟合,生成列车车轴各截面圆心坐标,包括:
将所述空间球方程(6)与空间平面方程(8)联立,通过求解,得到待求的空间圆的圆心坐标(Oa,Ob,Oc)和空间圆半径r0。
本发明实施例提供的一种列车车轴空间直线度测量方法,是对未装配的列车车轴空间直线度进行检测,其利用列车车轴的截面信息,通过线结构光传感器采集列车车轴截面信息,应用神经网络对点云数据进行预处理,剔除误差数据;利用空间圆拟合算法对列车车轴的截面圆心进行获取,通过获取的截面圆心坐标,结合狼群算法,完成列车车轴空间直线度测量;可获得准确的列车车轴截面信息及直线度,测量精准度较高。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的列车车轴空间直线度测量方法的流程图。
图2为本发明实施例提供的空间直线度测量方法的另一流程图。
图3为本发明实施例提供的某一待测列车车轴需测截面示意图。
图4为本发明实施例提供的列车车轴的原始点云信息图。
图5为本发明实施例提供的列车车轴空间圆拟合图。
图6为本发明实施例提供的列车车轴空间直线拟合图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图1所示,为本发明实施例提供的列车车轴空间直线度测量方法,包括:
S11、通过线结构光3D传感器沿列车车轴轴向运动,获取多组被测列车车轴信息的点云数据;
S12、应用神经网络对所述点云数据进行预处理;
S13、经预处理后的点云数据,进行空间圆拟合,生成列车车轴各截面圆心坐标;
S14、将所述各截面圆心坐标进行投影;即将空间问题转化为平面问题。
S15、根据狼群算法,对投影到平面的空间线进行拟合,并还原为空间直线,计算出所述空间直线的直线度;即可得到列车车轴的空间直线度。
其中,步骤S11中,使用线结构光3D传感器对列车车轴截面按照测量要求,依次进行截面的获取。将线激光器发出的结构光垂直投射到列车车轴表面,由于列车车轴各轴端的轴径不一,导致线结构光3D传感器沿轴向运动会获取到多组空间点云数据,通过将激光器发出的线结构光沿轴线,从左到右扫描整个被测列车车轴,就可以得到初始的包含所有被测列车车轴信息的点云数据。
步骤S12中,应用神经网络对点云数据预处理。在数据处理处理时,误差主要来源于Y方向,X方向及Z方向用于确定传感器所获取的空间圆轮廓所处的平面位置。
本实施例中,是对未装配的列车车轴空间直线度进行检测,其利用列车车轴的截面信息,通过线结构光传感器采集列车车轴截面信息,应用神经网络对点云数据进行预处理,剔除误差数据;利用空间圆拟合算法对列车车轴的截面圆心进行获取,通过获取的截面圆心坐标,结合狼群算法,完成列车车轴空间直线度测量;可获得准确的列车车轴截面信息及直线度,测量精准度较高。
参照图2所示,该流程图中描述了从获取点云开始直至输出列车车轴空间直线度的点云数据处理步骤。
待测列车车轴需测截面如图3所示。列车车轴与轴类零件相比,测量截面位置多、测量精度高,且测量指标为空间立体标准,无法简单的通过人工测量相对精准的数据。因此,本发明实施例利用线结构光传感器采集列车车轴截面信息。
下面通过一个具体的实施例对本发明的技术方案进行详细说明:
步骤1:线结构光3D传感器对列车车轴截面按照图3的测量要求,依次进行截面的获取,由于列车车轴各轴端的轴径不一,导致线结构光3D传感器沿轴向运动会获取到多组空间点云数据,通过将激光器发出的线结构光沿轴线,从左到右扫描整个被测列车车轴,就可以得到初始的包含所有被测列车车轴信息的点云数据,如图4所示。
步骤2:应用神经网络对点云数据预处理。在数据处理处理时,误差主要来源于Y方向,X方向及Z方向用于确定传感器所获取的空间圆轮廓所处的平面位置。因此,建立一个四层神经网络,以点云的三坐标中的X方向及Z方向点云数据作为输入,Y方向点云作为训练后的期望结果输出。通过BP网络的训练,将期望数据与实际数据对比,剔除超出误差允许范围的噪声点,并将去噪后的点云数据通过mat文件导出保存,实现预期的去噪目的。
采用四层神经网络的目的是对已经获取的点云数据存在噪声的情况进行滤波,同时,尽可能的保存有效数据点的数量及质量,可进一步的减少后续的处理时间。
步骤3:在步骤2中得出的mat数据,实际为多截面的空间点云数据,需要对该数据空间截面位置处数据进行拟合,然而针对空间圆问题,缺少特定方程,在此,将空间圆看成一个空间球与空间平面所构成的形式,即空间平面与空间球相切所示的图形为空间圆。利用空间圆拟合算法得出列车车轴各截面圆心坐标。
步骤4:由于Y方向为非轴径断面方向,因此将空间圆心坐标进行投影,将空间问题转化为平面问题。
步骤5:利用狼群算法,对投影到平面的空间线进行拟合,并还原为空间直线,同时利用狼群算法求出该直线的直线度,即可得到列车车轴的空间直线度。
其中:空间圆拟合算法分为空间球拟合及空间平面拟合。
列车车轴截面空间球拟合
设空间球方程为:
(x-a)2+(y-b)2+(z-c)2=R2, (1)
将方程展开,得到
x2+y2+z2-2ax-2by-2cz+a2+b2+c2=R2 (2)
令A=2a,B=2b,C=2c,D=a2+b2+c2-R2, (3)
则式(2)化简为:
x2+y2+z2-Ax-By-Cz+D=0 (4)
将式(4)用矩阵表达,如式(5):
根据式(5)待求参数,即该式可转化为:
解得待求参数A、B、C、D,将其代入即可得到空间球心坐标(a,b,c)及空间球半径R0。
列车车轴空间截面拟合
设空间平面方程为:
A'x+B'y+C'z+1=0,常用于空间平面方程的表达,将其转变成矩阵形式,如式(7)所示:
则待求参数可表达为式(8):
求出系数A',B',C',
列车车轴截面空间圆拟合,将上述空间球方程(6)与空间平面方程(8)联立,通过求解,可以得到待求的空间圆的圆心坐标(Oa,Ob,Oc)和空间圆半径r0。
基于狼群算法的直线拟合原理如下:
Step0:假设狼群规模大小为N,待拟合空间坐标点集为D,则狼群领地可以被抽象为N×D的欧式空间,算法最大迭代次数为iters,探狼最大游走次数Tmax。
Step1:选取针对目标函数的最优解值的人工狼i作为头狼的当前位置。
Step2:除去头狼i外的S匹人工狼作为探狼,在N×D的空间中进行搜索,若探狼j发现自己所处位置的目标函数值Yj大于头狼自身所感知到的目标函数值Ylead,则探狼j代替头狼发起召唤行为;若没有Ylead<Yj,则继续游走,直到达到T>Tmax。
Step3:猛狼按照头狼指令奔袭围攻,如果在奔袭过程中,奔袭沿途的猛狼Yk>Ylead,则对头狼所在位置进行更新;否则,转入围攻行为。
Step4:当在赶往参与围捕的猛狼与目标函数值距离达到预期区间时,需要探狼协同,同时对目标猎物进行攻击,以达到捕获目标的目的。围捕过程中,其他人工狼的目标函数值大于头狼的目标函数值时,对头狼所在的位置进行更新,直到捕获猎物为止。
Step5:“强者生存”,当狼群中存在的目标函数较小的人工狼,依照原则,予以淘汰,并在解空间中随机生成新的人工狼,并对整个狼群更新。
Step6:判断是否所有点距离都与拟合直线处于最优状态,若满足则输出结果;若不满足则重复2-5步。
Step7:输出直线度,结束运算。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种列车车轴空间直线度测量方法,其特征在于,包括:
通过线结构光3D传感器沿列车车轴轴向运动,获取多组被测列车车轴信息的点云数据;
应用神经网络对所述点云数据进行预处理;
经预处理后的点云数据,进行空间圆拟合,生成列车车轴各截面圆心坐标;
将所述各截面圆心坐标进行投影;
根据狼群算法,对投影到平面的空间线进行拟合,并还原为空间直线,计算出所述空间直线的直线度。
2.如权利要求1所述的一种列车车轴空间直线度测量方法,其特征在于,应用神经网络对所述点云数据进行预处理,包括:
构建一个四层神经网络,将点云数据的三坐标中的X方向及Z方向点云数据作为输入,Y方向点云作为训练后的期望结果输出;
通过神经网络的训练,将输出的期望数据与预设数据对比;
剔除超出误差允许范围的噪声点。
3.如权利要求1所述的一种列车车轴空间直线度测量方法,其特征在于,所述空间圆拟合,包括:空间球拟合及空间平面拟合。
4.如权利要求3所述的一种列车车轴空间直线度测量方法,其特征在于,所述空间球拟合,包括:
设空间球方程为:
(x-a)2+(y-b)2+(z-c)2=R2 (1)
将方程展开,得到x2+y2+z2-2ax-2by-2cz+a2+b2+c2=R2 (2)
令A=2a,B=2b,C=2c,D=a2+b2+c2-R2 (3)
则式(2)化简为:x2+y2+z2-Ax-By-Cz+D=0 (4)
将式(4)用矩阵表达,如式(5):
根据式(5)待求参数,即该式可转化为:
解得待求参数A、B、C、D,将其代入即可得到空间球心坐标(a,b,c)及空间球半径R0。
5.如权利要求4所述的一种列车车轴空间直线度测量方法,其特征在于,所述空间平面拟合包括:
设空间平面方程为:A'x+B'y+C'z+1=0,常用于空间平面方程的表达,将其转变成矩阵形式,如式(7)所示:
则待求参数可表达为式(8):
求出系数A',B',C'。
6.如权利要求5所述的一种列车车轴空间直线度测量方法,其特征在于,经预处理后的点云数据,进行空间圆拟合,生成列车车轴各截面圆心坐标,包括:
将所述空间球方程(6)与空间平面方程(8)联立,通过求解,得到待求的空间圆的圆心坐标(Oa,Ob,Oc)和空间圆半径r0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910683632.5A CN110473175A (zh) | 2019-07-26 | 2019-07-26 | 一种列车车轴空间直线度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910683632.5A CN110473175A (zh) | 2019-07-26 | 2019-07-26 | 一种列车车轴空间直线度测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110473175A true CN110473175A (zh) | 2019-11-19 |
Family
ID=68508362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910683632.5A Pending CN110473175A (zh) | 2019-07-26 | 2019-07-26 | 一种列车车轴空间直线度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110473175A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111076667A (zh) * | 2019-12-23 | 2020-04-28 | 长春工程学院 | 一种金属表面划痕动态快速测量方法 |
CN111553936A (zh) * | 2020-04-14 | 2020-08-18 | 北京理工大学珠海学院 | 一种点云配准方法、***、装置和存储介质 |
CN111964574A (zh) * | 2020-06-23 | 2020-11-20 | 安徽理工大学 | 基于选权迭代狼群算法的三维激光标靶球球心拟合方法 |
CN112097693A (zh) * | 2020-08-19 | 2020-12-18 | 北京机科国创轻量化科学研究院有限公司 | 一种基于无人机的直线度测量***及方法 |
CN112102474A (zh) * | 2020-09-01 | 2020-12-18 | 长春工程学院 | 一种新型的圆柱三维重构方法及*** |
CN118096806A (zh) * | 2024-04-28 | 2024-05-28 | 长春工程学院 | 一种基于半径约束的轮缘短圆弧拟合方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207343497U (zh) * | 2017-08-24 | 2018-05-11 | 长春汇凯科技有限公司 | 一种高温火车轴全自动校直装置 |
CN108422997A (zh) * | 2018-05-15 | 2018-08-21 | 南京航空航天大学 | 一种基于狼群算法的汽车主动安全协同控制***及方法 |
CN108844522A (zh) * | 2018-06-26 | 2018-11-20 | 北京市政建设集团有限责任公司 | 一种基于三维激光扫描的盾构隧道断面中心提取方法 |
-
2019
- 2019-07-26 CN CN201910683632.5A patent/CN110473175A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN207343497U (zh) * | 2017-08-24 | 2018-05-11 | 长春汇凯科技有限公司 | 一种高温火车轴全自动校直装置 |
CN108422997A (zh) * | 2018-05-15 | 2018-08-21 | 南京航空航天大学 | 一种基于狼群算法的汽车主动安全协同控制***及方法 |
CN108844522A (zh) * | 2018-06-26 | 2018-11-20 | 北京市政建设集团有限责任公司 | 一种基于三维激光扫描的盾构隧道断面中心提取方法 |
Non-Patent Citations (1)
Title |
---|
王华 等: "列车车轴空间直线度检测", 《计算机应用》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111076667A (zh) * | 2019-12-23 | 2020-04-28 | 长春工程学院 | 一种金属表面划痕动态快速测量方法 |
CN111076667B (zh) * | 2019-12-23 | 2021-07-30 | 长春工程学院 | 一种金属表面划痕动态快速测量方法 |
CN111553936A (zh) * | 2020-04-14 | 2020-08-18 | 北京理工大学珠海学院 | 一种点云配准方法、***、装置和存储介质 |
CN111553936B (zh) * | 2020-04-14 | 2023-04-25 | 北京理工大学珠海学院 | 一种点云配准方法、***、装置和存储介质 |
CN111964574A (zh) * | 2020-06-23 | 2020-11-20 | 安徽理工大学 | 基于选权迭代狼群算法的三维激光标靶球球心拟合方法 |
CN112097693A (zh) * | 2020-08-19 | 2020-12-18 | 北京机科国创轻量化科学研究院有限公司 | 一种基于无人机的直线度测量***及方法 |
CN112102474A (zh) * | 2020-09-01 | 2020-12-18 | 长春工程学院 | 一种新型的圆柱三维重构方法及*** |
CN118096806A (zh) * | 2024-04-28 | 2024-05-28 | 长春工程学院 | 一种基于半径约束的轮缘短圆弧拟合方法 |
CN118096806B (zh) * | 2024-04-28 | 2024-07-12 | 长春工程学院 | 一种基于半径约束的轮缘短圆弧拟合方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110473175A (zh) | 一种列车车轴空间直线度测量方法 | |
US6559936B1 (en) | Measuring angles of wheels using transition points of reflected laser lines | |
CN106643551A (zh) | 一种叶片形状快速扫描装置及方法 | |
CN202013181U (zh) | 基于激光三角法的多方向轴孔内径精密测量装置 | |
CN104316001B (zh) | 一种无基准孔系同轴度误差测量***及其测量方法 | |
CN112102474B (zh) | 一种新型的车轴轴颈三维重构方法及*** | |
CN103645471A (zh) | 激光雷达探测光源发散角测量装置与方法 | |
CN103063415B (zh) | 一种基于莫尔条纹匹配的长焦距透镜焦距测量方法 | |
CN105627923A (zh) | 一种基于激光测距的叶片稠密点云获取的扫描路径规划方法 | |
CN111295564A (zh) | 光学轮评估 | |
CN105209852A (zh) | 表面形状测量方法以及其装置 | |
CN103528676A (zh) | 一种半导体激光器光强分布测试方法及其装置 | |
CN107869957A (zh) | 一种基于成像***的圆柱截面尺寸测量装置和方法 | |
CN112161565A (zh) | 一种高精度激光投影视觉三维测量*** | |
CN106209221A (zh) | 一种光斑质心提取精度的测量装置及测量方法 | |
CN207007114U (zh) | 一种汽车辊型梁多点激光位移传感器三维测量装置 | |
CN115421310A (zh) | 一种矩形宽光斑整形成像***和质心定位方法 | |
CN110186397B (zh) | 一种导轨平行度测量装置及方法 | |
CN102547048B (zh) | 激光扫描装置 | |
CN110986836B (zh) | 基于环形芯光纤的高精度粗糙度测量装置 | |
CN117237563A (zh) | 一种钢轨空间三维几何形态构建方法及装置 | |
CN111964580A (zh) | 一种基于光杠杆的薄膜位置与角度的检测装置及方法 | |
CN110631509B (zh) | 基于光栅泰伯像的物体表面曲率检测***及方法 | |
CN108759713A (zh) | 基于光线追迹的面形三维测量*** | |
CN109444907B (zh) | 一种飞机轮迹横向分布变化规律测试***及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |