CN115578429B - 一种基于点云数据的模具在线精度检测方法 - Google Patents
一种基于点云数据的模具在线精度检测方法 Download PDFInfo
- Publication number
- CN115578429B CN115578429B CN202211453026.2A CN202211453026A CN115578429B CN 115578429 B CN115578429 B CN 115578429B CN 202211453026 A CN202211453026 A CN 202211453026A CN 115578429 B CN115578429 B CN 115578429B
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- mold
- characteristic
- line
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于点云数据的模具在线精度检测方法,包括:通过三维扫描获取模具点云数据;将所述点云数据通过互联网发送至处理设备,所述处理设备对所述点云数据进行三角化获得三角网格曲面模型;根据所述三角网格曲面模型判断特征点;根据所述特征点生成特征线;根据所述特征线获取三维模型;根据获取的所述三维模型与模具数模文件进行比对确定模具是否合格。本发明分离扫描装置和处理设备,扫描装置可以通过多角度扫描测量,时间短,灵活便捷,保证数据的完整性;本发明采集点云数据,测量精度高,对大型复杂模具检测效果好;处理设备在线上运行,可以实现在线检测,减少了设备成本,费用低。
Description
技术领域
本发明涉及工业检测技术领域,特别涉及一种基于点云数据的模具在线精度检测方法。
背景技术
随着复合材料应用越来越广泛,复合材料大型零部件越来越多。复合材料的成型离不开模具,而模具在使用过程中难免有磨损或损伤,使用一段时间后就要报废或返修;模具在使用过程中,还存在热变形,如果不进行在线检测,对于精度较高的产品,极易产生报废。目前金属模具或复材模具均给定一个固定的使用次数作为使用寿命,使用达到使用寿命后模具自动报废。但由于模具的形状和复杂程度不同,同样材质的模具的使用寿命并不一样。完好且精度满足要求的模具报废会产生浪费;由于磨损、损伤和热变形导致模具精度不满足,但模具使用次数尚未到达使用寿命时,继续使用就会影响产品质量或产生不合格品,也会给企业造成大量损失。因此,模具在线检测成为一种有效的质量控制手段,可为企业带来巨大的效益。
目前工业常采用三坐标测量或照相法对模具进行检验和验收。三坐标打点测量时间长、费用高,不满足在线使用需求;照相法三维扫描仪操作简单,精度高,但对于大型复杂模具的测量受限,有些死角较难检测。
发明内容
本发明实施例提供了一种基于点云数据的模具在线精度检测方法,用以解决现有技术中三坐标打点测量时间长、费用高,不满足在线使用需求;照相法三维扫描仪操作简单,精度高,但对于大型复杂的测量受限,有些死角较难检测的问题。
一方面,本发明实施例提供了一种基于点云数据的模具在线精度检测方法,包括:
通过三维扫描获取模具点云数据;
将所述点云数据通过互联网发送至处理设备,所述处理设备对所述点云数据进行三角化获得三角网格曲面模型;
根据所述三角网格曲面模型判断特征点;
根据所述特征点生成特征线;
根据所述特征线获取三维模型;
根据获取的所述三维模型与模具数模文件进行比对确定模具是否合格。
在一种可能的实现方式中,所述获取模具点云数据是对被检测模具的不同部位、不同角度进行三维扫描获得。
在一种可能的实现方式中,在点云数据三角化之前,还包括:根据每个点云数据的测点计算邻近点。
在一种可能的实现方式中,所述三角网格曲面模型由所述三角化的点云数据通过空间区域增长算法获得。
在一种可能的实现方式中,所述特征线通过特征搜索算法自动生成,所述三维模型由全部特征线构成。
搜索特征线起点;
寻找连续点;
去掉特征点列中的起点、连续点;
搜索特征线终止点;
判断特征线是否封闭;
重复上述步骤,最后连接所有的特征线,形成基于点云数据的三维模型。
在一种可能的实现方式中,在确定模具是否合格时判断模具各部位的形位公差,然后将所述形位公差与所述模具数模文件中的模具公差要求进行对比,根据对比结果确定模具是否合格。
本发明中的一种基于点云数据的模具在线精度检测方法,具有以下优点:
(1)本发明分离扫描装置和处理设备,扫描装置可以通过多角度扫描测量,时间短,灵活便捷,保证数据的完整性;
(2)本发明采集点云数据,测量精度高,对大型复杂模具检测效果好。
(3)处理设备在线上运行,可以实现在线检测,能及时发现由于磨损、损伤和热变形导致的模具精度不满足。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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为本发明实施例提供的一种基于点云数据的模具在线精度检测方法的流程示意图;
图2为本发明实施例提供的邻点均匀化示意图;
图3为本发明实施例提供的三角面垂直投影示意图;
图4为本发明实施例提供的特征线搜索示意图;
图5为本发明实施例提供的自动生成特征线的流程图。
具体实施方式
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,都属于本发明保护的范围。
图1为本发明实施例提供的一种基于点云数据的模具在线精度检测方法的流程示意图。本发明实施例提供了一种基于点云数据的模具在线精度检测方法,包括:
通过三维扫描获取模具点云数据;
对所述点云数据进行三角化获得三角网格曲面模型;
根据所述三角网格曲面模型判断特征点;
根据所述特征点生成特征线;
根据所述特征线获取三维模型;
根据获取的所述三维模型与模具数模文件进行比对得到模具的合格判断。
示例性的,所述通过三维扫描获取模具点云数据,是通过激光扫描仪或者深度相机采集到点云数据集。
示例性的,对点云数据进行三角化获得三角网格曲面模型,是进行点云数据三角网格划分。先计算每个测点的邻近点,采用k-近邻算法(KNN)计算邻近点,之后采用Delaunay方法(贪婪三角化)对点云数据三角化,然后将三维点通过法线投影到某一平面,再对投影得到的点云作平面内的三角化,然后根据平面内三位点的拓扑连接关系获得一个三角网格曲面模型。
所述在平面区域的三角化过程中用到了基于Delaunay的空间区域增长算法,该方法通过选取一个样本三角片作为初始曲面,不断扩张曲面边界,最后形成一张完整的三角网格曲面,最后根据投影点云的连接关系确定各原始三维点间的拓扑连接,所得的三角网格即为重建得到的曲面模型。
示例性的,根据所述三角网格曲面模型判断特征点是采用曲率极值法进行特征点二次提取,为了计算每一个顶点的曲率,在顶点处建立曲面,其中,,如图2所示为原点,轴为曲面在点的法矢的方向,相互正交且在的切平面内,由绝对坐标值经如下变换而得:平移至,经旋转使得轴与轴重合,此时可取轴。曲面上的点处存在无数条主法矢和曲面的法矢重合的曲线,该曲线族的曲率是曲面在点的法曲率,法曲率中的极小值和极大值称为主曲率,对应的曲线的切线方向分别为,称为主方向,其为Weingarten变换的两个特征值下的特征向量,故两者总是互相垂直,设的个相关三角形为,相应地,有个相邻顶点,为顶点处的法矢,为向外的单位法矢,为的距离。采用柯映林从力学角度给出的单位法矢加权叠加公式得到网格顶点法矢,所述公式如下:
据上述得到的信息,建立方程组:
用最小二乘法解此方程组,即求得曲面S。最小二乘解使得各个邻点到曲面距离的平方和最小,但这种方法的缺点是在处理狭长三角片时较困难,离近的点误差分配多,离远的点误差分配少。为减少误差分配所带来的影响,我们将邻点均匀化。若为球心。搜索与距离最近的邻点,以二者之间的距离为半径做球,将三角形网格与此球的交点作为新邻点,代入方程求解。所述曲率极值法判断是考察三角面及其垂直投影,如图3所示,点和点方向和反向延长线与三角形垂直投影的交点为,当的主曲率绝对值大于在方向上的法曲率的绝对值时,点为方向上的曲率极值点,标记为特征点,的法曲率可由的线性组合求出。同理可得的情况,对在方向上是否为特征点进行判断。
示例性的,所述生成特征线是通过算法自动生成,在确定特征点后,将其分组,并使用这些点的B样条曲线作为特征线,通过在三角网格的二重邻点(最接近其延伸方向的点)范围内搜索,连接特征线,如图4所示,所述算法流程如图5所示,包括:
步骤一,搜索特征线起点;
步骤二,寻找连续点;
步骤三,去掉特征点列中的起点、连续点;
步骤四,搜索特征线终止点:重复步骤2,步骤3至某点的邻点和最靠近其延伸方向的点中无特征点,即找到特征线的终止点;
步骤五,判断特征线是否封闭:若终止点的邻点或最靠近其延伸方向的点包含起点,则将这一点列组成一条封闭的B样条线;若不包含点,则判断特征线不封闭,再以作为特征线方向,反方向搜索,重复步骤4,再将得到的连续点***点列的起点之前,作为新的起点;
步骤六,重复上述步骤,最后连接所有的特征线,形成基于点云数据的三维模型。
所述三维模型由所有所述特征线连接构成。
所述得到模具的合格判断是将得到的三维模型与模具的数模文件进行数模比对,可显性得到模具各部位的形位公差,与模具公差要求进行比对,作为模具合格判。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
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 (5)
1.一种基于点云数据的模具在线精度检测方法,其特征在于,包括:
通过三维扫描获取模具点云数据;
将所述点云数据通过互联网发送至处理设备,所述处理设备对所述点云数据进行三角化获得三角网格曲面模型;
根据所述三角网格曲面模型判断特征点;
根据所述特征点生成特征线;
根据所述特征线获取三维模型;
根据获取的所述三维模型与模具数模文件进行比对确定模具是否合格;
所述特征线通过特征搜索算法自动生成,所述三维模型由全部特征线构成,所述特征搜索算法包括:
搜索特征线起点;
寻找连续点;
去掉特征点列中的起点、连续点;
搜索特征线终止点;
判断特征线是否封闭;
重复上述步骤,最后连接所有的特征线,形成基于点云数据的三维模型。
2.根据权利要求1所述的一种基于点云数据的模具在线精度检测方法,其特征在于,所述获取模具点云数据是对被检测模具的不同部位、不同角度进行三维扫描获得。
3.根据权利要求1所述的一种基于点云数据的模具在线精度检测方法,其特征在于,在点云数据三角化之前,还包括:
根据每个点云数据的测点计算邻近点。
4.根据权利要求1所述的一种基于点云数据的模具在线精度检测方法,其特征在于,所述三角网格曲面模型由所述三角化的点云数据通过空间区域增长算法获得。
5.根据权利要求1所述的一种基于点云数据的模具在线精度检测方法,其特征在于,在确定模具是否合格时判断模具各部位的形位公差,然后将所述形位公差与所述模具数模文件中的模具公差要求进行对比,根据对比结果确定模具是否合格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211453026.2A CN115578429B (zh) | 2022-11-21 | 2022-11-21 | 一种基于点云数据的模具在线精度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211453026.2A CN115578429B (zh) | 2022-11-21 | 2022-11-21 | 一种基于点云数据的模具在线精度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115578429A CN115578429A (zh) | 2023-01-06 |
CN115578429B true CN115578429B (zh) | 2023-05-05 |
Family
ID=84588340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211453026.2A Active CN115578429B (zh) | 2022-11-21 | 2022-11-21 | 一种基于点云数据的模具在线精度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578429B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116399241B (zh) * | 2023-06-07 | 2023-08-15 | 武汉工程大学 | 一种贴片式电感几何参数测量方法及*** |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010032495A1 (ja) * | 2008-09-16 | 2010-03-25 | 株式会社アドイン研究所 | 樹木情報計測方法、樹木情報計測装置、プログラム |
CN101706257A (zh) * | 2009-12-04 | 2010-05-12 | 重庆建设摩托车股份有限公司 | 用模具生产的具有异形内孔或通道产品的检测方法 |
CN112085821A (zh) * | 2020-08-17 | 2020-12-15 | 万申(北京)科技有限公司 | 一种基于半监督的cbct与激光扫描点云数据配准方法 |
CN112669463B (zh) * | 2020-12-25 | 2022-02-15 | 河南信大融通信息科技有限公司 | 三维点云的曲面重建方法、计算机设备和计算机可读存储介质 |
CN112669462B (zh) * | 2021-01-18 | 2023-02-28 | 新拓三维技术(深圳)有限公司 | 一种适用于扫描点云的模型处理方法及*** |
-
2022
- 2022-11-21 CN CN202211453026.2A patent/CN115578429B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767457A (zh) * | 2017-10-09 | 2018-03-06 | 东南大学 | 一种基于点云快速重建的stl数模生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115578429A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112581457B (zh) | 一种基于三维点云的管道内表面检测方法及装置 | |
Orteu et al. | Multiple-camera instrumentation of a single point incremental forming process pilot for shape and 3D displacement measurements: methodology and results | |
Xia et al. | An accurate and robust method for the measurement of circular holes based on binocular vision | |
Ravishankar et al. | Automated inspection of aircraft parts using a modified ICP algorithm | |
CN115578429B (zh) | 一种基于点云数据的模具在线精度检测方法 | |
Wang et al. | Accurate radius measurement of multi-bend tubes based on stereo vision | |
CN111369607A (zh) | 一种基于图片解析的预制构件拼装匹配方法 | |
Shi et al. | Circular grid pattern based surface strain measurement system for sheet metal forming | |
Jin et al. | A new multi-vision-based reconstruction algorithm for tube inspection | |
CN116740060B (zh) | 基于点云几何特征提取的装配式预制构件尺寸检测方法 | |
Liu et al. | Measuring method for micro-diameter based on structured-light vision technology | |
Liu et al. | Tube measurement based on stereo-vision: a review | |
CN111540001A (zh) | 航空发动机涡轮叶片气膜孔轴线方向检测方法 | |
Jin et al. | Automatic multi-stereo-vision reconstruction method of complicated tubes for industrial assembly | |
Radvar-Esfahlan et al. | Robust generalized numerical inspection fixture for the metrology of compliant mechanical parts | |
Yang et al. | Investigation of point cloud registration uncertainty for gap measurement of aircraft wing assembly | |
Jin et al. | A multi-vision-based system for tube inspection | |
Yu et al. | Visual texture-based 3-D roughness measurement for additive manufacturing surfaces | |
Huang et al. | A novel algorithm: fitting a spatial arc to noisy point clouds with high accuracy and reproducibility | |
CN115770731A (zh) | 一种基于激光视觉剔除不良工件的方法及*** | |
Li et al. | Scanning data reduction and accuracy enhancement through hybrid probing and bicubic surface construction | |
CN114862816A (zh) | 毛刺检测方法、***和计算机可读存储介质 | |
US20230290060A1 (en) | Deriving metrology data for an object based on abstract geometry data | |
Spence et al. | Automotive sheet metal and grid digitizing solutions | |
US20230030807A1 (en) | Deriving metrology data for an instance of an object |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |