CN116242277A - 基于全场三维视觉的电源机箱结构件尺寸自动测量方法 - Google Patents

基于全场三维视觉的电源机箱结构件尺寸自动测量方法 Download PDF

Info

Publication number
CN116242277A
CN116242277A CN202310131114.9A CN202310131114A CN116242277A CN 116242277 A CN116242277 A CN 116242277A CN 202310131114 A CN202310131114 A CN 202310131114A CN 116242277 A CN116242277 A CN 116242277A
Authority
CN
China
Prior art keywords
point cloud
measurement
structural member
power supply
shape feature
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
Application number
CN202310131114.9A
Other languages
English (en)
Inventor
刘丽霞
郭庆
赵婕
钟俊杰
吴琼
杨凤龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Satellite Manufacturing Factory Co Ltd
Original Assignee
Beijing Satellite Manufacturing Factory Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Satellite Manufacturing Factory Co Ltd filed Critical Beijing Satellite Manufacturing Factory Co Ltd
Priority to CN202310131114.9A priority Critical patent/CN116242277A/zh
Publication of CN116242277A publication Critical patent/CN116242277A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • 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
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
    • G01B11/254—Projection of a pattern, viewing through a pattern, e.g. moiré
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

基于全场三维视觉的电源机箱结构件尺寸自动测量方法，基于相移条纹投影测量方法，经多亮度条纹投射合成，获取电源机箱结构件一测量视点下的单测量视点点云；据此获取所有测量视点点云，利用测量转台上位置随机的标志点对点云拼接，得到电源机箱结构件的完整点云，并对该完整点云数据进行去噪处理得到电源机箱结构件的测量点云；根据电源机箱结构件的CAD模型得到模型点云，将测量点云与模型点云配准统一坐标系，基于电源机箱结构件模型中提取的形状特征，在测量点云上提取该形状特征对应的局部测量点云，对局部测量点云进行拟合得到几何参数，基于几何参数计算形状特征的实测尺寸信息。本发明适应性强、精度高、速度快，可实现结构件的自动化检测。

Description

基于全场三维视觉的电源机箱结构件尺寸自动测量方法
技术领域
本发明属于三维测量领域，涉及一种基于全场三维视觉的电源机箱结构件尺寸自动测量方法。
背景技术
诸如电源机箱等星上设备结构件等作为重要卫星部件，主要用于高度集成化的航天器电子***，并且相关结构件的检测效率和精度要求均较高。电源机箱结构件通常为高精度机械加工件，单件、件数多。目前主要依靠人工卡尺测量，当待测尺寸较多时人工测量方式耗时长精度低，无法满足检测需求；三坐标机等接触式测量方法精度高，但在使用时需要对测量路径进行编程，有较高的离线编程成本，无法满足实际生产需要。。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于全场三维视觉的电源机箱结构件尺寸自动测量方法，由此解决现有的人工测量及接触式测量效率和精度低，无法满足电源机箱结构件实际检测需求的技术问题。
本发明提出基于全场三维视觉的电源机箱结构件尺寸自动测量方法，包括：
经过多亮度条纹投射及合成，三维视觉测量***获取电源机箱结构件一个测量视点下的单测量视点点云；
根据前一步的方法获取电源机箱结构件所有测量视点点云，利用测量转台上位置随机的标志点对所有测量视点点云进行拼接，得到包含电源机箱结构件的完整点云，并对该包含电源机箱结构件的完整点云数据进行去噪处理得到电源机箱结构件的测量点云；
根据电源机箱结构件CAD模型得到模型点云，将测量点云与模型点云配准使测量点云与模型点云统一到同一个坐标系下，再基于电源机箱结构件CAD模型中提取的形状特征，在测量点云上提取该形状特征对应的局部测量点云，对局部测量点云进行拟合得到几何参数，基于几何参数计算形状特征的实测尺寸信息。
进一步的，所述经过多亮度条纹投射及合成，三维视觉测量***获取电源机箱结构件一个测量视点下的单测量视点点云，具体包括：
采用不同条纹投射亮度下多幅三频四步相移条纹图构成多组相移条纹图，将多组相移条纹图从暗到亮投射到电源机箱结构件表面，三维视觉测量***的双相机同步采集到受电源机箱结构件调制的条纹图案，从而生成多组掩膜图像；
当在每个亮度等级下，统计掩膜图像的同一个像素点在所述多组幅相移条纹图中未饱和的像素个数，当所述个数超过饱和阈值时，则对应的掩膜图像有效，否则无效；
对于有效掩膜图像的像素点，仅保留调制度最大的亮度等级所对应掩膜图像像素点作为最终掩膜图像，利用最终掩膜图像合成相移条纹图像；
对所述相移条纹图像进行处理得到单测量视点点云。
进一步的，所述根据前一步的方法获取电源机箱结构件所有测量视点点云，具体包括：
设定三维视觉测量***的测量视点，使得三维视觉测量***工作距离在双相机的景深范围内，并保证双相机视场内至少3对标志点被同时拍摄到，且该3对标志点圆心不共线，双相机从电源机箱结构件上方测量电源机箱结构件顶面点云数据，再从前后左右四个方位补充测量电源机箱结构件侧面点云数据。
进一步的，所述利用测量转台上位置随机的标志点对所有测量视点点云进行拼接，得到包含电源机箱结构件的完整点云，具体包括：
步骤1、提取采集到的图像中标志点的圆心并进行极线匹配，计算标志点圆心的空间位置，对相邻两个测量视点采集到的两组点云，利用最小二乘法求解两组点云之间的刚性变换矩阵，得到两组相邻点云数据的拼接结果；
步骤2、根据步骤1的方法连续将相邻两个视点的点云进行基于标志点的拼接，并使用ICP算法进行进一步配准，直至完成所有视点点云的拼接；并对拼接重叠区域点云进行高斯滤波，得到包含电源机箱结构件的完整点云。
进一步的，所述对拼接重叠区域点云进行高斯滤波，具体包括：
设置体素栅格边长，对所有单测量视点点云，将点云数据划分为若干个大小相同的体素栅格，计算每个体素栅格中点云的重心，并用重心替代该体素栅格内点；
遍历所有测量视点点云，计算每个点与该点的k个近邻点的距离di，i＝1,2,…,k，脚标i是k近邻点的序号，计算平均距离
Figure BDA0004083868330000031
和di的标准差std，剔除/>
Figure BDA0004083868330000032
Figure BDA0004083868330000033
的所有近邻点，t为可调节参数。
进一步的，所述对该包含电源机箱结构件的完整点云数据进行去噪处理得到电源机箱结构件的测量点云，具体包括：
利用主成分分析法获得包含电源机箱结构件的完整点云的三个主方向，确定垂直于转台平面的法向量从而确定转台平面；根据电源机箱结构的尺寸去除所述转台平面点云，最终得到电源机箱结构件的测量点云。
进一步的，所述根据电源机箱结构件CAD模型得到模型点云，具体包括：
将CAD模型转化为STL格式，获得CAD模型表面三角形面片的信息，对每个三角形面片进行随机上采样以对三角面片填充点云数据，最终将CAD模型离散化为模型点云。
进一步的，所述将测量点云与模型点云配准使测量点云与模型点云统一到同一个坐标系下，再基于电源机箱结构件CAD模型中提取的形状特征，在测量点云上提取该形状特征对应的局部测量点云，对局部测量点云进行拟合得到几何参数，基于几何参数计算形状特征的实测尺寸信息，具体包括：
基于FRG算法，将电源机箱结构件的测量点云与模型点云进行第一次配准，使测量点云与模型点云统一到同一个坐标系下；
基于ICP算法将测量点云与模型点云进行第二次配准；
根据CAD模型的形状特征类型，对该形状特征的点云进行分割，得到与该形状特征对应的局部点云，并对该局部点云进行拟合，进而得到该形状特征的几何尺寸参数；
根据从CAD模型提取出的形状特征的空间位置，在测量点云上定位到对应形状特征的位置，再使用直通滤波器，去除形状特征以外的点云以分割出相应形状特征的局部测量点云；
对形状特征的局部测量点云首先进行去噪，然后采用基于随机采样一致性算法和整体最小二乘算法的拟合得到形状特征几何参数，基于几何参数计算形状特征的实测尺寸信息。
进一步的，所述方法进一步包括：将形状特征的实测尺寸信息与设计模型中提取的设计尺寸对比，判断加工是否合格并给出报告。
进一步的，所述电源机箱可被替换为其他星上设备。
本发明基于全场三维视觉的电源机箱结构件尺寸自动测量方法，根据输入的电源机箱结构件三维点云模型及标注尺寸，对电源机箱结构件进行三维尺寸检测，并生成检测报告，从而提升检测效率与精度，为航天器电子***电源机箱结构件的加工质量提供有力的保证，本发明的方法还可以应用于测量星上计算机、星上通信设备等星上设备有效载荷的尺寸测量中，具有良好的通用性。
附图说明
图1为本发明提供的基于三维视觉的电源机箱结构件扫描自动测量方法流程示意图；
图2为基于双目立体视觉的相移条纹投影测量***示意图；
图3为本发明提供的基于三维视觉的电源机箱结构件扫描自动测量***示意图；
图4为实测点云与模型点云配准流程图；
图5为点云特征分割结果，(a)为完整零件点云，(b)为两平面间距离尺寸1关联的特征，(c)为两平面间距离尺寸2关联的特征。
图6为工业零件尺寸特征分割结果，(a)为标注尺寸的CAD模型，(b)为分割出特征的点云。
图7为点云特征拟合结果，(a)为两平面间距离尺寸1关联特征拟合结果，(b)为两平面间距离尺寸2关联特征拟合结果。
具体实施方式
为了使本发明的目的、技术方案更加清晰，以下结合附图及实施例，对本发明进行进一步详细说明。
本发明提出一种基于全场三维视觉的电源机箱结构件尺寸自动测量方法。星上计算机、星上通信设备等有效载荷通常具有类似立方体的规则外型。本发明的方法还可以应用于测量星上计算机、星上通信设备等星上设备有效载荷的尺寸测量，具有良好的通用性。基于本发明可以实现这类星上设备结构件的自动扫描和尺寸测量。下面以星上电源机箱结构件为例，对本发明的实时方式做出详细说明。
本发明实施例提供一种基于全场三维视觉的电源机箱结构件尺寸自动测量方法，如图1所示，包括：
利用三维视觉测量***实现本发明的自动测量方法，参考图2-3，三维视觉测量***由转台、机械臂、相位匹配全场测量传感器、计算机等组成。
具体地，转台上表面有专用柔性夹具，同时粘贴有随机分布的圆形标志点。相位匹配全场测量传感器由机械臂带动，配合转台转动，实现电源机箱结构件的三维点云获取。计算机用于存储数据并执行控制与计算功能。
其中，相位匹配全场测量传感器由双相机、条纹投射器、散热风扇、数据接口、激光投射器共同组成。相机与条纹投射器根据被测物尺寸设计相机视场、体积等因素选择，并由测量范围和投射器视场角确定工作距离。被测件的最大尺寸可以为500mm×500mm，由于用单视场测量对投影仪及测头基线要求较高，同时视场增大会增大点距，影响测量精度，因此采用多视场测量，每个视场测量范围建议选取260mm×220mm；为了覆盖视场，投射器选用各类投射其中视场角较大的中型短焦投射器；根据视场角和视场横向范围计算得到传感器的工作距离，计算结果为500mm。然后根据测量需求选择相机分辨率，在被测对象曲率变化较大、阶跃边缘较多时，高分辨率相机可以保证细节测量的准确性，选择2448×2048分辨率相机。其次，根据相机参数选择镜头，镜头焦距可根据相机靶面大小、传感器工作距离和测量范围计算获得，优选焦距为16mm的镜头。同时，镜头的光学分辨率要大于相机分辨率。最后根据***参数进行仿真，计算测量的随机误差，判断是否满足测量精度指标。散热风扇用于相机和条纹投射器降温，抑制温漂；数据接口用于传感器与计算机的数据传输；激光投射器用于人工辅助判断传感器是否处于设计工作距离，当被测对象表面激光点重合时，即该面位为设计工作距离。
利用三维视觉测量***实现基于全场三维视觉的电源机箱结构件尺寸自动测量方法的实施过程如下：
S1.基于相位匹配三维视觉测量获取电源机箱结构件局部点云，利用相移条纹投影测量原理，经过多亮度条纹投射及合成技术，获取传感器一个测量角度视场内电源机箱结构件强反光表面的单视场点云。
具体地，相位匹配全场测量传感器利用条纹投射器向待测物投射相移正弦条纹，使用两台相机拍摄条纹，经解相与相位展开，再利用结构光三角测量原理或双目立体视觉原理计算出物体的三维形貌。该传感器利用相移条纹投影测量原理，结合多亮度合成技术，实现电源机箱结构件强反光表面的单视场精确测量，具体流程为：
S11.采用三频四步相移条纹图，即条纹周期分别为15、16、17像素，每一周期下投4幅以π/2为步幅的相移条纹图，条纹图案可以表示为：
Figure BDA0004083868330000061
其中，Ii(x,y)表示第i幅相移条纹图，(x,y)表示相机像平面坐标系的坐标，I′(x,y)表示背景光平均亮度，I″(x,y)表示条纹图案的调制度，
Figure BDA0004083868330000062
表示包裹相位。
S12.将相移条纹图投射到被测物表面，对于反射率不同的电源机箱结构件表面，设计不同投射亮度的共7组三频四步相移条纹图，条纹投射器将7组相移条纹图从暗到亮投射到电源机箱结构件表面，双相机同步采集到受到被测物表面调制的条纹图案。
S13.生成一组掩膜图像Mk(x,y)，统计每个亮度等级下，同一个像素点(x,y)在N幅相移条纹图中未饱和的像素的个数，记作mk(x,y)，对掩膜图像赋值：
Figure BDA0004083868330000071
其中，掩膜值为1时表示有效，为0时代表无效。
计算条纹图案的调制度：
Figure BDA0004083868330000072
其中，k为亮度等级数，I"k(x,y)为k亮度等级下的调制度，i为相移数，取值为0到3，
Figure BDA0004083868330000073
为k亮度等级下采集到的条纹图亮度，(x,y)表示相机像平面坐标系的坐标；
对于掩膜值有效的个数大于1的像素点，仅保留调制度最大的亮度等级下对应掩膜值有效，其他亮度下的掩膜值置为0：
Figure BDA0004083868330000074
掩膜值有效的掩膜图像像素点作为最终掩膜图像，最终利用掩膜图像，合成一组高动态相移条纹图像：
Figure BDA0004083868330000075
S14.根据合成的高动态相移条纹图像，进行相位主值求解，多频外差相位展开，极线校正，相位匹配及三维重建，得到单视场点云。
S2.根据获取单视点点云的原理，通过旋转转台，配合机械臂路径规划带动测头，实现电源机箱结构件不同角度的测量，覆盖电源机箱结构件的所有表面，并基于转台上的标志点实现拼接，得到完整稠密点云，如图3所示，并针对噪声及无效点，进行点云数据预处理，具体步骤为：
S21.结合电源机箱结构件尺寸设定相机的测量视点，要求相机工作距离在该相机景深范围，从而拍摄到清晰的标志点图像，提取的圆心坐标精度更高。由于电源机箱结构件对转台上标志点存在遮挡，需保证双相机视场内至少3对标志点被同时拍摄到，且3对标志点圆心坐标不共线。配合转台和机械臂运动，双相机分别从电源机箱结构件上方测量电源机箱结构件顶面点云数据，再从前后左右四个方位补充测量电源机箱结构件侧面点云数据。
S22.标志点固定粘贴于转台上，因此空间相对位置始终不变，据此特性，首先提取双相机图像中标志点的圆心并进行极线匹配，计算标志点圆心的空间位置，对相邻两个测量视点采集到的两组点云，由提取到的标志点中心坐标，利用最小二乘法求解两组点云间的刚性变换矩阵，得到两组相邻点云数据的粗拼接结果，使两组点云大致统一到同一坐标系下。
S23.连续将相邻两个视点点云进行基于标志点的粗拼接，并使用ICP算法进行精确配准，直至完成所有视场点云的拼接。
S24.针对重叠区域点云过于密集且细节杂乱的问题，利用体素网格法在保留几何特征的同时达到消除重叠点的效果，针对原始点云数据中的噪声，采用高斯滤波对点云进行点云滤波。
具体地，体素网格法设置体素栅格边长，将点云数据划分入若干个大小相同的体素栅格，计算栅格中点云数据的重心并进行保留，并用重心替代栅格内的数据点，达到精简点云数据的效果。具体的利用K邻域法，遍历所有测量视点点云，计算每个点与该点k邻域内k个近邻点的距离di(i＝1,2,…,k，脚标i是k近邻点的序号)、平均距离
Figure BDA0004083868330000083
和di的标准差std，剔除/>
Figure BDA0004083868330000081
Figure BDA0004083868330000082
的所有近邻点，t为可调节参数。
S25.针对转台等无关点云噪声，利用主成分分析法获得点云的三个主方向和质心，在三维点云中，协方差矩阵特征值表示数据变化方差最大的幅值，特征向量表示方差最大的方向，垂直于转台平面方向即最大特征值对应的特征向量方向。采用单点随机采样一致性算法，由实测点云中随机选取的一点及转台平面法向量确定一个平面作为转台平面，可去除转台平面点云得到被测物体的点云，以得到电源机箱结构件的测量点云。为了进一步去除完整点云数据中的无关点云噪声，基于单点随机采样一致性算法，对所有测量视点点云中随机选取的一点及法向量确定一个平面，对多个随机选取的点，计算相应的多个平面，并得到每个平面距离判断阈值θh内的点作为转台平面点云，由于转台平面点数最多，且转台尺寸已知，可以根据提取到的多个平面内点的数量和平面尺寸确定转台平面点云。去除转台平面点云得到被测物体的点云，以得到电源机箱结构件的测量点云。其中判断阈值θh可根据实际应用场景和经验进行适应性调整。
S3.基于FRG算法及ICP算法配准测量点云与模型点云，流程如图4所示，基于尺寸关联特征进行点云分割、特征拟合、尺寸计算，与机箱CAD模型上提取的尺寸信息进行比对识别，实现尺寸测量。
S31.将CAD模型转化为STL格式，获得模型表面三角形面片的信息，根据每个三角形面片进行随机上采样对三角面片填充点云数据，最终将STL模型离散化为点云。
S32.基于FRG算法，将实测的待测件点云与CAD模型点云进行第一次粗配准，使不同坐标系下的模型点云与实测点云点云大致统一到同一个坐标系下，为后续ICP精配准提供良好的初始位置，确保精配准算法有效。
S33.基于ICP算法将实测的点云与CAD模型第二次精确配准，提高配准精度，使其达到最佳拟合。
S34.根据CAD模型上提供的尺寸关联特征类型(如，平面、圆柱等)，对该特征附近的点云进行分割，得到与特征对应的局部点云，并对该局部点云进行拟合，得到特征的几何尺寸参数。
从CAD模型中提取出的尺寸类型包括线性尺寸、半径尺寸、直径尺寸，其中线性尺寸可由点面距离和点线距离计算，半径尺寸和直径尺寸可直接由拟合方程中读取。
其中，基于尺寸关联特征的点云分割，根据从三维CAD模型提取出的尺寸相关特征信息中的空间位置信息，在实测点云上快速定位到尺寸关联特征所在的位置，再使用直通滤波器，快速剪除特征外的部分，达到分离特征的目的，如图5所示。对完整实测点云进行分割之后，分割结果如图6所示。
点云面特征参数的拟合，首先进行去噪，减少误差，然后采用基于随机采样一致性(RANSAC)和整体最小二乘算法(TLS)的拟合特征。随机采样一致性算法放弃一些无效点，使用尽可能满足条件的数据，寻找模型去进行拟合，从而对点云进行去噪保留有效数据。整体最小二乘法是基于最小二乘法的改进，将拟合时的系数矩阵中的干扰因素考虑在内，将x，y，z三个坐标轴上的误差都考虑在内，相比于最小二乘法得到的拟合结果更精确，拟合结果如图7所示。
S35.基于几何参数，计算在实测点云中对应的实测尺寸信息，并与CAD设计模型中提取的设计尺寸信息比对，判断加工是否合格，并输出报告。

Claims (10)

1.基于全场三维视觉的电源机箱结构件尺寸自动测量方法，其特征在于，包括：
经过多亮度条纹投射及合成，三维视觉测量***获取电源机箱结构件一个测量视点下的单测量视点点云；
根据前一步的方法获取电源机箱结构件所有测量视点点云，利用测量转台上位置随机的标志点对所有测量视点点云进行拼接，得到包含电源机箱结构件的完整点云，并对该包含电源机箱结构件的完整点云数据进行去噪处理得到电源机箱结构件的测量点云；
根据电源机箱结构件CAD模型得到模型点云，将测量点云与模型点云配准使测量点云与模型点云统一到同一个坐标系下，再基于电源机箱结构件CAD模型中提取的形状特征，在测量点云上提取该形状特征对应的局部测量点云，对局部测量点云进行拟合得到几何参数，基于几何参数计算形状特征的实测尺寸信息。
2.根据权利要求1所述的方法，其特征在于，所述经过多亮度条纹投射及合成，三维视觉测量***获取电源机箱结构件一个测量视点下的单测量视点点云，具体包括：
采用不同条纹投射亮度下多幅三频四步相移条纹图构成多组相移条纹图，将多组相移条纹图从暗到亮投射到电源机箱结构件表面，三维视觉测量***的双相机同步采集到受电源机箱结构件调制的条纹图案，从而生成多组掩膜图像；
当在每个亮度等级下，统计掩膜图像的同一个像素点在所述多组幅相移条纹图中未饱和的像素个数，当所述个数超过饱和阈值时，则对应的掩膜图像有效，否则无效；
对于有效掩膜图像的像素点，仅保留调制度最大的亮度等级所对应掩膜图像像素点作为最终掩膜图像，利用最终掩膜图像合成相移条纹图像；
对所述相移条纹图像进行处理得到单测量视点点云。
3.根据权利要求2所述的方法，其特征在于，所述根据前一步的方法获取电源机箱结构件所有测量视点点云，具体包括：
设定三维视觉测量***的测量视点，使得三维视觉测量***工作距离在双相机的景深范围内，并保证双相机视场内至少3对标志点被同时拍摄到，且该3对标志点圆心不共线，双相机从电源机箱结构件上方测量电源机箱结构件顶面点云数据，再从前后左右四个方位补充测量电源机箱结构件侧面点云数据。
4.根据权利要求3所述的方法，其特征在于，所述利用测量转台上位置随机的标志点对所有测量视点点云进行拼接，得到包含电源机箱结构件的完整点云，具体包括：
步骤1、提取采集到的图像中标志点的圆心并进行极线匹配，计算标志点圆心的空间位置，对相邻两个测量视点采集到的两组点云，利用最小二乘法求解两组点云之间的刚性变换矩阵，得到两组相邻点云数据的拼接结果；
步骤2、根据步骤1的方法连续将相邻两个视点的点云进行基于标志点的拼接，并使用ICP算法进行进一步配准，直至完成所有视点点云的拼接；并对拼接重叠区域点云进行高斯滤波，得到包含电源机箱结构件的完整点云。
5.根据权利要求4所述的方法，其特征在于，所述对拼接重叠区域点云进行高斯滤波，具体包括：
设置体素栅格边长，对所有单测量视点点云，将点云数据划分为若干个大小相同的体素栅格，计算每个体素栅格中点云的重心，并用重心替代该体素栅格内点；
遍历所有测量视点点云，计算每个点与该点的k个近邻点的距离di，i＝1,2,…,k，脚标i是k近邻点的序号，计算平均距离
Figure FDA0004083868320000021
和di的标准差std，剔除/>
Figure FDA0004083868320000022
Figure FDA0004083868320000023
的所有近邻点，t为可调节参数。
6.根据权利要求4所述的方法，其特征在于，所述对该包含电源机箱结构件的完整点云数据进行去噪处理得到电源机箱结构件的测量点云，具体包括：
利用主成分分析法获得包含电源机箱结构件的完整点云的三个主方向，确定垂直于转台平面的法向量从而确定转台平面；根据电源机箱结构的尺寸去除所述转台平面点云，最终得到电源机箱结构件的测量点云。
7.根据权利要求6所述的方法，其特征在于，所述根据电源机箱结构件CAD模型得到模型点云，具体包括：
将CAD模型转化为STL格式，获得CAD模型表面三角形面片的信息，对每个三角形面片进行随机上采样以对三角面片填充点云数据，最终将CAD模型离散化为模型点云。
8.根据权利要求7所述的方法，其特征在于，所述将测量点云与模型点云配准使测量点云与模型点云统一到同一个坐标系下，再基于电源机箱结构件CAD模型中提取的形状特征，在测量点云上提取该形状特征对应的局部测量点云，对局部测量点云进行拟合得到几何参数，基于几何参数计算形状特征的实测尺寸信息，具体包括：
基于FRG算法，将电源机箱结构件的测量点云与模型点云进行第一次配准，使测量点云与模型点云统一到同一个坐标系下；
基于ICP算法将测量点云与模型点云进行第二次配准；
根据CAD模型的形状特征类型，对该形状特征的点云进行分割，得到与该形状特征对应的局部点云，并对该局部点云进行拟合，进而得到该形状特征的几何尺寸参数；
根据从CAD模型提取出的形状特征的空间位置，在测量点云上定位到对应形状特征的位置，再使用直通滤波器，去除形状特征以外的点云以分割出相应形状特征的局部测量点云；
对形状特征的局部测量点云首先进行去噪，然后采用基于随机采样一致性算法和整体最小二乘算法的拟合得到形状特征几何参数，基于几何参数计算形状特征的实测尺寸信息。
9.根据权利要求1所述的方法，其特征在于，所述方法进一步包括：将形状特征的实测尺寸信息与设计模型中提取的设计尺寸对比，判断加工是否合格并给出报告。
10.根据权利要求1-9任一项所述的方法，其特征在于，所述电源机箱可被替换为其他星上设备。
CN202310131114.9A 2023-02-17 2023-02-17 基于全场三维视觉的电源机箱结构件尺寸自动测量方法 Pending CN116242277A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310131114.9A CN116242277A (zh) 2023-02-17 2023-02-17 基于全场三维视觉的电源机箱结构件尺寸自动测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310131114.9A CN116242277A (zh) 2023-02-17 2023-02-17 基于全场三维视觉的电源机箱结构件尺寸自动测量方法

Publications (1)

Publication Number Publication Date
CN116242277A true CN116242277A (zh) 2023-06-09

Family

ID=86630815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310131114.9A Pending CN116242277A (zh) 2023-02-17 2023-02-17 基于全场三维视觉的电源机箱结构件尺寸自动测量方法

Country Status (1)

Country Link
CN (1) CN116242277A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740060A (zh) * 2023-08-11 2023-09-12 安徽大学绿色产业创新研究院 基于点云几何特征提取的装配式预制构件尺寸检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116740060A (zh) * 2023-08-11 2023-09-12 安徽大学绿色产业创新研究院 基于点云几何特征提取的装配式预制构件尺寸检测方法
CN116740060B (zh) * 2023-08-11 2023-10-20 安徽大学绿色产业创新研究院 基于点云几何特征提取的装配式预制构件尺寸检测方法

Similar Documents

Publication Publication Date Title
CN110672039B (zh) 一种基于平面反射镜的物体全方位三维测量方法
CN110514143B (zh) 一种基于反射镜的条纹投影***标定方法
CN106959078B (zh) 一种用于三维轮廓测量的轮廓测量方法
CA2731680C (en) System for adaptive three-dimensional scanning of surface characteristics
CN105066909B (zh) 一种手持式多激光条纹快速三维测量方法
CN107063129A (zh) 一种阵列式并行激光投影三维扫描方法
CN111563921B (zh) 一种基于双目相机的水下点云获取方法
CN103278138B (zh) 一种复杂结构薄部件三维位置及姿态的测量方法
US11544860B2 (en) Combined point cloud generation using a stationary laser scanner and a mobile scanner
JP2016075637A (ja) 情報処理装置およびその方法
CN105066962B (zh) 一种多分辨率大视场角高精度摄影测量装置
CN113205592B (zh) 一种基于相位相似性的光场三维重建方法及***
CN102376089A (zh) 一种标靶校正方法及***
CN110702025B (zh) 一种光栅式双目立体视觉三维测量***及方法
Ahmed et al. Pothole 3D reconstruction with a novel imaging system and structure from motion techniques
CN112489109B (zh) 一种三维成像***方法、装置及三维成像***
CA3233222A1 (en) Method, apparatus and device for photogrammetry, and storage medium
CN106500625A (zh) 一种远心立体视觉测量装置及其应用于物体三维形貌微米级精度测量的方法
CN111879354A (zh) 一种无人机精细化测量***
CN116242277A (zh) 基于全场三维视觉的电源机箱结构件尺寸自动测量方法
KR20220113781A (ko) 환경의 지형을 측정하는 방법
CN107367245B (zh) 光学三维轮廓测量中的无效点探测与剔除方法
Bergström et al. Automatic in-line inspection of shape based on photogrammetry
CN112525106B (zh) 基于三相机协同激光的3d探测方法及装置
CN113393413B (zh) 基于单目与双目视觉协同的水域面积测量方法和***

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