CN117073586B - 一种同轴双轴转台机械轴平行度检测装置及方法 - Google Patents
一种同轴双轴转台机械轴平行度检测装置及方法 Download PDFInfo
- Publication number
- CN117073586B CN117073586B CN202311338094.9A CN202311338094A CN117073586B CN 117073586 B CN117073586 B CN 117073586B CN 202311338094 A CN202311338094 A CN 202311338094A CN 117073586 B CN117073586 B CN 117073586B
- Authority
- CN
- China
- Prior art keywords
- axis
- projection image
- image sequence
- angle
- rotation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003062 neural network model Methods 0.000 claims abstract description 11
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
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
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
-
- 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
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及平行度测量技术领域,公开了一种同轴双轴转台机械轴平行度检测装置及方法,其中一种同轴双轴转台机械轴平行度检测方法,包括以下步骤:将发射光源设置于A轴面的圆心;顺时针旋转B轴n次,生成第一投影图像序列;顺时针同步旋转A轴和B轴n次,生成第二投影图像序列;逆时针旋转A轴n次,生成第三投影图像序列;将第一投影图像序列、第二投影图像序列和第三投影图像序列输入神经网络模型,输出表示B轴与基准轴的夹角的值和表示A轴与基准轴的夹角的值;本发明能够准确的判断同轴双轴转台的A轴和B轴的平行度,并获取偏差的角度值,辅助A轴和B轴调整到水平。
Description
技术领域
本发明涉及平行度测量技术领域,更具体地说,它涉及一种同轴双轴转台机械轴平行度检测装置及方法。
背景技术
双轴转台机械轴的旋转平行度影响机械寿命以及应用的设备的性能,现有的激光测量法光栅宽度窄,长度短,在大平面的轴面的情况下无法覆盖整个轴面,基于局部平面观测整个平面,误差大。
使用投影法来测量双轴转台机械轴的旋转平行度,将双轴转台机械轴的两个机械轴定义为A轴和B轴,通过将矩形光阑设置于A轴面上,发射光源透过矩形光阑到B轴面进行中心投影产生投影矩形,再根据发射光源入射角、矩形光阑的空间角度和A轴以及B轴的中心距离等参数来计算A轴面与B轴面平行假设下的投影矩形的边长与实际的投影矩形的边长的差值,通过旋转B轴进行多次测量,再根据多次计算的差值来求平均值,如果平均值大于设定的阈值则判断旋转平行度不满足条件。但是如果A轴与B轴平行,A轴面与B轴面不平行同样会产生投影计算的差值,按照前述的方法会导致A轴与B轴平行度的误判。
发明内容
本发明提供一种同轴双轴转台机械轴平行度检测方法,解决相关技术中一般的光阑投影法会导致A轴与B轴平行度的误判的技术问题。
本发明提供了一种同轴双轴转台机械轴平行度检测方法,包括以下步骤:
步骤S101,同轴双轴转台的两个机械轴定义为A轴和B轴,将发射光源设置于A轴面的圆心,将光阑设置于A轴与B轴的中间,光阑所在的平面与A轴的平面平行,光阑与A轴轴面的垂直距离为H;
步骤S102,顺时针旋转B轴n次,B轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第一投影图像序列;
步骤S103,顺时针同步旋转A轴和B轴n次,旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第二投影图像序列;
步骤S104,将发射光源设置于B轴面的圆心,将光阑设置于A轴与B轴的中间,光阑所在的平面与B轴的平面平行,光阑与B轴面的垂直距离为H;
步骤S105,逆时针旋转A轴n次,A轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次A轴面的图像,生成第三投影图像序列;
步骤S106,将第一投影图像序列、第二投影图像序列和第三投影图像序列输入神经网络模型,输出表示B轴与基准轴的夹角的值和表示A轴与基准轴的夹角的值。
进一步地,H的取值需要满足光阑在B轴面上的投影不超出B轴面的范围。
进一步地,第一投影图像序列表示为:,其中/>表示旋转B轴的第一个角度时的B轴面的投影图像,/>表示旋转B轴的第n个角度时的B轴面的投影图像。
进一步地,第二投影图像序列表示为:,其中/>表示同步旋转A轴和B轴的第一个角度时的B轴面的投影图像,/>表示同步旋转A轴和B轴的第n个角度时的B轴面的投影图像。
进一步地,第三投影图像序列表示为:,其中/>表示旋转A轴的第一个角度时的A轴面的投影图像,/>表示旋转A轴的第n个角度时的A轴面的投影图像。
进一步地,光阑的形状为矩形或等腰梯形。
进一步地,投影图像序列中的图像进行二值化处理,背景的灰度值为0,投影的灰度值为255。
进一步地,神经网络模型包括:第一隐藏层、第二隐藏层、第一全连接层、第二全连接层;
第一隐藏层包括:第一组合器、第二组合器、第一卷积层、第二卷积层;
第一隐藏层的第一组合器用于将第一投影图像序列和第二投影图像序列的序列单元对应的投影图像进行组合获得第四投影图像序列;
第四投影图像序列表示为:,其中/>表示旋转B轴的第一个角度时的B轴面的投影图像和同步旋转A轴和B轴的第一个角度时的B轴面的投影图像,/>表示旋转B轴的第n个角度时的B轴面的投影图像和同步旋转A轴和B轴的第n个角度时的B轴面的投影图像;
第一隐藏层的第二组合器用于将第二投影图像序列和第三投影图像序列的序列单元对应的投影图像进行组合获得第五投影图像序列;
第五投影图像序列表示为:,其中/>表示同步旋转A轴和B轴的第一个角度时的B轴面的投影图像和旋转A轴的第一个角度时的A轴面的投影图像,/>表示同步旋转A轴和B轴的第n个角度时的B轴面的投影图像和旋转A轴的第n个角度时的A轴面的投影图像;
第t个第一隐藏层的第一卷积层的2个通道分别输入第四投影图像序列的第t个序列单元对应的旋转B轴的第t个角度时的B轴面的投影图像和同步旋转A轴和B轴的第t个角度时的B轴面的投影图像,输出第t个第一特征向量;
第t个第一隐藏层的第二卷积层的2个通道分别输入第五投影图像序列的第t个序列单元对应的同步旋转A轴和B轴的第t个角度时的B轴面的投影图像和旋转A轴的第t个角度时的A轴面的投影图像,输出第t个第二特征向量;
第二隐藏层的第t个LSTM单元分别输入第t个第一特征向量和第t个第二特征向量,第二隐藏层的第n个LSTM单元输入第一全连接层和第二全连接层,第一全连接层输出表示B轴与基准轴的夹角的值,第二全连接层输出表示A轴与基准轴的夹角的值。
进一步地,A轴的轴座和B轴的轴座的轴孔的轴线作为基准轴;调节A轴和B轴的方法包括:调节A轴时通过安装A轴的法兰向垂直于平台的面的方向调整,调节B轴时通过安装B轴的法兰向垂直于平台的面的方向调整;
定义A轴与基准轴的夹角为负值时调节A轴靠***台的一端向下摆动,为正值时调节A轴靠***台的一端向上摆动;
定义B轴与基准轴的夹角为负值时调节B轴靠***台的一端向下摆动,为正值时调节A轴靠***台的一端向上摆动。
进一步地,本发明提供一种同轴双轴转台机械轴平行度检测装置,包括:第一投影图像序列生成模块,其用于将发射光源设置于A轴面的圆心,顺时针旋转B轴n次,B轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第一投影图像序列;
第二投影图像序列生成模块,其用于将发射光源设置于A轴面的圆心,顺时针同步旋转A轴和B轴n次,旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第二投影图像序列;
第三投影图像序列生成模块,其用于将发射光源设置于B轴面的圆心,逆时针旋转A轴n次,A轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次A轴面的图像,生成第三投影图像序列;
预测模块,其用于将第一投影图像序列、第二投影图像序列和第三投影图像序列输入神经网络模型,输出表示B轴与基准轴的夹角的值和表示A轴与基准轴的夹角的值。
本发明的有益效果在于:能够准确的判断同轴双轴转台的A轴和B轴的平行度,并获取偏差的角度值,辅助A轴和B轴调整到水平。
附图说明
图1是本发明的一种同轴双轴转台机械轴平行度检测方法的流程图;
图2是本发明的双轴转台的结构示意图一;
图3是本发明的双轴转台的结构示意图二;
图4是本发明的一种同轴双轴转台机械轴平行度检测装置的模块示意图。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,可以在不脱离本说明书内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。另外,相对一些示例所描述的特征在其他例子中也可以进行组合。
如图1-3所示,一种同轴双轴转台机械轴平行度检测方法,包括以下步骤:
步骤S101,同轴双轴转台的两个机械轴定义为A轴和B轴,将发射光源设置于A轴面的圆心,将光阑设置于A轴与B轴的中间,光阑所在的平面与A轴的平面平行,光阑与A轴轴面的垂直距离为H(H的设置需要满足光阑在B轴面上的投影不超出B轴面的范围);
步骤S102,顺时针旋转B轴n次,B轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第一投影图像序列;
第一投影图像序列表示为:,其中/>表示旋转B轴的第一个角度时的B轴面的投影图像,/>表示旋转B轴的第n个角度时的B轴面的投影图像;
步骤S103,顺时针同步旋转A轴和B轴n次,旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第二投影图像序列;
第二投影图像序列表示为:,其中/>表示同步旋转A轴和B轴的第一个角度时的B轴面的投影图像,/>表示同步旋转A轴和B轴的第n个角度时的B轴面的投影图像;
步骤S104,将发射光源设置于B轴面的圆心,将光阑设置于A轴与B轴的中间,光阑所在的平面与B轴的平面平行,光阑与B轴面的垂直距离为H;
步骤S105,逆时针旋转A轴n次,A轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次A轴面的图像,生成第三投影图像序列;
第三投影图像序列表示为:,其中/>表示旋转A轴的第一个角度时的A轴面的投影图像,/>表示旋转A轴的第n个角度时的A轴面的投影图像;
在上述的实施例中,光阑的形状为矩形或等腰梯形。
在上述的实施例中,采集图像的单元设置于光阑的中心,拍摄方向与光源与光阑中心的连线一致。
进一步地,采集的图像为灰度图像,如果采集的是非灰度图像,需要进行灰度处理再生成投影图像序列。
进一步地,不考虑A轴与B轴的轴面不平行的情况下,单纯的观察第一投影序列相邻投影图像之间的变化能够体现B轴的平行度,单纯的观察第二投影序列相邻投影图像之间的变化能够体现A轴的平行度;但是如果A轴与B轴的轴面不平行,则会对这样的观察结果产生很大的影响,使结果误差增加。因此增加一个方式来获取第三投影图像序列,因此通过三个投影图像序列的联合观察能够从中获取A轴与B轴平行度信息和轴面平行信息,通过信息减法来排除轴面不平行的干扰,这个工作很难通过一般的计算来完成;以下通过针对上述观察需求构建的神经网络模型训练学***行度信息,并排除轴面不平行的干扰,输出准确表示夹角的结果。
由于A轴和B轴的轴面不平行同样会产生旋转时投影的变化,但是投影变化的表现与A轴与B轴的平行度造成的投影的变化存在差异。
在本发明的一个实施例中,投影图像序列中的图像都去除了背景,也即图像中只保留了A轴或B轴的轴面以及轴面上的投影。
在本发明的一个实施例中,投影图像序列中的图像进行二值化处理,背景的灰度值为0,投影的灰度值为255。
步骤S106,将第一投影图像序列、第二投影图像序列和第三投影图像序列输入神经网络模型,输出表示B轴与基准轴的夹角的值和表示A轴与基准轴的夹角的值;
神经网络模型包括:第一隐藏层、第二隐藏层、第一全连接层、第二全连接层;
第一隐藏层包括:第一组合器、第二组合器、第一卷积层、第二卷积层;
第一隐藏层的第一组合器用于将第一投影图像序列和第二投影图像序列的序列单元对应的投影图像进行组合获得第四投影图像序列;
第四投影图像序列表示为:,其中/>表示旋转B轴的第一个角度时的B轴面的投影图像和同步旋转A轴和B轴的第一个角度时的B轴面的投影图像,/>表示旋转B轴的第n个角度时的B轴面的投影图像和同步旋转A轴和B轴的第n个角度时的B轴面的投影图像;
第一隐藏层的第二组合器用于将第二投影图像序列和第三投影图像序列的序列单元对应的投影图像进行组合获得第五投影图像序列;
第五投影图像序列表示为:,其中/>表示同步旋转A轴和B轴的第一个角度时的B轴面的投影图像和旋转A轴的第一个角度时的A轴面的投影图像,/>表示同步旋转A轴和B轴的第n个角度时的B轴面的投影图像和旋转A轴的第n个角度时的A轴面的投影图像;
第t个第一隐藏层的第一卷积层的2个通道分别输入第四投影图像序列的第t个序列单元对应的旋转B轴的第t个角度时的B轴面的投影图像和同步旋转A轴和B轴的第t个角度时的B轴面的投影图像,输出第t个第一特征向量;
第t个第一隐藏层的第二卷积层的2个通道分别输入第五投影图像序列的第t个序列单元对应的同步旋转A轴和B轴的第t个角度时的B轴面的投影图像和旋转A轴的第t个角度时的A轴面的投影图像,输出第t个第二特征向量;
第二隐藏层的第t个LSTM单元分别输入第t个第一特征向量和第t个第二特征向量,第二隐藏层的第n个LSTM单元输入第一全连接层和第二全连接层,第一全连接层输出表示B轴与基准轴的夹角的值,第二全连接层输出表示A轴与基准轴的夹角的值;
在本发明的一个实施例中,第一全连接层输出对应第一分类标签的概率值,第一分类标签表示为:,其中/>分别表示B轴与基准轴的夹角的1~m个离散值,第二全连接层输出对应第二分类标签的概率值,第二分类标签表示为:,其中/>分别表示A轴与基准轴的夹角的1~m个离散值;
在本发明的一个实施例中,A轴的轴座和B轴的轴座的轴孔的轴线作为基准轴;
具体的调节方法,由于A轴与B轴的偏移是由于平台的移动引起的,而平台重心偏向平台的底面或顶面,因此A轴与B轴的偏移是沿垂直于平台的面的方向,调节之前首先将A轴和B轴转动至零位,A轴和B轴转动至零位时,如果不存在偏移,则平台的顶面与水平面平行;
调节A轴时通过安装A轴的法兰向垂直于平台的面的方向调整,调节B轴时通过安装B轴的法兰向垂直于平台的面的方向调整;
定义A轴与基准轴的夹角为负值时调节A轴靠***台的一端向下摆动,为正值时调节A轴靠***台的一端向上摆动;
定义B轴与基准轴的夹角为负值时调节B轴靠***台的一端向下摆动,为正值时调节A轴靠***台的一端向上摆动。
第二隐藏层包括n个串联的LSTM单元。
前述的A轴面指的是A轴与B轴相对的一个端面,B轴面指的是B轴与A轴相对的一个端面。
如图4所示,本发明的一个实施例中提供一种同轴双轴转台机械轴平行度检测装置,包括:第一投影图像序列生成模块201,其用于将发射光源设置于A轴面的圆心,顺时针旋转B轴n次,B轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第一投影图像序列;
第二投影图像序列生成模块202,其用于将发射光源设置于A轴面的圆心,顺时针同步旋转A轴和B轴n次,旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第二投影图像序列;
第三投影图像序列生成模块203,其用于将发射光源设置于B轴面的圆心,逆时针旋转A轴n次,A轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次A轴面的图像,生成第三投影图像序列;
预测模块204,其用于将第一投影图像序列、第二投影图像序列和第三投影图像序列输入神经网络模型,输出表示B轴与基准轴的夹角的值和表示A轴与基准轴的夹角的值。
上面对本实施例的实施例进行了描述,但是本实施例并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本实施例的启示下,还可做出很多形式,均属于本实施例的保护之内。
Claims (10)
1.一种同轴双轴转台机械轴平行度检测方法,其特征在于,包括以下步骤:
步骤S101,同轴双轴转台的两个机械轴定义为A轴和B轴,将发射光源设置于A轴面的圆心,将光阑设置于A轴与B轴的中间,光阑所在的平面与A轴的平面平行,光阑与A轴轴面的垂直距离为H;
步骤S102,顺时针旋转B轴n次,B轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第一投影图像序列;
步骤S103,顺时针同步旋转A轴和B轴n次,旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第二投影图像序列;
步骤S104,将发射光源设置于B轴面的圆心,将光阑设置于A轴与B轴的中间,光阑所在的平面与B轴的平面平行,光阑与B轴面的垂直距离为H;
步骤S105,逆时针旋转A轴n次,A轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次A轴面的图像,生成第三投影图像序列;
步骤S106,将第一投影图像序列、第二投影图像序列和第三投影图像序列输入神经网络模型,输出表示B轴与基准轴的夹角的值和表示A轴与基准轴的夹角的值。
2.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,H的取值需要满足光阑在B轴面上的投影不超出B轴面的范围。
3.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,第一投影图像序列表示为:,其中/>表示旋转B轴的第一个角度时的B轴面的投影图像,/>表示旋转B轴的第n个角度时的B轴面的投影图像。
4.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,第二投影图像序列表示为:,其中/>表示同步旋转A轴和B轴的第一个角度时的B轴面的投影图像,/>表示同步旋转A轴和B轴的第n个角度时的B轴面的投影图像。
5.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,第三投影图像序列表示为:,其中/>表示旋转A轴的第一个角度时的A轴面的投影图像,/>表示旋转A轴的第n个角度时的A轴面的投影图像。
6.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,光阑的形状为矩形或等腰梯形。
7.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,投影图像序列中的图像进行二值化处理,背景的灰度值为0,投影的灰度值为255。
8.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,神经网络模型包括:第一隐藏层、第二隐藏层、第一全连接层、第二全连接层;
第一隐藏层包括:第一组合器、第二组合器、第一卷积层、第二卷积层;
第一隐藏层的第一组合器用于将第一投影图像序列和第二投影图像序列的序列单元对应的投影图像进行组合获得第四投影图像序列;
第四投影图像序列表示为:,其中/>表示旋转B轴的第一个角度时的B轴面的投影图像和同步旋转A轴和B轴的第一个角度时的B轴面的投影图像,/>表示旋转B轴的第n个角度时的B轴面的投影图像和同步旋转A轴和B轴的第n个角度时的B轴面的投影图像;
第一隐藏层的第二组合器用于将第二投影图像序列和第三投影图像序列的序列单元对应的投影图像进行组合获得第五投影图像序列;
第五投影图像序列表示为:,其中/>表示同步旋转A轴和B轴的第一个角度时的B轴面的投影图像和旋转A轴的第一个角度时的A轴面的投影图像,/>表示同步旋转A轴和B轴的第n个角度时的B轴面的投影图像和旋转A轴的第n个角度时的A轴面的投影图像;
第t个第一隐藏层的第一卷积层的2个通道分别输入第四投影图像序列的第t个序列单元对应的旋转B轴的第t个角度时的B轴面的投影图像和同步旋转A轴和B轴的第t个角度时的B轴面的投影图像,输出第t个第一特征向量;
第t个第一隐藏层的第二卷积层的2个通道分别输入第五投影图像序列的第t个序列单元对应的同步旋转A轴和B轴的第t个角度时的B轴面的投影图像和旋转A轴的第t个角度时的A轴面的投影图像,输出第t个第二特征向量;
第二隐藏层的第t个LSTM单元分别输入第t个第一特征向量和第t个第二特征向量,第二隐藏层的第n个LSTM单元输入第一全连接层和第二全连接层,第一全连接层输出表示B轴与基准轴的夹角的值,第二全连接层输出表示A轴与基准轴的夹角的值。
9.根据权利要求1所述的一种同轴双轴转台机械轴平行度检测方法,其特征在于,A轴的轴座和B轴的轴座的轴孔的轴线作为基准轴;
调节A轴和B轴的方法包括:调节A轴时通过安装A轴的法兰向垂直于平台的面的方向调整,调节B轴时通过安装B轴的法兰向垂直于平台的面的方向调整;
定义A轴与基准轴的夹角为负值时调节A轴靠***台的一端向下摆动,为正值时调节A轴靠***台的一端向上摆动;
定义B轴与基准轴的夹角为负值时调节B轴靠***台的一端向下摆动,为正值时调节A轴靠***台的一端向上摆动。
10.一种同轴双轴转台机械轴平行度检测装置,其特征在于,其用于执行如权利要求1-9任一所述的同轴双轴转台机械轴平行度检测方法,同轴双轴转台机械轴平行度检测装置包括:第一投影图像序列生成模块,其用于将发射光源设置于A轴面的圆心,顺时针旋转B轴n次,B轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第一投影图像序列;
第二投影图像序列生成模块,其用于将发射光源设置于A轴面的圆心,顺时针同步旋转A轴和B轴n次,旋转一次的转角为360°/n,每次旋转完毕之后采集一次B轴面的图像,生成第二投影图像序列;
第三投影图像序列生成模块,其用于将发射光源设置于B轴面的圆心,逆时针旋转A轴n次,A轴旋转一次的转角为360°/n,每次旋转完毕之后采集一次A轴面的图像,生成第三投影图像序列;
预测模块,其用于将第一投影图像序列、第二投影图像序列和第三投影图像序列输入神经网络模型,输出表示B轴与基准轴的夹角的值和表示A轴与基准轴的夹角的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338094.9A CN117073586B (zh) | 2023-10-17 | 2023-10-17 | 一种同轴双轴转台机械轴平行度检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311338094.9A CN117073586B (zh) | 2023-10-17 | 2023-10-17 | 一种同轴双轴转台机械轴平行度检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117073586A CN117073586A (zh) | 2023-11-17 |
CN117073586B true CN117073586B (zh) | 2024-01-09 |
Family
ID=88706494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311338094.9A Active CN117073586B (zh) | 2023-10-17 | 2023-10-17 | 一种同轴双轴转台机械轴平行度检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117073586B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5983116A (ja) * | 1982-11-02 | 1984-05-14 | Olympus Optical Co Ltd | 光学系の調整装置 |
EP0270768A2 (de) * | 1986-12-10 | 1988-06-15 | Dr. Johannes Heidenhain GmbH | Inkrementaler oder absoluter Drehgeber mit einer Klemmvorrichtung |
EP0419916A2 (de) * | 1989-09-26 | 1991-04-03 | Krauss-Maffei Aktiengesellschaft | Vorrichtung zum Überprüfen der Parallelität zweier Achsen |
JP2001144690A (ja) * | 1999-11-15 | 2001-05-25 | Sony Corp | 光軸補正装置および調整機構部の調整方法 |
CN205718879U (zh) * | 2016-06-27 | 2016-11-23 | 上海嘉强自动化技术有限公司 | 一种检测校正光束方向同轴性高精度准静态*** |
CN108151672A (zh) * | 2017-12-28 | 2018-06-12 | 华中科技大学 | 一种基于投影成像的轴形位公差测量仪 |
CN211234319U (zh) * | 2019-12-18 | 2020-08-11 | 西安理工大学 | 一种基于图像的三维轴线误差检测仪 |
CN115553794A (zh) * | 2022-10-31 | 2023-01-03 | 中山大学 | 基于平行孔准直器的三维康普顿散射成像方法和*** |
WO2023024658A1 (zh) * | 2021-08-23 | 2023-03-02 | 苏州大学 | 一种基于深度视频联动特征的行为识别方法 |
CN116124070A (zh) * | 2023-04-04 | 2023-05-16 | 青岛迈朗格智能制造有限公司 | 一种车辆零配件质量测试试验台 |
-
2023
- 2023-10-17 CN CN202311338094.9A patent/CN117073586B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5983116A (ja) * | 1982-11-02 | 1984-05-14 | Olympus Optical Co Ltd | 光学系の調整装置 |
EP0270768A2 (de) * | 1986-12-10 | 1988-06-15 | Dr. Johannes Heidenhain GmbH | Inkrementaler oder absoluter Drehgeber mit einer Klemmvorrichtung |
EP0419916A2 (de) * | 1989-09-26 | 1991-04-03 | Krauss-Maffei Aktiengesellschaft | Vorrichtung zum Überprüfen der Parallelität zweier Achsen |
JP2001144690A (ja) * | 1999-11-15 | 2001-05-25 | Sony Corp | 光軸補正装置および調整機構部の調整方法 |
CN205718879U (zh) * | 2016-06-27 | 2016-11-23 | 上海嘉强自动化技术有限公司 | 一种检测校正光束方向同轴性高精度准静态*** |
CN108151672A (zh) * | 2017-12-28 | 2018-06-12 | 华中科技大学 | 一种基于投影成像的轴形位公差测量仪 |
CN211234319U (zh) * | 2019-12-18 | 2020-08-11 | 西安理工大学 | 一种基于图像的三维轴线误差检测仪 |
WO2023024658A1 (zh) * | 2021-08-23 | 2023-03-02 | 苏州大学 | 一种基于深度视频联动特征的行为识别方法 |
CN115553794A (zh) * | 2022-10-31 | 2023-01-03 | 中山大学 | 基于平行孔准直器的三维康普顿散射成像方法和*** |
CN116124070A (zh) * | 2023-04-04 | 2023-05-16 | 青岛迈朗格智能制造有限公司 | 一种车辆零配件质量测试试验台 |
Non-Patent Citations (1)
Title |
---|
基于光学自准直原理的喷管角度偏差测量方法研究;陈平;刘文异;宋骐羽;张丽娜;姜云翔;;宇航计测技术(04);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117073586A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11715190B2 (en) | Inspection system, image discrimination system, discrimination system, discriminator generation system, and learning data generation device | |
CN105092607B (zh) | 球面光学元件表面缺陷评价方法 | |
US11244436B2 (en) | Method for inspecting mounting state of component, printed circuit board inspection apparatus, and computer readable recording medium | |
JP7028333B2 (ja) | 照明条件の設定方法、装置、システム及びプログラム並びに記憶媒体 | |
CN109031654A (zh) | 一种基于卷积神经网络的自适应光学校正方法及*** | |
CN101889196B (zh) | 特征分析装置 | |
CN108961184A (zh) | 一种深度图像的校正方法、装置及设备 | |
CN104537707A (zh) | 像方型立体视觉在线移动实时测量*** | |
JP2021515885A (ja) | 照明条件を設定する方法、装置、システム及びプログラム並びに記憶媒体 | |
JP2020060879A (ja) | 学習装置、画像生成装置、学習方法、及び学習プログラム | |
CN115439694A (zh) | 一种基于深度学习的高精度点云补全方法及装置 | |
CN116625258A (zh) | 链条间距测量***及链条间距测量方法 | |
CN117073586B (zh) | 一种同轴双轴转台机械轴平行度检测装置及方法 | |
CN116523885A (zh) | 一种基于多尺度融合及深度学习的pcb缺陷检测方法 | |
CN111738971B (zh) | 一种基于线激光双目立体视觉的电路板立体扫描检测方法 | |
Legarda et al. | Comparison and error analysis of the standard pin-hole and Scheimpflug camera calibration models | |
KR102148817B1 (ko) | 불량 콘택트렌즈 검출 시스템 및 방법 | |
US20230044371A1 (en) | Defect detection in a point cloud | |
CN116888620A (zh) | 用于增量制造的基于深度学习的图像增强 | |
CN112884744A (zh) | 检测方法及装置、检测设备和存储介质 | |
JP4806767B2 (ja) | 歪み測定方法及び装置 | |
Perdigoto et al. | Estimation of mirror shape and extrinsic parameters in axial non-central catadioptric systems | |
CN117011688B (zh) | 一种水下结构病害的识别方法、***及存储介质 | |
EP4202869A1 (en) | Method and apparatus for determining at least one optical parameter of at least one spectacle lens | |
CN103033338A (zh) | 真空紫外波段成像***的平场定标装置及平场定标方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |