基于面状指数的边界邻域特征点集提取分割方法

孔类特征作为汽车钣金件中最重要的定位及装配特征,但是随着国内汽车制造业的快速发展,传统的人工视觉的检测方法难以应对其高效、高精度的在线测量需求,无法提高产线的生产效率,阻碍企业的转型升级,而机器视觉技术的发展为解决这一问题提供了新的可能。该文基于机器视觉技术,分析研究汽车钣金件测量过程中特征参数提取的关键技术,提出一种基于面状指数的边界领域特征点集提取方法。该方法通过对任意点及其邻域内点集建立协方差矩阵并求解点云数据特征值及对应的特征向量,并对其进行简单运算,充分反映邻域点集的局域信息,进行边界领域点的提取。同时提出一种基于欧式聚类和计算点云数据边界领域点的协方差矩阵相结合的方法来进行特征提取。使用提取点云数据中可能包含孔类特征的局部点云数据来进行特征定位及分割提取的实验验证,提取成功率高达98%,说明提出的白车身钣金件孔类特征测量方法完全满足一般类型的钣金件测量要求。

小圆心角小圆弧半径精确测量方案研究

采用加工精度为0.05 mm的圆弧类标准件模拟汽车“四门两盖”间隙中小圆弧,提出一套小圆心角小圆弧半径精确测量方案,并取其中理论半径分别为1 mm,2 mm,5 mm的圆弧进行点云数据采集并控制圆弧所对圆心角为30°、45°、60°来验证该方案的有效性,其中5 mm组为对照组。该方案通过限制拍摄角度范围,变换线结构光相机拍摄位姿对标准件圆弧处进行多次拍摄采集并提取圆弧轮廓数据后,进行点云粗配准,通过将多组不同角度拍摄提取得到的小圆心角小圆弧点云进行配准,增加小圆心角小圆弧的点云密度以增多其可用信息点数量,再用将传统拉普拉斯平滑算法与两步平滑算法结合而提出的普拉斯深度平滑算法,将点云进行平滑处理,得到较光滑的圆弧轮廓点云,最后利用最小二乘法进行拟合得到小圆心角小圆弧的半径。对标准件的测量实验验证结果表明,该方案无论在圆心角度数较低时,或者圆心角度数相对较高时,均可提高圆弧半径拟合精度;其改善了小圆弧所对圆心角度数为30°~60°时,可用信息点不够引起的拉普拉斯深度平滑过度拉伸的问题;同时,也改善了当小圆弧所对圆心角度数大于60°时,点云配准带来的较大的点云波动的问题。该方案测量小圆心角小圆弧半径的绝对精度可控制在0.06 mm,效果良好,满足了小圆心角小圆弧半径测量要求。