基于面结构光的汽车仪表盘内凹多边形测量

针对汽车仪表盘内凹六边形卡槽尺寸检测中存在人工检测速度慢、精度差等问题,提出一种基于点云数据密度提取的内凹多边形自动化测量方法。首先使用双目结构光扫描的方式,获取零件表面的点云原始数据;使用KD-tree建立点云拓扑关系并进行半径滤波;利用贪婪算法重建网格曲面;最后采用基平面偏置与密度提取融合,实现点云的边缘特征点和噪点分类,提取内凹多边形孔径特征,并计算其尺寸。选用带有内凹六边形特征的弧形汽车仪表盘零件为试验工件进行算法验证。试验结果表明,该算法可以有效提取特征且内部特征尺寸测量精度为60μm;相较于传统测量方法,单个内凹六边形测量时间可缩短至1 s,能够实现内凹型不规则工件的自动化快速尺寸测量。