基于目標信息融合的折彎件長度檢測方法

基于目標信息融合的折彎件長度檢測方法

折疊機是板料積分器的重要形成設備。由于板料折疊過程中存在復雜的彎曲問題，沖浪機對板材彎曲角度的精確控制一直是衡量沖浪機性能的重要指標。目前折彎機折彎角度的控制主要采取半閉環(huán)方式,即調整上模的壓入量來控制折彎角度,而板材成形的角度與模具開口、板材厚度、材料回彈、上模壓下量有關,數控系統(tǒng)只能控制上模壓下量,對環(huán)外因素所造成的誤差無能為力。隨著折彎機技術的不斷發(fā)展,尤其是大型高精度折彎機的開發(fā),傳統(tǒng)角度檢測方法已不能滿足需求,因此,開發(fā)一種快速、精確、非接觸式的測量方法具有十分重要的現實意義。目前,折彎角度的在線檢測方法主要有激光測距法和機器視覺法,激光測距法采用對稱安裝在折彎件下部的一對激光測距傳感器,對板材外表面進行測量,該方法只能檢測一個點,對于多點測量需要移動傳感器或者布置多個傳感器,測量結果不能很好地反應全長范圍內角度的變化。機器視覺法是近幾年發(fā)展起來的一種測量方法,其基本原理是三角測量法,激光器向工件表面投射線性光斑,工業(yè)相機采集光斑圖像,通過三角測量原理,重建激光三維信息,計算光斑夾角即可知道工件該位置角度,該方法較激光測距法精度有所提升,但還是不能很好地描述折彎件全長角度信息。針對以上問題,本文提出一種基于雙目視覺的板材折彎件全長彎曲角度檢測方法,并設計了一種全長檢測裝置。通過相機、投影設備瞬間獲取上萬個數據點,相當于采用數萬個傳感器采集折彎件平面特征,并使用改進曲面生長法、改進特征值法、坐標轉換對齊法處理點云數據,提高了數據采集效率和檢測角度的精確度。1系統(tǒng)的設計原理測量方法如圖1所示,工件外表面與下模有夾角α,則工件折彎角度可以用θ=2(π-α)表示,只要求得α角,折彎角度即可求得。本文設計了一種新型測量裝置,結構示意圖如圖2所示,光柵投影器左右兩側安裝有CCD相機,兩者固定在底座上并與直線導軌配合,導軌下面安裝直線電機提供動力源,直線導軌上安有位移傳感器來記錄位移信息,相機和光柵投影器的仰角可以根據實際情況自由調整。此裝置以直線電機作為動力源,移動速度和精度較高,可以滿足使用需求。2點云分割、擬合、切片采集完工件點云數據后,為進一步獲取全場角度要進行點云分割、擬合和切片,根據切片處角度來測量某一位置瞬時角度,并根據所有切片角度來完成全長角度檢測和拼接。點云數據處理過程如圖3所示。2.1機cd靶面成像點坐標的求解文中點云數據獲取方法為格雷碼-相移法,其基本原理是雙目視覺成像和三角測量法,如圖4所示,對于空間點P,通過左右相機CCD靶面上成像點坐標的不同,可以唯一求解P點空間坐標。通過光柵投影器將數幅特定編碼的條紋光柵投射到待測物體表面,并由成一定夾角的兩個攝像頭同步采集相應圖像,然后對圖像進行解碼和相位計算,并利用立體匹配技術和三角形測量原理,計算出兩個攝像機公共視區(qū)內像素點的三維坐標,從而實現物體的三維信息數字化和測量。該方法能夠快速獲取大量點云數據,準確率較高。2.2種子網格的生長與調整點云分割本質是找到點鄰域的微分信息,然后通過這些信息來識別邊界點或邊界曲線,求解過程要進行三角化和微分信息求解,計算量較大。本文處理的點云數據為相交平面點云,平面特性較為明顯,根據此特點,本文提出一種改進的曲面生長法,首先對點云數據進行剖分,再以剖分網格為單元進行生長。不考慮z方向因素,在x-y平面上,根據點云在坐標軸方向上的最大、最小值(xmin,xmax),(ymin,ymax)剖分點云,如圖5所示。兩平面相交處曲率變化較大,容易在后續(xù)平面擬合過程中帶來誤差,在點云分割階段需將此部分刪除,網格大小需根據實際測量工件確定。網格劃分完后需檢查網格內點云質量,將點云數小于3的網格刪除,對剩余網格進行點云計算,求解所有網格點云切平面法向量ki(ai,bi,ci),網格法向量可以用特征值法計算(詳見本文2.3節(jié))。以左上角第1個網格為種子網格,并向周圍與之相連的所有網格進行生長,相鄰兩網格法向量夾角為:此處不考慮噪聲點,取夾角閾值為λ,若鄰域內θ>λ的網格超過2個,刪除該種子網格,選右側網格為新種子網格,以此類推,直至選取合適種子網格。種子網格選好后,由種子網格向與其接觸的8個網格(實際中一般小于8)生長,計算種子網格法向量與鄰域網格法向量夾角,采用統(tǒng)一閾值λ,即夾角大于λ,刪除該鄰域網格。生長方式如圖6a所示,0號網格為種子網格,分別向1,2,3網格生長,若它們與種子網格夾角在閾值內,則將這4部分點云存放在動態(tài)矩陣p中,再依次選1,2,3為種子網格,向外生長,如圖6b所示,當遇到曲率變化較大的區(qū)域時,如圖5中方框圈出部分,生長停止,但還有剩余網格未歸類,此時重新選取種子點,重復以上過程,并將新點云存放在M矩陣中,至此點云分割完成。2.3計算切平面法向量由于點云在x,y,z方向都有誤差,因此最小二乘法并不適合點云數據的平面擬合。特征值法是根據平面方程ax+by+cz=d在滿足條件a2+b2+c2=1下進行平面參數求解,該方法能考慮x,y,z3個方向的誤差,獲得最優(yōu)平面估計。對于存在異常點的情況,將會產生較大誤差。本文使用的平面擬合算法在特征值法基礎上,先剔除異常點,再進行平面擬合,是特征值法的改進算法。在點云分割過程中會計算每個網格的切平面法向量ki(ai,bi,ci),分別取P,M平面平均切平面法向量為a,b,c初始值。具體算法如下:Step1,以坐標項為a,b,c初始值;Step2,計算每個點至擬合平面的距離di;Step3,利用公式(2)計算di的標準差;Step4,當di>2σ,認為i為異常點,刪除;反之則保留;Step5,對剩余點云利用特征值法重新計算a,b,c,d,可得最佳擬合平面。特征值法原理如下:假設待擬合空間平面方程為ax+by+cz=d,其中,(a,b,c)為平面法向量,且a2+b2+c2=1。對于單幅掃描點云,可得點集P(xi,yi,zi),則任一數據點距離擬合平面的距離為:要獲得最佳擬合平面則要求:由于a2+b2+c2=1,引入拉格朗日乘數法算子λ組成極值函數:將式(4)對d求導,并令導數為0,得:可求得:x=(a,b,c)T,特征值λ為:又有,因此i∑di2的最小值對應A的最小特征值,最小特征值對應特征向量,即為(a,b,c)。對矩陣A求特征值,令∣A-λI∣=0,由于A為3×3矩陣,則λ存在3個值,取最小非負解λmin,λmin對應的特征向量即為平面方程的參數a,b,c。2.4公共垂面法小軸旋轉切片自然恢復算法為了獲得所測工件任意位置角度,需對點云數據進行對齊和切片。本文采取一種簡捷的坐標調整法,用P,M平面的公共垂面K作為切片基準面,在實際操作中,調整點云位置,使得K的法向量與z軸平行,將點云數據根據z坐標值的大小進行分組,該方法較為快速。算法原理如下:step1,求解P,M公共垂面法向量k(k1,k2,k3);step2,將k繞坐標軸旋轉,與z軸平行,求解旋轉矩陣C;Step3,將點云坐標右乘矩陣C;Step4,根據點云z坐標值大小分組。根據空間幾何關系可知,空間任意點繞x軸轉動α、繞y轉β、繞z轉γ(圖7)后新坐標為:其中,C=CxCyCz。點云對齊后,切片過程較為簡單,計算點云數據z坐標的最大值與最小值差值,確定切片厚度t,根據需要對點云進行等距分割切片,而后點云用矩陣P、M歸類。例如,若求z=a處角度,只要遍歷點云尋找|z-a|≤t點,再重復點云擬合、角度檢測過程,即可求得該處角度,利用該方法可以求得任意位置角度。2.5開點云拼接算法對于全長角度檢測,需要對所有點云進行拼接,傳統(tǒng)點云拼接方法需要在工件表面粘貼標志點,根據兩幅點云3個以上公共標志點,進行數據融合,粘貼標志點比較耗時,本文繞開點云拼接過程,而是將單幅點云單獨處理,求解單幅點云的全長角度。由于測量裝置安裝了位移傳感器,每幅點云對應一個v軸坐標,每幅點云測量的角度可以按照對應的v軸坐標進行線性拼接,該方法相當于對全長點云先進行分割,然后再進行角度檢測,更能真實地反映各位置點的角度,如圖8所示。本文角度計算公式主要采用空間幾何里的平面夾角公式:式中:n1,n2分別為工件與下模外表面法向向量,n1=(a,b,c),n2=(e,f,g)。因此,只要求得平面方程的法向量,夾角便很容易求解。3點云數據的獲取角度檢測方法的測量步驟如下:(1)利用格雷法相移法獲取工件同側點云數據;(2)利用改進的曲面生長法剖分點云,刪除曲率變化較大的部分,分別獲取工件和下模點云數據P,M;(3)用改進特征值法擬合平面,求解P,M平面的公共垂面法向量k;(4)將k與坐標軸z平行,求解變換矩陣C;(5)將變換后的點云數據按照z坐標進行線性分割,重復步驟(2)中特征值法的擬合過程,根據公式(12)計算切片處角度;(6)根據坐標v拼接全長角度。4實驗4.1樣品和測量條件本文設計的點云采集裝置,其采集頭部分與普通掃描儀比較接近,采用西安交通大學自主研發(fā)的XJTU-OM面掃描儀為測量裝置,進行數據采集,如圖9b所示,測量工件為普通折彎件,板材型號為45號鋼,外表面粗糙,如圖9a所示。根據本實驗要求設置點距為1mm,測量幅面400×400(實際采集時要根據測量工件調整測量幅面,投影幅面不要超過工件表面),格雷碼-相移法單幅掃描可采集數萬個數據點。測量點云,并保存為txt文件,采集點云坐標系為攝影測量坐標系,即以左相機光軸為z軸,左相機CCD靶面邊線為x,y軸。采集的點云數據基本能全部投影在x-y平面上,且不重疊,在MATLAB中通過scatter函數顯示如圖10所示。4.2點云處理點云數據采用矩陣保存,用MATLAB進行運算和處理,根據測量算法,具體操作如下。4.2.1不同網格生長法采用2.4節(jié)中描述的分割算法,根據板材平面度特性,為保證最大限度不誤刪點云,取較大閾值λ=10,根據基于網格劃分的曲面生長法,很容易將原始數據分為兩部分,分別用矩陣Pi(xi,yi,zi),Mi(xi,yi,zi)表示。圖11為分割后點云圖,從圖中可以看出分割算法較為準確,且將曲率變化較大部分刪除后,效果較為理想。4.2.2平面調整采用改進特征值算法進行擬合平面,分別擬合P,M所對應的平面,并用公式(12)計算兩平面的平均角度,計算結果如表1所示。4.2.3點云數據的調整根據2.4節(jié)中描述的轉換算法,將原始點云數據繞x軸逆時針旋轉α角度,再繞y軸逆時針旋轉β角度,如圖12所示。本實驗中的各參數數值為:調整后的點云數據如圖13所示。在調整點云數據后,zmax=82.77,zmin=-164.28,點云的最大間距為247.05mm,取切片厚度t=5mm,為了使所有數據均被考慮在計算范圍內,取切片數目為50,涵蓋區(qū)域可達250>247.05。切片數據存在相應的矩陣內,準備下一步計算。4.2.4折彎角度檢測點云切片后,角度擬合過程較為簡單,只要將切片的點云數據分別進行平面擬合,再根據平面夾角公式(12)即可求得。對工件測量,單幅點云擬合角度如圖14所示,通過線性插值即可知該測量幅面內任意位置的角度,全長角度拼接只需重復單幅點云角度的檢測過程,并按照每幅點云對應的v坐標值線性拼接即可,此過程較為簡單,在此不作驗證。從圖14中可以看出,檢測角度沿v正方向遞減,由此可知,模具在沿v正方向存在誤差,應檢測模具安裝是否標準以及模具是否出現磨損。為了驗證該檢測方法的準確性,本文利用三坐標測量機對折彎角度進行測量,并以三坐標測量機的測量結果作為標準值,與實驗結果進行對比,檢測結果如表2所示。從表中可以看出,檢測誤差控制在0.