走進漢振
INTO HANCHINE
漢振分享 | 3D視覺測量助力智能制造業柔性升級
日期:2019年06月27日

工業4.0與中國制造2025風潮的興起,對于制造系統而言,在保證質量的前提下對生產效率、生產靈活性提出了更高的要求,帶動了生產制造企業對視覺測量設備更大的需求。目前,中國工業處于快速發展時期,應用領域逐步擴大,視覺測量的市場容量呈爆發式增長,尤其是3D視覺技術得到快速發展。

在歐美等工業發達國家因對生產效率、生產質量要求的不斷提高,傳統的2D視覺技術、接觸式測量技術已難以滿足特定要求,特別是汽車行業等高端制造領域,汽配零部件由于其形狀的復雜各異性,尺寸是否合格直接影響汽車使用的安全性和舒適性。

據稱,寶馬是全球首家引入3D視覺測量的汽車制造商,通過在機器人末端搭載3D視覺相機來獲取整車的三維數據,如下圖1所示,將誤差控制在0.1mm以內,使生產初期的小到不可察覺的偏差、問題被發現,極大提升整車測量效率,有效控制批量生產的產品質量。


3D測量是當前熱門的技術方向,從測量方式上可分為接觸式和非接觸式,其中接觸式主要以三坐標機和粗糙度輪廓儀為典型代表,均使用采樣頭的探針接觸物體表面,探針沿工件的幾何型面移動時,可測得被測幾何面上各點的坐標值,這些值通過相應的軟件進行處理,可精確計算出被測工件的幾何尺寸、形狀和位置公差等,雖測量精度高,但裝置復雜且測量速度慢。有些公司將探針伺服機構改為可以精確定位的隨動式機械臂,雖裝置簡化,速度及靈活性也有了一定的提高,但其技術性能仍滯后于市場需求。

非接觸式主要以機器視覺測量為主,2D視覺測量因無法測量Z向高度信息,僅適用于XY平面的測量,應用面更廣的3D視覺測量方法從原理可以分為:光譜共焦法、干涉測量法、飛行時間法、攝影測量法、結構光條紋法等,本文主要以基于結構光條紋法的3D視覺測量展開敘述。

常用的三種測量方式優缺點對比如下表1所示:


光譜共焦、干涉測量等3D測量方式因其成像原理導致設備體積大、成像速度慢、測量視野小等問題,不適用于特殊領域的3D視覺柔性測量,如下圖所示:


基于結構光條紋法的3D視覺測量系統主要由3D視覺相機、相機移動載體、工件平臺、電控系統等組成,雖有體積小、精度高等優勢,但受其單幅測量范圍和視覺遮擋的限制,需要對工件表面多次拍攝才能獲取完整的三維數據,通過數模比對才能測量整個工件。下面將從3D視覺測量的關鍵流程來介紹。


好的數據是測量結果好壞的第一關鍵,采用合適的3D視覺相機,如單幅測量范圍175mm*110mm,單幅測量精度0.02mm,將3D相機固定在機器人末端或龍門架上進行多次數據采集,其工作原理為:通過光源投射一束具有編碼圖案的結構光到物體表面,圖案會被物體形狀高度調制而發生變形,相機拍攝到被調制變形的圖案數據后通過解碼計算可獲得物體的三維點云,經過多次拍攝獲得的多片點云如圖3所示:


3D視覺測量系統從實現方式上可分為龍門式、機器人式及其它衍生方式,如下圖4和圖5所示:


簡單來講,兩種方式并無本質區別,只是3D視覺相機的掛載載體不同而已,工作方式大體相同,3D相機通過移動載體來實現整個工件表面三維數據的獲取。兩種測量方式的具體使用方法卻有不同,龍門式需要采用大行程精密結構,并且對平臺也有著穩定性和平面度要求;機器人式則需要采用高重復定位精度的機器人,否則直接影響綜合測量結果。

3D視覺測量結果影響因素較多,如:移動機構的機械精度、3D視覺相機測量精度、機器人的重復性定位精度、手眼標定精度、點云拼接精度等,最為關鍵的因素是與算法相關的點云拼接、手眼標定等,點云拼接算法的差異導致的數據拼接結果并不相同。 

兩種實現方式的綜合對比如下表2所示:


點云拼接是第二關鍵,點云是在同一個空間坐標系下表達目標空間分布和目標表面特性的海量點集合,從空間分布特征可與分為無序和有序點云。無序點云是指點與點之間的拓撲關系不明晰,呈散亂分布,沒有明顯的空間分布特征,例如接觸式三維測量設備獲取的零散三維點或多幅點云數據拼接融合后的點集。有序點云是指點與點之間的空間分布關系可以用可用行和列的形式記錄,類似于圖像或者矩陣的結構分布,例如面結構光或雙目立體、TOF等三維掃描儀(3D視覺相機),有序分布有利于點云的鄰域操作,可提高鄰近點搜索等相關算法的效率。


點云拼接方式主要分為標記點和“無”標記點方式。標記點方式需要人工輔助,需要耗費大量時間在工件表面貼上實體標簽或利用旋轉臺來輔助拼接,如3D打印領域的三維掃描,在實際使用時存在一定的局限性,不適用于本文所講的3D視覺柔性測量。“無”標記點方式則基于幾何或圖像特征配準方法,兩種配準方法均只適用于一定的拼接場合,在對不同物體表面進行測量時穩定性較差,基于幾何特征的配準算法無法拼接幾何對稱或平面的物體,而對于表面紋理并不豐富的被測物體來說,基于圖像紋理的配準算法測量穩定性較差,所以3D視覺測量往往采用少標記點或光學標簽來輔助基于幾何特征和圖像特征的點云自適應拼接,在兩次拍攝的圖片上查找圖像特征點以實現兩片點云的對應點查找,將點云拼接穩定性提高。


點云拼接從技術實現過程上大致分為:粗配準、精配準及全局優化。


自動拼接就是把不同坐標系下的三維點自動變換到同一坐標系下,在不同視角下的兩片點云間的關系可通過一個剛性變換矩陣H來表示。對其中一片點云中的三維點P(x,y,z),利用齊次坐標的表現形式為:


通過變換矩陣H,將點P移動到相鄰點云中的P’(x’,y’,z’),表現形式為:


其中H可以用旋轉矩陣R和平移向量T來表示,RT矩陣求解常用方法四元數法和奇異值分解法。

采用PFH或SIFT算法確定多視點云的對應點時會因計算誤差和環境噪聲的影響而存在誤匹配,直接影響旋轉平移RT矩陣的計算效率和正確性,因此一般會結合隨機抽樣一致性算法(RANSAC)來匹配特征點,對含有異常數據的樣本進行建模,經多次抽樣迭代使之收斂,最終排除錯誤匹配對,一定程度上增加拼接穩定性。

要實現自動拼接,需要在兩片點云中找到匹配的三維點對,通常要多于4個三維點對。在多次測量中根據相位測量原理,將二維特征點的坐標轉換成三維坐標,因相位調制度的限制,某些點的三維坐標無法得到,需根據二維特征點的對應關系映射到這些點的三維點的對應關系上,相當于貼標記點來找對應關系。根據每兩片點云之間的匹配關系,求解出旋轉平移矩陣RT,實現拼接。

以圖3中的6片點云為例,基于幾何特征和圖像特征自適應拼接,得到拼接融合點云如圖6所示: 


從2D到3D、從接觸式到非接觸式的工業應用,是技術的進步,也是需求的驅動。集光、機、電、算技術于一體的3D視覺測量技術,主要用于對物體空間外形及結構進行三維掃描以獲得物體表面的空間坐標。從狹義上講,3D視覺測量是通過計算機分析處理已獲得的三維點云數據,讓計算機不僅具有和人眼一樣的視覺感受,而且能夠獲得人眼所不能直接獲得的經過量化的空間參數。

從產業競爭角度看,國內在3D視覺測量方面主要以代理為主,本土技術含量略滯后于國外,高端制造領域均被國際廠商壟斷,國內企業缺乏核心競爭力;從產品技術角度看,如何從低速低效的離線抽檢走向高速高效的在線全檢是實現工業4.0智能化生產的關鍵。浙江漢振以此為契機正大力研發自動化三維光學測量系統,已形成完整的汽配制造等行業全自動三維視覺柔性測量解決方案。

3d试机号开奖号对应数据统计