[发明专利]轨道车辆公差尺寸测量系统

摘要

本发明公开了一种轨道车辆公差尺寸测量系统，包括手持式测量设备和三维数据处理单元；手持测量设备，包括DLP投影仪、两台CCD相机、时序控制板、图像采集卡和数据处理器；三维数据处理单元界面，包括点云显示区、点云信息区、命令编辑区和相机显示区。时序控制板分别与数据处理器、两台CCD相机、DLP投影仪相连，DLP投影仪与数据处理器相连，两台CCD摄像机均通过图像采集卡和数据处理器相连。本发明稳定、高效，能够很好地适用于轨道车辆内饰件的尺寸检测，避免了传统方法获得内饰公差尺寸的精度低、速度慢、人工影响因素大等缺点，满足了现代轨道车辆生产的要求。

主权项

一种轨道车辆公差尺寸测量系统，其特征在于：包括手持式测量设备和三维数据处理单元；手持测量设备，包括DLP投影仪、两台CCD相机、时序控制板、图像采集卡和数据处理器；三维数据处理单元界面，包括点云显示区、点云信息区、命令编辑区和相机显示区；测量前，手持测量设备与计算机采用USB接口进行连接，配套的三维数据处理单元安装在计算机中；(1)测量时，使用DLP投影仪向被测物体投射一组光强呈正旋分布的光栅图像，并使用两台CCD相机同时拍摄经被测物体表面调制而变形的光栅图像；(2)根据相移算法与多频外差解相法得到光栅图像的绝对相位值；根据预先标定的系统参数或相位‑高度映射关系，从绝对相位值计算出被测物体表面的三维点云数据；(3)获得被测物体的点云数据后，选择对应软件上的菜单项，计算所需车辆内饰公差尺寸，以消息框的形式显示测量结果；所述车辆内饰公差尺寸包括：平面度、角度、长度、圆柱圆度；其中平面度计算步骤如下：第3.11步：采用特征向量估计法确定拟合平面的参数初值；设待拟合平面的方程为：ax+by+cz＝d；其中：(a，b，c)为平面的单位法向量，即：a2+b2+c2＝1，(x,y,z)为三维坐标，其中：d为坐标原点至平面的距离，d≥0；第3.12步：设对某一平面进行扫描,得到了n个数据点，则任意一数据点的三维坐标(xi,yi,zi)至该平面的距离为：di＝|axi+byi+czi‑d|        (1)获得最佳拟合平面，则应在条件下a2+b2+c2＝1，满足:Σidi2=Σi(axi+byi+czi-d)2→min---(2)]]>第3.13步：由拉格朗日乘数法得到目标函数：f=Σidi2-λ(a2+b2+c2-1)---(3)]]>其中λ是拉格朗日乘数；将式(3)分别对d、a、b、c求偏导最终得：ΣiΔxiΔxiΣiΔxiΔyiΣΔxiΔziΣiΔxiΔyiΣiΔyiΔyiΣiΔyiΔziΣiΔxiΔziΣiΔyiΔziΣiΔziΔziabc=λabc---(4)]]>其中:是点云数据三维坐标的平均值；第3.14步：对上述矩阵进行求解，得到平面参数的初始值a、b、c；第3.15步：计算所有点到拟合平面的距离的标准偏差δ，并以2δ作为阈值剔除到拟合平面距离过大的干扰噪声点；第3.16步：利用剩下的有效数据点重新计算拟合平面的参数a、b、c；重复以上步骤直至所有点到拟合平面的距离都小于该次计算出的阈值，最终得到最佳的拟合平面，作为基准的理想平面；第3.17步：将各有效点的坐标带入平面方程中，判断该点位于平面上侧还是下侧；计算待测平面上各点到理想平面的距离d，计算方法参见式(1)，求得点到平面距离的最大值dmax，即为待测平面的平面度；其中角度测量步骤如下：角度测量，即测量两平面之间的夹角，利用相位测量轮廓法测量角度原理，第3.21步：对得到的三维点云数据进行平面拟合，平面拟合过程参见步骤3.11至3.16，拟合出P1、P2两个平面，其中一个为基准的理想平面，另一个为待测平面；第3.22步：计算平面P1和平面P2在世界坐标系下的平面方程，并求出P1与P2的交线L；第3.23步：任取L上的一点O，计算出平面P1上过O点且垂直于L的直线L1和P2上过O点且垂直于L的直线L2的坐标方程式；第3.24步：计算出L1与L2的夹角θ即为所求两平面之间的角度；其中长度测量步骤如下：测量长度的方法有以下两种：(1)角点检测法第3.31步：采用Harris角点检测算法，检测出拍摄图片上的角点并标记；根据Harris角点检测算法研究图像中的一个局部窗口在不同方向进行少量的偏移后，窗口内的图像亮度值的平均变换；Harris角点检测算子可以简单描述为：在角点的某个邻域内，亮度的变化在任意一条通过该点的直线上都很大；对每一个待检测的像素点取窗口，从各个方向来计算这个像素的非正则化自相关值，并且选择最小值作为这个像素点的角点响应函数；第3.32步：计算出角点间的距离L，即为所要求物体的长度；(2)边缘提取法图像的边缘是指图像局部区域亮度变化显著的部分，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值；实现图像的边缘检测，就是要用离散化梯度逼近函数根据二维灰度矩阵梯度向量来寻找图像灰度矩阵的灰度跃变位置，然后在图像中将这些位置的点连起来就构成了所谓的图像边缘；边缘检测的步骤：1)滤波方法有高斯滤波，即采用离散化的高斯函数产生一组归一化的高斯核，然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和；2)增强：增强边缘的基础是确定图像各点邻域强度的变化值；增强算法可以将图像灰度点邻域强度值有显著变化的点凸显出来；3)检测：经过增强的图像，往往邻域中有很多点的梯度值比较大，而在特定的应用中，这些点并不是要找的边缘点，采用阈值化方法来对这些点进行取舍；第3.33步：对拍摄的图像进行边缘提取，提取出所要测量的物体的轮廓；第3.34步：拟合边缘轮廓点得到边缘直线在世界坐标系下的方程；第3.35步：计算拟合的直线之间的距离，即为所求物体的长度；其中圆柱圆度计算步骤如下：圆柱圆度是指圆柱面上的点到圆柱中心轴线之间的距离与圆柱半径之差；圆柱面可以认为是到一条中心轴线的距离等于一个常数R的点的集合，由这一特征可知由7个参数确定一个圆柱，这7个参数分别是这条中心轴线的方向向量坐标(a1,b1,c1)和直线上的某一起始点的坐标(x0,y0,z0)，以及圆柱的半径R；建立观测点Pi与中心轴线P0P的几何关系图；第3.41步：设任意观测点Pi的坐标为(xi,yi,zi)，那么Pi到中心轴线上的垂直距离即为测得的实际半径R′，α为PiP0与中心轴线的夹角；R′=PiP01-cos2α---(5)]]>其中：cosα=a1(xi-x0)+b1(yi-y0)+c1(zi-z0)(xi-x0)2+(yi-y0)2+(zi-z0)2---(6)]]>误差方程可列为:υ＝R′‑Rvi=(xi-x0)2+(yi-y0)2+(zi-z0)2-[a1(xi-x0)+b1(yi-y0)+c1(zi-z0)]2-R---(7)]]>其中υ是坐标观测值残差；υi为任意观测点Pi的残差；第3.42步：引入最小二乘约束vTpυ＝min，解算方程组(7)；此外为保证起始点坐标和中心轴线向量的唯一性，引入两个条件方程：a12+b12+c12=1---(8)]]>x0＝average(X),y0＝average(Y),z0＝average(Z)   (9)其中x0、y0、z0分别为所有点的xi、yi、zi坐标的平均值；第3.43步：计算出a1，b1，c1，x0，y0，z0和R；第3.44步：计算圆柱圆度，即误差方程中的υ，作为衡量圆柱面拟合好坏的一个标准。