摘要
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.
基金项目
中央引导地方专项(桂科ZY21195005)
广西工信厅 自治区人工智能与实体经济深度融合应用示范试点项目()
维普
万方数据