一种法兰的平面度检测方法技术

本发明专利技术公开了一种法兰的平面度检测方法，包括硬件系统带动3D相机采集法兰表面轮廓图阶段和软件系统进行平面度计算阶段，软件系统进行平面度计算阶段包括以下步骤：S1.预处理生成点云；S2.空间三维点云极坐标变换；S3.点云去噪；S4.检测位点提取；S5.法兰基准平面拟合；S6.法兰平面度计算；与现有技术相比，本发明专利技术的法兰的平面度检测方法，根据海量3D点云数据进行平面度计算，所计算出的平面度结果比当前人工采用激光测平仪手动打点采集数据计算平面度更科学和合理，提高了法兰平面度检测的效率和检测的准确度。效率和检测的准确度。效率和检测的准确度。

【技术实现步骤摘要】
一种法兰的平面度检测方法


[0001]本专利技术涉及智能检测
，具体地，涉及一种法兰的平面度检测方法。

技术介绍

[0002]平面度的高精度测量是机械加工装调检测过程中的重要环节，大尺寸圆环型零件的直径都在数米量级，其平面度的精确测量一直是一个难点。例如大尺寸法兰在风电装备行业中使用广泛，风电机组塔架焊后顶部法兰平面度要求0.5mm，基础环上法兰平面度要求1.5mm，其余法兰平面度要求2mm，法兰的平面度值是塔架制造的关键点。当前行业普遍的检测方法是使用进口的激光测平仪进行检测，存在检测方法繁琐、检测时间过长、检测方式存在安全隐患等问题。

技术实现思路

[0003]本专利技术的目的在于提供一种法兰的平面度检测方法，其用于解决上述技术问题。
[0004]一种法兰的平面度检测方法，包括硬件系统带动3D相机采集法兰表面轮廓图阶段和软件系统进行平面度计算阶段，软件系统进行平面度计算阶段包括以下步骤：S1.预处理生成点云：将3D相机采集到的法兰表面轮廓图进行预处理并生成矩形带状点云；S2.空间三维点云极坐标变换：S21.将S1中生成的矩形带状点云向y轴正方向平移，使矩形带状点云位于y轴上方；S22.将矩形带状点云上的每个点的直角坐标转换为极坐标，并将转成的极坐标用直角坐标表示；S23.根据极坐标将矩形带状点还原为圆环形状的点云；S3.点云去噪：S31.设置欧氏距离分割阈值；S32.根据欧氏距离阈值将点云分割成不同的部分；S33.获取不同部分点云的特征；S34.根据分割后的模型特征选取出法兰的主体点云；S4.检测位点提取：S41.获取法兰点云在二维图像下的渲染图；S42.在渲染图上提取检测位点；S5.法兰基准平面拟合：S51.根据S42获得的检测位点提取的位置，映射到三维点云之中提取检测的点云；S52.使用最小二乘法将检测点云拟合为一个平面，获得基准平面；S6.法兰平面度计算：S61.计算每个检测点到基准平面的距离；S62.获取所有距离的最大值与最小值之差的绝对值，该值即为平面度。
[0005]根据本专利技术的一实施方式，S1中将3D相机获取的轮廓图进行预处理并生成矩形带状点云包括以下步骤：S11.3D相机SDK获取采集的轮廓图数据；S12.对获取的轮廓图使用3D相机API进行中值滤波；S13.对中值滤波后的图像使用3D相机API进行平滑滤波；S14.使用3D相机API生成点云数据。
[0006]根据本专利技术的一实施方式，S22中对点云的x、y坐标进行变换，z坐标的值不做改变。
[0007]根据本专利技术的一实施方式，S22中点云直角坐标与极坐标的转换方法如下：设定S1中生成的矩形带状点云的长度为L，矩形带状点云上任意一点M在直角坐标系中的直角坐标为（a，b）；设定M点在极坐标中与M
’
对应，M
’
在极坐标中的极坐标为(θ，ρ)，则在极坐标图中：在极坐标中的极坐标为(θ，ρ)，则在极坐标图中：得到M
’
(θ，ρ)之后将其转换为直角坐标的表示(x，y)：(θ，ρ)之后将其转换为直角坐标的表示(x，y)：则原始点M (x，y，z) 由直角坐标系变换到极坐标中后，得到M
’
(，，z)。
[0008]根据本专利技术的一实施方式，S22中点云转换的方法使用PCL算法来实现，根据转成点云的轮廓图的宽高来遍历所有点云，计算时根据点云x轴分辨率与轮廓图高度乘积来确定实际点云x方向距离，再根据转换计算公式实现点云数据的转换。
[0009]根据本专利技术的一实施方式，S22中点云转换的方法使用HALCON算法来实现，用HTuple类型的数组形式接收点云的x、y、z的值，然后生成三维数据模型。
[0010]根据本专利技术的一实施方式，S34中的模型特征为数量特征或最小外接矩形的最大对角线长度。
[0011]根据本专利技术的一实施方式，S42中提取检测位点的方法为在两法兰孔之间的中点位置提取内外圈检测位点。
[0012]根据本专利技术的一实施方式，S52中使用最小二乘法将检测点云拟合为基准平面的算法如下：设定基准平面的方程为：，则 ，记，，，则，假设有n个点需要拟合：（x
i
，y
i
，z
i
），i=1,2，
…
n，n个点到拟合平面的距离之和为s，则：，
使s最小，则 ，则有：则有：可得：可得：可得：矩阵可表示为：求此矩阵可得到a、b和c的值，得到的拟合平面的法向量为(a，b，-1) ，根据拟合平面的法向量得到基准平面。
[0013]根据本专利技术的一实施方式，S61中计算每个检测点到基准平面的距离的方法如下：获取每个检测位置的点云，计算每个检测位置点云的均值坐标()，设定每个均值坐标到拟合的基准平面距离为d，根据公式：计算每个均值坐标到拟合的基准平面距离。
[0014]与现有技术相比，本专利技术的法兰的平面度检测方法具有以下优点：本专利技术的法兰平面度检测方法根据海量3D点云数据进行平面度计算，所计算出的平面度结果比当前人工采用激光测平仪手动打点采集数据计算平面度更科学和合理，提高了法兰平面度检测的效率和检测的准确度。
附图说明
[0015]图1为本专利技术的法兰的平面度检测方法的流程图；图2为实际法兰形状示意图；图3为获取的点云形状示意图；图4为点云形状转换关系示意图；图5为法兰在二维图像下的渲染图；图6为渲染图上提取的法兰的检测位点示意图；本专利技术功能的实现及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0016]以下将以图式揭露本专利技术的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本专利技术。也就
是说，在本专利技术的部分实施方式中，这些实务上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
[0017]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0018]另外，在本专利技术中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定本专利技术，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0019]为能进一步了解本专利技术的内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：实施例一：请参阅图1，图1为本实施例的法兰的平面度检测方法的流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种法兰的平面度检测方法，包括硬件系统带动3D相机采集法兰表面轮廓图阶段和软件系统进行平面度计算阶段，其特征在于，所述软件系统进行平面度计算阶段包括以下步骤：S1.预处理生成点云：将3D相机采集到的法兰表面轮廓图进行预处理并生成矩形带状点云；S2.空间三维点云极坐标变换：S21.将S1中生成的矩形带状点云向y轴正方向平移，使矩形带状点云位于y轴上方；S22.将矩形带状点云上的每个点的直角坐标转换为极坐标，并将转成的极坐标用直角坐标表示；S23.根据极坐标将矩形带状点还原为圆环形状的点云；S3.点云去噪：S31.设置欧氏距离分割阈值；S32.根据欧氏距离阈值将点云分割成不同的部分；S33.获取不同部分点云的特征；S34.根据分割后的模型特征选取出法兰的主体点云；S4.检测位点提取：S41.获取法兰点云在二维图像下的渲染图；S42.在渲染图上提取检测位点；S5.法兰基准平面拟合：S51.根据S42获得的检测位点提取的位置，映射到三维点云之中提取检测的点云；S52.使用最小二乘法将检测点云拟合为一个平面，获得基准平面；S6.法兰平面度计算：S61.计算每个检测点到基准平面的距离；S62.获取所有距离的最大值与最小值之差的绝对值，该值即为平面度。2.根据权利要求1所述的法兰的平面度检测方法，其特征在于，S1中将3D相机获取的轮廓图进行预处理并生成矩形带状点云包括以下步骤：S11.3D相机SDK获取采集的轮廓图数据；S12.对获取的轮廓图使用3D相机API进行中值滤波；S13.对中值滤波后的图像使用3D相机API进行平滑滤波；S14.使用3D相机API生成点云数据。3.根据权利...

【专利技术属性】
技术研发人员：肖苏华，戴智彬，郑振兴，罗文斌，吴建毅，卢琦文，王志勇，乔明娟，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：