基于神经网络的动车车体关键尺寸检测系统解决方案

摘要

本发明属于机器视觉领域，涉及基于神经网络的动车车体关键尺寸检测系统解决方案。该检测系统利用激光跟踪仪和神经网络算法完成了大尺寸测量立体视觉全系统标定，使得各CCD传感器立体视觉检测单元系统融合到激光跟踪仪系统所建立的坐标系为世界坐标系，以保证检测系统的标定及检测精度。利用多个CCD传感器立体视觉检测单元系统采集获取关键点空间坐标信息，通过距离公式得到车体长度、宽度、对角线差、枕梁孔位置度、两侧门对角线差、车体主梁等高等测量单元信息，该系统能够随着车型变化，可根据实际检测需求，快速的增减任意CCD传感器立体视觉检测单元系统的数量。该系统具有检测项目多、现场适应性好、测量范围广的优势。

权利要求

1.一种基于激光跟踪仪的CCD传感器立体视觉检测单元系统的大尺寸测量立体视觉全系统标定方法，其具体步骤如下：(1)利用棋盘格标定板对固定于支架上的一组2只CCD相机进行内外参数标定，形成CCD传感器立体视觉检测单元系统；

(2)CCD传感器立体视觉检测单元系统和激光跟踪仪同时拍摄位于CCD传感器立体视觉检测单元系统有效视场内的直径为20mm的标靶球；确保在有效视场内同时拍摄该时刻位姿下标靶球的空间坐标信息，使得数据一致性；

(3)通过改变标靶球的位姿，拍摄多组相对于CCD传感器立体视觉检测单元系统坐标系和激光跟踪仪自身系统坐标系的空间点坐标信息；所述激光跟踪仪自身系统坐标系为世界坐标系；

(4)将CCD传感器立体视觉检测单元系统坐标系空间点坐标信息作为神经网络输入层，激光跟踪仪自身系统坐标系空间点坐标信息作为神经网络输出层，利用输入层与输出层之间的多组空间点坐标信息关系，获得神经网络隐含层关系，进而完成了大尺寸测量立体视觉全系统标定；

利用多个已完成大尺寸测量立体视觉全系统标定的CCD传感器立体视觉检测单元系统采集获取关键点空间坐标信息，根据世界坐标系下关键点空间坐标信息，通过相关距离坐标公式得到车体轮廓长度、宽度、对角线差、车体主梁等高、枕梁孔位置度、两侧门对角线差等测量单元信息。

说明书

基于神经网络的动车车体关键尺寸检测系统解决方案

技术领域

[0001] 本发明涉及基于神经网络的动车车体关键尺寸检测系统解决方案，属于机器视觉领域。

背景技术

[0002] 当前随着国家制造业不断发展，针对动车车型变化多、检测项目多、检测范围大等现场实际情况。企业大都选择传统测量工具，如钢直尺、盘尺、卷尺等，所造成的测量精度与综合误差很大，不能满足对动车车体关键尺寸形位公差的检测精度要求，而基于传统固定式三坐标机测量系统、激光跟踪仪、i-GPS检测系统或关节测量臂则由于测量范围有限或存在检测盲区，无法进行动车车体关键尺寸在线检测。而基于神经网络的动车车体关键尺寸检测系统则有其测量范围广、现场适应性好、测量精度高的优势。

发明内容

[0003] 本发明的目的在于提供基于神经网络的动车车体关键尺寸检测系统解决方案。该检测系统利用激光跟踪仪和神经网络算法完成了大尺寸测量立体视觉全系统标定，以保证检测系统的标定及检测精度。详细的解决方案及步骤如下：

[0004] 利用棋盘格标定板对一组(2只)CCD传感器进行内外参数标定，形成CCD传感器立体视觉检测单元系统。CCD传感器立体视觉检测单元系统和激光跟踪仪需要同时拍摄位于CCD传感器立体视觉检测单元系统有效视场内的直径为20mm的标靶球。通过改变标靶球的位姿，拍摄多组相对于CCD传感器立体视觉检测单元系统坐标系和激光跟踪仪自身系统坐标系下(该坐标系确定为世界坐标系)的空间点坐标信息，其中将CCD传感器立体视觉检测单元系统坐标系下空间点坐标信息作为神经网络输入层，激光跟踪仪自身系统坐标系下空间点坐标信息作为神经网络输出层，利用输入层与输出层之间的多组空间点坐标信息关系，获得神经网络隐含层关系，进而完成了大尺寸测量立体视觉全系统标定。同理，利用多个CCD传感器立体视觉检测单元系统采集获取关键点空间坐标信息，通过神经网络隐含层关系实时转换至世界坐标系中，从而通过相关距离坐标公式得到车体轮廓长度、宽度、对角线差、车体主梁等高、枕梁孔位置度、两侧门对角线差等测量单元信息。如检测车体轮廓长度尺寸测量单元Ⅰ，首先利用CCD传感器1、CCD传感器2所形成的第一立体视觉检测单元系统以及CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁及端梁处的两个特征点的空间坐标信息，结合i i第一、第十一两个立体视觉检测单元系统所获取到的特征点的空间坐标信息，采集到b、c两点空间坐标信息分别为 则该两点将通过神经网络隐含
层关系实时转换到世界坐标系中的空间坐标信息分别为
则长度
其特征在于具体的检测步骤如下：

[0005] 第一部分为车体轮廓长度尺寸测量单元：

[0006] 利用已完成大尺寸测量立体视觉全系统标定的CCD传感器1、CCD传感器2所形成的第一立体视觉检测单元系统以及CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁处的两个特征点的空间坐标信息，结合第一、第二两个立体视觉检测单元系统所获取到的特征点的空间坐标信息，该特征点空间坐标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息，利用空间点与点之间距离坐标公式可以获得其长度测量单元数据。

[0007] 第二部分为车体轮廓宽度尺寸测量单元：

[0008] 利用已完成大尺寸测量立体视觉全系统标定的CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统以及CCD传感器23、CCD传感器24所形成的第十二立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁及端梁处的两个特征点的空间坐标信息，结合第十一、第十二两个立体视觉检测单元系统所获取到的特征点的空间坐标信息，该特征点空间坐标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息，利用空间点与点之间距离坐标公式可以获得其宽度测量单元数据。

[0009] 第三部分为车体轮廓对角线差测量单元：

[0010] 利用已完成大尺寸测量立体视觉全系统标定的CCD传感器3、CCD传感器4所形成的第二立体视觉检测单元系统以及CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁上的两个特征点的空间坐标信息，结合第二、第十一两个立体视觉检测单元系统所获取到的特征点的空间坐标信息，该特征点空间坐标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息，利用空间点与点之间距离坐标公式可以获得其对角线差测量单元数据。

[0011] 第四部分为车身枕梁孔位置度测量单元：

[0012] 利用已完成大尺寸测量立体视觉全系统标定的CCD传感器25、CCD传感器26所形成的第十三立体视觉检测单元系统、CCD传感器27、CCD传感器28所形成的第十四立体视觉检测单元系统、CCD传感器29、CCD传感器30所形成的第十五立体视觉检测单元系统以及CCD传感器31、CCD传感器32所形成的第十五立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于枕梁孔处的空气弹簧定位销和高度定位块四个特征点的空间坐标信息，结合第十三、第十四、第十五、第十六共四个立体视觉检测单元系统所获取到的特征点的空间坐标信息，该特征点空间坐标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下四个关键点的空间坐标信息，利用空间点与点之间距离坐标公式可以获得其长度测量单元数据。

[0013] 第五部分为车体轮廓主梁等高测量单元：

[0014] 利用已完成大尺寸测量立体视觉全系统标定的CCD传感器7、CCD传感器8所形成的第四立体视觉检测单元系统、CCD传感器11、CCD传感器12所形成的第六立体视觉检测单元系统、CCD传感器15、CCD传感器16所形成的第八立体视觉检测单元系统以及CCD传感器19、CCD传感器20所形成的第十立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于车体主梁处的四个特征点的空间坐标信息，结合第四、第六、第八、第十共四个立体视觉检测单元系统所获取到的特征点的空间坐标信息，该特征点空间坐标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下四个关键点的空间坐标信息，利用空间点与点形成平面关系可以获得其车体轮廓主梁等高测量单元数据。

[0015] 第六部分为车体轮廓两侧门口对角线差测量单元：

[0016] 利用已完成大尺寸测量立体视觉全系统标定的CCD传感器9、CCD传感器10所形成的第五立体视觉检测单元系统以及CCD传感器15、CCD传感器16所形成的第八立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁及端梁处的两个特征点的空间坐标信息，结合第五、第八两个立体视觉检测单元系统所获取到的特征点的空间坐标信息，该特征点空间坐标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息，利用空间点与点之间距离坐标公式可以获得其两侧门口对角线差测量单元数据。

[0017] 本发明具备下列技术效果：

[0018] 本发明是基于神经网络的动车车体关键尺寸检测系统解决方案，该检测系统测量范围广、操作简单，由于利用了机器视觉和激光跟踪仪相结合的方式，使得整个检测系统结构简单、测量范围广、适应性好。首先利用激光跟踪仪和神经网络算法将多个CCD传感器立体视觉检测单元系统数据转换到以激光跟踪仪所建立的世界坐标系中，之后可以对车体关键尺寸实现实时在线检测。该系统能够随着车型变化多等现场复杂情况，可根据实际检测需求，快速的增减CCD传感器立体视觉检测单元系统的数量。该系统具有检测项目多、现场适应性好、测量范围广的优势。

附图说明

[0019] 图1是本发明车体关键尺寸检测系统结构图。

[0020] 图2是本发明CCD传感器立体视觉检测单元系统、标靶球与激光跟踪仪之间示意图。

[0021] 图3是本发明车体轮廓长度、宽度、对角线差测量单元原理示意图。

[0022] 图4是本发明枕梁孔位置度测量单元原理示意图。

[0023] 图5是本发明车体轮廓主梁等高及两侧门口对角线差测量单元原理示意图。

[0024] 图6是本发明形位公差测量单元流程图。

具体实施方式

[0025] 下面结合附图对本发明做进一步的描述：

[0026] 参阅图1、图2、图3、图4、图5、图6所示，本发明具体实施方式为：各个CCD传感器立体视觉检测单元系统通过激光跟踪仪和神经网络算法完成了大尺寸测量立体视觉全系统标定，各个测量单元之间通过车体相联系起来，构成了一个整体框架。

[0027] 参阅图2所示，利用棋盘格标定板对一组(2只)CCD传感器进行内外参数标定，形成CCD传感器立体视觉检测单元系统。CCD传感器立体视觉检测单元系统和激光跟踪仪需要同时拍摄位于CCD传感器立体视觉检测单元系统有效视场内的直径为20mm的标靶球。通过改变标靶球的位姿，拍摄多组相对于CCD传感器立体视觉检测单元系统坐标系和激光跟踪仪自身系统坐标系下(该坐标系确定为世界坐标系)的空间点坐标信息，其中将CCD传感器立体视觉检测单元系统坐标系下空间点坐标信息作为神经网络输入层，激光跟踪仪自身系统坐标系下空间点坐标信息作为神经网络输出层，利用输入层与输出层之间的多组空间点坐标信息关系，获得神经网络隐含层关系，进而完成了大尺寸测量立体视觉全系统标定。同理，利用多个CCD传感器立体视觉检测单元系统采集获取关键点空间坐标信息，通过神经网络隐含层关系实时转换至世界坐标系中，从而通过相关距离坐标公式得到车体轮廓长度、宽度、对角线差、车体主梁等高、枕梁孔位置度、两侧门对角线差等测量单元信息。如检测车体轮廓长度尺寸测量单元Ⅰ，首先利用CCD传感器1、CCD传感器2所形成的第一立体视觉检测单元系统以及CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁及端梁处的两个特征点的空间坐标信息，结合第一、第十一两个立体视觉检测单元系统所获取到的特征点的空间坐标信息，采集到bi、ci两点空间坐标信息分别为 则该两点将通过神经网 络隐 含 层 关 系实 时 转换 到 世 界 坐标 系 中的 空 间 坐 标 信息 分 别 为则长度
其特征在于具体的检测步骤如下：

[0028] 第一部分为车体轮廓长度尺寸测量单元：

[0029] 参阅图3中Ⅰ所示，测量车体轮廓长度信息。利用已完成大尺寸测量立体视觉全系统标定的CCD传感器1、CCD传感器2所形成的第一立体视觉检测单元系统以及CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁处的两个特征点bi、ci的空间坐标信息，结合第一、第二两个立体视觉检测单元系统所获取到的特征点的空间坐标信息分别为该特征点空间坐标信息将通过神经网络隐含层关系实时
转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息分别为 则其长度为

[0030] 第二部分为车体轮廓宽度尺寸测量单元：

[0031] 参阅图3中Ⅱ所示，测量车体轮廓宽度信息。利用已完成大尺寸测量立体视觉全系统标定的CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统以及CCD传感器23、CCD传感器24所形成的第十二立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁及端梁处的两个特征点ci、di的空间坐标信息，结合第十一、第十二两个立体视觉检测单元系统所获取到的特征点的空间坐标信息分别为该特征点空间坐标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息分别为 则其宽度为

[0032] 第三部分为车体轮廓对角线差测量单元：

[0033] 参阅图3中Ⅲ所示，测量车体轮廓对角线差信息。利用已完成大尺寸测量立体视觉全系统标定的CCD传感器3、CCD传感器4所形成的第二立体视觉检测单元系统以及CCD传感器21、CCD传感器22所形成的第十一立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于边梁上的两个特征点ai、ci的空间坐标信息，结合第二、第十一两个立体视觉检测单元系统所获取到的特征点的空间坐标信息分别为该特征点空间坐标信息将通过神经网络隐含层关系实时
转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息分别为 则其对角线差为

[0034] 第四部分为车身枕梁孔位置度测量单元：

[0035] 参阅图4中Ⅳ、Ⅴ、Ⅵ所示，分别为测量枕梁孔长度、宽度、对角线差信息。利用已完成大尺寸测量立体视觉全系统标定的CCD传感器25、CCD传感器26所形成的第十三立体视觉检测单元系统、CCD传感器27、CCD传感器28所形成的第十四立体视觉检测单元系统、CCD传感器29、CCD传感器30所形成的第十五立体视觉检测单元系统以及CCD传感器31、CCD传感器32所形成的第十五立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系i i i i
统获取位于枕梁孔处的空气弹簧定位销和高度定位块四个特征点e 、f 、g 、h的空间坐标信息，结合第十三、第十四、第十五、第十六共四个立体视觉检测单元系统所获取到的特征点的空间坐标信息分别为
该特征点空间坐
标信息将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下四个关键点的空间坐标信息分别为
则其枕梁孔
间长度为 枕梁孔间宽度为
枕梁孔间对角线差为

[0036] 第五部分为车体轮廓主梁等高测量单元：

[0037] 参阅图5中Ⅶ所示，测量车体轮廓主梁等高信息。利用已完成大尺寸测量立体视觉全系统标定的CCD传感器7、CCD传感器8所形成的第四立体视觉检测单元系统、CCD传感器11、CCD传感器12所形成的第六立体视觉检测单元系统、CCD传感器15、CCD传感器16所形成的第八立体视觉检测单元系统以及CCD传感器19、CCD传感器20所形成的第十立体视觉检测单元系统，同时利用该CCD传感器各立体视觉检测单元系统获取位于车体主梁处的四个特征点ii、ki、mi、oi的空间坐标信息，结合第四、第六、第八、第十共四个立体视觉检测单元系统所获取到的特征点的空间坐标信息分别为
该特征点空间坐标信息
将通过神经网络隐含层关系实时转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下四个关键点的空间坐标信息分别为
判断该四个特征
点是否在空间形成一个平面，进而确定是否车体轮廓主梁等高。

[0038] 第六部分为车体轮廓两侧门口对角线差测量单元：

[0039] 参阅图5中Ⅷ所示，测量车体轮廓两侧门口对角线差信息。利用已完成大尺寸测量立体视觉全系统标定的CCD传感器9、CCD传感器10所形成的第五立体视觉检测单元系统以及CCD传感器15、CCD传感器16所形成的第八立体视觉检测单元系统，同时利用该CCD传感器i i各立体视觉检测单元系统获取位于边梁及端梁处的两个特征点l 、m的空间坐标信息，结合第五、第八两个立体视觉检测单元系统所获取到的特征点的空间坐标信息分别为该特征点空间坐标信息将通过神经网络隐含层关系实时
转换到以激光跟踪仪系统坐标系所确立的世界坐标系中，根据世界坐标系下两个关键点的空间坐标信息分别为 则其两侧车门对角线差为

[0040] 该系统能够随着车型变化，可根据实际检测要求，快速的增减立体视觉CCD传感器立体视觉检测单元系统的数量。该系统具有现场适应性好、测量范围广、检测项目多的优势。