一种基于单目视觉的齿形结构装配测量方法

    公开(公告)号:CN113405451B

    公开(公告)日:2022-05-31

    申请号:CN202011100315.5

    申请日:2020-10-15

    Abstract: 本发明公开了一种基于单目视觉的齿形结构装配测量方法,包括S1:基于自适应核与自适应阈值的SUSAN算法提取齿形结构输出轴、输入轴齿顶角点;S2:根据路径搜索法及距离约束获取输出轴缺齿、输入轴花键中点在图像中的坐标;S3:采用RANSAC思想聚类,剔除误差较大的候选点,从而便于后续对输出轴、输入轴齿顶圆、辅助圆进行椭圆拟合并获取椭圆参数;S4:通过图像坐标系下的齿顶圆投影椭圆、辅助圆投影椭圆、缺齿与花键中点信息解算其空间六自由度位姿,本发明取代传统的通过人眼观察输出轴、输入轴对合状态进行装配的模式,且对其状态评估更加准确;相对于激光跟踪仪等大尺寸测量引导的齿形结构装配方式,该方法装配成本大大降低,场地适应性显著增强,受环境如湿度、温度影响较小,便于拆装、维护。

    一种基于特征模板的点云精确分割方法

    公开(公告)号:CN114119628A

    公开(公告)日:2022-03-01

    申请号:CN202111237881.5

    申请日:2021-10-25

    Abstract: 本发明公开了一种基于特征模板的点云精确分割方法,本发明公开了一种基于特征模板的实测点云数据分割方法,包括以下步骤:S1:首先对理论数模中的待测量和识别的曲面特征进行提取,构建成特征模板并存入模板数据库中;S2:利用空间栅格法建立实测点云拓扑关系并基于特征模板完成点云粗分割;S3:通过主成分分析法估计点云法向量,采用基于面的自适应区域生长算法对粗分割点云块进一步细分割,得到最终精确分割结果。本发明该方法为实际测量后的规模点云数据提供了一种精确的分割方法,减少了繁琐的人工操作,提高了分割效率和自动化程度,能够得到较好的分割结果。

    一种基于混合控制的飞机结构件定位单位入位方法

    公开(公告)号:CN112198837B

    公开(公告)日:2021-12-28

    申请号:CN202010891669.X

    申请日:2020-08-31

    Abstract: 本发明公开了一种基于混合控制的飞机结构件定位单位入位方法,涉及大型结构件数字化装配技术领域;为了解决需要传统入位方法定位精度不高的问题;具体包括以下步骤:通过激光跟踪仪测量出飞机结构件的位姿并通过构建力控制轴的传动模型,确定混合控制参数;使球窝沿X/Y方向运动,让球头和球窝的位置在X/Y方向尽量重合;球窝沿Z方向运行,直至与球窝接触;通过混合控制使球窝依从运动阶段沿Z轴抬升,直至球头完全进入球窝;所述定位单元包括伺服电机、滚珠丝杠螺母、直线导轨和滑动平台组成。本发明定位单元水平方向进行力控制,使得球窝能够自适应地接近球头,保证入位过程的安全性,减少了装配应力,操作简单快捷。

    直升机自动倾斜器启动力与旋转力参数测试装置与方法

    公开(公告)号:CN119509768A

    公开(公告)日:2025-02-25

    申请号:CN202411807768.X

    申请日:2024-12-10

    Abstract: 本发明公开直升机自动倾斜器启动力与旋转力参数测试装置与方法,包括:固持系统,固持系统包括支撑桌板;定心系统,定心系统包括定心轴;支臂,支臂包括前端连杆、中端连杆、后端连杆和齿形机构,前端连杆上滑动连接有力矩插销;转动系统,转动系统包括固定在支撑桌板底面的安装架,安装架上安装有减速机,减速机输入轴固定连接有电机,定心轴上轴孔的底部转动连接有中心转轴,中心转轴与减速机输出轴之间通过转矩传感器连接。本发明结构简单,便于操作,通过转动系统和支臂带动直升机自动倾斜器进行启动力矩和转动力矩参数测试,能够提高力矩方向和数值准确度,为直升机自动倾斜器性能评估提供更加准确的依据。

    一种基于神经网络模型的多自由度定位器驱动量估计方法

    公开(公告)号:CN118397080A

    公开(公告)日:2024-07-26

    申请号:CN202410481576.8

    申请日:2024-04-22

    Abstract: 本发明属于调姿定位领域,公开一种基于神经网络模型的多自由度定位器驱动量估计方法,用于解决机器视觉测量引导多自由度驱动器调姿场景下定位器驱动量估计易受手眼标定误差影响大的问题。本发明通过采用非线性映射、端到端的估计方法估计多自由度定位器驱动量,以多自由度定位器位姿数据和相机采集的标定板数据作为训练数据,搭建输入为定位目标变化量、输出为多自由度定位器驱动量的神经网络,采用Adam优化算法对神经网络训练,得出神经网络参数,完成模型标定。本发明的有益之处在于减少了基于机器视觉测量引导的多自由度定位器运动系统标定时的误差源,提高了多自由度定位的运动准确度。

Patent Agency Ranking