[发明专利]一种高精度激光3D轮廓手机结构件检测方法

说明书

本发明公开了一种高精度激光3D轮廓手机结构件检测方法，包括：步骤1)使用激光测量仪预先扫描一下样品，设定样品的扫描参数，包括激光功率，图像曝光时间，采集范围，采集样品的激光扫描图像样本；步骤2)放置手机结构件到移动工作台上，固定激光测量头在正上方，伺服电机带动工作台托板移动，完成检测，系统在2秒内完成表面轮廓检测，采样次数St＝pl/sstep，pl是产品测量长度，sstep是采样步长；步骤3)建立轮廓标准数据模型；步骤4)测量前导入3D模型CAD数据，数据由几千到上万个三角面片组成，沿着和扫描方向垂直的路径截取3D模型的切片图等。

技术领域

本发明属于一种高精度激光3D轮廓手机结构件检测方法。

背景技术

随着移动终端(手机)的发展，手机结构件的品质要求越来越高。以往检测手机结构件大多数厂家采用目视观察为主，主观性很大，质量难于稳定。行业内少部分企业使用机器视觉的方法检测手机结构件，例如华为技术有限公司、三星公司等，也部署了一些测试装备到手机生产线上，这些测试装备和检测系统的主流还是采用2D视觉技术，使用不同角度的光源将轮廓拍摄出来，然后使用图像处理算法进行分析处理。这种2D视觉的方法数据扰动较大，往往光照强度、材质变化、光源角度的小的变化都会对数据产生很大的影响，检测结果不准确。一些AOI厂家使用统计机器学习的方法和三色LED多角度光源制造图像检测装备，可以一定程度地实现缺陷的有无检测，不能准确量化尺寸方面的缺陷。

1常规2D机器视觉使用正面或者侧面拍照的方法，图像特征易受光照的影响，产生误测结果；

2、另外一种处理表面检测的方法是使用智能图像算法，例如用机器学习方法进行图像特征分类，通过大量样本训练实现分类，但这种方法不能量化大小，同时需要较长的时间进行训练和学习；

2、目前的激光轮廓度仪可以输出表面点云，但测量的宽度较窄，精度和效率不理想，同时对于混合材质的测量不可靠。

3、使用深度数据进行检测，涉及到3D点云配准问题，目前的主流3D点云配准算法是适应自由曲面配准的迭代最近邻算法(ICP)，用于3D视觉检测效率低，不能满足在线测试需求。

发明内容

本发明所要解决的技术问题是提供一种高精度激光3D轮廓手机结构件检测方法，用于解决现有技术存在的问题。

本发明解决上述技术问题所采取的技术方案如下：

一种高精度激光3D轮廓手机结构件检测方法，具体包括：

步骤1)使用激光测量仪预先扫描一下样品，设定样品的扫描参数，包括激光功率，图像曝光时间，采集范围，采集样品的激光扫描图像样本；

步骤2)放置手机结构件到移动工作台上，固定激光测量头在正上方，伺服电机带动工作台托板移动，完成检测，系统在2秒内完成表面轮廓检测，采样次数St＝pl/sstep，pl是产品测量长度，sstep是采样步长；

步骤3)建立轮廓标准数据模型；

步骤4)测量前导入3D模型CAD数据，数据由几千到上万个三角面片组成，沿着和扫描方向垂直的路径截取3D模型的切片图，在结构件3D数据的每个空间三角形和切片平面形成相交线，计算相交线和空间三角形的每条边的交点，判断交点是否在三角形的端点构成的线段之间，如果在2条线端之间记录交点坐标作为切片采样；

切片采样点记录完成后，对切片采样点进行排序，形成断面轮廓数据，其中，在轮廓数据集合中检测关键点，切面轮廓线用关键点的序列表示；

并且，每个切面数据使用(x1，pt1),(x2，pt2),(x3，pt3),(x4，pt4),...,(xn，ptn)序列关键点组成；ptn代表数据点类型,在检测过程中平坦数据点和曲率大的数据点判断的标准采用不同的加权因子，包括：