threejs 物体根据相机位置显示_利用高精度拼接算法实现长柱形物体检测

今天跟大家分享的是我们在近几年多次成功在客户现场部署的利用高精度拼接算法实现长柱形物体检测方案。

01

应用背景及行业痛点

长柱形物体是指截面尺寸远远小于其长度的一类物体，长柱形物体检测即为该类物体检测的总称，例如钢轨检测，铸管检测，原木检测等。此类被测物要求完整还原被测物的截面面轮廓形状，并实时检测处理截面轮廓数据。在被测物成型较高的场合中，要求精度基本在50μm以下，市面上虽然有基于传感器的拼接工具，但是灵活性差，仅仅做了传感器两个方向的标定，因此在实际应用场合中完成0.05mm的检测变的难以实现。

02

解决方案及优势

为了实现长柱形物体自动化检测，大恒图像开发了多相机高精度拼接算法工具，利用多相机标定结果，实时生成完整轮廓形状并提取关键点与CAD模型尺寸进行对比，如检测到不合格，通过标准协议传输至对应的实施硬件，做该不合格位置的标记点。从而顺利完成整个检测、标记流程。

该解决方案可根据被测物的实际形状和检测精度配备不同视野、不同精度的各种厂商传感器(不支持数据二次开发的厂商除外)。该解决方案已经在客户现场成功部署。其中的图像采集部分可采用AT线激光传感器或者使用LMI 2XXX系列轮廓传感器，保证了数据快速稳定高精度获取，图像处理部分基于HALCON进行开发，方便轮廓数据任意指标的拓展性检测。

成功案例

客户 : 某公司                  

地点：华北

行业：铁路                     

实施年份:2019

检测指标：高铁铁轨截面尺寸检测

在轨道交通运行中，无论是客车，火车还是为我们熟知的高铁，钢轨在其中都是必不可少的重要组成部件，其作用是引导列车转向架车轮前进和承受车轮的巨大压力。其截面形状采用具有最适用列车运行的工字形断面。近年来高铁的发展尤为迅速，为保证钢轨的稳定量产和关键质量控制，同时也要保证后续列车安全稳定运行，钢轨截面尺寸的检测显得更为重要。

本方案通过多相机组网来覆盖和采集钢轨轮廓数据，通过HALCON来实时计算轮廓形状并与标准情况进行对比。方案应用结果表明，该方案可在0.03S内完成一次钢轨轮廓检测,其误差在0.05mm内。以下为方案的设计图以及轨廓的计算结果显示：

方案设计图

 轨廓点云测量结果

方案优势

■  任意多相机标定组网

■  组网后各方向标定精度高

■  处理速度快

■  可快速应用,后续开发简单，维护方便

■  方案成熟，已有多个成功案例

来源：大恒图像