4.8.1 Thực nghiệm đo kích thước với chi tiết puly
Chi tiết Puly trong động cơ Thaco có bản vẽ kích thước như trên hình 4-54 cùng với chi tiết thực sau khi chế tạo.
Tiến hành thực nghiệm đo chi tiết puly theo hình 4-54 và so sánh kết quả đo.
- Bước 1: Đặt mẫu Puly lên bàn máy
- Bước 2: Thiết lập tham số bàn máy quay tự động theo trục W từ 0°~359°, mỗi bước dịch chuyển 20°, góc xoay U 45°.
- Bước 3: Thực hiện quét tự động (kết quả như hình 4-55)
-Bước 4: Sử dụng phần mềm Gom Inspect nội suy các dạng hình trụ 3D, mặt
phẳng (hình 4-56).
129
- Bước 5: Đo đạc các kích thước theo bản vẽ hình (4-54)
a)
b)
Hình 4-55 Chi tiết Puly trong động cơ ô tô THACO
Hình 4-56 Dữ liệu quét 3D toàn bộ chi tiết puly trên phần mềm thực nghiệm
Hình 4-57 Đo các kính thước trên phần mềm Gom Inspect
Bảng 4-11 Bảng kết quả đo chi tiết Puly (các số liệu đo được thể hiện trong bảng 5 PHỤ LỤC 2) Giá trị Đo lần đo bằng panme ∅ (mm) 32,01 28,48 9,32 ∅
Sử dụng phân bố chuẩn Student với độ tin cậy là 95%, giá trị đo trên bảng 4-11 và bảng 5 (PHỤ LỤC2) có kích thước ∅32,017 ± 0,005 (mm), ∅28,498 ± 0,015 (mm) và 9,298 ±0,014 (mm).
Nhận xét: Đối với đo các kích thước dạng lỗ, độ ổn định của phép đo khi sử dụng phương pháp nội suy với bề mặt hình trụ (trên phần mềm đo 3D Gom Inspect), phụ thuộc vào số điểm ảnh thu được, do đó số điểm ảnh càng nhỏ (tương ứng diện tích bề mặt càng nhỏ) thì độ chính xác của phép đo càng thấp và ngược lại.
4.8.2 Thực nghiệm đo chi tiết piston
Đối với biên dạng lỗ trên chi tiết (phần khoanh đỏ hình 4-58a), khả năng thu nhận ảnh 3D của thiết bị thực nghiệm phụ thuộc vào góc = 18° và khoảng cách giữa 2 máy ảnh (100 mm), với điều kiện để tính toán tọa độ điểm 3D trên bề mặt phải được đồng thời 2 máy ảnh quan sát được và có vân chiếu từ máy chiếu lên điểm đó và bề rộng của vùng quan sát ≥ 8 × 0,108 = 0,86 mm, trong đó 0,108 là độ phân giải điểm ảnh 2D theo độ sâu (Bảng 3-2 trang 90) và 8 là số điểm ảnh trong thuật toán xác định tâm của đường chiếu trên vân dịch đường; với yêu cầu số điểm ảnh nhỏ nhất 3 điểm 3D theo đường sinh của biên dạng hình trụ, chiều sâu nhỏ nhất có thể đo 5 × 0,86 = 4,3
131
(5 là khoảng cách giữa hai biên để tính 3 đỉnh trong vân chiếu dịch đường), đây cũng là khoảng cách nhỏ nhất giữa 2 tia có gốc từ máy ảnh đến bề mặt lỗ cần đo. Hình 4-57 mô tả sơ đồ tính đường kính lỗ nhỏ nhất mà hệ thiết bị có thể đo được, đường màu đỏ là tia từ hai máy ảnh đến điểm giữa (trong 3 điểm đo 3D) trên bề mặt của lỗ, đường màu đen là 2 tia biên để đo 2 điểm còn lại. Với góc nghiêng 45°, và khoảng cách 200 mm từ vật đến hệ đo thì đường kính nhỏ nhất có thể đo là ∅10,21 mm < ∅13 mm (đường kính lỗ trên chi tiết piston), hệ thống có thể đo được biên dạng lỗ trên piston.
Hình 4-58 Sơ đồ tính toán đường kính lỗ nhỏ nhất có thể đo được tại vị trí góc
nghiêng của chi 45o
132
Thực hiện quét chi tiết (piston hình 4-58a) tương tự các bước đo trên chi tiết puly với yêu cầu đo đường kính mặt trụ ngoài và đường kính lỗ trong. Hình 4-58b thể hiện
chi tiết piston sau khi quét bàn máy quay tự động theo trục W từ 0o~359o, mỗi bước
dịch chuyển 20o, góc xoay U 45o và 18 dữ liệu quét từ các góc khác nhau được ghép tự
động dựa trên tham số của ma trận dịch chuyển đối với mỗi vị trí bàn xoay. Sau đó dữ liệu được đo kích thước đường kính ngoài như trong hình 4-59.
a)
b)
Hình 4-59 Chi tiết piston động cơ xe máy và dữ liệu quét 3D chi tiết piston trên phần mềm thực nghiệm
Nhận xét: Biên dạng lỗ trên chi tiết (phần khoanh đỏ hình 4-58a) sau khi quét được
thu thập dữ liệu điểm đo 3D (phần khoanh đỏ hình 4-58b) minh chứng cho phần tính toán
khả năng đo lỗ khả dụng khi đường kính lớn hơn đường kính nhỏ nhất ∅10,21 mm;
133
tương tự với các biên dạng rãnh có khoảng cách 1 mm và 2 mm nhỏ hơn khoảng cách
tối thiểu 10,21 mm nên không có dữ liệu 3D thu được.
Hình 4-60 Đo đường kính ngoài chi tiết piston trên phần mềm Gom Inspect Bảng 4- 12 Bảng kết quả đo đường kính piston (các số liệu đo được thể hiện trong bảng 6
PHỤ LỤC 2) Giá trị đo bằng panme (mm) ∅13,04 ∅50,01
Sử dụng phân bố chuẩn Student với độ tin cậy là 95%, giá trị đo trên bảng 4-12 và bảng 6 PHỤ LỤC-2 là đường kích ngoài ∅50,02 ± 0,008(mm), đường kính lỗ chốt ∅13,01 ±
0,01(mm).
4.8.3 Quét một số chi tiết khác
Với mục đích đánh giá ảnh hưởng của các bề mặt phản xạ khác nhau, khi quét trên các vật liệu khác nhau. Khi đó hệ số phản xạ được thay bằng độ bóng (Gloss), tiến hành quét một số chi tiết có hình dạng bề mặt phức tạp làm
bằng vật liệu khác nhau như: Đồng, nhựa mạ vàng 24K, sáp. Hình 4-60 chi tiết hoa văn đúc đồng kích thước 111 × 90
× 5 (mm) được thực hiện với 1 lần quét, hình 4-61 chi tiết hình con cá mạ vàng 24k kích thước 360 × 160 × 75
(mm) với 5 lần quét (sử dụng trục Z trên bàn máy để di chuyển), hình 4-62 chi tiết tượng linh vật đúc bằng vật liệu sáp
kích thước 265 × 150 × 65 (mm) với 36 lần quét các góc xoay trên bàn máy trục W và trục U.
134
Nhận xét: Đối với các chi tiết có màu sắc sáng hoặc ánh kim, sử dụng phương pháp HDR do NCS đề xuất thu được hầu hết các bề mặt 3D trên chi tiết. Tuy nhiên, với các chi tiết có bề mặt hấp thụ ánh sáng (chi tiết màu đen ví dụ một phần trên hình 4-61) thì phương pháp này không hiệu quả do việc khó phân biệt các đỉnh vạch sáng của vân chiếu dịch đường, do vậy cần có những nghiên cứu tiếp theo để cải thiện chất lượng ảnh 3D đối với chi tiết màu sắc tối.
Hình 4-61 Dữ liệu quét chi tiết bằng vật liệu đồng
Hình 4-62 Dữ liệu quét vật thể hình con cá bằng nhựa được mạ bằng vàng 24K
Hình 4-63 Dữ liệu quét khi đã ghép nối các góc quét của tượng hổ bằng vật liệu sáp 4.9 Kết luận
Chương 4 đã trình bày thiết bị thực nghiệm, phần mềm được xây dựng cho hệ thống đo quét 3D sử dụng phương pháp mã Gray và dịch đường. Các bước tiến hành cho cấu hình hệ thống, xử lý và thu nhận ảnh 3D từ ảnh độ sâu.
Xác định bộ thông số của các vị trí dịch chuyển bàn máy so với thiết bị đo 3D bằng tập các ảnh chụp ô bàn cờ gá đặt lên bàn máy.
Tiến hành thực nghiệm đánh giá và tổng hợp phương pháp sử dụng kỹ thuật HDR cho quá trình quét 3D với chi tiết có độ bóng cao từ 4 thông số thiết lập cho hệ thống được phân đoạn theo dải mức xám tương ứng, kết quả thực nghiệm cho thấy phương pháp đưa ra có thể thu nhận các chi tiết cơ khí tốt hơn so với phương pháp hợp nhất đa phơi sáng, tuy nhiên số lượng lấy mẫu lớn và mất thời gian tính toán, do vậy cần có thêm các nghiên cứu để tối ưu bộ số thiết lập để giảm số lấy mẫu.
Với quả cầu chuẩn, thực nghiệm xác định phương trình hiệu chuẩn dữ liệu đo 3D thu được, từ đó xây dựng phương trình hiệu chuẩn để tăng độ chính xác. Được kiểm nghiệm lại khi đo với các căn mẫu chuẩn cấp 0.
Mố số mẫu chi tiết cơ khí được đo các kích thước từ đó đánh giá phương pháp và thiết bị đo phù hợp cho việc đo kích thước các chi tiết cơ khí có độ chính xác đạt được tối đa ± 20 . Với các chi tiết có tính chất bề mặt khác nhau và độ phản xạ khác nhau, một số thí nghiệm đã được tiến hành dựa trên các chi tiết bằng các vật liệu như: Đồng, mạ vàng, sáp; phương pháp HDR do NCS đề xuất cho độ phân giải và chất lượng tốt, có thể ứng dụng cho các lĩnh vực khác không chỉ với các chi tiết cơ khí. Tuy nhiên phương pháp này còn hạn chế khi thực hiện đo các chi tiết có bề mặt tối (bề mặt hấp thụ ánh sáng) nên cần có những nghiên cứu tiếp tục để cải tiến.
136
KẾT LUẬN CHUNG CỦA LUẬN ÁN
Luận án đã đóng góp những nội dung chính sau:
- Nghiên cứu phương pháp mã hóa các điểm trên bề mặt vật sử dụng mã vân Large-Gap Graycode thay thế cho mã vân Gray đối xứng làm tăng độ phân giải hệ thống, tăng chiều sâu thu nhận và giảm lỗi trong quá trình giải mã.
- Nghiên cứu và áp dụng thành công phương pháp xác định vùng chiếu vân nhằm
giảm thời gian tính toán và đảm bảo độ chính xác, loại bỏ được các vùng không xác định tại biên của vùng chiếu vân.
- Nghiên cứu và áp dụng thành công phương pháp xác định tâm của vạch sáng
trên vân dịch chuyển đường khi xét đến độ mở của vạch và các điều kiện biên để tăng độ chính xác của đỉnh vạch sáng dưới đơn vị điểm ảnh.
- Nghiên cứu và áp dụng thành công phương pháp ạo ảnh động dải rộng mới khi
chụp mẫu vân chiếu với các giá trị thiết lập thời gian cửa sổ trập khác nhau đối với máy ảnh nằmtăng khả năng thu nhận ảnh bề mặt 3D đối với các chi tiết có độ bóng cao hoặc các chi tiết có màu tối với thời gian xử lý và khối lượng tính toán thấp.
- Đã đánh giá được các tham số của máy ảnh và máy chiếu tác động đến quá trình
đo chi tiết cơ khí có đặc tính độ bóng cao, bề mặt sáng, từ đó chọn lựa được bộ thông số thiết lập phù hợp cho quá trình thu nhận với các chi tiết khác có cùng tính chất bề mặt tương tự.
- Nghiên cứu sử dụng phương trình hình cầu và quả cầu chuẩn để xác định
phương trình hiệu chuẩn cho các trục OX, OY, OZ.
- Nghiên cứu và áp dụng thành công phương pháp xác định chuyển vị của hệ
thống bàn máy mang chi tiết đo không phụ thuộc vào độ phức tạp của hệ cơ khí.
- Xây dựng thành công thiết bị thu nhận ảnh 3D của các chi tiết cơ khí đạt được kết
quả:
+ Độ phân giải điểm ảnh 0,14 mm.
+ Thời gian quét ảnh 1,2 giây, thời gian tính toán tối đa: 30 micrô giây.
+ Số điểm ảnh 3D tối đa thu được: 1.039.680 điểm ảnh có dạng: tọa độ 3D:
X, Y, Z và giá trị màu tương ứng (R, G, B).
+ Vùng thu nhận ảnh 3D tối đa (dài × rộng) mm: 175,98×110,02
+ Khoảng cách thu nhận đến thiết bị đo: Từ 150 mm đến 250 mm.
+ Góc quét tối đa 76°.
+ Đường kính lỗ nhỏ nhất có thể đo được: ∅10,21 mm
- Đã ứng dụng hệ thống thiết bị thực nghiệm để tái tạo bề mặt 3D của một số chi
tiết cơ khí.
137
HƯỚNG NGHIÊN CỨU TIẾP THEO
Kết quả nghiên cứu của luận án này chứng minh được tính khả thi của một hệ đo 3D bề mặt chi tiết sử dụng công nghệ ánh sáng cấu trúc kết hợp mã Gray và dịch đường. Tuy vậy, còn một số vấn đề cần tiếp tục nghiên cứu như: Độ lặp lại của hệ thống, nâng cao độ phân giải, với các chi tiết có độ bóng cao; cụ thể các nghiên cứu tiếp theo có thể kể đến:
- Tối ưu hóa số tham số thiết lập cho quá trình lấy mẫu khi thực hiện thu ảnh động
dải rộng bằng các giá trị ước lượng khi biết độ bóng và độ sáng của bề mặt vật.
- Tự động xác định các biên nhiễu đối với ảnh 3D của vật và loại bỏ nhằm nâng
cao độ chính xác của dữ liệu.
- Tiếp tục nghiên cứu, phân tích độ không đảm bảo đo của thiết bị như một hệ
thống đo lường 3D. Nghiên cứu phát triển phương pháp hiệu chuẩn hệ thống phù hợp với một hệ đo quang học 3D.
- Tiếp tục nghiên cứu phương pháp so sánh giữa dữ liệu quét 3D của một chi tiết
so với dữ liệu thiết kế CAD nhằm xác định sai lệch trong quá trình gia công đối với các biên dạng bề mặt phức tạp.
- Nghiên cứu phương pháp nâng cao độ chính xác khi đo quét các chi tiết có bề
mặt hấp thụ ánh sáng (màu đen,…).
TÀI LIỆU THAM KHẢO
[1] Hartley, Richard I., và Peter Sturm (1997). "Triangulation." Computer vision
and image understanding 68.2 : 146-157.
[2] Börner, A. (1996). “The optimization of the stereo angle of CCD-line-
Scanners”. International Archives of Photogrammetry and Remote Sensing, 31, 26-30.
[3] Geng, Jason (2011). "Structured-light 3D surface imaging: a tutorial."
Advances in Optics and Photonics 3.2: 128-160.
[4] Bell, Tyler, Beiwen Li, và Song Zhang (1999). "Structured light techniques and
applications." Wiley Encyclopedia of Electrical and Electronics Engineering : 1-24.
[5] Van der Jeught, Sam, và Joris JJ Dirckx (2016). "Real-time structured light
profilometry: a review." Optics and Lasers in Engineering 87: 18-31.
[6] Angelsky, Oleg V., et al (2020). "Structured light: ideas and concepts."
Frontiers in Physics 8 : 114.
[6] H. Kawamoto (2012), "The history of liquid-crystal display and its industry,"
2012 Third IEEE HISTory of ELectro-technology CONference (HISTELCON), pp. 1- 6, doi: 10.1109/HISTELCON.2012.6487587.
[7] Huang, Xiao, et al (2017). "Target enhanced 3D reconstruction based on
polarization-coded structured light." Optics express 25.2: 1173-1184.
[8] Song, Zhan, and Ronald Chung (2008). "Use of LCD panel for calibrating
structured-light-based range sensing system." IEEE Transactions on Instrumentation and Measurement 57.11 : 2623-2630.
[9] Xiao, Yong-Liang, et al (2020). "Large-scale structured light 3D shape measurement with reverse photography." Optics and Lasers in Engineering 130: 106086.
[10] Geng, Jason (2011). "DLP-based structured light 3D imaging technologies
and applications." Emerging Digital Micromirror Device Based Systems and
ApplicationsIII. Vol. 7932. International Society for Optics and Photonics.
[11] Frankowski, G., và R. Hainich (2009). "DLP-based 3D metrology by
structured light or projected fringe technology for life sciences and industrial metrology." Emerging digital micromirror device based systems and applications. Vol. 7210. International Society for Optics and Photonics.
[12] Zhang, Song (2018). "High-speed 3D shape measurement with structured
light methods: A review." Optics and Lasers in Engineering 106: 119-131.
[13] Ishii, Idaku, et al (2007). "High-speed 3D image acquisition using coded
structured light projection." 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE.
[14] Besl, Paul J (1989). "Active optical range imaging sensors." Advances in machine vision. Springer, New York, NY. 1-63.
[15] Vuylsteke, Piet, và André Oosterlinck (1990). "Range image acquisition with
a single binary-encoded light pattern." IEEE Transactions on Pattern Analysis and Machine Intelligence 12.2: 148-164.
[16] J. Le Moigne và A. M. Waxman (1984), “Projected light pat-terns for short
range navigation of autonomous robots”, Proc. Int. Conf. on Pattern Recognition, Vol. 1, pp. 203—206.
[17] Van der Jeught, Sam, và Joris JJ Dirckx (2016). "Real-time structured light
profilometry: a review." Optics and Lasers in Engineering 87: 18-31.
[18] Salvi, Joaquim, Jordi Pages, và Joan Batlle (2004). "Pattern codification
strategies in structured light systems." Pattern recognition 37.4: 827-849.
[19] Salvi, Joaquim, et al (2010). "A state of the art in structured light patterns for
surface profilometry." Pattern recognition 43.8: 2666-2680.
[20] Hartley, Richard, and Andrew Zisserman (2003). “Multiple view geometry in
computer vision”. Cambridge university press.
[21] Xu, Gang, and Zhengyou Zhang (1996). “Epipolar geometry in stereo,
motion and object recognition: a unified approach.” Vol. 6. Springer Science &
BusinessMedia.
[22] Zhang, Zhengyou (1998). "Determining the epipolar geometry and its
uncertainty: A review." International journal of computer vision27.2: 161-195.
[23] Shapiro, Linda G., and George C. Stockman (2001). “Computer vision”.
Pearson.
[24]Fusiello, Andrea; Trucco, Emanuele; Verri, Alessandro (2000-03-02). "A
compact algorithm for rectification of stereo pairs" (PDF). Machine Vision and Applications. 12: 16–22. doi:10.1007/s001380050120. S2CID 13250851. Retrieved 2010-06-08.
[25] Richard Szeliski (2010). “Computer vision: Algorithms and applications.”
Springer. ISBN 9781848829350.
[26] Pollefeys, Marc; Koch, Reinhard; Van Gool, Luc (1999). "A simple and
efficient rectification method for general motion" (PDF). Proc. International
Conferenceon Computer Vision: 496–501. Retrieved 2011-01-19.
[27] Lim, Ser-Nam; Mittal, Anurag; Davis, Larry; Paragios, Nikos (2010).
"Uncalibrated stereo rectification for automatic 3D surveillance" (PDF). International
Conference on Image Processing. 2: 1357. Archived from the original (PDF) on 2010- 08-21. Retrieved 2010-06-08.
[28] Scharstein, Daniel, and Richard Szeliski (2003). "High-accuracy stereo depth maps using structured light." 2003 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2003. Proceedings.. Vol. 1. IEEE.
[29] Massot-Campos, M., Oliver-Codina, G., Kemal, H., Petillot, Y., & Bonin-
Font, F. (2015). “Structured light and stereo vision for underwater 3D reconstruction”.