CƠ KHÍ SỬ DỤNG KINECT V2
4.3. Xác định phân bố dữ liệu đám mây điểm xung quanh
2.2.1239 4.3.1. Cơ sở lý thuyết
2.2.1240 Trong những năm gần đây, đo lường, kiểm tra và kiểm soát chất lượng trong
công nghiệp nói chung và cơ khí chế tạo máy nói riêng đã được hưỏng lợi rất lớn từ các kỹ thuật quét 3D [78]. Với việc ứng dụng các kỹ thuật tái tạo hình học bề mặt tích hợp trực tiếp vào hệ thống, các dây chuyền sản xuất trỏ lên gọn nhẹ cũng như giảm đáng kể chi phí sản xuất. Đã có rất nhiều nghiên cứu liên quan đến việc ứng dụng các thiết bị quang học trong dây chuyền sản xuất tự động.
2.2.1241 Trong nghiên cứu đã công bố [79], Molleda và cộng sự đã phát triển một hệ
thống kiểm tra 3D dựa trên giải thuật tam giác phân để kiểm tra kim loại sau cán. Tuy nhiên, độ chính xác của hệ thống đã đề xuất bị hạn chế bỏi chuyển
động không mong muốn do rung động của sản phẩm sau cán. Cũng trong nghiên cứu này, một bộ lọc thông thấp đã được sử dụng để loại bỏ nhiễu sinh ra từ những rung động nêu trên.
2.2.1242 Một hướng nghiên cứu khác, Xu và cộng sự [80] đã phát triển một hệ thống
kiểm tra 3D thời gian thực cho các chi tiết ô tô dựa trên kỹ thuật ánh sáng cấutrúc. Trong nghiên cứu này, các chi tiết ô tô khác nhau đã được kiểm tra và độ chính xác của hệ thống được công bố là 0,18mm.
2.2.1243 Qua đó ta thấy, ứng dụng kết quả của quá trình tái tạo hình học bề mặt các sản phẩm cơ khí sử dụng thiết bị Kinect v2 nhằm đáp ứng nhu cầu hiện tại về tiêu chuẩn chất lượng cho các hệ thống sản xuất tự động trở nên cấp thiết.
Chính vì vậy, trong luận án này, một phương pháp xác định giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa của chi tiết cơ khí dựa trên đám mây điểm nhận được từ Kinect v2, là một trong những tham số quan trọng của các hệ thống kiểm tra tự động, sẽ được đề xuất.
2.2.1244 Đối với các bề mặt đã số hóa thành đám mây điểm, giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa có thể được xác định bằng cách tính trung bình khoảng cách pháp tuyến từ các điểm trong dữ liệu đám mây điểm đến một bề mặt danh nghĩa. Bề mặt danh nghĩa được định nghĩa là một bề mặt mà không có mảnh bề mặt bất thường và có tính chất hình học lý tưởng. Khi đó giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa được tính theo công thức
2.2.12451 A
RPCA = ^52 lyii(4.1) 2.2.1246 i=1
2.2.1247 trong đó N là tổng số điểm trong đám mây điểm, và yi là khoảng cách pháp tuyến từ các điểm tới bề mặt danh nghĩa. Sơ đồ chung mô tả quá trình tiến hành xác định giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa theo công thức 4.1 được mô tả trong hình 4.17.
2.2.1248
2.2.1249 Hình 4.17: Tiến trình xác định RpCA
2.2.1250
2.2.1251 Phân tích thành phần chính (Principal Component Analysis - PCA) là một phương pháp thống kê để xác định số lượng biến không tương quan trong một tập dữ liệu lớn nhiều chiều. Các biến không tương quan này được gọi là các thành phần chính theo các phương, các biến này dùng để để giải thích phương sai đến từ đâu. Giả sử một đám mây điểm cho trước ký hiệu là X, các thành phần chính của nó chính là các trị riêng của ma trận hiệp phương sai của X, ký hiệu là cov(X). Cách phổ biến nhất để tìm ra các trị riêng của ma trận là sử dụng phương pháp Singular Value Decomposition [81]. Phương pháp phân tích thành phần chính này đã được xây dựng thông qua câu lệnh pca trên phần mềm Matlab. Trong luận án này, mục đích sử dụng PCA chỉ đơn giản là ước lượng một đại diện của bề mặt danh nghĩa được sử dụng để tính toán giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa của chi tiết cơ khí.
4.3.2. Phương pháp thực nghiệm
2.2.1252 Với mục đích thực nghiệm kết quả của phương pháp đề xuất, hai mẫu vật liệu nhôm được lựa chọn và minh họa trong hình 4.18. Mẫu 1 được gia công trên máy phay CNC Manford MCB-850 để đạt kích thước 120mm X 120mm. Mẫu 2 giữ nguyên bề mặt thô không gia công với kích thước 140mm X 100mm.
2.2.1253
2.2.1254 Hình 4.18: Các vật mẫu thực nghiệm xác định giá trị trung bình phân bố dữ
liệu đám mây điểm xung quanh bề mặt danh nghĩa2.2.1255
2.2.1256 Đầu tiên, các bề mặt cần xác định giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa sẽ được số hóa bởi Kinect v2. Để đảm bảo độ chính xác, đám mây điểm thu được của các vật mẫu chỉ thực hiện theo một góc chụp. Các vật mẫu được đặt gần vị trí khảo sát số 8 như đã trình bày trong các thí nghiệm trước sao cho bề mặt cần quét ít bị ảnh hưởng bởi phản xạ bề mặt. Mỗi vật mẫu sẽ được tiến hành quét 50 lần liên tục, mỗi lần quét cách nhau một giây.
2.2.1257 Sau quá trình số hóa bề mặt, một chương trình Matlab được phát triển để tính toán RPCA theo công thức 4.1. Mỗi tọa độ X, Y và Z được nhập từ dữ liệu đám mây điểm vào mảng dữ liệu có kích thước N X 3, trong đó N là số điểm trong dữ liệu đám mây điểm. Sau đó mảng dữ liệu này sẽ được sử dụng để đăng nhập mặt phẳng theo phương pháp PCA. Cuối cùng, kết quả trả về một mảng dữ liệu 3 X 3 chứa các thành phần chính; các cột đầu tiên, thứ hai và thứ ba tương ứng là thứ tự của các thành phần chính. Hai cột đầu tiên, là hai thành phần chính đầu tiên, hình thành một không gian 2D, đó chính là mặt phẳng X — Y. Thành phần chính thứ ba là trực giao với hai thành phần đầu và xác định véc tơ pháp tuyến của mặt phẳng X — Y. Kết hợp lại, quá trình này tạo ra một hệ tọa độ 3D mới. Để có được các điểm trong hệ tọa độ mới này, mảng dữ liệu N X 3 nhân với ma trận 3 X 3 chứa các thành phần chính. Khi kết thúc, một mảng dữ liệu N X 3 được lấy bao gồm vị trí của từng điểm trong hệ tọa độ mớiđược hình thành bởi các thành phần chính. Lúc này, độ lệch chỉ đơn giản là tọa độ z mới vì chúng được tham chiếu ngay lập tức từ X0,Y0,Z0. Nói cách khác, bằng cách chiếu véc tơ pháp tuyến lên mặt phẳng X — Y, có thể đánh giá các đỉnh và đáy của đám mây điểm tương ứng. Đương nhiên, chương trình Matlab sẽ tự động đo khoảng cách và đưa ra giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa RPCA của bề mặt đã quét. Chương trình máy tính đã phát triển được trình bày trong phụ lục 4.2.
4.3.3. Đánh giá kết quả
2.2.1258 Sau quá trình thực nghiệm xác định giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa, kết quả xác định giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa theo phương pháp đã đề xuất được hiển thị trong bảng 4.1. Cụ thể, sau 50 lần đo, giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa của mẫu 1 là 90^m và độ lệch chuẩn tương ứng là 11^m. Giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa của mẫu 2 sau 50 lần đo là 214^m và độ lệch chuẩn tương ứng là 21 gm.
2.2.1259 Như biểu diễn trong hình 4.19 và 4.20, các giá trị trung bình phân bố dữ liệu
đám mây điểm xung quanh bề mặt danh nghĩa của mẫu 1 và mẫu 2 trong thí nghiệm này tuân theo phân phối chuẩn Gauss.
2.2.1260
2.2.1261 Qua kết quả thực nghiệm ta thấy, phương pháp xác định giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa bằng Kinect
v2 có thể được sử dụng một cách trực tiếp cho các sản phẩm của dây chuyền đúc tự động hoặc các sản phẩm được sản xuất theo công nghệ bồi đắp. Tuy nhiên, phương pháp này cần được kiểm nghiệm chi tiết hơn nữa về độ chính xác, độ nhạy, độ ổn định cũng như độ tin cậy của phép đo. Ngoài ra, ảnh hưởng của những lớp phủ có chiều dày khoảng vài ym đến quá trình xác định giá trị
0.05 0.06 0.07 0.08 0.09 0.1 0.11 0.12 0.13
Giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa của mẫu 1 (mm)
Hình 4.19: Giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa của mẫu 1
2.2.1262 Bảng 4.1: Giá trị trung bình phân bố dữ liệu đám mây điểm xung quanh bề
mặt danh nghĩa được đo bởi Kinect v2 2.2.1263
Lần đo
2.2.1264 M ẫu 1 (gm)
2.2.1265 M ẫu 2 (ym)
2.2.1266 Lần đo
2.2.1267 M ẫu 1 (gm)
2.2.1268 M ẫu 2 (ym) 2.2.1269
1
2.2.1270 7 6
2.2.1271 2 19
2.2.1272 2
2.2.1273 7 3
2.2.1274 2.2.1275 213
3
2.2.1276 1 08
2.2.1277 1 99
2.2.1278 4
2.2.1279 9 9
2.2.1280 2.2.1281 201
5
2.2.1282 8
7 2.2.1283 2
28 2.2.1284
6
2.2.1285 8
4 2.2.1286
2.2.1287 239 7
2.2.1288 8 3
2.2.1289 1 87
2.2.1290 8
2.2.1291 8 1
2.2.1292 2.2.1293 200
9
2.2.1294 8 3
2.2.1295 1 88
2.2.1296 10
2.2.1297 1 09
2.2.1298 2.2.1299 192
11
2.2.1300 7 1
2.2.1301 2 19
2.2.1302 12
2.2.1303 1 07
2.2.1304 2.2.1305 171
13
2.2.1306 1 06
2.2.1307 2 31
2.2.1308 14
2.2.1309 9 9
2.2.1310 2.2.1311 184
15
2.2.1312 8 8
2.2.1313 2 07
2.2.1314 16
2.2.1315 1 01
2.2.1316 2.2.1317 236
17 2.2.1318 8
7 2.2.1319 2
30 2.2.1320
18 2.2.1321 1
02 2.2.1322
2.2.1323 245
19 2.2.1324 1
03 2.2.1325 1
99 2.2.1326
20 2.2.1327 9
3 2.2.1328
2.2.1329 247
21 2.2.1330 8
9 2.2.1331 1
99 2.2.1332
22 2.2.1333 8
1 2.2.1334
2.2.1335 248
23 2.2.1336 9
9 2.2.1337 2
35 2.2.1338
24 2.2.1339 1
06 2.2.1340
2.2.1341 173
25 2.2.1342 9
3 2.2.1343 1
92 2.2.1344
26 2.2.1345 1
07 2.2.1346
2.2.1347 204
27 2.2.1348 8
2 2.2.1349 2
15 2.2.1350
28 2.2.1351 8
4 2.2.1352
2.2.1353 198 29
2.2.1354 1
07 2.2.1355 2
17 2.2.1356
30
2.2.1357 7
7 2.2.1358
2.2.1359 175 31
2.2.1360 1 03
2.2.1361 2 35
2.2.1362 32
2.2.1363 9 7
2.2.1364 2.2.1365 230
33 2.2.1366 9
8 2.2.1367 2
43 2.2.1368
34 2.2.1369 8
1 2.2.1370
2.2.1371 209 35
2.2.1372 8 8
2.2.1373 2 19
2.2.1374 36
2.2.1375 8 4
2.2.1376 2.2.1377 216
37
2.2.1378 9 4
2.2.1379 2 19
2.2.1380 38
2.2.1381 7 4
2.2.1382 2.2.1383 194
39 2.2.1384 7
9 2.2.1385 2
42 2.2.1386
40 2.2.1387 9
2 2.2.1388
2.2.1389 224
41 2.2.1390 7
3 2.2.1391 2
23 2.2.1392
42 2.2.1393 8
4 2.2.1394
2.2.1395 196 43
2.2.1396 9 2
2.2.1397 1 99
2.2.1398 44
2.2.1399 7 2
2.2.1400 2.2.1401 219
45 2.2.1402 9
9 2.2.1403 1
91 2.2.1404
46 2.2.1405 1
01 2.2.1406
2.2.1407 246
47 2.2.1408 8
3 2.2.1409 2
16 2.2.1410
48 2.2.1411 9
2 2.2.1412
2.2.1413 203
49 2.2.1414 8
1 2.2.1415 2
53 2.2.1416
50 2.2.1417 9
5 2.2.1418
2.2.1419 229
2.2.1420 trung bình phân bố dữ liệu đám mây điểm xung quanh bề mặt danh nghĩa theo
phương pháp đã đề xuất cũng cần được khảo sát và làm rõ.
2.2.1421