top of page
3D lāzera profilēšanas iekārtu punktu mākoņa stabilizēšanas un virsmas defektu atpazīšanas realizēšana, izmantojot augstas veiktspējas skaitļošanas tehnoloģijas

Pētniecības projekta nosaukums: 3D lāzera profilēšanas iekārtu punktu mākoņa stabilizēšanas un virsmas defektu atpazīšanas realizēšana, izmantojot augstas veiktspējas skaitļošanas tehnoloģijas

​​

Zippy Vision pētniecības projektā plānots attīstīt 3D punktu iegūšanas un mērījumu stabilizācijas metodes, izmantojot, augstas veiktspējas skaitļošanas tehnoloģijas, ātrai detaļu virsmu defektu atpazīšanai garenvirzienā apstrādātām detaļām. Pētniecības laikā paredzēts attīstīt ne tikai pašus skaitļošanas algoritmus, bet arī diagnostikai un šādas sistēmas kalibrēšanai un uzturēšanai nepieciešamo tehnoloģiju kopu.

Par Kompetences centru

Finansējuma saņēmējs: SIA "MAŠĪNBŪVES KOMPETENCES CENTRS"

Sadarbības iestāde: CFLA līgums Nr. 5.1.1.2.i.0/1/22/A/CFLA/006

Mašīnbūves kompetences centrs aptver trīs zinātniskos virzienus:

  • Automatizētu inženiersistēmu ražošanas tehnoloģijas.

  • Materiālu ražošanas tehnoloģijas.

  • Transporta tehnoloģijas.


Mašīnbūves kompetences centra projekta mērķis ir komersantu konkurētspējas paaugstināšana, veicinot pētniecības un rūpniecības sektora sadarbību, īstenojot pētniecības projektus, kas attīsta jaunus produktus un tehnoloģijas un ievieš tās ražošanā modernu ražošanas tehnoloģiju un inženiersistēmu apakšjomā mašīnbūves un metālapstrādes nozarē.

Investīciju projekta identifikācijas Nr.: 5.1.1.2.i.0/1/22/A/CFLA/006
Atveseļošanas fonda projekta kopējais investīciju apjoms: 3 125 000 EUR
Programmas darbības laiks no 13.09.2022 līdz 30.06.2026

01/09/23

01/11/23

Progresa ziņojums 1.SP

1.Aktivitāte: HIP, CUDA un GPUFORTE savietojamība ar esošo Zippy Vision pieredzi, tehnoloģiju brieduma vērtējums un vērtējums attiecībā pret esošajām iestrādēm. 


2.Aktivitāte: Iegūt augstas frekvences mērījumus uz testa paraugiem


Iegūti augstas frekvences lāzera triangulācijas mērījumi/punktu mākoņi vienam un tam pašam objektam no savstarpēji kalibrētām lāzera triangulācijas kamerām.


Mērījumi izdarīti zināmu dimensiju objektam, pieļaujot tā nelielu vibrāciju un kustību.


3.Aktivitāte: Integrācijas API un SDK atbilstoši Zippy Vision iekārtu pieslēgumu arhitektūrai


Izveidoti kalibrācijas un konfigurācijas instrumenti kameru testēšanai un kameru savstarpējā novietojuma kalibrācijai izmantojot specifiski izveidotus kalibrācijas objektus


4.Aktivitāte: Digitālās stabilizācijas algoritma izveide HPC tehnoloģijās attiecībā pret rasējuma informāciju.


  • Izveidots algoritms, ka nodrošina punktu mākoņa reģistrāciju attiecībā pret rasējumu izmantojot HPC.

  • Jaunais algoritms vienu šķērsgriezumu apstrādā zem 1 ms. Tas ir 40x paātrinājums.

  • Jaunajiem, HPC balstītiem algoritmiem precizitāte ir pietiekoši augsta, lai varētu 100% izmantot sensoru precizitāti.

01/11/23

31/01/24

Progresa ziņojums 2.SP

1.Aktivitāte: Izveidot uz HPC balstīta 3D mērījumu stabilizācijas sistēmu attiecībā pret šķērsgriezuma rasējuma elementiem.


Tika iegūta metode, kas ļauj stabilizēt 3D punktu makoņu datus, stabilizējot secīgus punktu mākoņu šķērsgriezumus. Šīs metode strādā tikai uz punktu informāciju, neizmantojot papildus ģeometrisko informāciju par pašiem objektiem, jeb nav pieejams objekta rasējums. Viens no šķēlumiem tiek izvēlēts kā atbalsta šķēlums, un pārējie šķēlumi tiek pielīdzināti šim šķēlumam.


Stabilizācijā tika izvēlēts stabilākais no diviem transformācijas risinājumiem ar 5x stabilākiem rezultātiem. Katram no 500 šķērsgriezumam ir 2000 punktu, veidojot 1miljonu punktu kopu.


2.Aktivitāte: Izveidot koda bibliotēku, kas strādā attiecībā pret sintētiskiem datiem un dod prototipa rezultātu reāliem datiem.


Tika iegūts, ka stabilizēšana pret rasējumu dod salīdzināmu precizitāti ar stabilizēšanu pret punktu kopu. Vidējā kvadrātiskā kļūda ar kārtu ~0.1 mm. Ātrdarbības ziņā, tika iegūts ievērojams uzlabojums. Tika iegūts 6.5x ātrdarbības uzlabojums.


Izstrādātie algoritmi tika integrēti Zippy Vision sistēmu bibliotēkā, izmantošanai uz augstas veiktspējas skaitļošanas sistēmām. Šīs bibliotēkas tālāk tika izmantotas, lai izmantojot datus, kas iegūti no reālās vides (ražotnēs) spētu pielāgot šo algoritmu parametrus, lai nodrošinātu vēlamo precizitāti.


3.Aktivitāte: Veikt 3D mākoņa izvērtējumu attiecībā pret dažādu virsmas defektu identifikācijas iespēju.


Ņemot vērā, ka gala rezultāts ir 3D informācijas izmantošana vizuālu defektu kontrolei, sekmīgais risinājums bija metožu kombinācija:


· Izgaismojuma simulācija izmantojot visas virsmas 3D datus. Tika simulēta pilnībā matētas virsmas uzvedība sānu apgaismojumā;

· Paredzēta izejas datus lietot ML vizuālās defektu identifikācijas modelim.


Rezultātā tika konstatēts, ka metode, kas simulē vizuālos defektus, izmantojot apgaismojuma modeli, ļauj atteikties no sarežģītām, citām daudzparametru kalibrācijām.


4.Aktivitāte: Veikt vizuālās informācijas izvērtējums (izmantojot atstarošanās datus).


5.Aktivitāte: Pilota instalācija pie Zippy Vision vai sadarbības klienta.

bottom of page