基于CT图像的车辆装配缺陷在线监测方法和监测系统与流程

本技术涉及故障检测、ct图像，具体而言，涉及一种基于ct图像的车辆装配缺陷在线监测方法和监测系统。

背景技术：

1、本部分的内容仅提供了与本技术相关的背景信息，其可能并不构成现有技术。

2、车辆是由数千个零部件经过多道工序逐级装配形成的复杂结构体。在整车装配线、动力总成装配线、动力电池包装配线以及车桥与底盘合装线等场景中，大量装配缺陷（例如螺栓漏装、卡扣未卡入、密封条压装不到位、轴承压装偏斜、线束连接器虚插、腔体内异物残留、焊点虚焊等）发生在结构内部或被后续装配的零部件遮挡，出厂前难以通过外观检查发现，却会在整车使用阶段引发异响、泄漏、松脱甚至安全事故。传统的人工目检、拧紧曲线监控、二维x射线透射检测等手段，或者只能覆盖表面与可视区域，或者只能获得重叠投影信息，无法对内部三维装配状态做出可靠判断。

3、为此，会采用工业ct进行检测，即将实测ct图像与固定的标准ct图像或cad模型配准后直接作差，将差异区域判为缺陷，该方案自动化程度较高，无需人工逐层读图。

4、然而，上述方案对于被大型金属构件遮挡的区域，单次扫描获得的投影信息不完整，重建结果存在条纹伪影与数据缺失，容易漏检。对于标准模板比对而言，每台车辆均客观存在合法的制造公差、装夹姿态偏差和材料批次差异，与固定模板直接作差时，这些不构成缺陷的个体差异同样表现为图像差异，导致误报率高；对金属伪影、散射和遮挡缺失区域通常采用普通插值填补，插值内容没有物理依据，既可能掩盖真实缺陷，也可能虚构出不存在的结构。

5、如此，现有的工业ct无法准确地判断车辆是否存在装配缺陷。

技术实现思路

1、本技术的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本技术的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求保护的技术方案的范围。

2、本技术的一些实施例提出了一种基于ct图像的车辆装配缺陷在线监测方法和监测系统，来解决以上背景技术部分提到的技术问题。

3、作为本技术的第1个方面，本技术提供了一种基于ct图像的车辆装配缺陷在线监测方法，包括如下步骤：

4、步骤s1，采集车辆通过每个工位的ct投影数据，建立车辆的ct过程档案，对投影数据进行面向装配结构的重建得到三维ct图像，并将重建得到的三维ct图像转换为装配关系图；

5、步骤s2，根据历史合格车辆样本库，生成当前装配状态的拟合合格ct图像；

6、步骤s3，在实测ct图像与拟合合格ct图像之间执行双向残差计算，并将残差沿装配关系图传播，得到各结构节点的缺陷可信度；

7、步骤s4，根据各结构节点的缺陷可信度确定各结构节点的结构可信度，并根据结构可信度生成结构可信度渲染图，结合装配顺序生成若干种装配错误工况的发生概率，根据发生概率生成装配错误的警报。

8、本技术以车辆身份标识为主键，将同一车辆在各工位的扫描组织成连续的装配过程影像链，在重建阶段引入前序结构、零部件几何与合格样本三类先验，并为重建结果的每个体素建立可信度场，将三维ct图像转换为以零部件为节点、装配关系为边的装配关系图；根据历史合格车辆样本库为被测车辆生成保留其个体差异的拟合合格ct图像作为比较基准，在此基准上执行双向残差计算并沿装配关系图传播，使图像差异被赋予装配语义；再通过结构可信度渲染与结合装配顺序的工况概率评估将缺陷证据量化为可执行的风险信息与分级警报，从而在装配线在线节拍下，实现对车辆内部装配缺陷的可靠检出与风险预警，克服了现有方案中遮挡补偿不可信、固定模板产生伪缺陷、图像差异缺乏装配语义、检测结果无法量化风险并驱动预警的问题。

9、进一步的，步骤s1包括如下步骤：

10、步骤s11：车辆沿装配线移动至第t个检测工位时，采集该工位的投影数据，并获取车辆身份标识、当前工位编号t、当前工位的装配清单、装配顺序信息；

11、步骤s12：对每个工位的投影数据进行解析重建，识别遮挡与伪影区域，得到遮挡权重矩阵w；

12、步骤s13：根据遮挡权重矩阵w确定当前可见结构和对应零部件，将前序工位投影数据重建得到的结构信息、当前可见零部件的几何先验与合格样本以正则项形式，与当前工位实测投影数据共同输入重建过程，构建重建目标函数并求解，得到三维ct图像；

13、步骤s14：对三维ct图像的每个体素位置x，计算可信度c(x)，以建立可信度场；

14、步骤s15：对带可信度信息的三维ct图像，将每个零部件作为结构节点，提取零部件之间的关系边，构成第t工位的装配关系图，表示结构节点集合，表示关系边集合。

15、本技术以车辆身份标识为主键，将同一车辆在各工位的投影数据组织成连续的装配过程影像链，使任一工位的检测均可调用该车辆全部前序工位的影像与结构信息；通过遮挡权重矩阵在射线层面区分可靠数据与受污染数据，并在重建中引入前序结构、零部件几何先验与合格样本三类先验，使被遮挡区域的补偿内容具有物理与工艺依据，避免了普通插值填补掩盖真实缺陷或虚构不存在结构的问题；通过为每个体素建立可信度场，使重建结果中可靠与不可靠的区域在源头上被显式区分；通过将三维ct图像转换为以零部件为节点、以装配关系为边的装配关系图，为后续赋予图像差异以装配语义提供了结构化基础。

16、进一步的，遮挡权重矩阵w是为投影数据中的每一条射线分配一个权重而形成。

17、进一步的，重建目标函数为：

18、；

19、其中，v表示待重建的三维ct图像，三维ct图像在空间位置x处的取值v(x)为该体素的线性衰减系数；表示重建得到的最优的三维ct图像；a表示ct系统的前向投影矩阵，用于描述三维ct图像到投影数据的物理映射；表示第t工位实测得到的投影数据向量；w表示步骤s12得到的遮挡权重矩阵；表示按元素相乘运算；表示向量二范数的平方；、、分别为三个正则项的权重系数，均为预设的非负实数，用于平衡数据保真项与各先验项的作用强度；为前序工位结构一致性正则项；为零部件几何先验正则项；为合格样本正则项。

20、本技术通过遮挡权重矩阵对数据保真项按元素加权，使受条纹伪影、散射污染或数据缺失影响的射线在重建中被自动降权，抑制了不可靠投影数据对重建结果的污染；通过前序工位结构一致性正则项、零部件几何先验正则项与合格样本正则项对重建过程施加约束，使被遮挡区域的重建内容同时受投影证据、该车辆自身前序结构与合格群体先验的限定，且制造公差范围内的个体差异不被惩罚，从而在保证重建结果物理可信的同时，提高了遮挡区域缺陷检出的可靠性并降低了误报。

21、进一步的，步骤s2包括如下步骤：

22、步骤s21：以车辆身份标识v、当前工位编号t为索引，从历史合格车辆样本库q(m)中检索k个合格样本，每个合格样本包含其在第t工位的三维ct图像及对应装配关系图；

23、步骤s22：依据当前工位装配清单，将每个合格样本的三维ct图像分解为三部分：车身基础结构、当前工位新增结构以及连接过渡区域；

24、步骤s23：在实测车辆的三维ct图像中选取稳定结构集合作为定位骨架；

25、步骤s24：根据定位骨架，对每个合格样本k，求解将其映射到实测车辆坐标系的空间变换，并根据空间变换将合格样本配准至实测的三维ct图像；

26、实测车辆坐标系是指当前工位实测车辆的三维ct图像的车辆坐标系；

27、步骤s25：将k个配准后的合格样本在每个体素位置取密度中位数，得到合格群体参考值；将实测的三维ct图像与合格群体参考值逐体素比较，将偏差超过公差带、且可信度c(x)不低于的区域，标记为疑似异常区域；

28、步骤s26：以定位骨架为定位基础，将合格样本的当前工位新增结构及连接过渡区域迁移到实测车辆坐标中，并与实测图像融合，生成拟合合格ct图像。

29、本技术通过以稳定结构为定位骨架将多个合格样本配准至实测车辆坐标系，并在每个体素位置取密度中位数作为合格群体参考值，使比较基准代表合格群体的共性状态而非任一单一样本的个体特征；通过仅对疑似异常区域以合格样本内容进行替换、其余区域完整保留实测内容，使被测车辆合法的制造公差、装夹姿态偏差与材料批次差异得以保留而不进入后续残差，从根本上消除了与固定标准模板直接作差所产生的伪缺陷，降低了误报率。

30、进一步的，步骤s26中，对于稳定结构区域以及未被标记为疑似异常的区域，保留实测ct图像的内容；仅对被标记为疑似异常的区域，以配准后的合格样本的对应内容按融合权重加权替换；融合权重按各合格样本与实测车辆在稳定结构区域的相似度归一化确定，相似度越高权重越大。

31、进一步的，步骤s3包括如下步骤：

32、步骤s31：从实测ct图像中移除拟合合格ct图像的内容，得到正向残差；从拟合合格ct图像中移除实测ct图像的内容，得到反向残差；

33、步骤s32：对每个结构节点u，对其空间范围内的正向残差与反向残差分别进行体积分并归一化，得到节点图像残差能量；对每条关系边e，计算边变化量；

34、步骤s33：沿零部件之间的关系边传播正向残差和反向残差，得到每个结构节点的缺陷可信度。

35、本技术通过正向残差与反向残差的双向计算，使实测图像中多出的物质（对应错装、异物残留等异常）与缺失的物质（对应漏装、装配不到位等异常）分别得到显式表征，避免了单向作差造成的异常类型混淆与漏检；通过将残差沿装配关系图的关系边传播，使图像灰度差异被赋予装配语义：孤立且不破坏任何装配关系的差异被降权，破坏接触、同轴、密封或紧固传力等装配关系的差异被升权，从而将普通的图像差异转化为可解释的装配缺陷证据，提高了缺陷判定的准确性。

36、进一步的，步骤s4包括如下步骤：

37、步骤s41：获取所有结构节点的节点缺陷可信度，生成可信度分布图；

38、步骤s42：获取结构节点的装配顺序，基于各结构节点的缺陷可信度生成若干种对应的装配错误工况的发生概率；

39、步骤s43：根据装配错误工况的发生概率，生成装配错误的警报。

40、本技术通过结构可信度渲染图将各零部件的装配可信程度以三维彩色图的形式直观呈现，使产线人员无需逐层读取ct切片即可在产线节拍时间内直接定位低可信度零部件；通过结合装配顺序评估各类装配错误工况的发生概率，使先装基准结构的异常对后装零部件的连带风险得以体现，缺陷证据被量化为可执行的风险信息；通过按发生概率生成分级警报，实现停线、复检与记录的差异化处置，在保证缺陷可靠拦截的同时避免了对产线节拍的不必要干扰。

41、进一步的，历史合格车辆样本库的构建包括如下步骤：

42、步骤a1：实时获取每个车辆在生产线上的ct过程档案，获取多个候选样本；

43、步骤a2：以工位编号t为索引键组织候选样本；每条候选样本记录包含该车辆在对应工位的三维ct图像、可信度场c(x)、装配关系图以及装配清单。

44、步骤a3：将全部样本以稳定结构（车身纵梁、主定位孔等）配准到该车型的统一参考坐标系；对每条样本核查其可信度场，剔除区域平均可信度低于预设阈值的样本或局部数据块；

45、步骤a4：样本库按滚动方式更新：新的合格车辆样本持续入库，超过预设留存期的样本停用。

46、作为本技术的第二个方面，本技术提供了一种基于ct图像的车辆装配缺陷在线监测系统，包括：

47、ct采集装置，布置在装配线检测工位处；

48、数据存储服务器，承载过程档案库与历史合格车辆样本库；

49、算法服务器，用于运行所述的基于ct图像的车辆装配缺陷在线监测方法。