Luận án Nghiên cứu hệ thống đo 3D chi tiết cơ khí bằng ánh sáng cấu trúc kết hợp mã gray và dịch đường

Nội dung text: Luận án Nghiên cứu hệ thống đo 3D chi tiết cơ khí bằng ánh sáng cấu trúc kết hợp mã gray và dịch đường

1. a) b) c) Hình 4-45 Dữ liệu 3D thu được a) Với một giá trị phơi sáng b) phương pháp hợp nhất đa phơi sáng c) Phương pháp đề xuất Bảng 4-6 Bảng so sánh số ảnh lấy mẫu và thời gian thực hiện giữa các phương pháp HDR STT Thông số Phương pháp 1 giá Phương pháp hợp Phương pháp đề trị phơi sáng nhất đa phơi sáng xuất 1 Số ảnh 28 ảnh 231 ảnh 1205 ảnh lấy mẫu (1 ảnh khởi tạo) 2 Thời gian 1,2 (s) 9,9 (s) 51,7 (s) lấy mẫu 3 Thời gian 1,5 (s) 20,4 (s) 106,3 (s) xử lý Nhận xét: Phương pháp NCS đề xuất trong phần 3.1.2 theo kết quả hình 4-45 cho số điểm 3D (181.546 điểm) nhiều hơn so với phương pháp sử dụng duy nhất 1 giá trị phơi sáng (44.211 điểm) và hợp nhất đa phơi sáng (69.753 điểm). Tuy nhiên theo bảng 4-6, thời gian lấy mẫu của phương pháp hợp nhất đa phơi sáng là 9,9 s với 231 ảnh, với 1 giá trị phơi sáng là 1,2 � với 28 ảnh và 51,7 � với 1205 ảnh của phương pháp đề xuất. Do số lượng ảnh lấy mẫu lớn nên thời gian xử lý phương pháp đề xuất lâu hơn lên đến 106,3 � so với 20,4 � của phương pháp hợp nhất đa phơi sáng. Do đó để giảm số ảnh lấy mẫu của phương pháp đề xuất cần tối ưu hóa số giá trị thay đổi của các tham số đầu vào mà vẫn giữ được số điểm ảnh lấy được. Với các chi tiết có độ bóng cao phải sử dụng thay đổi cả 4 tham số để cho chất lượng ảnh 3D tốt nhất (nhiều điểm ảnh thu được), với các chi tiết có bề mặt tối thì chỉ cần sử dụng phương pháp HDR khi thay đổi một trong hai tham số: Phơi sáng của máy ảnh hoặc giá trị khuếch đại số của máy ảnh. 4.6 Hiệu chuẩn dữ liệu quét 3D của hệ thống 4.6.1 Hiệu chuẩn với quả cầu chuẩn Mục đích để xác định phương trình hiệu chuẩn tọa độ các điểm theo các trục OX, OY, OZ theo phương trình mặt cầu của quả cầu chuẩn với phần mềm được NCS xây dựng theo hình 4-46. 120
2. a) b) c) d) Hình 4-47 Dữ liệu quét sau khi thực hiện phương pháp bình phương nhỏ nhất cho biên dạng hình cầu 122
3. a) b) c) d) Hình 4-48 biểu đồ phân bố chuẩn Gaussian của 4 mẫu quét Dựa trên biểu đồ phân bố chuẩn chọn giá trị trong khoảng 1 s để xác định phương trình đường hiệu chuẩn cho các trục tọa độ OX, OY, OZ theo hàm bậc 3. 124
4. c) d) Hình 4-49 Dữ liệu quét áp dụng phương trình hiệu chuẩn cho từng trục tọa độ Bảng 4-9 Sai số phép đo cho dữ liệu hình cầu áp dụng phương trình hiệu chuẩn STT Sai số khoảng Sai số Sai số Sai số Bán kính đo cách lớn dương khoảng cách khoảng chuẩn (mm) nhất (mm) âm nhỏ nhất cách trung (mm) (mm) bình (mm) 1 0,63 -0,469 -3,18 e-6 0,1033 25,0148 2 0,164 -0,158 1,32 e-5 0,29 24,9833 3 0,162 -0,12 8,72 e-5 0,289 24,9850 4 0,214 -0,109 4,66 e-4 0.3948 25,0119 Nhận xét: Sau khi áp dụng phương tình hiệu chuẩn theo các trục OX, OY, OZ đối với dữ liệu quét 3D, ta có giá trị bán kính đo lớn nhất: 25,0119 �� nhỏ nhất là 24,9833 ��. Giá trị đo bán kính trung bình là 24,9987 �� và độ lệch trung bình là 0,0146 ��. 126
5. Từ dữ liệu đám mây điểm theo hình 4-51, sử dụng phần mềm GOM Inspect V8 để xây dựng các mặt phẳng tham chiếu theo phương pháp xấp xỉ, sau đó tiến hành đo khoảng cách giữa các mặt phẳng. Hình 4-52 Tạo mặt phẳng trên bậc 1 bằng phần mềm Gom Inspect Hình 4-53 Phép đo khoảng cách giữa 1 điểm thuộc mặt phẳng 1 so với mặt phẳng 2 128
6. - 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 130
7. (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
8. 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 lần 1 Đo lần 2 Đo lần 3 Đo lần 4 Đo lần 5 Độ lệch Độ lệch đo bằng (mm) (mm) (mm) (mm) (mm) chuẩn chuẩn panme (mm) tương (mm) đối (%) ∅50,01 49,993 50,002 50,078 49,983 49,998 0,030 0,060 ∅13,04 13,057 13,072 13,076 12,970 13,004 0,2838 0,118 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
9. 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
10. 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, ). 138
11. [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 & Business Media. [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 Conference on 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. 140
12. [43] Mitra, Niloy J., et al (2004). "Registration of point cloud data from a geometric optimization perspective." Proceedings of the 2004 Eurographics/ACM SIGGRAPH symposium on Geometry processing. [44] Yang, Heng, Jingnan Shi, và Luca Carlone (2020). "Teaser: Fast and certifiable point cloud registration." IEEE Transactions on Robotics 37.2: 314-333. [45] Ji, Shijun, et al (2017). "An improved method for registration of point cloud." Optik 140: 451-458. [46] Ip, Cheuk Yiu, và Satyandra K. Gupta (2007). "Retrieving matching CAD models by using partial 3D point clouds." Computer-Aided Design and Applications 4.5: 629-638. [47] Bosche, Frederic N., và Carl T. Haas (2008). "Automated retrieval of project three-dimensional CAD objects in range point clouds to support automated dimensional QA/QC." Journal of Information Technology in Construction (ITcon) 13.6: 71-85. [48] Chetverikov, Dmitry, et al (2002). "The trimmed iterative closest point algorithm." Object recognition supported by user interaction for service robots. Vol. 3. IEEE. [49] Chetverikov, Dmitry, Dmitry Stepanov, và Pavel Krsek (2005). "Robust Euclidean alignment of 3D point sets: the trimmed iterative closest point algorithm." Image and vision computing 23.3: 299-309. [50] Du, Shaoyi, et al (2010). "Affine iterative closest point algorithm for point set registration." Pattern Recognition Letters 31.9: 791-799. [51] Bouaziz, Sofien, Andrea Tagliasacchi, và Mark Pauly (2013). "Sparse iterative closest point." Computer graphics forum. Vol. 32. No. 5. Oxford, UK: Blackwell Publishing Ltd. [52] D. Palousek, M. Omasta, D. Koutny, J. Bednar, T. Koutecky, F. Dokoupil (2015), “Effect of matte coating on 3D optical measurement accuracy,” Optical Materials, vol. 40, pp. 1–9. [53] Lin, Hui, et al (2017). "Review and comparison of high-dynamic range three- dimensional shape measurement techniques." Journal of Sensors 2017. [54] S. Feng, Y. Zhang,Q. Chen, C. Zuo, R. Li, và G. Shen (2014), “General solution for high dynamic range three-dimensional shape measurement using the fringe projection technique,” Optics and Lasers in Engineering, vol. 59, pp. 56–71. [55] R. Benveniste và C. ¨ Unsalan (2009), “Single stripe projection based range scanning of shiny objects under ambient light,” in Proceedings of the 24th International Symposium on Computer and Information Sciences (ISCIS ’09), pp. 1–6, IEEE. 142
13. [68] Phạm Hồng Tuấn (2015), “Nghiên cứu, phát triển hệ thống phát hiện và nhận dạng đối tượng bằng công nghệ 3D Vision”, Đề tài nghị định thư Việt Nam- Đài Loan, Bộ Khoa học và công nghệ. [69] Lê Quang Trà (2016), “Nghiên cứu đo biên dạng 3d của chi tiết bằng phương pháp sử dụng ánh sáng cấu trúc”, Luận án Tiến sĩ, ĐHBK Hà Nội. [70] Nguyễn Thị Kim Cúc (2019), “Nghiên cứu sử dụng phương pháp ánh sáng cấu trúc để nâng cao chất lượng đo chi tiết cơ khí” Luận án Tiến sĩ, ĐHBK Hà Nội. [71] Doran, Robert W (2007). "The Gray Code." J. Univers. Comput. Sci.13.11: 1573-1597. [72] Weisstein, Eric W (2003). "Gray code." wolfram. com/. [73] L. Goddyn, G. M. Lawrence, và E. Nemeth (1988), “Gray Codes with Optimized Run Lengths,” Utilitas Mathematica, vol. 34, pp. 179–192. [74] Hansen, Kent, et al (2014). "A structured light scanner for hyper flexible industrial automation." 2014 2nd International Conference on 3D Vision. Vol. 1. IEEE. [75] Blais, François, và Marc Rioux (1986). "Real-time numerical peak detector." Signal processing 11.2: 145-155. [76] Otsu, Nobuyuki (1979). "A threshold selection method from gray-level histograms." IEEE transactions on systems, man, and cybernetics 9.1: 62-66. [77] Zhang, Jun & Hu, Jinglu (2008). "Image segmentation based on 2D Otsu method with histogram analysis". Computer Science and Software Engineering, 2008 International Conference on. 6: 105–108. [78] Jianzhuang, Liu và Wenqing, Li và Yupeng, Tian (1991). "Automatic thresholding of gray-level pictures using two-dimension Otsu method". Circuits and Systems, 1991. Conference Proceedings, China., 1991 International Conference on: 325–327. [79] Taubin, Gabriel, Daniel Moreno, and Douglas Lanman (2014). "3d scanning for personal 3d printing: build your own desktop 3d scanner". ACM SIGGRAPH 2014 Studio. 1-66. [80] Hartley, Richard, and Andrew Zisserman (2003). “Multiple view geometry in computer vision”. Cambridge university press. [81] Paul van Walree (2009). "Distortion". Photographic optics. Archived from the original on 29 January 2009. Retrieved 2 February 2009. [82] Brown, Duane C. (1966). "Decentering distortion of lenses" (PDF). Photogrammetric Engineering. 32 (3): 444–462. Archived from the original (PDF) on 12 March 2018 144
14. [99] W. Gander, G. H. Golub, và R. Strebel (1994), “Least-squares fitting of circles and ellipses,” BIT Numer. Math., vol. 34, no. 4, pp. 558–578. [100] J. Garcia-Lopez, P. A. Ramos, và J. Snoeyink (1998), “Fitting a set of points by a circle,” Discrete Comput. Geom., vol. 20, no. 3, pp. 389–402. [101] I. Kasa (1976), “A circle fitting procedure and its error analysis,” IEEE Trans.Instrum. Meas., vol. IM-25, no. 1, pp. 8–14. [102] Y. Nievergelt (1994), “Computing circles and spheres of arithmetic leastsquares,” Comput. Phys. Commun., vol. 81, no. 3, pp. 343–350. [103] M. Renault, Fitting Circles and Ellipses to Data Using the Least-Squares Method. [Online]. Available: [104] C. M. Shakarji (1998), “Least-squares fitting algorithms of the NIST algorithmtesting system,” J. Res. NIST, vol. 103, pp. 633–640. [105] H. Spath (1998), “Least-square fitting with spheres,” J. Optim. Theory Appl., vol. 96, no. 1, pp. 191–199. [106] C. Witzgall, G. S. Cheok, và A. J. Kearsley (2006), “Recovering circles and spheres from point data,” in Perspectives in Operations Research, F. B. Alt, M. C. Fu, and B. L. Golden, Eds. New York: Springer-Verlag, pp. 393–413. [107] Franaszek, M., Cheok, G. S., Saidi, K. S., & Witzgall, C. (2009). “Fitting spheres to range data from 3-D imaging systems”. IEEE Transactions on Instrumentation and Measurement, 58(10), 3544-3553. [108] Chen, Ping, et al (2014). "Rotation axis calibration of a turntable using constrained global optimization." Optik 125.17: 4831-4836. [109] Sorkine-Hornung, Olga, và Michael Rabinovich. "Least-squares rigid motion using svd." Computing 1.1 (2017): 1-5. [110] Yang, Lei, et al (2018). "A high-speed seam extraction method based on the novel structured-light sensor for arc welding robot: A review." IEEE Sensors Journal 18.21: 8631-8641. [111] Yang, Lei, et al (2018). "A novel 3-D path extraction method for arc welding robot based on stereo structured light sensor." IEEE Sensors Journal 19.2: 763-773. [112]Tang, Yubo, Jennifer Carns, and Rebecca R. Richards-Kortum (2017). "Line- scanning confocal microendoscope for nuclear morphometry imaging." Journal of Biomedical Optics 22.11: 116005. [113]Suresh, Vignesh, et al (2021). "High-resolution structured light 3D vision for fine-scale characterization to assist robotic assembly." Dimensional Optical Metrology and Inspection for Practical Applications X. Vol. 11732. International Society for Optics and Photonics. 146
15. DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 1. Tu Nguyen, Truong Tran, Mai Nguyen and Tuan Pham (2017), “A High Dynamic Range, High Precision Framework for Measuring Machinery Part using Structured Light”, Proc. IEEE International Conference on System Science and Engineering (ICSSE 2017), HUTE - HCM city. 2. Thang Duong Nhat, Binh Nguyen Duc, Phuong Le Khac, Ngoc Tu Nguyen, Mai Nguyen Thi Phuong (2019), “Deep regression for precise geometric dimension measurement”, J. Korean Soc. Precis. Eng., Vol.36, No.8 683-690. 3. Luu Thi Hong Nhung, Nguyen Ngoc Tu, Nguyen Nhat Trinh, Pham Minh Hieu, Nguyen Thi Le, Nguyen Thi Dieu Linh (2021), “Development of 3D Breast Measurement System Using Structured Light for Bra Design”. Intelligent Systems and Networks (ICISN 2021), held at Hanoi, Vietnam. 4. Nguyen Ngoc Tu, Nguyen Thi Phuong Mai, Nguyen Van Thuong, Doan Van Tuan (2021), “Improving 3d surface measurement of mechanical details by structured light using high dynamic range”, Tạp chí Nghiên cứu Khoa học và Công Nghệ Quân Sự ISSN 1859-1043, Số 74, trang 145-153. 148
16. Bảng 3 Thông số ống kính Tamron M118FM08 STT Thông số Giá trị 1 Kích thước ảnh (inch) 1/1.8 2 Kiểu ngàm C-mount 3 Chiều dài tiêu cự (mm) 8 4 Góc quan sát (ngang× dọc) (o) 50.8° x 38.6° 5 Méo ảnh (%) < −2.0% 6 Dải hội tụ (m) 0.1~ ¥ 2
17. Bảng 2 Ảnh dịch đường cho máy chiếu bước 8 1 2 3 4 5 6 7) 8) Bảng 3 Ảnh 3 kênh lưu trong bộ nhớ flash của máy chiếu Light crafter 4500 4
18. Ảnh thu được từ máy ảnh bên phải 6
19. Bảng 5 Giá trị đo trên mẫu chi tiết puly Giá trị đo kích thước Giá trị đo kích thước Giá trị đo kích thước STT ∅32 mm ∅28,5 mm 9,3 mm 1 32,028 28,539 9,235 2 32,027 28,452 9,207 3 32,010 28,433 9,356 4 32,017 28,549 9,322 5 32,028 28,509 9,372 6 32,036 28,594 9,350 7 31,991 28,435 9,256 8 31,993 28,445 9,266 9 32,008 28,494 9,362 10 31,996 28,507 9,370 11 32,029 28,439 9,272 12 32,011 28,505 9,289 13 32,004 28,414 9,396 14 32,005 28,464 9,374 15 32,046 28,411 9,254 16 31,998 28,426 9,286 17 32,002 28,412 9,239 18 31,996 28,420 9,40 19 32,031 28,561 9,245 8
20. Bảng 6 Giá trị đo trên mẫu chi tiết pittong STT Giá trị đo kích thước ∅�� Giá trị đo kích thước ∅�� 1 49,993 13,057 2 50,002 13,072 3 50,078 13,076 4 49,983 12,970 5 49,998 13,004 6 49,997 13,078 7 49,995 12,990 8 49,993 12,997 9 50,023 12,997 10 50,038 13,073 11 50,022 13,012 12 50,010 12,965 13 50,050 13,073 14 50,014 12,973 15 49,985 12,986 16 50,061 12,980 17 49,982 13,057 18 50,005 13,014 19 49,997 12,983 20 50,042 12,970 21 50,059 12,999 22 50,032 13,060 23 50,036 13,062 24 49,992 12,994 25 50,052 12,999 26 50,030 13,063 27 49,989 12,984 28 50,020 13,040 29 50,035 13,062 30 50,032 13,014 31 50,055 12,984 32 50,029 12,982 33 50,002 12,979 34 50,047 13,014 35 50,005 12,987 36 49,982 12,964 37 50,060 13,037 38 50,086 12,964 39 50,080 13,012 40 50,070 13,019 41 50,022 13,069 42 50,088 13,032 43 49,986 12,988 10