阅读说明：本技术 一种同轴零件装配装置及方法 (coaxial part assembling device and method ) 是由 李子豪 严小军 惠宏超 何江涛 杨文超 潘忠诚 于 2019-08-15 设计创作，主要内容包括：本发明一种同轴零件装配装置及方法,装置由机械部分、图像采集部分、点胶部分、图像处理部分和控制部分,共五部分组成。机械部分包括大理石台、滑动导轨、料盘、三维滑台和真空吸嘴。图像采集部分包括相机、环形光源、远心镜头和滑台。点胶部分包括装有两种不同胶体的针管和点胶机组成。图像处理部分包括计算机和其中的图像处理程序。控制部分包括计算机和其中的控制程序以及各部件控制器。料盘上装有四种待装配的零件,分别是圆柱形零件、圆环形零件、圆形薄片和中空圆柱形零件。本装置具有非接触、高效、高精度和全自动化的特点。(The invention relates to a coaxial part assembling device and a method. The mechanical part comprises a marble table, a sliding guide rail, a material tray, a three-dimensional sliding table and a vacuum suction nozzle. The image acquisition part comprises a camera, an annular light source, a telecentric lens and a sliding table. The glue dispensing part comprises a needle tube filled with two different colloids and a glue dispenser. The image processing section includes a computer and an image processing program therein. The control section includes a computer and a control program therein, and each component controller. The charging tray is provided with four parts to be assembled, namely a cylindrical part, a circular ring part, a circular slice and a hollow cylindrical part. The device has the characteristics of non-contact, high efficiency, high precision and full automation.)

一种同轴零件装配装置及方法

技术领域

本发明涉及一种同轴零件装配装置及方法，属于机器视觉与精密检测领域。

背景技术

在弹道导弹与运载火箭中，惯性导航系统占有十分重要的地位，其可以保证导弹(或火箭)按照预定要求命中目标(或准确入轨)。惯性器件及惯性仪表是惯性导航系统中的关键部分，其性能的优劣直接影响了导弹(或火箭)的命中精度(或入轨精度)。惯性器件及惯性仪表是高精度组件，高精度组件由若干精密零件组合而成。一些精密零件是由同轴零件装配得到，例如石英加速度计中的力矩器。本发明的目的旨在通过机器视觉技术检测出同轴零件的中心，通过计算机控制程序使其根据指定的步骤进行精密组件的自动装配。实现装配全自动化的同时，提高零件的装配精度，从根本上提高惯性器件及惯性仪表性能。

目前，同轴零件仍通过肉眼检测零件中心、手工装配完成，效率低、重复性差、精确程度差。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供了一种同轴零件装配装置及方法。通过计算机对装置各部分进行位置控制，使用相机采集各零件图片并采用图像处理算法获取各零件的中心相对坐标，根据各零件的位置坐标给其点胶，将四个同轴零件组装到一起，实现装配过程的全自动化，在此过程中保证各组件的同轴度累计误差小于20微米。该装配方法和装置，能够实现任何小型精密同轴零件的自动装配；具有较高的装配效率、精度和自动化程度。

本发明的技术方案如下：一种同轴零件装配装置，包括机械单元、两套相同的图像采集单元、点胶单元、图像处理单元和控制单元，所述的机械部分包括：大理石台、第一滑动导轨、第二滑动导轨、第一料盘、第二料盘、第一三维滑台、第一真空吸嘴、第二真空吸嘴、导轨控制器和第一三维滑台控制器；所述图像采集单元用于对被测物体进行拍摄和图像采集，所述图像处理单元用于对图像采集单元采集到的图像进行图像处理；点胶单元将针头移动到指定位置给料盘中零件点胶；控制单元对滑动导轨、三维滑台、光源和针头进行控制；

所述的大理石台作为整个系统的底座，保证系统的整体稳定性；所述第一料盘、第二料盘均放置四种零件，分别是圆形薄片零件(i)、圆柱形零件(ii)、圆环形零件(iii)以及中空圆柱形零件(iv)；所述的第一料盘、第二料盘下方通过定位销固定在滑台上，两个滑台分别放置在第一滑动导轨、第二滑动导轨上；通过滑动导轨控制器控制第一滑动导轨、第二滑动导轨从而使得第一料盘、第二料盘到达指定位置；所述三维滑台控制器控制第一三维滑台，第一三维滑台带动真空吸嘴进行三维空间中任意方向的移动，从而使第一真空吸嘴、第二真空吸嘴到达零件上方，并将零件吸起放入指定位置。

所述的图像采集单元包括：第一相机、第二相机、第一远心镜头、第二远心镜头、第一环形光源、第二环形光源、第一滑台、第二滑台、滑台控制器和光源控制器；

所述的第一相机与第一远心镜头连接在一起，并固定在滑台上，所述环形光源置于相机镜头连接体和料盘零件之间，用于对待检测零件进行打光；在采集图像前，调整相机镜头与光源之间的距离和光源与料盘零件之间的距离，确定好最佳位置后，相对距离保持不变；所述第一远心镜头的放置位置满足图像边缘畸变最小；所述第一相机分辨率在一千万像素以上，用于采集料盘上各零件的图像；所述的滑动模块能够上下、左右移动，从而使得相机到达准确的位置；所述的滑动模块和第一相机通过滑台控制器进行控制；第一环形光源、第二环形光源与第一三维滑台相连，到达指定位置；所述光源控制器用于控制第一环形光源的亮度。

所述的点胶单元包括点胶机、第一斜度针头、第一垂直针头、第二斜度针头、第二垂直针头、第二三维滑台；通过所述的第二三维滑台将上述四个针头通过第二三维滑台移动到指定位置给料盘中零件点胶；点胶机用于控制针头进行点胶。

所述的图像处理单元包括计算机和图像处理算法单元；图像处理算法单元内部工作分为三部分：相机标定、检测各零件上表面圆心和胶滴识别。

所述的控制单元包括计算机和其中的控制程序以及滑动导轨控制器、第一三维滑台控制器、第二三维滑台控制器、滑台控制器、光源控制器；计算机通过控制器对滑动导轨、三维滑台、光源、针头进行控制。

所述相机标定为对图像采集单元中的第一相机和第二相机进行标定，具体方法为：

首先将长为m格，宽为n格的棋盘格标定板放置于第一相机和第二相机下方，采集N张各种不同角度的标定板图像，使用所述计算机中的标定算法对相机和镜头进行标定，得到相机矩阵和畸变系数，利用这些参数校正图像；标定板每个棋盘格的尺寸小于A/m，A表示相机视野宽度；整个标定板需全部出现在图片中；m>n，N>15。

四种零件的上表面均为圆形，找寻零件的上表面中心即找寻零件图像中的圆心，具体包括：灰度处理、直方图均衡化、高斯滤波、canny边缘检测和Hough圆检测。

所述第一斜45度针头、第二斜45度针头斜45度角朝下，用于对料盘中圆环形零件(iii)的内壁进行旋转点胶；第一垂直针头、第二垂直针头垂直朝下，用于对料盘中圆柱形零件(i)和中空圆柱形零件(iv)上表现进行点胶；

胶的种类有两种：1)环氧胶，实现粘接，粘结强度大于8兆帕，2)导电胶，实现零件间的电信号导通；在第一斜45度针头、第一垂直针头中装入环氧胶；在第二斜45度针头、第二垂直针头中装入导电胶；

出胶轨迹控制重复精度在0.05mm以内，出胶重复精度在0.1mm³以内；在对圆环形零件(iii)进行点胶时，通过圆检测算法获取零件的中心(x₀，y₀)和半径r₀，通过第一斜45度针头、第二斜45度针头对准圆环形零件(iii)内壁进行点胶；在对圆柱形零件(ii)和中空圆柱形零件(iv)上表面进行点胶时，通过圆检测算法获取零件的中心(x，y)和半径r，使用第一垂直针头在(x-0.7r,y-0.7r),(x+0.7r,y-0.7r),(x-0.7r,y+0.7r),(x+0.7r,y+0.7r)位置进行点胶；使用第二垂直针头在(x-0.7r,y-0.7r),(x+0.7r,y-0.7r),(x-0.7r,y+0.7r),(x+0.7r,y+0.7r)位置进行点胶。

对圆柱形零件(ii)和中空圆柱形零件(iv)上表面进行点胶时，需要将两种不同的胶滴在零件上表面指定位置，共8滴；在点胶后，使用胶滴识别算法对胶滴进行检测；所述胶滴检测算法使用了基于深度学习的方法，通过训练一个深层神经网络，检测出每个胶滴的边界矩形框；检测要求为：

1)胶滴共8滴；

2)每个胶滴的边界矩形框中心在指定坐标的半径为50像素的圆内；

3)每个胶滴的边界矩形框长和宽的比例在1.5以内；

满足以上三个检测要求，点胶合格。

所述训练深层神经网络的方法：

1)使用第一相机对点胶后的零件(ii)和(iv)图像进行采集；

2)使用labelme标注出图像中的所有胶滴，制作一个胶滴数据集；

3)使用pytorch搭建目标检测卷积神经网络，该神经网络可以使用基于SSD、Faster R-CNN或YOLO的改进神经网络；

4)使用Adam算法作为优化算法，使用Xavier作为初始化参数方法，使用交叉熵作为损失函数，通过胶滴数据集，对神经网络进行训练。

第一环形光源、第二环形光源采用荧光灯、卤素灯、LED光源或激光光源，光源的亮度范围在50-150之间；所述的第一相机、第二相机为CMOS相机或CCD相机，像素数为1000万像素以上。

一种同轴零件装配方法，步骤如下：

1)将料盘的圆环形零件(iii)移动至第一相机下方，对圆环形零件(iii)进行图像采集，使用图像处理算法检测出圆环形零件(iii)的圆心相对坐标(x₀，y₀)和半径r₀；

2)将料盘的圆环形零件(iii)移动至第一斜45度针头和第二斜45度针头下方，将两种胶分别点在圆环形零件(iii)的内壁；

3)将料盘的圆柱形零件(ii)移动至第一相机下方，采集圆柱形零件(ii)的图像，检测出其圆心相对坐标(x₁，y₁)，使用真空吸嘴吸起圆柱形零件(ii)移动至坐标(x₀，y₀)，放入圆环形零件(iii)中，得到圆柱形零件(ii)和圆环形零件(iii)的组合体；

4)将料盘的中空圆柱形零件(iv)移动至第一相机下方，对中空圆柱形零件(iv)进行图像采集，使用图像处理算法检测出中空圆柱形零件(iv)的圆心相对坐标(x₂，y₂)；

5)将料盘的中空圆柱形零件(iv)移动至第一垂直针头和第二垂直针头下方，使用第一垂直针头在(x₂-0.7r,y₂-0.7r),(x₂+0.7r,y₂-0.7r),(x₂-0.7r,y₂+0.7r),(x₂+0.7r,y₂+0.7r)位置进行点胶；使用第二垂直针头在(x₂-0.7r,y₂-0.7r),(x₂+0.7r,y₂-0.7r),(x₂-0.7r,y₂+0.7r),(x₂+0.7r,y₂+0.7r)位置进行点胶；

6)将料盘的中空圆柱形零件(iv)移动至第一相机下方，对中空圆柱形零件(iv)进行图像采集，使用训练好的目标检测神经网络对图像中的胶滴进行检测，筛选出点胶合格的零件；如不合格，在胶滴固化前擦去，重新点胶；

7)将料盘中的圆柱形零件(ii)和圆环形零件(iii)的组合体移动至第一相机下方，对组合体进行图像采集，检测出其圆心相对坐标(x₃，y₃)，使用真空吸嘴吸起圆柱形零件(ii)和圆环形零件(iii)组合体移动至相对坐标(x₂，y₂)，放入中空圆柱形零件(iv)中；在装配过程中，多次检测中空圆柱形零件(iv)和圆柱形零件(ii)和圆环形零件(iii)组合体的中心，使其同轴度达到20微米以内，圆柱形零件(ii)、圆环形零件(iii)和中空圆柱形零件(iv)连接到一起成为新的组合体；

8)待胶完全固化后，将料盘中的圆形薄片零件(i)移动至第一相机下方，对组合体进行图像采集，检测出其圆心相对坐标(x₄，y₄)，使用真空吸嘴吸起圆形薄片零件(i)移动至相对坐标(x₂，y₂)放入中空圆柱形零件(iv)中；在装配过程中，多次检测圆形薄片零件(i)和圆柱形零件(ii)、圆环形零件(iii)、中空圆柱形零件(iv)组合体的中心，使同轴度达到20微米以内，圆形薄片零件(i)、圆柱形零件(ii)、圆环形零件(iii)以及中空圆柱形零件(iv)连接到一起，装配完成。

本发明的优点在于：

目前，对于小型同轴零件仍通过肉眼检测零件中心、手工装配完成，效率低、重复性差、精确程度差。本发明通过计算机控制，有效地调整装置各组件的位置；同时使用机器视觉的方法对各种零件中心进行识别给出零件的位置坐标，根据位置坐标对零件进行点胶和装配；将深度学习中用于目标检测的深层卷积神经网络应用到胶滴检测中，用于识别点胶合格的零件；最终实现同轴零件自动装配，各零件同轴度可达到20微米以内。该装配方法和装置，能够实现任何小型精密同轴零件的自动装配，具有非接触、高效、高精度和全自动化的特点。

附图说明

图1是本发明的同轴零件装配装置结构示意图：

图1中：1-大理石台；2-第一滑动导轨；3-第二滑动导轨；4-第一料盘；5-第二料盘；6-第一三维滑台；7-真空吸嘴1；8-真空吸嘴2；9-滑动导轨控制器；10-三维滑台控制器；11-第一CMOS相机；12-第一远心镜头；13-第一环形光源；14-第一小型滑台；15-第二CMOS相机；16-第二远心镜头；17-第二环形光源；18-第二小型滑台；19-第一斜45度针头；20-第一垂直针头；21-第二斜45度针头；22-第二垂直针头；23-第二三维滑台；24-小型滑台控制器；25-光源控制器；26-计算机；27-点胶机；28-三维滑台控制器。

图2是料盘上四种零件的示意图：

图2中：i-圆形薄片；ii-圆柱形零件；iii-圆环形零件；iv-中空零件(中间有圆柱形空间的圆柱形零件)。

图3是同轴零件组装的装配流程。

具体实施方式

下面结合实例和附图对本发明做进一步说明，但不应以此限制本发明的保护范围。请参阅图1，图1是本发明一种同轴零件装配装置结构示意图，从图1可以看出，包括机械单元、图像采集单元、点胶单元、图像处理单元和控制单元。

所述的机械部分，包括：大理石台1、第一滑动导轨2、第二滑动导轨3、第一料盘4、第二料盘5、第一三维滑台6、第一真空吸嘴7、第二真空吸嘴8、导轨控制器9和第一三维滑台控制器10。所述的大理石台1作为整个系统的底座，保证系统的整体稳定性。所述第一料盘4、第二料盘5均放置四种零件，图2为4种零件示意图，分别是圆形薄片i、圆柱形零件ii、圆环形零件iii以及中空圆柱形零件iv；所述的第一料盘4、第二料盘5下方通过定位销固定在滑台上，两个滑台分别放置在第一滑动导轨2、第二滑动导轨3上；通过滑动导轨控制器9控制第一滑动导轨2、第二滑动导轨3从而使得第一料盘4、第二料盘5到达指定位置；所述三维滑台控制器10控制第一三维滑台6，第一三维滑台6可以带动真空吸嘴进行三维空间中任意方向的移动，从而使第一真空吸嘴7、第二真空吸嘴8到达零件上方，并将零件吸起放入指定位置。

所述的图像采集单元包括：第一相机11、第二相机15、第一远心镜头12、第二远心镜头16、第一环形光源13、第二环形光源17、第一滑台14、第二滑台18、滑台控制器24和光源控制器25；此单元包含了两套相同的图像采集系统，通过控制装置两部分的节拍，同时对两批零件进行装配，在此只对一套图像采集系统进行介绍。所述的第一相机11与第一远心镜头12连接在一起，并固定在滑台14上，所述环形光源13置于相机镜头连接体和料盘零件之间，用于对待检测零件进行打光。在采集图像前，调整相机镜头与光源之间的距离和光源与料盘零件之间的距离，确定好最佳位置后，相对距离保持不变。所述第一远心镜头12满足图像边缘畸变最小；所述第一相机11分辨率为4096×3000，用于采集料盘4上各零件精确的图像；所述的滑动模块14能够上下、左右移动，从而使得相机到达准确的位置；所述的滑动模块14和第一相机11通过滑台控制器24进行控制；第一环形光源13、第二环形光源17与第一三维滑台6相连，到达指定位置。所述光源控制器25用于控制环形光源的亮度。

所述的点胶单元包括点胶机27、第一斜45度针头19、第一垂直针头20、第二斜45度针头21、第二垂直针头22、第二三维滑台23；通过所述的第二三维滑台23将针头移动到指定位置给料盘5中零件点胶。点胶机27用于控制针头进行点胶。

所述的图像处理单元包括计算机26和其中的图像处理算法。图像处理算法分为三部分：相机标定、检测各零件上表面圆心和胶滴识别。

所述的控制单元包括计算机26和其中的控制程序以及滑动导轨控制器9、第一三维滑台控制器10、第二三维滑台控制器25、滑台控制器22、光源控制器23。所述计算机26通过USB接口连接第一三维滑台控制器10、小型滑台控制器24和第二三维滑台控制器28控制滑台，同样通过USB接口与第一CMOS相机11和第二CMOS相机15连接进行拍照；通过485接口连接光源13和17，控制光源亮度；通过232接口连接点胶机27，控制点胶机对零件进行点胶。

对图像采集单元中的第一相机11和第二相机15进行标定的具体方法为：

首先将长为m格，宽为n格的棋盘格标定板(m>n)放置于第一相机11和第二相机15下方，采集N(N>15)张各种不同角度的标定板图像，使用所述计算机26中的标定算法对相机11和镜头12进行标定，得到相机矩阵和畸变系数，利用这些参数校正图像。标定板每个棋盘格的尺寸小于相机视野宽度/m，整个标定板需全部出现在图片中。

在所述计算机25中启动控制程序和图像处理算法，在第一相机11和第二相机15正下方放置19×15的棋盘格标定板，每个格子的尺寸为0.5mm，采集不同旋转角度棋盘格图像16张。通过灰度处理、角点检测、亚像素级精确处理找到棋盘格所有黑白相间的角点坐标，通过张氏标定算法得到相机矩阵、畸变系数、旋转向量和平移向量。使用这些参数对后续采集的零件图像进行校正，从而消除相机带来的误差。通过校正后棋盘格相邻角点间的平均像素个数和实际距离，计算得到每一个像素对应的实际距离，精确至0.001μm。

四种零件的上表面均为圆形，找寻零件的上表面中心即找寻零件图像中的圆心。识别零件圆心坐标的方法步骤包括：灰度处理、直方图均衡化、高斯滤波、canny边缘检测和Hough圆检测。

找寻各零件的中心有两个目的：

1)在装配的过程中，将各零件的中心叠在一起，保证各零件中心的同轴度在20微米以内；

2)根据各零件中心坐标，为点胶过程提供一个较为准确的点胶位置坐标。

所述第一斜45度针头19、第二斜45度针头21斜45度角朝下，用于对料盘中圆环形零件iii的内壁进行旋转点胶；第一垂直针头20、第二垂直针头22垂直朝下，用于对料盘中圆柱形零件ii和中空圆柱形零件iv上表现进行点胶，点胶的具***置通过上述方法的得到零件中心坐标位置来确定；胶的种类有两种：1)环氧胶，实现粘接，粘结强度大于8兆帕，2)导电胶，实现零件间的电信号导通。在第一斜45度针头19、第一垂直针头20中装入环氧胶；在第二斜45度针头21、第二垂直针头22中装入导电胶。

出胶轨迹控制重复精度在0.05mm以内，出胶重复精度在0.1mm³以内。在对圆环形零件iii进行点胶时，通过圆检测算法获取零件的中心(x₀，y₀)和半径r₀，通过第一斜45度针头19、第二斜45度针头21对准圆环形零件iii内壁进行点胶。在对圆柱形零件ii和中空零件iv上表面进行点胶时，通过圆检测算法获取零件的中心(x，y)和半径r，使用第一垂直针头20在(x-0.7r,y-0.7r),(x+0.7r,y-0.7r),(x-0.7r,y+0.7r),(x+0.7r,y+0.7r)位置进行点胶；使用第二垂直针头22在(x-0.7r,y-0.7r),(x+0.7r,y-0.7r),(x-0.7r,y+0.7r),(x+0.7r,y+0.7r)位置进行点胶。

对零件ii和零件iv上表面进行点胶，需要将两种不同的胶滴在零件上表面指定位置，共8滴。由于刚挤出的胶未固化，难以精确地控制其位置和胶量，有些时候胶会出现拉长的情况，有些时候挤出的胶量不符合要求。

为保证零件的装配稳固且不会溢出胶滴，在点胶后，使用胶滴识别算法对胶滴进行检测。胶滴检测算法使用了基于深度学习的方法，通过训练一个深层神经网络，检测出每个胶滴的边界矩形框。检测要求：1)胶滴共8滴；2)每个胶滴的边界矩形框中心在指定坐标的半径为50像素的圆内；3)每个胶滴的边界矩形框长和宽的比例在1.5以内。满足以上检测，点胶合格。

训练深层神经网络的方法：

1)使用相机11对采集点胶后的零件ii和iv图像500张；

2)为了提升训练和检测速度以及减小处理时消耗的内存，对图像进行预处理并降采样至2000×1000的图像，使用labelme标注出图像中的所有胶滴，制作一个胶滴数据集；

3)使用pytorch搭建目标检测卷积神经网络，该神经网络可以使用基于SSD的改进神经网络；

4)使用Adam算法作为优化算法，使用Xavier作为初始化参数方法，使用交叉熵作为损失函数，通过胶滴数据集，对神经网络进行训练。

第一环形光源13、第二环形光源17采用环形LED光源，光源的亮度设置为100；所述的第一相机11、第二相机15为CMOS相机，分辨率为4096×3000。调整CMOS相机11、环形光源13和料盘的相对距离，找到采集最清晰图像的位置。

如图2所示，所述料盘上有四种不同的小型圆形同轴零件，分别是圆形薄片i、圆柱形零件ii、圆环形零件iii和中间有圆柱形空隙的圆柱形零件iv，一种同轴零件装配装置的目的是将四个零件按照图3流程图所示装配到一起，且它们的同轴度在20微米以内。

其具体装配步骤如下：

1)将料盘4的圆环形零件iii移动至相机11下方，对零件iii进行图像采集，使用图像处理算法检测出零件iii的圆心相对坐标(x₀，y₀)和半径r₀；

2)将料盘4的圆环形零件iii移动至第一斜45度针头19和第二斜45度针头21下方，将针头调整到零件iii的正上方，下移到合适的位置，针头旋转360度，均匀出胶，将两种胶分别点在零件iii的内壁；

3)将料盘4的圆柱形零件ii移动至相机11下方，采集零件ii的图像，检测出其圆心相对坐标(x₁，y₁)，使用真空吸嘴7吸起零件ii移动至坐标x₀，y₀，放入零件iii中，得到零件ii和iii的组合体；

4)将料盘4的中空圆柱形零件iv移动至相机11下方，对零件iv进行图像采集，使用图像处理算法检测出零件iv的圆心相对坐标(x₂，y₂)；

5)将料盘4的中空圆柱形零件iv移动至第一垂直针头20和第二垂直针头22下方，使用第一垂直针头20在(x₂-0.7r,y₂-0.7r),(x₂+0.7r,y₂-0.7r),(x₂-0.7r,y₂+0.7r),(x₂+0.7r,y₂+0.7r)位置进行点胶；使用第二垂直针头(22)在(x₂-0.7r,y₂-0.7r),(x₂+0.7r,y₂-0.7r),(x₂-0.7r,y₂+0.7r),(x₂+0.7r,y₂+0.7r)位置进行点胶；

6)将料盘4的中空圆柱形零件iv移动至相机11下方，对零件iv进行图像采集，使用训练好的目标检测神经网络对图像中的胶滴进行检测，根据上述提到的胶滴检测标准，筛选出点胶合格的零件(如不合格，在胶滴固化前擦去，重新点胶)；

7)将料盘4中的零件ii和iii的组合体移动至相机11下方，对组合体进行图像采集，检测出其圆心相对坐标(x₃，y₃)，使用真空吸嘴7吸起零件ii和iii组合体移动至相对坐标(x₂，y₂)，放入零件iv中。在装配过程中，多次检测零件iv和零件ii和iii组合体的中心，使其同轴度达到20微米以内，零件ii、iii和iv连接到一起成为新的组合体；

8)待胶完全固化后，将料盘4中的零件i移动至相机11下方，对组合体进行图像采集，检测出其圆心相对坐标(x₄，y₄)，使用真空吸嘴7吸起零件i移动至相对坐标(x₂，y₂)放入零件iv中。在装配过程中，多次检测零件i和零件ii iii iv组合体的中心，使其同轴度达到20微米以内，零件i、ii、iii和iv连接到一起，装配完成。

综上所述，本发明装置根据检测四个不同大小和形状的零件的圆心坐标，以零件同轴度误差不超过20微米为标准，将四个零件自动装配成精密组件。具有测量精度高、自动化、方便快捷等特点。应用该方法和装置，可以实现任何同轴零件的测量、胶滴检测和自动装配。