The invention belongs to the field of industrial automation measurement, and specifically discloses a method for identifying and evaluating surface defects of parts based on three-dimensional measuring point cloud, which includes the following steps: collecting surface point cloud data of parts to be measured by raster array scanner; matching the collected point cloud data with the point cloud data of part design model to obtain the nearest point set data of point cloud data; 3-D error is calculated from point cloud data and nearest point set data, and error chromatogram is generated according to 3-D error, and defect area is predicted according to error chromatogram; flatness of defect area is calculated by flatness fitting of the predicted defect area; defect area is transformed into 2-D gray image and edge extraction is carried out, and then the defect area is filled to calculate defect area. The area s of the domain is used to identify and evaluate the surface defects of the parts. The invention solves the shortcomings of two-dimensional image that can not obtain defect depth and error chromatogram can not obtain defect size, and has wide applicability.
【技术实现步骤摘要】
一种基于三维测量点云的零件表面缺陷识别与评估方法
本专利技术属于工业自动化测量领域,更具体地,涉及一种基于三维测量点云的零件表面缺陷识别与评估方法。
技术介绍
在航空航天与核电领域,环形零件非常常见,如核主泵密封面,航空发动机的环形零部件等,在长时间的服役之后,易产生尺寸变形,表面材料脱落等缺陷,需要定时对其表面进行全面的检测,以便及时检修。一般的检测方式使用三坐标测量仪,这种仪器检测精度较高,但是对于微小的划痕不便于测量深度信息,同时检测效率很慢,检测效率低。另外一种检测方式是利用二维图像识别的方式对零件表面采集图像,通过图像处理以及神经网络的方式对缺陷进行识别,这种方式检测效率高,能够获取较为准确的缺陷大小,但是由于使用的是二维图像识别,丢失了第三维的信息,所以不能识别缺陷的深度。为了克服上述检测方式的不足,出现了基于三维测量点云的零件表面检测方法,其通过光栅式面阵扫描仪获取零件表面的点云数据,点云数据是空间中零件三维点的集合,通常数据规模达到百万级,通过点云可以提取出关键的三维信息及二维尺寸。现有的点云处理方法多采用Geomagic、GomInspect等通用点云处理软件,这些软件具备点云的显示、删除、精简、点云三维模型匹配、误差色谱显示等通用功能,但缺乏专用缺陷识别功能,无法满足零件表面的缺陷识别需求。
技术实现思路
针对现有技术的以上缺陷或改进需求,本专利技术提供了一种基于三维测量点云的零件表面缺陷识别与评估方法,通过三维测量点云匹配的方式获取误差色谱图,再通过色谱图识别缺陷深度和大小,解决了二维图像不能获取缺陷深度和误差色谱不能获取缺陷大小的不足, ...
【技术保护点】
1.一种基于三维测量点云的零件表面缺陷识别与评估方法,其特征在于,包括如下步骤:S1利用光栅式面阵扫描仪采集待测零件的表面点云数据;S2将采集的点云数据与零件设计模型点云数据进行匹配,获取点云数据的最近点集合数据;S3根据点云数据与最近点集合数据计算3D误差,并根据3D误差生成误差色谱图,然后依据误差色谱图预判出缺陷区域;S4对预判的缺陷区域进行平面度拟合,以求解出缺陷区域的深度d;S5将预判的缺陷区域转化为二维灰度图像并进行边缘提取,然后进行区域填充以计算缺陷区域的面积s,以此完成零件表面缺陷的识别与评估。
【技术特征摘要】
1.一种基于三维测量点云的零件表面缺陷识别与评估方法,其特征在于,包括如下步骤:S1利用光栅式面阵扫描仪采集待测零件的表面点云数据;S2将采集的点云数据与零件设计模型点云数据进行匹配,获取点云数据的最近点集合数据;S3根据点云数据与最近点集合数据计算3D误差,并根据3D误差生成误差色谱图,然后依据误差色谱图预判出缺陷区域;S4对预判的缺陷区域进行平面度拟合,以求解出缺陷区域的深度d;S5将预判的缺陷区域转化为二维灰度图像并进行边缘提取,然后进行区域填充以计算缺陷区域的面积s,以此完成零件表面缺陷的识别与评估。2.如权利要求1所述的基于三维测量点云的零件表面缺陷识别与评估方法,其特征在于,步骤S2中点云数据的最近点集合数据采用如下方式获得:利用采集的点云数据P={p1,p2,...pi,...ps}与零件设计模型点云数据Q={q1,q2,...qa,...ql}进行匹配,求解点云数据坐标系与设计模型坐标系的转换矩阵T;利用转换矩阵T求解q′i=T×pi,然后构建最近点集合Q′={q′1,q′2,...,q′i,...q′s}。3.如权利要求1所述的基于三维测量点云的零件表面缺陷识别与评估方法,其特征在于,步骤S3中3D误差采用如下方式获得:di=(pi-q′i)·ni其中,di表示采集的点云数据中第i个点的3D误差,i=1,2,...,s,ni表示最近点q′i的法向量。4.如权利要求1所述的基于三维测量点云的零件表面缺陷识别与评估方法,其特征在于,步骤S3中依据误差色谱...
【专利技术属性】
技术研发人员:李文龙,胡著,王刚,田亚明,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。