一种基于八叉树的有源三维点云模型缺陷识别方法技术

本发明专利技术公开了一种基于八叉树的有源三维点云模型缺陷识别方法。步骤1：进行点云模型配准；步骤2：建立P′的八叉树结构；步骤3：输入模型Q′；步骤4：确定搜索半径r；步骤5：判断缺陷点；步骤6：提取缺陷部位点云。本发明专利技术相比于传统的点云模型缺陷识别方法，本发明专利技术的计算过程简单并且能够准确的实现缺陷定位。

【技术实现步骤摘要】
一种基于八叉树的有源三维点云模型缺陷识别方法
本专利技术属于缺陷识别领域；具体涉及一种基于八叉树的有源三维点云模型缺陷识别方法。
技术介绍
在智能制造的大背景下，产品表面的缺陷识别是提高工业产品制造水平的关键环节。目前比较高效的产品表面缺陷识别的方法主要有五种，分别为基于磁通量、基于超声波、基于涡流、基于射线和基于机器视觉。基于磁通量的基本原理是，首先将待检测工件通电磁化，然后将细磁粉颗粒沉积在其表面上，粉末将沿着磁力线排列，缺陷区域上的磁力线将会变形，即可通过粉末分布图案来识别缺陷。比较磁通量法的二维磁场分量，使用平行于感应磁场的y分量有效的识别出铁板背面的凹坑并估计出凹坑的大小。基于超声波的基本原理是，超声波在工件表面传播时遇到缺陷部位会出现散射，通过波超声波传播的波形来即可确定是否存在缺陷，优点是成本低，但不能够直观的显示缺陷。使用超声波阵列识别缺陷，利用对可能散射体位置和方向的先验知识，使阵列缺陷识别的性能最大化。基于涡流的基本原理是，导体在通电的线圈附近会产生涡流，若表面存在缺陷，则会改变涡流的强度，优点是速度本文档来自技高网...

【技术保护点】
1.一种基于八叉树的有源三维点云模型缺陷识别方法，其特征在于，所述识别方法包括以下步骤：/n步骤1：进行点云模型配准，将标准点云模型P与待检测点云模型Q逐步求精配准，得到配准后的标准模型P′和待检测模型Q′；/n步骤2：建立P′的八叉树结构，将点云模型P′建立八叉树结构，作为参考数据模型，点云模型Q′作为输入数据模型；/n步骤3：输入模型Q′，将点云模型Q′的每个点q

【技术特征摘要】
1.一种基于八叉树的有源三维点云模型缺陷识别方法，其特征在于，所述识别方法包括以下步骤：
步骤1：进行点云模型配准，将标准点云模型P与待检测点云模型Q逐步求精配准，得到配准后的标准模型P′和待检测模型Q′；
步骤2：建立P′的八叉树结构，将点云模型P′建立八叉树结构，作为参考数据模型，点云模型Q′作为输入数据模型；
步骤3：输入模型Q′，将点云模型Q′的每个点qi导入到点云模型P′中，因为点云模型P′已经建立了八叉树结构，所以通过该结构的索引来确定点qi的三维坐标所在的节点；
步骤4：确定搜索半径r，以点云模型Q′中qi为原点，在半径r范围内搜索点；
步骤5：判断缺陷点：若点qi的三维坐标所对应的节点在点云模型P′的八叉树结构的索引中不存在，则点qi被定义为缺陷位置的一点，若点qi的三维坐标所对应的节点存在于点云模型P′的八叉树结构的索引中，则当以点qi为原点，半径r内有若干点时，表示点qi不为缺陷位置的点，接下来的搜索过程将这些点去除，或当半径内没有点时，点qi定义为缺陷位置的一点；
步骤6：提取缺陷部位点云，当输入点云模型中的每个点都完成步骤5的判断，将缺陷部位的点提取出并用红色标记，结束缺陷识别。


2.根据权利要求1所述一种基于八叉树的有源三维点云模型缺陷识别方法，其特征在于，所述步骤1中进行点云模型配准具体包括以下步骤，
步骤1.1：将待配准点云模型进行点云精简和法向量估算；
步骤1.2：将精简与估算后的点云选取对应点对；
步骤1.3：将选取的对应点对进行初始配准后，判断误差是否小于初始配准阙值，若小于初始配准阙值，则进行组合迭代精配准，若大于等于初始配准阙值，则返回步骤1.2重新选取对应点对；
步骤1.4：将进行组合迭代精配准的点对，判断误差是否小于精配准阙值，若大于等于精配准阙值，则返回步骤1.2重新选取对应点对，若小于精配准阙值，则配准结束。


3.根据权利要求2所述一种基于八叉树的有源三维点云模型缺陷识别方法，其特征在于，步骤1.1的法向量估算为，在点云集合中找到距离采样点xi最近的K个相邻的点作为xi的最近K邻域，记为Nbhd(xi)，通过Nbhd(xi)拟合平面得到法向量，为式(3)所示，



式中，n为平面的法向量，满足||n||＝1；b为平面到坐标系原点的距离，xi到平面的距离di表示为di＝d(xi)＝n·xi-b，其中为Nbhd(xi)的质心，为了方便计算，假设数据点被平移到原点，令b＝0得到式(4)，通过最小化式(4)得到n，并满足||n||＝1；



令G＝||n||2-1，将问题转化为在G＝0的约数条件下使得式(4)取得极小值，由拉格朗日乘数法可知取得极小值的点满足式(5)；



其中，λ是拉格朗日乘子，梯度公式的定义为由式(5)得到其中M表示如下，



于是得到MTM的特征值方程为(MTM)n＝λn，其中n为MTM的特征向量，λ为对应的特征值，MTM的特征值方程分解为式(6)表示的形式，



将式(6)的三个分式分别乘上n(1)，n(2)和n(3)，然后求和可得式(7)，
∑(n·xi)2＝λ||n||2＝λ(7)
式(7)...

【专利技术属性】
技术研发人员：李鹏堂，石振锋，刘敏，李俊堂，宋海丰，
申请(专利权)人：哈尔滨岛田大鹏工业股份有限公司，
类型：发明
国别省市：黑龙江;23