【技术实现步骤摘要】
基于点云数据的三维曲面质量分类方法、系统及存储介质
本专利技术涉及零件表面的质量分析，具体地，涉及一种基于点云数据的三维曲面质量分类方法、系统及存储介质。
技术介绍
在制造过程中，零件的表面质量对产品的整体质量有重要影响。表面质量分类是识别零件表面质量的重要方法，也是产品质量控制中的关键过程。传统的零件表面质量的评定指标为面轮廓度，即，被测实际轮廓相对于理想轮廓的变动情况。测量方法有仿形装置测量、截面轮廓样板测量、光学跟踪轮廓测量仪测量以及三坐标测量等。但由于三维曲面的任意性，理想轮廓难以直接作为评定基准，面轮廓度的计算精度难以保证，测量结果中包含由于测量坐标系与设计坐标系不重合而造成的系统性误差，影响三维曲面的质量评定结果。而且，这些测量方法是基于曲面上少量点的位置坐标进行面轮廓度的计算，无法完整的描述零件表面的形状信息，局部区域的形状变化对零件表面整体质量的影响难以判别。通过高清测量技术对零件表面进行测量，可以获得大规模的点云数据，相对于传统的测量方法，高清测量技术能够完整描述零件表面的形状信息。基于这种测量的点...
【技术保护点】
1.一种基于点云数据的三维曲面质量分类方法，其特征在于，/n步骤1：表面测量，通过高清测量设备，对三维曲面表面进行测量，获得三维点云数据，得到每个测量点的坐标值；/n步骤2：数据处理，对获得的点云数据中的离群点进行剔除，并通过旋转和平移变换将所有测量样本的点云数据匹配到同一坐标系下；/n步骤3：曲面分割，根据测量点的几何特征，对三维曲面进行分割；/n步骤4：根据三维曲面分割结果，建立并联神经网络，提取子区域特征，即输入数据为步骤3中得到的子区域点云坐标，对每一个子区域，首先进行点云重采样，即对不同的子区域点云随机采样相同数量的n个点，然后通过卷积层和池化层对子区域进行特征提...
【技术特征摘要】
1.一种基于点云数据的三维曲面质量分类方法，其特征在于，
步骤1：表面测量，通过高清测量设备，对三维曲面表面进行测量，获得三维点云数据，得到每个测量点的坐标值；
步骤2：数据处理，对获得的点云数据中的离群点进行剔除，并通过旋转和平移变换将所有测量样本的点云数据匹配到同一坐标系下；
步骤3：曲面分割，根据测量点的几何特征，对三维曲面进行分割；
步骤4：根据三维曲面分割结果，建立并联神经网络，提取子区域特征，即输入数据为步骤3中得到的子区域点云坐标，对每一个子区域，首先进行点云重采样，即对不同的子区域点云随机采样相同数量的n个点，然后通过卷积层和池化层对子区域进行特征提取，得到每个子区域的特征；
步骤5：对每个子区域提取的特征进行一维连接，通过全连接层对特征进行处理，输出分类结果，判定质量是否合格；对提取的子区域特征进行整合和处理，最终得到三维曲面的质量分类结果。
2.根据权利要求1所述的基于点云数据的三维曲面质量分类方法，其特征在于，所述步骤2包括：
通过3σ准则，识别点云数据中的离群点，并进行剔除；在坐标轴配准中，基于主成分分析PCA对曲面点云进行配准；由主成分分析PCA计算曲面点云的主方向，然后对曲面坐标轴进行旋转和平移以在同一坐标系中对齐。
3.根据权利要求2所述的基于点云数据的三维曲面质量分类方法，其特征在于，步骤2中，所述数据处理，对测量产生的点云数据中的离群点进行剔除；对于每个测量点坐标值P(x，y，z)，首先计算k个最近邻点与该点的平均距离；考虑最近邻点处于边界点，k的值通常为4；得到每个测量点与相邻点的平均距离值为：
其中，Pi为第i个测量点的坐标，Pik为与Pi最近的第k个点的坐标，|PiPik|为点Pi和Pik的距离；
因离群点数相对于整体点云数据很小，则每个测量点与相邻点的平均距离服从正态分布，由3σ准则对异常值进行剔除；σ是均方误差，其计算公式为：
其中，n为测量点的个数，di为第i个测量点的与相邻点的平均距离值，dMean为所有测量点与相邻点的平均距离值的均值，即对于第i个测量点，如果|di-dMean|＞3σ，则认为该点为离群点并予以剔除；
对于剔除离群点后的点云数据通过旋转和平移变换将所有样本的点云匹配到同一坐标系；具体为：
对于每个样本，首先计算点云中心点坐标：将中心点坐标移动到原点处，得到新的点云坐标值：
对于新的点云坐标值计算协方差矩阵：对于协方差矩阵M计算其特征向量其中是相互正交的特征向量；即点云Pc的主成分方向；
对此特征向量的方向进行修正，在第一主成分方向和第二主...
【专利技术属性】
技术研发人员：赵晨，黄德林，
申请(专利权)人：晶仁光电科技苏州有限公司，
类型：发明
国别省市：江苏;32
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。