一种基于计算机视觉的五金零件缺陷检测方法技术

本申请涉及图像处理领域，提供一种基于计算机视觉的五金零件缺陷检测方法，包括采集五金零件的点云数据；基于点云数据在空间中的分布混乱程度确定五金零件中的每一点云数据的整体特征描述符；基于点云数据的局部弯曲程度确定五金零件中每一点云数据的局部特征描述符；基于整体特征描述符以及局部特征描述符对五金零件进行缺陷检测。本发明专利技术针对每一个点云数据构建特征描述符，进而进行缺陷检测，该方法能够提高检测准确性。法能够提高检测准确性。法能够提高检测准确性。

【技术实现步骤摘要】
一种基于计算机视觉的五金零件缺陷检测方法


[0001]本申请涉及图像处理领域，特别是涉及一种基于计算机视觉的五金零件缺陷检测方法。

技术介绍

[0002]在五金零件生产过程中，不良的加工设备或工人的不当操作容易导致五金零件表面产生缺陷，如果直接将这些表面存在缺陷的五金零件应用于工业产品的制造上，将严重影响工业产品的质量。
[0003]传统的五金零件表面缺陷检测方法主要是通过计算机视觉进行检测，能够自动高效的完成对五金零件表面缺陷的检测，但对环境较为敏感，且电子烟五金零件较小，通过计算机视觉的方法在识别时存在精度不高的问题；基于模板匹配的方法相对简单，具有可靠性高、识别速度快等优点，但不同的电子烟五金零件具有不同的结构特点，使用模板匹配算法进行匹配时，匹配效果可能有一定差异。

技术实现思路

[0004]本专利技术提供一种基于计算机视觉的五金零件缺陷检测方法，该方法能够提高检测准确性。
[0005]第一方面，本申请提供一种基于计算机视觉的五金零件缺陷检测方法，包括：采集五金零件的点云数据；基于点云数据在空间中的分布混乱程度确定五金零件中的每一点云数据的整体特征描述符；基于点云数据的局部弯曲程度确定五金零件中每一点云数据的局部特征描述符；基于整体特征描述符以及局部特征描述符对五金零件进行缺陷检测。
[0006]优选的，基于点云数据在空间中的分布混乱程度确定五金零件中每一点云数据的整体特征描述符，包括：基于点云数据建立极对数空间直角坐标系；其中，极对数空间直角坐标系中的X轴正方向为点云数据的X轴正方向，Z轴正方向为点云数据的Z轴正方向；在极对数空间直角坐标系中，坐标点记为，其中表示坐标点到坐标原点的距离，表示坐标点与坐标原点的连线在x
‑
y平面上的投影与x轴的夹角，记为方位角，表示坐标点与坐标原点的连线与z轴的夹角，记为极角；基于点云数据在极对数空间直角坐标系中的分布情况确定五金零件中每一点云数据的整体特征描述符。
[0007]优选的，基于点云数据在极对数空间直角坐标系中的分布情况确定五金零件中每一点云数据的整体特征描述符，包括：在极对数空间直角坐标系中将预设半径分为N段，以得到mN个区域，其中，m为三维
空间的象限数量；基于点云数据在各个区域内的分布情况定五金零件中每一点云数据的整体特征描述符。
[0008]优选的，基于点云数据在各个区域内的分布情况定五金零件的整体特征描述符，包括：根据点云数据出现在第i个区域的概率、第i个区域内点云数据的数量、第i个区域内第j个点云数据到坐标原点的距离、预设半径计算第i个区域的区域概率；基于第i个区域的区域概率计算点云数据的K近邻分布熵：点云数据的K近邻分布熵为整体特征描述符，用于表征点云数据周围的点云数据分布混乱程度。
[0009]优选的，基于点云数据的局部弯曲程度确定五金零件的局部特征描述符，包括：基于点云数据建立极对数空间直角坐标系；将极对数空间直角坐标系中距离点云数据最近的k个点确定为点云数据的K近邻点；遍历点云数据对应的K近邻点，直至将点云数据对应的K近邻点连为一条路径；根据路径构建结构复杂度，将结构复杂度确定为点云数据的局部特征描述符。
[0010]优选的，根据路径确定结构复杂度，包括：根据路径经过的点云数据的顺序，得到极角序列和方位角序列；通过K近邻点的数量、方位角差分序列确定点云数据不在竖直平面的可能性；方位角差分序列是通过对方位角序列一阶差分计算得到的；通过K近邻点的数量、极角序列计算点云数据不在水平平面的可能性；根据点云数据不在竖直平面的可能性以及点云数据不在水平平面的可能性确定结构复杂度。
[0011]优选的，基于整体特征描述符以及局部特征描述符对五金零件进行缺陷检测，包括：利用最小二乘法对点云数据的K近邻点组成的K近邻曲面进行拟合，得到点云数据对应的拟合曲面；利用曲率半径法计算点云数据对应的拟合曲面的曲率半径；基于点云数据对应的曲率半径、整体特征描述符以及局部特征描述符对五金零件进行缺陷检测。
[0012]优选的，基于点云数据对应的曲率半径、整体特征描述符以及局部特征描述符对五金零件进行缺陷检测，包括：基于点云数据对应的曲率半径、整体特征描述符以及局部特征描述符构建五金零件中的每一点云数据对应的特征描述符；计算每一点云数据对应的特征描述符与参考五金零件中每一点云数据对应的参考特征描述符之间的相似度；基于相似度确定五金零件是否存在缺陷。
[0013]优选的，计算每一点云数据对应的特征描述符与参考五金零件中每一点云数据对应的参考特征描述符之间的相似度，包括：基于曲率半径相似度的权重、检测五金零件中点云数据点与参考五金零件中点云
数据的曲率半径的欧氏距离、五金零件整体描述符相似度的权重、检测五金零件中点云数据点与参考五金零件中点云数据的整体描述符的欧氏距离；五金零件局部描述符相似度的权重，检测五金零件中点云数据点与参考五金零件中点云数据的局部描述符的欧氏距离计算每一点云数据对应的特征描述符与参考五金零件中每一点云数据对应的参考特征描述符之间的相似度。
[0014]优选的，利用如下公式计算相似度：；其中RSD表示相似度，表示曲率半径相似度的权重，表示对括号内的数据进行线性归一化处理，避免量纲不同带来的影响，表示检测五金零件中点云数据点与参考五金零件中点云数据的曲率半径的欧氏距离，反映其相似度，表示五金零件整体描述符相似度的权重，表示检测五金零件中点云数据点与参考五金零件中点云数据的整体描述符的欧氏距离；表示五金零件局部描述符相似度的权重，表示检测五金零件中点云数据点与参考五金零件中点云数据的局部描述符的欧氏距离。
[0015]本申请的有益效果，区别于现有技术，本申请的基于计算机视觉的五金零件缺陷检测方法，包括采集五金零件的点云数据；基于点云数据在空间中的分布混乱程度确定五金零件中的每一点云数据的整体特征描述符；基于点云数据的局部弯曲程度确定五金零件中每一点云数据的局部特征描述符；基于整体特征描述符以及局部特征描述符对五金零件进行缺陷检测。本专利技术针对每一个点云数据构建特征描述符，进而进行缺陷检测，该方法能够提高检测准确性。
附图说明
[0016]图1为本专利技术基于计算机视觉的五金零件缺陷检测方法的一实施例的流程示意图；图2为图1中步骤S13的一实施例的流程示意图；图3是图1中步骤S14的一实施例的流程示意图。
具体实施方式
[0017]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0018]下面结合附图和实施例对本申请进行详细的说明。
[0019]请参见图1，图1为本专利技术基于计算机视觉的五金零件缺陷检测方法的一实施例的流程示意图，具体包括：步骤S11：采集五金零件的点云数据。
[0020]本申请以五本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉的五金零件缺陷检测方法，其特征在于，包括：采集五金零件的点云数据；基于所述点云数据在空间中的分布混乱程度确定所述五金零件中的每一点云数据的整体特征描述符；基于所述点云数据的局部弯曲程度确定所述五金零件中每一点云数据的局部特征描述符；基于所述整体特征描述符以及所述局部特征描述符对所述五金零件进行缺陷检测。2.根据权利要求1所述的基于计算机视觉的五金零件缺陷检测方法，其特征在于，基于所述点云数据在空间中的分布混乱程度确定所述五金零件中每一点云数据的整体特征描述符，包括：基于所述点云数据建立极对数空间直角坐标系；其中，极对数空间直角坐标系中的X轴正方向为点云数据的X轴正方向，Z轴正方向为点云数据的Z轴正方向；在极对数空间直角坐标系中，坐标点记为，其中表示坐标点到坐标原点的距离，表示坐标点与坐标原点的连线在x
‑
y平面上的投影与x轴的夹角，记为方位角，表示坐标点与坐标原点的连线与z轴的夹角，记为极角；基于所述点云数据在所述极对数空间直角坐标系中的分布情况确定所述五金零件中每一点云数据的整体特征描述符。3.根据权利要求2所述的基于计算机视觉的五金零件缺陷检测方法，其特征在于，基于所述点云数据在所述极对数空间直角坐标系中的分布情况确定所述五金零件中每一点云数据的整体特征描述符，包括：在极对数空间直角坐标系中将预设半径分为N段，以得到mN个区域，其中，m为三维空间的象限数量；基于点云数据在各个区域内的分布情况确定所述五金零件中每一点云数据的整体特征描述符。4.根据权利要求3所述的基于计算机视觉的五金零件缺陷检测方法，其特征在于，基于点云数据在各个区域内的分布情况确定所述五金零件的整体特征描述符，包括：根据点云数据出现在第i个区域的概率、第i个区域内点云数据的数量、第i个区域内第j个点云数据到坐标原点的距离、预设半径计算第i个区域的区域概率；基于第i个区域的区域概率计算点云数据的K近邻分布熵：点云数据的K近邻分布熵为整体特征描述符，用于表征点云数据周围的点云数据分布混乱程度。5.根据权利要求1所述的基于计算机视觉的五金零件缺陷检测方法，其特征在于，基于所述点云数据的局部弯曲程度确定所述五金零件的局部特征描述符，包括：基于所述点云数据建立极对数空间直角坐标系；将极对数空间直角坐标系中距离点云数据最近的k个点确定为点云数据的K近邻点；遍历点云数据对应的K近邻点，直至将点云数据对应的K近邻点连为一条路径；根据所述路径构建结构复杂度，将所述结构复杂度确定为点云数据的所述局部特征描述符。6.根据权利要求5所述的基于计算机视觉的五金零件缺陷检测方法，其特征在于，根据
所述路径确定结构复杂度，包括：...

【专利技术属性】
技术研发人员：赵建湘，邱良凤，
申请(专利权)人：深圳市智宇精密五金塑胶有限公司，
类型：发明
国别省市：