一种断路器关键三维零件缺陷检测方法技术

本发明专利技术提供一种断路器关键三维零件缺陷检测方法，方法包括：获取待测零件表面扫描点云，所述待测零件为断路器关键三维零件；将所述扫描点云与标准模型点云进行点云粗配准和点云精配准，获取精配准后的点对集合；基于所述点对集合中每一点对，计算所述扫描点云中每一个点的缺陷距离和缺陷密度，提取待测零件表面的缺陷点云。本发明专利技术引入缺陷距离与缺陷密度混合多源特征指标，在点云配准的基础上，采用提出的点缺陷特征计算方法，通过对比点云之间差异实现缺陷检测，零件表面的缺陷检测精度高。高。高。

【技术实现步骤摘要】
一种断路器关键三维零件缺陷检测方法


[0001]本专利技术涉及零件质量检验领域，更具体地，涉及一种断路器关键三维零件缺陷检测方法。

技术介绍

[0002]在设备运行过程中不可避免地会造成零件表面的磨损，这将严重影响设备运行的安全性，因此，进行零件表面缺陷检测十分重要。传统检测方式为人工检测，检测精度较低且稳定性差。引入自动化三维检测方式能节省人力，同时提升检测精度与检测速度。
[0003]自动化三维检测技术一般通过双目相机、三维扫描仪等获取零件表面三维信息，然后通过相关点云处理算法进行缺陷提取及缺陷评估。根据检测过程中是否需要零件标准模型分为两类，对于无零件标准模型的缺陷检测，目前研究了SSD网络在带钢表面缺陷识别中的应用，实现在小样本数据集下训练检测模型，但这种方式需要构建数据集，且需要对点云缺陷进行提取与标注。对于有标准模型的缺陷检测，通过待测零件点云与标准模型对齐后作差获取缺陷区域，缺陷检测精度主要取决于点云配准精度，即零件点云与标准模型通过矩阵变换，实现精确对齐，目前很多研究关注于点云配准精度的研究。
[0004]针对以上研究现状，基于特征的无标准模型方法适合外形规则零件，对于不规则形状零件难以实现缺陷检测，对于使用标准模型的缺陷检测，大多对点云粗配准或点云精配准算法进行优化与研究，进一步的缺陷分析方法较少，现有方法大多直接通过对应点之间距离确定缺陷点，不能很好的处理对应点错误匹配的情况，此外可能存在单点噪声的错误匹配。

技术实现思路

[0005]本专利技术针对现有技术中存在的技术问题，提供一种断路器关键三维零件缺陷检测方法，包括：
[0006]获取待测零件表面扫描点云，所述待测零件为断路器关键三维零件；
[0007]将所述扫描点云与标准模型点云进行点云粗配准和点云精配准，获取精配准后的点对集合；
[0008]基于所述点对集合中每一点对，计算所述扫描点云中每一个点的缺陷距离和缺陷密度，提取待测零件表面的缺陷点云。
[0009]在上述技术方案的基础上，本专利技术还可以作出如下改进。
[0010]可选的，将所述扫描点云与标准模型点云进行点云粗配准，包括：
[0011]分别计算所述扫描点云中每一个点和标准模型点云中每一点的快速点特征直方图FPFH特征；
[0012]计算扫描点云中每一个点与标准模型点云中各点的FPFH特征的相似性，将标准模型点云中相似度最高的点作为所述扫描点云的对应点，并根据对应点求解从扫描点云到标准模型点云的初始变换矩阵R0和T0，其中R0为初始旋转矩阵，T0为初始平移矩阵。
[0013]可选的，所述点云精配准，包括：
[0014]a、分别构建所述扫描点云和标准模型点云的Kd
‑
tree结构；
[0015]b、基于所述初始变换矩阵R0和T0对所述扫描点云中每一个点进行变换；
[0016]c、基于变换后的扫描点云中的点p
i
，搜索其在标准模型点云中的对应点q
i
，基于点p
i
和点q
i
得到此时变换矩阵R和T：
[0017]d、将所述扫描点云和标准模型点云的所有对应点对间的距离平均值作为当前配准误差，配准误差函数表达式为：
[0018][0019]其中，N为点对的数量；
[0020]e、重复执行c和d，直到当前配准误差达到误差函数阈值或者重复执行次数达到最大迭代次数，获取精配准后的变换矩阵R和T。
[0021]可选的，所述获取精配准后的点对集合，包括：
[0022]根据精配准后得到的变换矩阵R和T对所述扫描点云中的所有点进行变换；
[0023]基于所述扫描点云和标准模型点云的Kd
‑
tree结构，遍历所述扫描点云所有点p
i
，搜索其在标准模型点云中的对应点q
i
，构成对应点对{p
i
，q
i
}，得到所述扫描点云和标准模型点云的点对集合，其中，点p
i
表示扫描点云中第i个点。
[0024]可选的，基于所述点对集合中每一点对，计算所述扫描点云中每一个点的缺陷距离和缺陷密度，提取待测零件表面的缺陷点云，包括：
[0025]对于所述点对集合中的每一点对，计算扫描点云中每一个点的缺陷距离；
[0026]提取出缺陷距离大于设定距离阈值的点，构成初步缺陷点云集合；
[0027]对于所述初步缺陷点云集合中的每一个缺陷点，计算其缺陷密度，提取缺陷密度大于设定密度阈值的缺陷点，构成最终缺陷点云集合。
[0028]可选的，对于所述点对集合中的每一点对，计算扫描点云中每一个点的缺陷距离，包括：
[0029]对于扫描点云中点p
i
(p
xi
,p
yi
,p
zi
)，在标准模型点云中搜索对应点q
i
，并搜索对应点q
i
的3个近邻点(q
i1
,q
i2
,q
i3
)进行局部平面拟合，得到对应点q
i
所在切平面的法向量n
qi
＝(a,b,c)，其中：
[0030][0031]其中，(q
i1x
,q
i1y
,q
i1z
)，(q
i2x
,q
i2y
,q
i2z
)，(q
i3x
,q
i3y
,q
i3z
)分别为对应点q
i
的3个近邻点的三维坐标；
[0032]基于对应点q
i
所在切平面的法向量n
qi
，计算点p
i
的缺陷距离：
[0033]d
i
＝||(p
i
‑
q
i
)
·
n
qi
||。
[0034]可选的，对于所述初步缺陷点云集合中的每一个缺陷点，计算其缺陷密度，包括：
[0035]对于所述初步缺陷点云集合中的每一个缺陷点，统计其r邻域内所有缺陷点的数
量k，则缺陷点的缺陷密度为k+1。
[0036]本专利技术提供的一种断路器关键三维零件缺陷检测方法，引入缺陷距离与缺陷密度混合多源特征指标，在点云配准的基础上，采用提出的点缺陷特征计算方法，通过对比点云之间差异实现缺陷检测。通过点云配准算法实现扫描点云与标准模型精确对齐，并匹配对应点；然后遍历扫描点云，根据所定义指标计算点缺陷特征；最后根据点特征与阈值条件关系提取缺陷点云，能够直观观察缺陷程度与缺陷位置，零件表面缺陷检测的精度高。
附图说明
[0037]图1为本专利技术提供的一种断路器关键三维零件缺陷检测方法流程图；
[0038]图2为扫本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种断路器关键三维零件缺陷检测方法，其特征在于，包括：获取待测零件表面扫描点云，所述待测零件为断路器关键三维零件；将所述扫描点云与标准模型点云进行点云粗配准和点云精配准，获取精配准后的点对集合；基于所述点对集合中每一点对，计算所述扫描点云中每一个点的缺陷距离和缺陷密度，提取待测零件表面的缺陷点云。2.根据权利要求1所述的缺陷检测方法，其特征在于，将所述扫描点云与标准模型点云进行点云粗配准，包括：分别计算所述扫描点云中每一个点和标准模型点云中每一点的快速点特征直方图FPFH特征；计算扫描点云中每一个点与标准模型点云中各点的FPFH特征的相似性，将标准模型点云中相似度最高的点作为所述扫描点云的对应点，并根据对应点求解从扫描点云到标准模型点云的初始变换矩阵R0和T0，其中R0为初始旋转矩阵，T0为初始平移矩阵。3.根据权利要求2所述的缺陷检测方法，其特征在于，所述点云精配准，包括：a、分别构建所述扫描点云和标准模型点云的Kd
‑
tree结构；b、基于所述初始变换矩阵R0和T0对所述扫描点云中每一个点进行变换；c、基于变换后的扫描点云中的点p
i
，搜索其在标准模型点云中的对应点q
i
，基于点p
i
和点q
i
得到此时变换矩阵R和T：d、将所述扫描点云和标准模型点云的所有对应点对间的距离平均值作为当前配准误差，配准误差函数表达式为：其中，N为点对的数量；e、重复执行c和d，直到当前配准误差达到误差函数阈值或者重复执行次数达到最大迭代次数，获取精配准后的变换矩阵R和T。4.根据权利要求3所述的缺陷检测方法，其特征在于，所述获取精配准后的点对集合，包括：根据精配准后得到的变换矩阵R和T对所述扫描点云中的所有点进行变换；基于所述扫描点云和标准模型点云的Kd
‑
tree结构，遍历所述扫描点云所有点p
i
，搜索其在标准模型点云中的对应点q
i
，构成对应点对{p
i
，q
i
}，得到所述扫描点云和标准模型点云的点对集合，其中，点p
i
表示扫描点云中第i个点。5.根据权利要求1所述的缺陷检测方法，其特征在于，...

【专利技术属性】
技术研发人员：吴正阳，张国宝，杨为，蔡梦怡，陈忠，胡迪，官玮平，赵常威，钱宇骋，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院，
类型：发明
国别省市：