基于三维点云数据的高温锻件表面缺陷实时检测方法技术

本申请涉及数据处理技术领域，特别是涉及一种基于三维点云数据的高温锻件表面缺陷实时检测方法。通过获取高温锻件在多个视角下的三维点云数据，将各视角对应的三维点云数据转化为二维图像，针对每一二维图像，分别衍生生成多个其他视角的图像，进而得到视角图像对，基于视角图像对进行比较以确定采样间隔，由于视角图像对中包含多个同一视角的图像，避免了由于视觉不同造成的误差，同时衍生得到的图像中包含的是对应位置图像的信息，进而可以对在某些视角下存在，但某些视角下不明确的裂缝缺陷进行精确检测，保证了最终得到的采样间隔的合理性和可靠性，提高了检测精度。提高了检测精度。提高了检测精度。

【技术实现步骤摘要】
基于三维点云数据的高温锻件表面缺陷实时检测方法


[0001]本申请涉及数据处理
，特别是涉及一种基于三维点云数据的高温锻件表面缺陷实时检测方法。

技术介绍

[0002]高温锻件在制造过程中需要承受大量的变形和应力，因此其表面容易出现裂纹。这些裂纹可能是细小的微裂纹或明显的裂口，会对高温锻件的强度和耐久性产生较大影响。为了可以方便地利用计算机视觉和图像处理技术进行数据分析和处理，常常需要将三维点云数据转化为图像数据再进行分析。但实际上，点云数据往往是密度不均匀的，因此不合适的采样间隔会导致采样不够精细或采样过于稠密，影响后续的缺陷检测过程。

技术实现思路

[0003]基于此，本申请提供了一种基于三维点云数据的高温锻件表面缺陷实时检测方法，以解决上述技术问题。
[0004]提供一种基于三维点云数据的高温锻件表面缺陷实时检测方法，所述方法包括：获取高温锻件在多个视角下的三维点云数据；将各视角对应的所述三维点云数据转化为二维图像；针对各所述二维图像分别衍生生成多个其他视角的图像，得到多个视觉图像对；每一所述视觉图像对中包含多个由不同的所述二维图像衍生生成的同一视角的图像；对所述视觉图像对中的各所述图像分别进行聚类得到各所述图像的聚类区域；针对每一所述聚类区域，确定其所属图像的位置相邻图像，从所述位置相邻图像中确定出与所述聚类区域存在交集的聚类区域，将其作为与所述聚类区域对应的连通聚类区域，计算所述聚类区域与所述连通聚类区域之间的交并比；所述图像的位置相邻图像为所述图像所属的视觉图像对中与该图像对应的拍摄视角相邻的拍摄视角所对应图像；基于各所述聚类区域对应的所述交并比确定各所述聚类区域的异常程度值；根据各所述聚类区域的所述异常程度值，确定所述高温锻件在各视角下对应的异常区域；从所述三维点云数据中确定出与所述异常区域对应的异常三维点云数据，并基于所述异常三维点云数据确定采样间隔；根据所述采样间隔对所述三维点云数据进行采样，并根据采样得到的数据确定出所述高温锻件表面的缺陷区域。
[0005]在其中一个实施例中，所述获取高温锻件在多个视角下的三维点云数据，包括：通过旋转三维激光扫描仪的拍摄视角对高温锻件进行三维点云数据的采集，得到多个视角下的三维点云数据。
[0006]在其中一个实施例中，所述对所述视觉图像对中的各所述图像分别进行聚类得到各所述图像的聚类区域，包括：
通过密度聚类算法对所述视觉图像对中的各所述图像分别进行聚类得到各所述图像的聚类区域。
[0007]在其中一个实施例中，每一所述聚类区域所属的图像存在多个位置相邻图像，所述基于各所述聚类区域对应的所述交并比确定各所述聚类区域的异常程度值，包括：针对每一所述聚类区域，根据所述聚类区域与所述位置相邻图像中各所述连通聚类区域之间的交并比，从各所述位置相邻图像中分别确定出与所述聚类区域对应的目标连通聚类区域；将所述聚类区域与多个所述目标连通聚类区域之间的交并比组成的集合作为与所述聚类区域对应的交并比序列；所述交并比序列中的各所述交并比按照各自对应的拍摄视角依次排列；根据与所述聚类区域对应的所述交并比序列中的最小值，计算所述聚类区域的异常程度值。
[0008]在其中一个实施例中，所述针对每一所述聚类区域，根据所述聚类区域与所述位置相邻图像中各所述连通聚类区域之间的交并比，从各所述位置相邻图像中分别确定出与所述聚类区域对应的目标连通聚类区域，包括：将所述位置相邻图像中与所述聚类区域之间的交并比最大的连通聚类区域作为所述位置相邻图像中与所述聚类区域对应的目标连通聚类区域。
[0009]在其中一个实施例中，所述与所述聚类区域对应的所述交并比序列中的最小值，计算各所述聚类区域的异常程度值，包括：根据公式 计算所述聚类区域的异常程度值；其中，表示所述聚类区域的所述异常程度值，表示所述聚类区域的所述交并比序列，表示所述交并比序列中的最小值， 表示所述交并比序列的左侧形成序列的第一最大主成分方向，pl 表示所述第一最大主成分方向与90
°
的接近程度，r表示所述交并比序列的右侧形成序列的第二最大主成分方向，表示所述第二最大主成分方向与
‑
90
°
的接近程度；所述左侧形成序列为所述交并比序列中的最大交并比与该最大交并比左侧的元素形成的序列，所述右侧形成序列为所述交并比序列中的最大交并比与该最大交并比右侧的元素形成的序列；所述第一最大主成分方向为将所述左侧形成序列的第一坐标数据作为输入，通过PCA算法计算各所述第一坐标数据对应的第一特征值，最大第一特征值对应的方向为所述第一最大主成分方向；所述第一坐标数据中的横坐标为所述左侧形成序列中对应元素的次序值，所述第一坐标数据中的纵坐标为所述左侧形成序列中对应元素的元素值；所述第二最大主成分方向为将所述右侧形成序列的第二坐标数据作为输入，通过PCA算法计算各所述第二坐标数据对应的第二特征值，最大第二特征值对应的方向为所述第二最大主成分方向；所述第二坐标数据中的横坐标为所述右侧形成序列中对应元素的次序值，所述第二坐标数据中的纵坐标为所述右侧形成序列中对应元素的元素值。
[0010]在其中一个实施例中，所述根据各所述聚类区域的所述异常程度值，确定所述高
温锻件在各视角下对应的异常区域，包括：当某一所述图像中某一所述聚类区域的所述异常程度值大于预设程度阈值时，将所述聚类区域作为所述高温锻件在与所述图像对应的视角下的异常区域；或，针对各所述视觉图像对，将各所述视觉图像对对应的所述异常程度值中的最小值所对应的聚类区域作为与所述视觉图像对对应的视角下的异常区域。
[0011]在其中一个实施例中，所述从所述三维点云数据中确定出与所述异常区域对应的异常三维点云数据，并基于所述异常三维点云数据确定采样间隔，包括：基于各所述异常区域的所述异常三维点云数据构建对应的TIN三角网结构；所述TIN三角网结构中的各节点为所述异常三维点云数据；基于各所述TIN三角网结构计算对应的所述异常区域的距离参考值；基于各所述异常区域对应的所述距离参考值计算采样间隔。
[0012]在其中一个实施例中，所述基于各所述TIN三角网结构计算对应的所述异常区域的距离参考值，包括：针对各所述TIN三角网结构，分别计算其边长的平均值，将该平均值作为对应的所述异常区域的距离参考值。
[0013]在其中一个实施例中，所述基于各所述异常区域对应的所述距离参考值计算采样间隔，包括：将各所述异常区域对应的所述距离参考值中的最小值作为采样间隔。
[0014]本申请提供的基于三维点云数据的高温锻件表面缺陷实时检测方法，通过获取高温锻件在多个视角下的三维点云数据，将各视角对应的三维点云数据转化为二维图像，针对每一二维图像，分别衍生生成多个其他视角的图像，得到多个视觉图像对，对视觉图像对中的各图像分别进行聚类得到各图像的聚类区域，针对每一聚类区域，确定其所属图像的位置相邻图像，从位置相邻图像中确定出与聚类区域存在交集的连通聚类区域，计算聚类区域与连通聚类区域之间的交并比，基于各聚类区域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维点云数据的高温锻件表面缺陷实时检测方法，其特征在于，所述方法包括：获取高温锻件在多个视角下的三维点云数据；将各视角对应的所述三维点云数据转化为二维图像；针对各所述二维图像分别衍生生成多个其他视角的图像，得到多个视觉图像对；每一所述视觉图像对中包含多个由不同的所述二维图像衍生生成的同一视角的图像；对所述视觉图像对中的各所述图像分别进行聚类得到各所述图像的聚类区域；针对每一所述聚类区域，确定其所属图像的位置相邻图像，从所述位置相邻图像中确定出与所述聚类区域存在交集的连通聚类区域，并计算所述聚类区域与所述连通聚类区域之间的交并比；所述图像的位置相邻图像为所述图像所属的视觉图像对中与该图像对应的拍摄视角相邻的拍摄视角所对应的图像；基于各所述聚类区域对应的所述交并比确定各所述聚类区域的异常程度值；根据各所述聚类区域的所述异常程度值，确定所述高温锻件在各视角下对应的异常区域；从所述三维点云数据中确定出与所述异常区域对应的异常三维点云数据，并基于所述异常三维点云数据确定采样间隔；根据所述采样间隔对所述三维点云数据进行采样，并根据采样得到的数据确定出所述高温锻件表面的缺陷区域。2.如权利要求1所述的基于三维点云数据的高温锻件表面缺陷实时检测方法，其特征在于，所述获取高温锻件在多个视角下的三维点云数据，包括：通过旋转三维激光扫描仪的拍摄视角对高温锻件进行三维点云数据的采集，得到多个视角下的三维点云数据。3.如权利要求1所述的基于三维点云数据的高温锻件表面缺陷实时检测方法，其特征在于，所述对所述视觉图像对中的各所述图像分别进行聚类得到各所述图像的聚类区域，包括：通过密度聚类算法对所述视觉图像对中的各所述图像分别进行聚类得到各所述图像的聚类区域。4.如权利要求3所述的基于三维点云数据的高温锻件表面缺陷实时检测方法，其特征在于，每一所述聚类区域所属的图像存在多个位置相邻图像，所述基于各所述聚类区域对应的所述交并比确定各所述聚类区域的异常程度值，包括：针对每一所述聚类区域，根据所述聚类区域与所述位置相邻图像中各所述连通聚类区域之间的交并比，从各所述位置相邻图像中分别确定出与所述聚类区域对应的目标连通聚类区域；将所述聚类区域与多个所述目标连通聚类区域之间的交并比组成的集合作为与所述聚类区域对应的交并比序列；所述交并比序列中的各所述交并比按照各自对应的拍摄视角依次排列；根据与所述聚类区域对应的所述交并比序列中的最小值，计算所述聚类区域的异常程度值。5.如权利要求4所述的基于三维点云数据的高温锻件表面缺陷实时检测方法，其特征
在于，所述针对每一所述聚类区域，根据所述聚类区域与所述位置相邻图像中各所述连通聚类区域之间的交并比，从各所述位置相邻图像中分别确定出与所述聚类区域对应的目标连通聚类区域，包括：将所述位置相邻图像中与所述聚类区域之间的交并比最大的连通聚类区域作为所述位置相邻图像中与所述聚类区域对应的目标连通聚类区域。6.如权利要求4所述的基于三维点云数据的高温锻件表面缺陷实时检测方法，其特征在于，所述根据与所述聚类区域对应的所述交并比序列中的最小值，计算所述聚类区域的异常程度...

【专利技术属性】
技术研发人员：袭瑞江，张扬，王永涛，袭英超，李浩，董国强，
申请(专利权)人：山东顺发重工有限公司，
类型：发明
国别省市：