【技术实现步骤摘要】
轮毂缺陷的检测方法及装置、存储介质
[0001]本专利技术涉及计算机领域，具体而言，涉及一种轮毂缺陷的检测方法及装置
、
存储介质
。
技术介绍
[0002]相关技术中，轮毂外观成像通过架设相机进行拍照
2D
图片，运用深度学习算法训练轮毂外观缺陷识别模型，对轮毂外观进行
AI
缺陷识别
。
由于轮毂表面并非平整的平面，存在起伏不定的造型，因此从
2D
图像检出的缺陷无法给出精确的缺陷尺寸（面积
、
长度
、
宽度）信息，容易造成误检
。
[0003]针对相关技术中存在的上述问题，暂未发现高效且准确的解决方案
。
技术实现思路
[0004]本专利技术提供了一种轮毂缺陷的检测方法及装置
、
存储介质，以解决相关技术中存在的上述技术问题
。
[0005]根据本专利技术的一个实施例，提供了一种轮毂缺陷的检测方法，包括：采用
2D
相机采集目标轮毂的
2D
图像，以及采用
3D
相机采集所述目标轮毂的
3D
点云，其中，所述
2D
相机和所述
3D
相机的位置固定，所述
2D
相机和所述
3D
相机的视野区域相同；计算所述
2D
相机和所述
3D
相机之间的变换矩阵；采用深度学习...
【技术保护点】
【技术特征摘要】
1.
一种轮毂缺陷的检测方法，其特征在于，包括：采用
2D
相机采集目标轮毂的
2D
图像，以及采用
3D
相机采集所述目标轮毂的
3D
点云，其中，所述
2D
相机和所述
3D
相机的位置固定，所述
2D
相机和所述
3D
相机的视野区域相同；计算所述
2D
相机和所述
3D
相机之间的变换矩阵；采用深度学习算法检测所述
2D
图像中的缺陷位置，采用所述变换矩阵将所述缺陷位置的缺陷像素点对齐至所述
3D
点云；截取所述
3D
点云中所述缺陷像素点覆盖的缺陷点云，基于所述缺陷点云计算所述缺陷位置的缺陷尺寸
。2.
根据权利要求1所述的方法，其特征在于，计算所述
2D
相机和所述
3D
相机之间的变换矩阵包括：采用所述
2D
相机采集标定板的
2D
参考图像，以及采用所述
3D
相机采集所述标定板的
3D
参考点云，其中，所述标定板上开设有多个均匀分布的标定圆，每个标定圆上贴有标定图案；读取所述
2D
参考图像中每个标定图案的圆心坐标，并为每个圆心坐标添加单位长度的深度值，得到第一圆心点集，以及读取所述
3D
参考点云中每个标定图案的圆心坐标，得到第二圆心点集；计算所述第一圆心点集变换至所述第二圆心点集的旋转矩阵和平移矩阵；将所述旋转矩阵和所述平移矩阵确定为所述
2D
相机和所述
3D
相机之间的变换矩阵
。3.
根据权利要求2所述的方法，其特征在于，计算所述第一圆心点集变换至所述第二圆心点集的旋转矩阵和平移矩阵包括：计算所述第一圆心点集的第一质心坐标，以及计算所述第二圆心点集的第二质心坐标；采用所述第一圆心点集除以所述第一质心坐标，得到第三圆心点集，采用所述第二圆心点集除以所述第二质心坐标，得到第四圆心点集；基于所述第三圆心点集和所述第四圆心点集构建旋转矩阵计算和平移矩阵的误差函数；对所述误差函数进行求迹运算，得到协方差矩阵；对所述协方差矩阵进行奇异值分解
SVD
，计算得到旋转矩阵；基于所述第一质心坐标和所述第二质心坐标构建所述旋转矩阵与所述平移矩阵之间的变换表达式，并将所述旋转矩阵代入所述变换表达式得到平移矩阵
。4.
根据权利要求3所述的方法，其特征在于，基于所述第三圆心点集和所述第四圆心点集构建旋转矩阵计算和平移矩阵的误差函数包括：采用以下公式构建旋转矩阵计算和平移矩阵的误差函数：；其中，为第
i
个点的权重，为旋转矩阵，为平移矩阵，为所述第三圆心点集中的第
i
个点，为所述第四圆心点集中的第
i
个点，为转置符，
n
为所述第三圆心点集或所述第四圆心点集中的点的总数
。
5.
根据权利要...
【专利技术属性】
技术研发人员：杨超，黄雪峰，蔡恩祥，
申请(专利权)人：深圳市信润富联数字科技有限公司，
类型：发明
国别省市：
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。