【技术实现步骤摘要】
本专利技术属于机器视觉无损检测领域，具体是一种基于三维点云和轮廓匹配的客车侧墙板平整度检测方法。
技术介绍
1、在大型零件生产制造过程中，难以避免地会出现制造瑕疵，如物体表面的纹理破坏、材料焊接过程中产生的焊缝、受到挤压碰撞时产生的凹陷等。如果不及时发现这些瑕疵并进行维护和修理，产品的使用寿命将会大大降低，甚至带来极大的安全风险。以客车侧墙板为例，侧墙板上存在的各种缺陷会极大地影响到侧墙板的强度与美观，较大的缺陷甚至会导致列车在运行过程中产生油漆与腻子一起脱落的风险。车身的外观多为白色原色，使用机器视觉缺陷检测技术对于存在深度信息的微小缺陷检测效果欠佳，而点云缺陷检测技术能够很好地满足侧墙板缺陷特征提取的要求。
2、基于点云的产品表面质量检测是一个值得深入研究的领域，也是生产制造和产品使用维护中的关键步骤。3d点云缺陷检测技术可以总结为五类：1、基于轮廓点云；2、基于模板匹配；3、基于局部几何特征；4、基于多模态点云数据；5、基于深度学习。这些点云缺陷检测方法各有优势：基于轮廓点云适应性强、速度快；基于模板匹配准确、适用于标准件，但速度较慢；基于局部几何特征泛化能力高；多模态点云精确度高、泛化性强；基于深度学习可以处理不规则点云，但样本获取困难且通用性较低。客车侧墙板尺寸较大，缺陷特征较小且要求精度较高，若采用以上方法，难以检测到较小的缺陷且所检测所需时间过长。
技术实现思路
1、本专利技术所要解决的技术问题是针对上述现有技术的不足提供一种基于三维点云和轮廓匹配的客车侧
2、为实现上述技术目的，本专利技术采取的技术方案为：
3、一种基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，包括以下步骤：
4、步骤1、获取不同类型标准客车侧墙板一帧三维点云数据；
5、步骤2、将获取得到的三维点云数据作预处理操作，并以y坐标作为主方向，生成一份点云切片数据；
6、步骤3、将点云切片数据进行线段拟合，拟合出两条直线段与两条曲线段，将拟合得出的直线段函数、曲线段函数、采集得到的点的个数及区域划分记录下来，存储至模板库中；
7、步骤4、在采集被测件的每一帧点云数据时作点云预处理操作，将每一帧点云数据以y坐标为基准，从步骤3所做的模板库中提取出相应的点云切片数据与采集的被测件的第一帧点云数据匹配，计算每一帧点云中的每个点到模板库中匹配的客车类型对应的线段的最短距离，设定相关缺陷阈值，当计算出的最短距离大于相关缺陷阈值时，则认定该点为缺陷点，记录下该点的位置及参数；
8、步骤5、在采集完所有的点云切片数据后，将其按照y坐标展开成完整的客车侧墙板点云数据，并分割出其中的缺陷区域；
9、步骤6、利用异常点剔除算法剔除误判点，最终得到缺陷区域信息。
10、作为本专利技术进一步改进的技术方案，所述步骤1具体为：
11、利用客车侧墙板扫描装置，取不同类型标准客车侧墙板一帧三维点云数据。
12、作为本专利技术进一步改进的技术方案，所述步骤2具体为：
13、步骤2.1、对步骤1所获取得到的一帧标准点云数据进行滤波、去噪，剔除侧墙板点云中的异常点以及噪声，使用均匀下采样的方法对点云数据进行降采样处理；
14、步骤2.2、调整预处理完成后的侧墙板点云数据位姿，以y坐标轴作为其主方向，即点云数据中所有的点的y坐标相同。
15、作为本专利技术进一步改进的技术方案，所述步骤3具体为：
16、步骤3.1、以步骤2中得到的点云切片数据为对象，假设切片数据p中有k个点，由于各个点的y坐标数值均相同，因此将切片中的点看作为二维数据中的点集，即每个点由x坐标及z坐标组成，则p＝{(x1,z1),(x2,z2),…,(xk,zk)}；
17、步骤3.2、将集合p按照x坐标进行区域划分，即分为四个部分p1、p2、p3、p4，其中p1和p3为曲线部分点集，p2和p4为直线部分点集，假设p1中有m个点，p3中有n个点，p2中有a个点，p4中有b个点，且m+n+a+b＝k；
18、步骤3.3、利用最小二乘法来对切片数据中的直线部分进行拟合：
19、l(x)＝a0+a1x (1)；
20、其中l(x)为拟合出的直线函数，将需要拟合的数据中的每个点带入最小二乘法公式(1)中计算预测值，再通过加权误差平方和来判断直线拟合是否合理，加权误差平方和的计算公式如下：
21、
22、其中ω(xi)>0是xi范围内的权函数，l(xi)为拟合出的函数值，f(xi)为原始值，xi为第i个点的坐标；当拟合出的直线段的加权误差平方和最小时，则最小二乘拟合完成；
23、利用公式(1)和公式(2)对p2进行拟合，拟合出直线段函数l1(x)，利用公式(1)和公式(2)对p4进行拟合，拟合出直线段函数l2(x)；
24、步骤3.4、采用圆拟合方法来获得切片数据中的曲线段方程：
25、(x-x)2+(z-z)2＝r2 (3)；
26、其中圆心坐标为(x，z)，圆半径为r；拟合过程分为以下几步：
27、步骤3.4.1、在曲线部分点集对应的曲线段中首先随机挑选出不同的三个点，利用三点定圆的原理，拟合出曲线段圆方程；
28、步骤3.4.2、由于切片数据中的曲线段小于四分之一个圆，因此将拟合出的曲线段圆方程转变为函数z＝f(x)，将切片数据中曲线段的点带入拟合出的函数中，求得新的z坐标值，同时求出决定系数r2：
29、
30、其中，zi表示第i个点的真实z坐标值，表示第i个点的预测z坐标值，表示所有点的真实z坐标值的平均值；
31、当r2<0.95时，返回到步骤3.4.1重新随机挑选三个点进行曲线拟合，直至r2≥0.95时，曲线拟合完毕；
32、利用步骤3.4.1和步骤3.4.2对p1拟合，拟合出曲线段函数f1(x)，利用步骤3.3.1和步骤3.3.2对p3拟合，拟合出曲线段函数f2(x)；
33、步骤3.5、重复步骤3.1到步骤3.4，获取得到所有客车类型以及其侧墙板点云切片数据中的两个直线段函数、两个曲线段函数、点云切片数据中点的个数以及区域划分，将拟合出的两个直线段函数、两个曲线段函数、点云切片数据中点的个数和区域划分以及其相对应的客车类型存入模板库中。
34、作为本专利技术进一步改进的技术方案，所述步骤4具体为：
35、步本文档来自技高网...
【技术保护点】
1.一种基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤1具体为：
3.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤2具体为：
4.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤3具体为：
5.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤4具体为：
6.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤5具体为：
7.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤6具体为：
【技术特征摘要】
1.一种基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤1具体为：
3.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整度检测方法，其特征在于，所述步骤2具体为：
4.根据权利要求1所述的基于三维点云和轮廓匹配的客车侧墙板平整...
【专利技术属性】
技术研发人员：胡志恒，王佳怡，秦凯阳，任缪楠，王文劲，王斯冉，习爽，刘兴光，杨雨图，韩程，周海燕，刘英，
申请(专利权)人：南京林业大学，
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。