【技术实现步骤摘要】
本专利技术涉及计算机模型设计，具体涉及一种用于盘式制动器卡钳的3d打印模具快速扫描方法。
技术介绍
1、在制动系统中，盘式制动器卡钳是汽车制动系统中的关键部件之一，直接影响到系统的制动性能和安全性。在盘式制动器卡钳的制造过程中，卡钳的制作往往需要高精度的模具。利用3d打印技术快速获取卡钳部件的模具，并且在浇筑模具之前需要对模具进行质量检测，确保其性能和可靠性。在利用3d打印技术获得盘式制动器卡钳模具后，需要对模具进行质量检测，可以通过对3d打印模型进行快速扫描，进而获取模具的相关参数以获取质量检测结果。
2、但是，在对3d打印模型进行扫描的过程中，受环境等客观因素的影响，例如由于扫描设备或者反射光的影响，导致扫描获得的数据存在异常，因此对3d打印模型的扫描数据进行异常检测就显得尤为重要。现有常通过异常检测算法对对3d打印模型的点云数据进行异常检测，该方法考虑因素较为单一，仅考虑点云数据的分布进行异常检测，使得异常检测结果较不准确，进而使得快速扫描结果精度较低。
技术实现思路
1、为了解决现有方法考虑因素较为单一使得异常检测结果较不准确，进而使得快速扫描结果精度较低的技术问题，本专利技术的目的在于提供一种用于盘式制动器卡钳的3d打印模具快速扫描方法，所采用的技术方案具体如下：
2、通过扫描盘式制动器卡钳的3d模型获取三维点云数据，对三维点云数据进行划分确定每个三维区域，所述三维区域中每个数据点对应一个三维点云数据；
3、根据每个三维区域内点云数据量
4、根据每个高密度区域中每个数据点的邻域范围内数据点的曲面分布情况以及每个数据点和其他数据点之间的邻域特征分布差异，得到每个高密度区域中每个数据点的初始特征程度；
5、根据每个数据点与该数据点所在的高密度区域内其他数据点之间的邻域距离分布差异，结合所述初始特征程度，得到每个高密度区域中每个数据点的异常程度；
6、利用所述异常程度对高密度区域中每个数据点进行异常检测，根据异常检测结果获得盘式制动器卡钳的三维点云数据的扫描结果。
7、优选地，所述根据每个高密度区域中每个数据点的邻域范围内数据点的曲面分布情况以及每个数据点和其他数据点之间的邻域特征分布差异，得到每个高密度区域中每个数据点的初始特征程度，具体包括：
8、将任意一个高密度区域中任意一个数据点记为目标数据点，根据目标数据点的邻域内所有数据点的分布情况获取目标数据点的曲率值；
9、将高密度区域内除目标数据点之外的其他数据点记为参考数据点，分别计算每个参考数据段与目标数据点之间的曲率值的差异，将高密度区域内所有参考数据点对应的曲率值的差异的均值作为目标数据点的初始特征程度。
10、优选地，所述根据目标数据点的邻域内所有数据点的分布情况获取目标数据点的曲率值具体为：
11、基于目标数据点的邻域内所有数据点的点云数据进行曲面拟合获得曲面函数，基于曲面函数获取目标数据点对应的曲率值。
12、优选地，所述根据每个数据点与该数据点所在的高密度区域内其他数据点之间的邻域距离分布差异，结合所述初始特征程度，得到每个高密度区域中每个数据点的异常程度，具体包括：
13、对于任意一个高密度区域内任意一个数据点，根据数据点与相邻数据点之间的距离分布、高密度区域内其他相邻数据点之间的距离分布得到数据点的调整系数；根据所述调整系数和数据点的初始特征程度得到数据点的异常程度。
14、优选地，所述数据点的异常程度的获取方法具体为：
15、
16、其中，表示第m个高密度区域中第n个数据点的异常程度，表示第m个高密度区域中第n个数据点与第r个相邻的数据点之间的欧氏距离，r表示在第m个高密度区域中与第n个数据点相邻的数据点的总数量，表示在第m个高密度区域中除了第n个数据点之外的第k组两个相邻的数据点之间的欧氏距离，k表示在第m个高密度区域中除了第n个数据点之外每两个相邻的数据点的组合总数量，表示预设的超参数，表示第m个高密度区域内第n个数据点的初始特征程度，th( )表示双曲正切函数，表示以自然数2为底的对数函数。
17、优选地，所述根据每个三维区域内点云数据量的分布和对应的三维区域形状分布以及三维区域中相邻数据点之间的距离分布，得到每个三维区域的密度特征程度，具体包括：
18、对于任意一个三维区域，获取三维区域内数据点的总数量记为第一数值，获取三维区域的体积记为第二数值；对三维区域内每两个相邻的数据点之间的欧氏距离的均值进行负相关归一化处理得到第三数值，将第一数值与第二数值之间的比值和第三数值之间的乘积作为三维区域的密度特征程度。
19、优选地，所述根据所述密度特征程度对三维区域进行筛选，确定高密度区域具体为：
20、将所有三维区域的密度特征程度按照从小到大的顺序进行排列获取密度特征程度序列，计算密度特征程度序列中每个元素与相邻元素之间的差异得到每个元素的差异数据；
21、将密度特征程度序列中差异数据的最大值对应的元素记为特征元素，将密度特征程度序列中大于特征元素对应的密度特征程度对应的三维区域记为高密度区域。
22、优选地，所述利用所述异常程度对高密度区域中每个数据点进行异常检测具体为：
23、对每个高密度区域中每个数据点的异常程度进行归一化处理，将归一化后的异常程度大于预设的异常阈值对应的高密度区域中的数据点作为异常数据点。
24、优选地，所述根据异常检测结果获得盘式制动器卡钳的三维点云数据的扫描结果具体为：
25、在盘式制动器卡钳的三维点云数据中将异常检测结果中的异常数据点对应的三维点云数据剔除，获得盘式制动器卡钳的三维点云数据的扫描结果。
26、优选地，所述对三维点云数据进行划分确定每个三维区域具体为：
27、对3d模型的三维点云数据进行连通域分析获得每个三维区域。
28、本专利技术实施例至少具有如下有益效果：
29、本专利技术首先通过扫描盘式制动器卡钳的3d模型获取三维点云数据，并通过数据划分获取数据点构成的每个三维的连通区域，以便后续可以针对局部空间范围内的数据分布情况对3d模型的扫描数据的异常程度进行量化。然后，考虑了每个三维区域内的数据量、形状以及数据点之间的距离分布三个方面的因素，获得密度特征程度，表征了三维区域内数据分布密度的特征程度。并基于密度特征程度对三维区域进行筛选，对密度较高的三维区域进行标记，以便进一步分析较高密度分布对应的三维区域内存在异常的噪声数据的分布情况。进一步的，通过分析高密度区域中每个数据点的邻域范围内数据点的曲面分布情况以及每个数据点和其他数据点之间的邻域特征分布差异，对数据点的初始特征程度进行量化，初步表征了数据点存在异常本文档来自技高网...
【技术保护点】
1.一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述根据每个高密度区域中每个数据点的邻域范围内数据点的曲面分布情况以及每个数据点和其他数据点之间的邻域特征分布差异，得到每个高密度区域中每个数据点的初始特征程度，具体包括：
3.根据权利要求2所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述根据目标数据点的邻域内所有数据点的分布情况获取目标数据点的曲率值具体为：
4.根据权利要求1所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述根据每个数据点与该数据点所在的高密度区域内其他数据点之间的邻域距离分布差异，结合所述初始特征程度，得到每个高密度区域中每个数据点的异常程度，具体包括：
5.根据权利要求4所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述数据点的异常程度的获取方法具体为：
6.根据权利要求1所述的一种用于盘式制动器卡钳的3D打
7.根据权利要求1所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述根据所述密度特征程度对三维区域进行筛选，确定高密度区域具体为：
8.根据权利要求1所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述利用所述异常程度对高密度区域中每个数据点进行异常检测具体为：
9.根据权利要求8所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述根据异常检测结果获得盘式制动器卡钳的三维点云数据的扫描结果具体为：
10.根据权利要求1所述的一种用于盘式制动器卡钳的3D打印模具快速扫描方法，其特征在于，所述对三维点云数据进行划分确定每个三维区域具体为：
...【技术特征摘要】
1.一种用于盘式制动器卡钳的3d打印模具快速扫描方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种用于盘式制动器卡钳的3d打印模具快速扫描方法，其特征在于，所述根据每个高密度区域中每个数据点的邻域范围内数据点的曲面分布情况以及每个数据点和其他数据点之间的邻域特征分布差异，得到每个高密度区域中每个数据点的初始特征程度，具体包括：
3.根据权利要求2所述的一种用于盘式制动器卡钳的3d打印模具快速扫描方法，其特征在于，所述根据目标数据点的邻域内所有数据点的分布情况获取目标数据点的曲率值具体为：
4.根据权利要求1所述的一种用于盘式制动器卡钳的3d打印模具快速扫描方法，其特征在于，所述根据每个数据点与该数据点所在的高密度区域内其他数据点之间的邻域距离分布差异，结合所述初始特征程度，得到每个高密度区域中每个数据点的异常程度，具体包括：
5.根据权利要求4所述的一种用于盘式制动器卡钳的3d打印模具快速扫描方法，其特征在于，所述数据点的异常程度的获...
【专利技术属性】
技术研发人员：何林岐，李林科，孙海英，李智刚，杜常芳，
申请(专利权)人：岐山县华强工贸有限责任公司，
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。