System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像数据处理,尤其涉及一种基于3d点云的焊缝缺陷检测方法。
技术介绍
1、焊接是一个受多种因素影响的非完全可控的物理化学反应过程。在焊接过程中,由于焊接参数如:焊接功率、保护气体流量、焊接速度等调节不当及焊接环境复杂等不确定因素可能会导致焊缝的外形尺寸不合格或者产生多种不同形态、位置、方向、大小和性质的焊缝表面缺陷,包括凹陷、咬边、气孔、未熔合、熔宽余高未达标等表面缺陷,这些缺陷会严重影响焊接件的质量和可靠性,因此需要采用必要的检测手段对焊缝的质量进行检测。
2、现有的技术中主要使用二维图像方法进行焊缝缺陷检测。这些方法通常基于特征提取、分类器和人工干预等步骤。在特征提取方面,常用的方法包括灰度变换、边缘检测、纹理分析等,而分类器则通过训练数据来学习不同类型的缺陷,并对测试样本进行分类判断。此外,由于焊缝缺陷检测是一个复杂的任务,通常需要人工干预来调整参数或修正错误判断。
3、现有技术存在如下问题和缺点:
4、1) 二维图像方法的局限性:现有技术主要依赖二维图像进行分析和判断,无法完全捕捉到焊缝的真实三维形态,因此可能会导致漏检或误判的情况发生。
5、2) 主观判断和人工操作的困难:现有技术中的分类器通常需要经过训练和参数调整,而这些过程往往需要依赖专业人员的主观判断和经验,且对参数调整的要求较高,增加了操作的复杂性和困难度。
6、3) 缺乏通用性:现有技术中的方法往往是针对特定类型的焊缝缺陷进行设计和优化,导致缺乏通用性,难以适应不同尺度的焊缝缺陷检测需
7、原因分析:
8、这些问题主要源于现有技术中采用的二维图像处理方法和依赖人工干预的缺点。由于焊缝是一个三维结构,使用二维图像无法完全捕捉到其真实形态,从而导致检测结果的准确性受到限制。此外,分类器的训练和参数调整往往需要专业人员的经验和判断,对操作者的要求较高,并且容易出现误判或漏检的情况。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于3d点云的焊缝缺陷检测方法,在焊接结束后可以立即进行检测,检测效率高且检测结果比较准确,不会出现错检或漏检的情况。
2、本专利技术是通过以下技术方案予以实现:
3、一种基于3d点云的焊缝缺陷检测方法,其包括如下步骤:
4、s1:对待检测的焊缝进行扫描,采集焊缝图像信息的3d点云数据,并将3d点云数据传输给数据处理模块;
5、s2:数据处理模块接收3d点云数据并保存形成原始3d点云数据集,对原始3d点云数据集中的3d点云数据使用基于k领域的离群点移除算法进行预处理,去除异常点后形成预处理后的3d点云数据集;
6、s3:对预处理后的3d点云数据集中的3d点云数据使用基于自适应滑动窗口精简算法进行精简,形成最终3d点云数据集;
7、s4:计算最终3d点云数据集中的每个3d点云数据的法向量和曲率;
8、s5:对最终3d点云数据集中的3d点云数据进行分割,将焊缝缺陷数据从整个最终3d点云数据集中提取出来;
9、s6:将提取出来的焊缝缺陷数据放入到训练好的分类器中进行分类,确定缺陷的类型。
10、进一步,步骤s1中利用基于面结构光的双目机器视觉检测系统对焊缝进行扫描,并采用3d点云拼接技术采集焊缝图像信息的3d点云数据,具体包括如下步骤:
11、s11:将被检测物的表面贴上位置标定点并放置于旋转台上;
12、s12:基于面结构光的双目机器视觉检测系统中的机械臂带动相机移动至预设位置处;
13、s13:基于面结构光的双目机器视觉检测系统中的投影仪投射蓝光在被检测物的表面,相机依次旋转设定角度拍摄采集焊缝图像信息,直至相机旋转360°,利用3d点云拼接技术完成焊缝3d点云数据的采集。
14、进一步,步骤s2中对预处理后的3d点云数据集中的3d点云数据使用基于k领域的离群点移除算法进行预处理包括如下步骤:
15、s21:数据处理模块利用kd树将读入的散乱3d点云数据划分成多层子空间;
16、s22:将多层子空间中的任一3d点云数据代表的点作为参考点,根据式(1)计算参考点到参考点邻域的个点之间的距离的平均值;
17、(1);
18、其中:为参考点的坐标,为参考点邻域的个点的坐标,表示邻域中任一点索引,表示参考点;
19、s23:将与设定的阈值进行比较,若大于,则判断该参考点为稀疏离群点,将其作为异常点从3d点云数据中去除,若小于等于,则判断该参考点为主体点云予以保留;
20、s24:对原始3d点云数据集中所有的3d点云数据进行迭代处理,直至所有点都经过了阈值判定及处理,将每次处理后保留下来的点云数据进行累积,形成预处理后的3d点云数据集。
21、进一步,步骤s3中对预处理后的3d点云数据集中的3d点云数据使用基于自适应滑动窗口精简算法进行精简具体包括如下步骤:
22、s31:根据式(2)计算预处理后的3d点云数据集中的3d点云数据的包围盒,确定包围点云数据的整体范围;
23、(2);
24、其中:表示预处理后的3d点云数据集中所有3d点云数据的x轴方向的最小值,表示预处理后的3d点云数据集中所有3d点云数据的x轴方向的最大值,表示预处理后的3d点云数据集中所有3d点云数据的y轴方向的最小值,表示预处理后的3d点云数据集中所有3d点云数据的y轴方向的最大值,表示预处理后的3d点云数据集中所有3d点云数据的z轴方向的最小值,表示预处理后的3d点云数据集中所有3d点云数据的z轴方向的最大值,表示包围盒在x轴方向的长度,表示包围盒在y轴方向的长度,表示包围盒在z轴方向的长度;
25、s32:选择一个滑动立方体窗口按照设定步长滑动,遍历预处理后的3d点云数据集中所有3d点云数据,并按照式(3)计算每一个滑动立方体窗口所包围的所有3d点云的重心点坐标;
26、(3);
27、其中:表示滑动立方体窗口所包围的3d点云的个数,表示滑动立方体窗口所包围的第个3d点云的坐标;
28、s33:用重心点代替滑动立方体窗口所包围的所有3d点云,所有重心点的集合形成最终3d点云数据集。
29、进一步,步骤s4中按照如下步骤计算最终3d点云数据集中的每个3d点云数据的法向量和曲率:
30、s41:对最终3d点云数据集中的每一个重心点搜索其近邻点,并按照式(4)计算重心点和近邻点之间的质心点坐标,按照式(5)计算重心点和近邻点之间的协方差矩阵:
31、(4);
32、(5);
33、其中:表示第个重心点的近邻点个数,表示第个重心点的坐标,表示矩阵转置;
34、s42:将重心点和近邻点之间的协方差矩阵按照式(6)进行分解,获得对角矩阵中对角元素及其对应的特征向量;
35本文档来自技高网...
【技术保护点】
1.一种基于3D点云的焊缝缺陷检测方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种基于3D点云的焊缝缺陷检测方法,其特征在于:步骤S1中利用基于面结构光的双目机器视觉检测系统对焊缝进行扫描,并采用3D点云拼接技术采集焊缝图像信息的3D点云数据,具体包括如下步骤:
3.根据权利要求1所述的一种基于3D点云的焊缝缺陷检测方法,其特征在于:步骤S2中对预处理后的3D点云数据集中的3D点云数据使用基于k领域的离群点移除算法进行预处理包括如下步骤:
4.根据权利要求1所述的一种基于3D点云的焊缝缺陷检测方法,其特征在于:步骤S3中对预处理后的3D点云数据集中的3D点云数据使用基于自适应滑动窗口精简算法进行精简具体包括如下步骤:
5.根据权利要求1所述的一种基于3D点云的焊缝缺陷检测方法,其特征在于:步骤S4中按照如下步骤计算最终3D点云数据集中的每个3D点云数据的法向量和曲率:
6.根据权利要求1所述的一种基于3D点云的焊缝缺陷检测方法,其特征在于:步骤S5中对最终3D点云数据集中的3D点云数据进行分割,将焊缝缺陷数
7.根据权利要求5所述的一种基于3D点云的焊缝缺陷检测方法,其特征在于:步骤S6中按照式(8)、式(9)、式(10)来计算输入到分类器中的点云特征,并根据计算结果判断焊缝缺陷的类型:
...【技术特征摘要】
1.一种基于3d点云的焊缝缺陷检测方法,其特征在于:包括如下步骤:
2.根据权利要求1所述的一种基于3d点云的焊缝缺陷检测方法,其特征在于:步骤s1中利用基于面结构光的双目机器视觉检测系统对焊缝进行扫描,并采用3d点云拼接技术采集焊缝图像信息的3d点云数据,具体包括如下步骤:
3.根据权利要求1所述的一种基于3d点云的焊缝缺陷检测方法,其特征在于:步骤s2中对预处理后的3d点云数据集中的3d点云数据使用基于k领域的离群点移除算法进行预处理包括如下步骤:
4.根据权利要求1所述的一种基于3d点云的焊缝缺陷检测方法,其特征在于:步骤s3中对预处理后的3d点云数据集中的3d点云数据使用基...
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。