CN106091923A - 基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法 - Google Patents

Abstract

本发明提供一种基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，利用三维激光扫描测量技术，获得有螺栓圆孔的待测工业构件的点云数据；建立点云数据的空间拓扑关系；根据点云数据的空间拓扑关系，判断点云数据中的点是否为边界点；提取边界点，并进行阈值分割提取；将提取出来的点云，利用最小二乘法计算其所在的球面中心点，即为螺栓圆孔的表面中心点。本发明能够对具有多个特征边界的点云中心点位置进行检测，能正确的计算位于同一工业构件上的所有螺栓圆孔的中心点，提高了现有的螺栓圆孔的检测效率。

Description

基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定 方法

技术领域

本发明属于工业检测领域，具体涉及一种基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法。

背景技术

大型工业钢结构在正式交付使用前需要对钢结构产品进行试组装。试组装是指在计算机中模拟组装过程，使得连接处的螺栓孔一一对应，最终完成试组装过程。在进行模拟组装时，需要单独计算螺栓孔的空间位置。国内目前主要采用的方法是近景摄影测量技术，但是该方法依靠人力来完成，周期长，自动化效率低。随着现代制造业的发展，传统依靠人力进行的试组装方法已经不能满足高效率的工业生产和制造需求。

在实际生产中，对于钢构件的圆孔中心点提取通常是将球形标靶置于螺栓孔的圆孔中心，采用近景摄影测量技术计算球形标靶的中心位置，采用这种方法要求螺栓圆孔中心时，对钢结构产品的表面光度以及摄像机的要求精度高，采集时间长，效率低。

三维激光扫描测量技术是近几年发展起来的新型测量技术，该技术可以直接从实物中获得三维数据，并对测量物体进行模型重建，由于点云中的每个数据都是直接从被测物体表面获取，保证了数据的完整性、真实性和可靠性。

目前对于散乱点云的提取主要有两类方法：一种是基于点云的三角形网，通过三角网的拓扑关系提取点云的边界。如果三角网中某条边属于一个三角面片，那么该条边的两个点则为边界点。遍历整个三角形网格即可求出所有的边界点。其不足之处在于采用三角形网格的构网时间长，且不能适应各种复杂点云数据的三角化。另一种是直接从散乱点云中提取边界点。Orriols等利用递归最小二乘法进行了边界线的快速提取，其不足之处在于得到的边界线不够清晰。柯映林等将采用边界栅格识别方法及空间拓扑结构对点云边界进行了提取，算法结果受点云密度估计的影响。胡鑫等提出采用三角剖分的方法对点云进行快速三角化重建，根据点云的曲率确定散乱点云的边界。孙殿柱等采用R树建立的散乱点云的拓扑索引关系，建立参考点集的基准平面，计算所有点到基准平面的距离，从而识别点云的边界。顾圆圆等提出通过构建空间栅格的方法建立了点云的拓扑关系，采用KD树来搜索点云的边界。张旭等通过曲线拟合与截面优化的方法来确定边界点。

Zhang等通过对点云法向量的估计来判断平滑区域与尖锐区域的点云特征，实现点云边界的提取。Pang根据局部表面拟合多项式方法计算点云模型上每个点的主曲率和主方法，用绝对值较大的主曲率对潜在的特征点进行边界判断。Mrigot等通过点云的卷积协方差矩阵进行计算，通过点云曲面的主曲率以及尖锐边的夹角进行边界点的提取。Liu提出了基于多尺度算子的边界点提取方法，将噪声点根据边界点密度大小进行去除，从而得到光滑的边界线。

对于具有多个边界特征的散乱点云，运用上述方法难以实现局部感兴趣的目标特征边界提取。

发明内容

本发明要解决的技术问题是：提供一种基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，能够适应大批量、高质量、快速的产品检测需求。

本发明为解决上述技术问题所采取的技术方案为：一种基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，其特征在于：它包括以下步骤：

S1、利用三维激光扫描测量技术，获得有螺栓圆孔的待测工业构件的点云数据；

S2、建立点云数据的空间拓扑关系；

S3、根据点云数据的空间拓扑关系，判断点云数据中的点是否为边界点；

S4、提取边界点，并进行阈值分割提取；

S5、将提取出来的点云，利用最小二乘法计算其所在的球面中心点，即为螺栓圆孔的表面中心点。

按上述方案，所述的S2采用KD树法建立点云数据的空间拓扑关系。

按上述方案，所述的S3在点云数据的空间拓扑关系中，搜索每个点的K邻域，根据K邻域构成的最小二乘平面的投影点角度差来判断该点云是否为边界点；将边界点当作种子点，继续判断该种子点周围是否存在边界点。

按上述方案，所述的S4采用RANSAC算法进行阈值分割提取。

本发明的有益效果为：本发明能够对具有多个特征边界的点云中心点位置进行检测，能正确的计算位于同一工业构件上的所有螺栓圆孔的中心点，提高了现有的螺栓圆孔的检测效率。

附图说明

图1为边界点判别示意图。

图2为RANSAC计算示例。

图3为螺栓圆孔的点云数据效果图。

图4为提取边界点后的点云数据效果图。

图5为RANSAC算法进行阈值分割提取后的点云数据效果图。

图6为圆周中心点的点云效果图。

图7为各中心点之间的距离图。

具体实施方式

下面结合具体实例和附图对本发明做进一步说明。

本发明提供一种基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，包括以下步骤：

S1、利用三维激光扫描测量技术，获得有螺栓圆孔的待测工业构件的点云数据。

S2、建立点云数据的空间拓扑关系。

建立空间拓扑结构在点云数据处理中已被广泛应用。常见的空间索引有KD树法、八叉树法和空间栅格法。其中较为常用的是八叉树法和KD树法。八叉树通过对三维空间的几何实体进行体元剖分，每个体元具有相同的时间和空间复杂度，通过循环递归的划分方法对三维空间的几何对象进行剖分，从而构成具有根节点的方向图。KD树是一种带有约束条件的二分查找树，在区间和邻近搜索时能快速进行点云的检索。因此，本发明选用KD树建立三维数据点之间的拓扑关系。

在树的根部所有子节点以第一个指定的维度上被分开，即：第一维坐标小于根节点的点云分在左边的子树中，第一维坐标大于根节点的点云分在右边的子树中；树的每一级都在下一个维度上分开，所有其他的维度用完之后就回到第一个维度；重复上述过程，直到用户准备分类的最后一个树仅由一个元素组成。

S3、根据点云数据的空间拓扑关系，判断点云数据中的点是否为边界点。

如果点云中某点P1是边界点，其k邻域的点将分布在某一侧，如图1(a)所示；如果是非边界点P2，则其k邻域的点会分布在该点的周围，如图1(b)所示。

在点云数据的空间拓扑关系中，搜索每个点的K邻域，根据K邻域构成的最小二乘平面的投影点角度差来判断该点云是否为边界点；将边界点当作种子点，继续判断该种子点周围是否存在边界点。

首先将P点(P1或P2)与k邻域的点构造局部最小二乘平面，然后将P点(P1或P2)与k邻域的点投影到该平面上。依次计算P点与k邻域点的夹角，以图1为例，选取离P点(P1或P2)最近的点Qj，以PQj作为基准向量，然后取k邻域中除Qj以外的任意一点Qi，计算向量PQi和向量PQj夹角，当最大夹角max L超过某一阀值时认为P点(P1或P2)为边界点，否则认为P点为内部点。阀值的大小设定根据点云的密度分布情况而定，阀值的经验值一般取π/2。

S4、提取边界点，并进行阈值分割提取。

将所有符合要求的特征点在程序中用栈进行保存，得到符合要求的边界点。

在计算过程中，由于符合边界点的点云分布在不同层中，由于需要计算螺栓圆孔表面的中心点，因此，需要对选取出来的点云进行分割，保留尽可能在面上的点云数据。本发明选取了RANSAC算法进行点云分割。

RANSAC(Random Sample Consensus)算法由Fischler和Bolles提出的点云分割算法，该算法根据一组包含异常数据的样本数据集，计算该数据集的数学最佳模型参数，选取有效点云数据的方法，如图2。该算法随机抽选出一个样本子集，使用最小方差估计这个子集的计算模型参数，然后计算所有样本与该模型的偏差，使用一个预先设定好的阀值与偏差比较，当偏差小于阀值时，该样本点属于模型内样本点，并记录；否则为模型外样本点，并记录，重复这一过程。每一次重复都记录当前最佳的模型参数，所谓最佳就是模型内样本点最多。重复结束后，最佳模型参数就是最终的模型参数估计值。

RANSAC算法计算方法如下：

步骤1：根据公式确定最小抽样点云数M与置信概率P：

1-(1-(1-ε)^m)^M＝P

式中，ε为数据错误率，m为模型参数计算时需要的最小数据量，P为置信概率。

步骤2：计算抽样模型的参数，用所有原始点云数据对模型参数质量进行检验，获得每个模型参数的正确点云数量；

步骤3：根据正确点云数的数量和正确点云的方差来选择最优模型参数；

步骤4：用最优模型参数包含的正确点云估计最终点云的模型参数。

该算法能支持平面、二次曲面等多种几何基元的拟合，能在一定粗差的点云中拟合出正确的几何基元。

S5、将提取出来的点云，利用最小二乘法计算其所在的球面中心点，即为螺栓圆孔的表面中心点。

本发明以某块带有若干螺栓圆孔的工业构件为实施例，利用三维激光扫描测量技术，获得有螺栓圆孔的待测工业构件的点云数据，如图3所示。按本实施例中的方法，判断点云数据中的点是否为边界点时，设定阀值为π/2，点云搜索半径为0.01，得到的点云边界效果图如图4所示。采用RANSAC算法进行阈值分割提取后，得到的点云数据效果图如图5所示。正常情况下，若工件构件结构表面是平整的，采用本算法提取出来的点云表面不会出现一些多余点，由于本发明所选的工业构件存在锈斑，导致了表面杂点的存在，若为新的工业构件，则不会有如此多的噪声点。由于表面圆周是采用手动方式提取圆周点云，因此，不影响最终的计算结果。本实施例中选取了不存在锈斑部分的六个点的圆周进行中心点的计算，如图6所示，依次手动提取6个点的圆周，采用最小二乘法计算各个圆周的中心点。

采用最小二乘法计算各个圆周的中心点之间的距离，如图7所示，得到的计算结果如表1所示。

表1 各个圆周的中心点之间的距离

符号	距离(米)
		d1	0.124163481
d2	0.124760014
		d5	0.12460935
d6	0.12470417
		d3	0.100131514
d4	0.100968213

从表1可是看出，各个圆周的中心点之间的距离误差不超过1mm，满足钢结构的精度误差。这说明本发明提出的方法能正确的提取点云的中心点，能有效避免噪声点的干扰。

本发明从实际生产出现，针对现有的螺栓圆孔表面中心点计算效率低的问题，结合现有的点云数据，提出了一种新的计算方法，实验结果表明，该方法能正确的计算螺栓圆孔的中心点，提高了现有的螺栓圆孔的检测效率。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (4)

1.一种基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，其特征在于：它包括以下步骤：

S1、利用三维激光扫描测量技术，获得有螺栓圆孔的待测工业构件的点云数据；

S2、建立点云数据的空间拓扑关系；

S3、根据点云数据的空间拓扑关系，判断点云数据中的点是否为边界点；

S4、提取边界点，并进行阈值分割提取；

S5、将提取出来的点云，利用最小二乘法计算其所在的球面中心点，即为螺栓圆孔的表面中心点。

2.根据权利要求1所述的基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，其特征在于：所述的S2采用KD树法建立点云数据的空间拓扑关系。

3.根据权利要求2所述的基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，其特征在于：所述的S3在点云数据的空间拓扑关系中，搜索每个点的K邻域，根据K邻域构成的最小二乘平面的投影点角度差来判断该点云是否为边界点；将边界点当作种子点，继续判断该种子点周围是否存在边界点。

4.根据权利要求2所述的基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法，其特征在于：所述的S4采用RANSAC算法进行阈值分割提取。