CN107230246A

CN107230246A - 一种鞋底轮廓的三维扫描点云数据切片处理方法

Info

Publication number: CN107230246A
Application number: CN201611239968.5A
Authority: CN
Inventors: 沈南燕; 吴耀赞; 李静; 童梁; 吴雨润
Original assignee: University of Shanghai for Science and Technology
Current assignee: University of Shanghai for Science and Technology
Priority date: 2016-12-29
Filing date: 2016-12-29
Publication date: 2017-10-03
Anticipated expiration: 2036-12-29
Also published as: CN107230246B

Abstract

本发明涉及一种鞋底轮廓的三维扫描点云数据切片处理方法。以鞋底的长度方向为三维扫描的方向扫描鞋底，获得鞋底的三维数据后对所得三维数据进行切片处理，切片距离根据相邻切片间垂直于扫描方向的宽度的差值进行自适应的调节，使得鞋头和鞋跟曲率半径小的轮廓段的切片距离不至于过大而导致后续拟合时轮廓失真，鞋底中间曲率半径大的轮廓段的切片距离不至于过密而降低切片速度。所述方法可以保留鞋底轮廓的局部特征，加快切片速度，且计算简便，使得经过处理后的扫描数据最大程度还原鞋底的轮廓特征。

Description

一种鞋底轮廓的三维扫描点云数据切片处理方法

技术领域

本发明涉及一种鞋底轮廓的三维扫描点云数据切片处理方法。

背景技术

随着当今制鞋行业竞争的加剧以及人们对鞋类产品质量要求的不断提高，制鞋企业在生产技术方面不断面临新的挑战。在鞋子的全套加工过程中，鞋底的喷胶是一个重要的环节，它是影响鞋子使用寿命的一个重要因素，传统的人工喷涂速度慢，质量不高，且胶水产生的有毒气体会对工人的健康产生危害。鞋底涂胶的自动化不仅能提高生产效率和质量，也能解决传统的人工喷涂的弊端。

鞋底的自动化喷涂需要从鞋底的三维数据中提取出用于加工的轨迹。利用反求工程对原始数据点进行处理来进行曲面重建或者获得所需轮廓线将会非常耗时。为了节约时间，可直接对鞋底的三维扫描点云切片来获得切片数据，合理的切片距离既能减少大量的冗余数据，又能在精度范围内保留物体的局部特征。点云切片的一个难题就是如何确定相邻切片层间的距离。

发明内容

针对现有技术存在的缺陷，本发明的目的是提供一种鞋底轮廓的三维扫描点云数据切片处理方法，使得经过处理后的数据最大程度保留鞋底的形状特征。

为达到上述目的，本发明采用如下技术方案：

一种鞋底轮廓的三维扫描点云数据切片处理方法，包括以下步骤：

步骤一，建立鞋底扫描数据的坐标系：在扫描工作台上建立扫描数据的坐标系，以扫描工作台的中心点O为原点，以鞋子长度方向即扫描工作台沿丝杆运动的方向为Y轴正方向，以竖直向上为Z轴正方向，X方向由Y方向和Z方向叉乘得到；

步骤二，获取鞋底三维数据：将鞋底以长度方向沿着Y方向平放于扫描工作台上，扫描工作台沿丝杆即Y轴正方向运动，激光器和相机组合扫描鞋底得到三维点云数据集D，提取点坐标中的Y值，并取出其最大值Y_max和最小值Y_min；

步骤三，沿Y方向对点云数据等间距粗切片：将数据点沿着Y方向进行初步的平均切分，切片数量为n，每个切片位置的Y值为Y_i，其中i＝1,2,…n，相邻切片距离为

步骤四，切片投影获取最高轮廓的数据：将Y＝Y_i(i＝1,2,...n)处的切片上的点云数据向XOZ平面投影，找出投影上X负半轴上的数据点Z的最大值Z_iL-max和X正半轴上的数据点Z的最大值Z_iR-max，并令Z_imax＝min(Z_iL-max,Z_iR-max)；

步骤五，计算切片的径向宽度：在Y＝Y_i(i＝1,2,...n)的切片上，在Z_imax的高度上取X的最小值X_{i_min}和X的最大值X_{i_max}，并计算Y＝Y_i(i＝1,2,...n)位置上切片的径向宽度x_i，即投影上X最大值X_{i_max}与最小值X_{i_min}的差值；

x_i＝X_{i_max}-X_{i_min}

步骤六，计算原始点云数据集D中相邻切片的径向宽度差及平均值：计算 Y＝Y_i(i＝2,3,...n)位置切片的径向宽度x_i和Y＝Y_i-1(i＝2,3,...n)位置切片的径向宽度xi-1的差值的绝对值Δx_i(i＝2,3,...n)，并计算其平均值

Δx_i＝|x_i-x_i-1|

步骤七，根据径向宽度差自适应细分切片：

7.1若Y_i<Y_max，则判断相邻两个切片Y＝Y_i(i＝2,3,...n)和Y＝Y_i-1(i＝2,3,...n)径向宽度的差值Δx_i是否大于平均值否则，结束自动切片；

7.2若则令Y_i+1＝Y_k(k＝i,i+1,...n)，并在Y＝Y_i(i＝2,3,...n)处的切片和Y＝Y_i-1(i＝2,3,...n)处的切片中间位置插入一个新的切片，令n＝n+1，回到步骤7.1；

7.3若则Y_i＝Y_i+1(i＝2,3,...n-1)，回到步骤7.1。

与现有技术相比，本发明具有如下突出的实质性特点和显著的优点：

本方法在摆放鞋底的扫描位置时，令鞋底的长度方向为扫描的方向，在匀速扫描的情况下，在沿着扫描方向上，相邻的点间的距离是相等的。扫描完成后对所得三维数据进行切片处理，在鞋头和鞋跟曲率半径小的轮廓段上切片距离根据相邻切片间垂直于扫描方向的宽度的差值进行自适应的调节，使得圆弧段上的切片距离不至于过大而导致后续拟合时轮廓失真。所述方法可以保留鞋底轮廓的局部特征，且计算简便，使得经过处理后的扫描数据最大程度还原鞋底的轮廓特征。

附图说明

图1为本发明的鞋底三维扫描平台示意图。

图2为本发明中对鞋底三维数据进行等间距粗切片的过程示意图。

图3为本发明中对鞋底的一个数据切片选取共用的最高点的过程示意图。

图4为本发明中对计算一个切片的径向宽度的过程示意图。

具体实施方式

以下以42码鞋底为例，结合附图详细叙述本发明的实施例。

第一步：建立鞋底扫描数据的坐标系

如图1所示，在扫描工作台3上建立扫描数据的坐标系，以扫描工作台3的中心点O点为原点，鞋子长度方向即扫描工作台3沿丝杆4的运动方向为Y轴正方向，以竖直向上为Z轴正方向，X方向由Y方向和Z方向叉乘得到。

第二步：获取鞋底三维数据

鞋底以长度方向沿着Y方向平放于扫描工作台3上，沿Y轴正方向扫描鞋底，激光器1 和相机2组合扫描鞋底得到三维点云数据集D，提取点坐标中的Y值，并取出其最大值 Y_max＝129.691和最小值Y_min＝-151.927。

第三步：沿Y方向对点云数据等间距粗切片

如图2所示，将数据点沿着Y方向进行初步的平均切分，取切片数量n＝40，每个切片位置的Y值为Y＝Y_i(i＝1,2,...40)，如下表所示：

i	Y_i
		1	129.691
2	122.47
		3	115.249
4	108.028
		5	100.807
6	93.586
		7	86.365
8	79.144
		9	71.923
10	64.702
		11	57.481
12	50.26
		13	43.039
14	35.818
		15	28.597
16	21.376
		17	14.155
18	6.934
		19	-0.287
20	-7.508
		21	-14.729
22	-21.95
		23	-29.171
24	-36.392
		25	-43.613
26	-50.834
		27	-58.055
28	-65.276
		29	-72.497
30	-79.718
		31	-86.939
32	-94.16
		33	-101.381
34	-108.602
		35	-115.823
36	-123.044
		37	-130.265
38	-137.486
		39	-144.707
40	-151.928

相邻切片距离为：

第四步：切片投影获取最高轮廓的数据

如图3所示，将Y＝Y_i(i＝1,2,...40)处的切片上的点云数据向XOZ平面投影，找出投影上X负半轴上的数据点Z的最大值Z_iL-max和X正半轴上的数据点Z的最大值 Z_iR-max，并令Z_imax＝min(Z_iL-max,Z_iR-max)。如下表所示：

i	Z_iL-max(mm)	Z_iR-max(mm)	Z_imax(mm)
				1	22.713	22.713	22.713
2	22.450	22.469	22.450
				3	22.300	22.228	22.228
4	21.780	21.680	21.680
				5	20.864	20.127	20.127
6	19.476	19.035	19.035
				7	18.292	18.392	18.292
8	17.331	17.039	17.039
				9	16.787	16.387	16.387
10	16.269	16.269	16.269
				11	15.353	15.303	15.303
12	14.059	14.059	14.059
				13	12.243	11.933	11.933
14	11.740	11.713	11.713
				15	11.041	11.037	11.037
16	11.199	11.117	11.117
				17	11.516	11.451	11.451
18	12.295	12.295	12.295
				19	13.181	13.411	13.181
20	14.131	14.131	14.131
				21	15.938	15.328	15.328
22	17.043	17.043	17.043
				23	18.351	18.351	18.351
24	19.616	19.621	19.616
				25	20.322	20.542	20.322
26	21.485	21.485	21.485
				27	22.451	22.451	22.451
28	24.602	24.632	24.602
				29	25.812	25.812	25.812
30	26.212	26.224	26.212
				31	26.581	26.535	26.535
32	26.468	26.468	26.468
				33	25.816	25.348	25.348
34	24.513	24.513	24.513
				35	24.425	24.431	24.425
36	24.855	24.855	24.855
				37	23.846	23.475	23.475
38	23.017	23.017	23.017
				39	22.532	22.546	22.532
40	22.015	22.015	22.015

第五步：计算切片的径向宽度

如图4所示，在Y＝Y_i(i＝1,2,...40)的切片上，在Z_imax的高度上取X的最小值X_{i_min}和X的最大值X_{i_max}，并计算Y＝Y_i(i＝1,2,...40)位置上切片的径向宽度x_i，即投影上X最大值X_{i_max}与最小值X_{i_min}的差值：

x_i＝X_{i_max}-X_{i_min}

计算结果如下表；

第六步：计算原始数据集D中相邻切片的径向宽度差及平均值

计算Y＝Y_i(i＝2,3,...40)位置切片的径向宽度x_i和Y＝Y_i-1(i＝2,3,...40)位置切片的径向宽度xi-1的差值的绝对值Δx_i(i＝2,3,...40)，并计算其平均值

Δx_i＝|x_i-x_i-1|

结果如下表所示：

第七步：根据径向宽度差自适应细分切片

7.1若Y_i＜Y_max，则判断相邻两个切片Y＝Y_i(i＝2,3,...n)和 Y＝Y_i-1(i＝2,3,...n)径向宽度的差值Δxi是否大于平均值否则，结束自动切片。

7.2若则令Y_K+1＝Y_k(k＝i,i+1,...n)，并在 Y＝Y_i(i＝2,3,...n)处的切片和Y＝Y_i-1(i＝2,3,...n)处的切片中间位置插入一个新的切片，令n＝n+1，回到步骤7.1。

7.3若则Y_i＝Y_i+1(i＝2,3,...n-1)，回到步骤7.1。

以Y₂为例，因为Y₂＜Y_max，判断切片Y₂和Y₁的径向宽度差值Δx₂＝23.815＞4.630，则令Y_k+1＝Y_k(k＝2,3,...40)，并在Y₂和Y₁中间插入一个切片，令n＝40+1＝41，此时在Y₂切片处， X_Lmax＝-2.375，X_Rmax＝12.133。

则此时，Y_i(i＝1,2,...41)切片处的切片径向宽度及Y_i(i＝1,2,...41)切片与Y_i-1(i＝2,3,...41)切片径向宽度差更新如下表：

再回到步骤7.1对新的Y₂切片进行判断，比较新的Y₂切片与Y₁切片的径向宽度差Δx₂是否大于平均值并执行相应的后续步骤，依此类推。

Claims

1.一种鞋底轮廓的三维扫描点云数据切片处理方法，其特征在于，包括以下步骤：

步骤一，建立鞋底扫描数据的坐标系：在扫描工作台(3)上建立扫描数据的坐标系，以扫描工作台(3)的中心点O为原点，以鞋子长度方向即扫描工作台(3)沿丝杆(4)运动的方向为Y轴正方向，以竖直向上为Z轴正方向，X方向由Y方向和Z方向叉乘得到；

步骤二，获取鞋底三维数据：将鞋底以长度方向沿着Y方向平放于扫描工作台(3)上，扫描工作台(3)沿丝杆(4)即Y轴正方向运动，激光器(1)和相机(2)组合扫描鞋底得到三维点云数据集D，提取点坐标中的Y值，并取出其最大值Y_max和最小值Y_min；

步骤四，切片投影获取最高轮廓的数据：将Y＝Y_i处的切片上的点云数据向XOZ平面投影，找出投影上X负半轴上的数据点Z的最大值Z_iL-max和X正半轴上的数据点Z的最大值Z_iR-max，并令Z_imax＝min(Z_iL-max,Z_iR-max)；

步骤五，计算切片的径向宽度：在Y＝Y_i的切片上，在Z_imax的高度上取X的最小值X_{i_min}和X的最大值X_{i_max}，并计算Y＝Y_i位置上切片的径向宽度x_i，即投影上X最大值X_{i_max}与最小值X_{i_min}的差值；

x_i＝X_{i_max}-X_{i_min}

步骤六，计算原始点云数据集D中相邻切片的径向宽度差及平均值：计算Y＝Y_i位置切片的径向宽度x_i和Y＝Y_i-1位置切片的径向宽度x_i-1的差值的绝对值Δx_i，其中i＝2,3,…n，并计算其平均值

Δx_i＝|x_i-x_i-1|

<mrow> <mover> <mrow> <mi>&Delta;</mi> <mi>x</mi> </mrow> <mo>&OverBar;</mo> </mover> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msub> <mi>&Delta;x</mi> <mi>i</mi> </msub> </mrow> <mrow> <mi>n</mi> <mo>-</mo> <mn>1</mn> </mrow> </mfrac> </mrow>

步骤七，根据径向宽度差自适应细分切片：

7.1若Y_i<Y_max，则判断相邻两个切片Y＝Y_i和Y＝Y_i-1的径向宽度的差值Δx_i是否大于平均值否则，结束自动切片；

7.2若则令Y_i+1＝Y_k，其中k＝i,i+1,...n，并在Y＝Y_i处的切片和Y＝Y_i-1处的切片中间位置插入一个新的切片，令n＝n+1，回到步骤7.1；

7.3若则Y_i＝Y_i+1，其中i＝2,3,...n-1，回到步骤7.1。