CN110006372B - 一种基于局部优化的三维点云平面度计算方法 - Google Patents

一种基于局部优化的三维点云平面度计算方法 Download PDF

Info

Publication number
CN110006372B
CN110006372B CN201910200930.4A CN201910200930A CN110006372B CN 110006372 B CN110006372 B CN 110006372B CN 201910200930 A CN201910200930 A CN 201910200930A CN 110006372 B CN110006372 B CN 110006372B
Authority
CN
China
Prior art keywords
point cloud
plane
flatness
fitting
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910200930.4A
Other languages
English (en)
Other versions
CN110006372A (zh
Inventor
李文龙
胡著
王刚
田亚明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201910200930.4A priority Critical patent/CN110006372B/zh
Publication of CN110006372A publication Critical patent/CN110006372A/zh
Application granted granted Critical
Publication of CN110006372B publication Critical patent/CN110006372B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明属于光学测量领域，并具体公开了一种基于局部优化的三维点云平面度计算方法。该方法包括：选取测量平面，获得该测量平面的点云并进行网格划分；对单个网格内的点云进行平面度拟合获得拟合平面，然后计算网格内每个点到拟合平面的距离，并将距离的绝对值进行降序排列，最后将排在前面的点作为噪点剔除；重复计算直至遍历所有网格，对余下的点云进行平面度拟合获得测量平面的平面度。本发明针对光学测量中容易产生噪点并且原始数据量大的特点，通过对测量平面的点云进行网格划分，去除每个网格中与拟合平面距离相对较大的点，然后对剩余的点进行拟合获得测量平面的平面度，从而避免了因噪点造成点云局部分布不均的问题，使得计算更为准确。

Description

一种基于局部优化的三维点云平面度计算方法
技术领域
本发明属于光学测量领域，更具体地，涉及一种基于局部优化的三维点云平面度计算方法。
背景技术
在航空、航天以及核电领域中，大型环形零件是一种较为常见的零件，这些零件通常直径尺寸较大，如核电的主泵法兰密封面的直径可达1.6m。这类大型环形零件在长期服役之后，表面会出现划痕、脱落等缺陷。
传统的检修方式是通过人工使用游标卡尺、千分尺直接在零件表面进行检测，这种检测方式不仅操作不便，而且在核电环境下会对人体造成伤害。同时这种检测的随意性较大，并且只能检测局部尺寸，不能反应零件的整体误差。
将光学测量应用到大型环形零件的检修中是目前的重要发展趋势，该测量方法主要利用双目相机拍摄投影仪投出的带相移的光栅生成三维点云数据，通过点云数据与设计模型的匹配，将点云坐标系与设计模型坐标系统一，进而计算零件2D尺寸误差并生成误差色谱图，根据色谱图的分布可以选取误差较大的部分识别零件表面缺陷，并计算平面度等形位误差。但是光学测量容易产生噪点，会导致局部点云不均，此外与传统的三坐标测量机相比，光学测量的原始点数据量多、计算误差较大，不适合使用全局点云数据进行平面度计算。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于局部优化的三维点云平面度计算方法，其中通过进行网格划分剔除噪点的方法，相应能够减小误差，提高计算准确度，相应的可有效解决光学测量容易产生噪点的问题，因而尤其适用于利用光学测量数据计算平面度的应用场合。
为实现上述目的，本发明提出了一种基于局部优化的三维点云平面度计算方法，该方法包括如下步骤：
S1选取测量平面，获得该测量平面的点云并进行网格划分；
S2对单个网格内的点云进行平面度拟合并获得拟合平面，然后计算该网格内每个点到该拟合平面的距离，并将距离的绝对值进行降序排列，最后将排在前面的点作为噪点剔除；
S3重复步骤S2直至遍历所有网格，对余下的点云进行平面度拟合获得所述测量平面的平面度。
作为进一步优选地，所述步骤S1中采用光学测量系统获得测量平面的点云。
作为进一步优选地，所述步骤S1中的光学测量系统优选采用光栅式面阵扫描仪进行测量。
作为进一步优选地，所述步骤S1中进行网格划分时网格的间距优选为原始点云间距的3倍～5倍。
作为进一步优选地，所述步骤S1中优选采用正方体网格进行划分。
作为进一步优选地，所述步骤S2包括如下子步骤：
S21第k个网格内的点云为
Figure BDA0001997418670000021
对点云Pk进行平面度拟合，确定满足公式(1)的ak,bk,ck的估计值
Figure BDA0001997418670000022
Figure BDA0001997418670000023
式中，pki＝(xki,yki,zki)为点云Pk中的第i个点的三维坐标，ak,bk,ck为方程
Figure BDA0001997418670000024
的系数；
S22利用估计值
Figure BDA0001997418670000025
建立平面方程
Figure BDA0001997418670000026
计算点云Pk中各点到平面方程zk的距离；
S23将步骤S22获得的距离的绝对值进行降序排列，并将排在前面5％的点作为噪点剔除。
作为进一步优选地，所述步骤S3包括如下子步骤：
S31将所有网格中的噪点剔除，获得处理后的点云P′＝{p1,p2,...pi,...ps}；
S32对点云P′进行平面度拟合，确定满足公式(2)的a,b,c的估计值
Figure BDA0001997418670000031
Figure BDA0001997418670000032
式中，pi＝(xi,yi,zi)为点云P′中第i个点的三维坐标，a,b,c是方程
Figure BDA0001997418670000033
的系数；
S33利用估计值
Figure BDA0001997418670000034
建立平面方程
Figure BDA0001997418670000035
然后计算点云P′中各点到平面方程z的距离集合D＝{d1,d2,...di,...ds}；
S34根据公式(3)计算所述测量平面的平面度f。
f＝max{d1,d2,...di,...ds}-min{d1,d2,...di,...ds} (3)
总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
1.本发明针对光学测量中容易产生噪点并且原始数据量大的特点，通过对测量平面的点云进行网格划分，将每个网格中与拟合平面距离相对较大的点作为噪点并进行剔除，然后对剩余的点拟合获得测量平面的平面度，从而避免了因噪点造成点云局部分布不均的问题，使得计算更为准确；
2.尤其是，本发明选择网格的间距为原始点云间距的3倍～5倍，避免了因间距选择过大导致无法完全消除噪点的问题，同时也能够保证不会删除过多有用的点，因而能够有效提高计算的效率和准确性；
3.同时，因每个网格中与平面方程距离较大的点可能为噪点，本发明根据95％的置信区间理论将与平面方程距离最大的5％的点作为噪点剔除，能够尽可能消除噪点从而提高计算准确度。
附图说明
图1是本发明提供的基于局部优化的三维点云平面度计算方法的流程图；
图2是本发明优选实施例中用于获取测量平面点云的机器人三维光学测量系统的结构示意图。
在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：
100-六自由度机器人，200-环形零件，300-光栅式面阵扫描仪，400-摄影标志点支撑架，500-数据处理上位机，600-六自由度机器人控制器，700-交换机。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明提出了一种基于局部优化的三维点云平面度计算方法，该方法包括如下步骤：
S1选取测量平面，获得该测量平面的点云P＝{p1,p2,...pi,...pn}，其中pi＝(xi,yi,zi)表示第i个点的三维坐标，然后使用正方体网格对点云P进行均匀划分，网格的间距过大无法起到剔除噪点的作用，而网格的间距过小则会剔除过多的点，导致结果不准确，因此网格的间距优选为测量平面的点云间距的3倍～5倍；
S2对单个网格内的点云进行平面度拟合获得拟合平面，然后计算该网格内每个点到拟合平面的距离，并将距离的绝对值进行降序排列，最后将排在前面的点作为噪点剔除；
S3重复步骤S2直至遍历所有网格，对余下的点云进行平面度拟合获得所述测量平面的平面度。
进一步，步骤S1中采用光学测量系统获得测量平面的点云，该系统优选采用光栅式面阵扫描仪进行测量。
进一步，步骤S2包括如下子步骤：
S21第k个网格内的点云为
Figure BDA0001997418670000051
对点云Pk进行平面度拟合，确定满足公式(1)的ak,bk,ck的估计值
Figure BDA0001997418670000052
Figure BDA0001997418670000053
S22利用估计值
Figure BDA0001997418670000054
建立平面方程
Figure BDA0001997418670000055
计算点云Pk中各点到平面方程zk的距离；
S23将步骤S22获得的距离的绝对值进行降序排列，因光学测量的弊端之一就是可能会产生噪点，造成测量不准确，因此距离的绝对值较大的点很可能为测量产生的噪点，基于95％的数据处于3σ置信区间内的理论，将排在前面5％的点作为噪点剔除。
进一步，步骤S3包括如下子步骤：
S31将所有网格中的噪点剔除，获得处理后的点云P′＝{p1,p2,...pi,...ps}；
S32对点云P′进行平面度拟合，确定满足公式(2)的a,b,c的估计值
Figure BDA0001997418670000056
Figure BDA0001997418670000057
S33利用估计值
Figure BDA0001997418670000058
建立平面方程
Figure BDA0001997418670000059
然后计算点云P′中各点到平面方程z的距离集合D＝{d1,d2,...di,...ds}；
S34根据公式(3)计算所述测量平面的平面度f。
f＝max{d1,d2,...di,...ds}-min{d1,d2,...di,...ds} (3)
进一步，所述步骤S1中采用光学测量系统获得测量平面的点云，该系统优选采用光栅式面阵扫描仪进行测量。
按照本发明的一个优选实施例，可利用图2所示的机器人三维光学测量系统获得测量平面的点云，该系统包括六自由度机器人100、光栅式面阵扫描仪300，摄影标志点支撑架400、数据处理上位机500、机器人控制器600和交换机700，其中光栅式面阵扫描仪300安装在六自由度机器人100的法兰盘末端，机器人控制器600与六自由度机器人100相连的同时通过交换机700与光栅式面阵扫描仪300相连，通过数据处理上位机500控制六自由度机器人控制器600和光栅式面阵扫描仪300实现信号的触发，从而驱动六自由度机器人100和光栅式面阵扫描议300动作；
工作时，将环形零件200置于摄影标志点支撑架400上，利用光栅式面阵扫描仪300获取环形零件200的点云。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于局部优化的三维点云平面度计算方法，其特征在于，该方法包括如下步骤：
S1选取测量平面，获得该测量平面的点云并进行网格划分，网格的间距为原始点云间距的3倍～5倍；
S2对单个网格内的点云进行平面度拟合并获得拟合平面，然后计算该网格内每个点到该拟合平面的距离，并将距离的绝对值进行降序排列，最后基于95％的数据处于3σ置信区间内的理论，将排在前面5％的点作为噪点剔除，具体包括：
S21第k个网格内的点云为
Figure FDA0002681292610000011
对点云Pk进行平面度拟合，确定满足公式(1)的ak,bk,ck的估计值
Figure FDA0002681292610000012
Figure FDA0002681292610000013
式中，pki＝(xki,yki,zki)为点云Pk中的第i个点的三维坐标，ak,bk,ck为方程
Figure FDA0002681292610000014
的系数；
S22利用估计值
Figure FDA0002681292610000015
建立平面方程
Figure FDA0002681292610000016
计算点云Pk中各点到平面方程zk的距离；
S23将步骤S22获得的距离的绝对值进行降序排列，并将排在前面5％的点作为噪点剔除；S3重复步骤S2直至遍历所有网格，对余下的点云进行平面度拟合获得所述测量平面的平面度，具体包括：
S31将所有网格中的噪点剔除，获得处理后的点云P′＝{p1,p2,...pi,...ps}；
S32对点云P′进行平面度拟合，确定满足公式(2)的a,b,c的估计值
Figure FDA0002681292610000017
Figure FDA0002681292610000018
式中，pi＝(xi,yi,zi)为点云P′中第i个点的三维坐标，a,b,c是方程
Figure FDA0002681292610000021
的系数；
S33利用估计值
Figure FDA0002681292610000022
建立平面方程
Figure FDA0002681292610000023
然后计算点云P′中各点到平面方程z的距离集合D＝{d1,d2,...di,...ds}；
S34根据公式(3)计算所述测量平面的平面度f，
f＝max{d1,d2,...di,...ds}-min{d1,d2,...di,...ds} (3)。
2.如权利要求1所述的基于局部优化的三维点云平面度计算方法，其特征在于，所述步骤S1中采用光学测量系统获得测量平面的点云。
3.如权利要求2所述的基于局部优化的三维点云平面度计算方法，其特征在于，所述步骤S1中的光学测量系统采用光栅式面阵扫描仪进行测量。
4.如权利要求1～3任一项所述的基于局部优化的三维点云平面度计算方法，其特征在于，所述步骤S1中采用正方体网格进行划分。
CN201910200930.4A 2019-03-18 2019-03-18 一种基于局部优化的三维点云平面度计算方法 Active CN110006372B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910200930.4A CN110006372B (zh) 2019-03-18 2019-03-18 一种基于局部优化的三维点云平面度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910200930.4A CN110006372B (zh) 2019-03-18 2019-03-18 一种基于局部优化的三维点云平面度计算方法

Publications (2)

Publication Number Publication Date
CN110006372A CN110006372A (zh) 2019-07-12
CN110006372B true CN110006372B (zh) 2020-11-24

Family

ID=67167225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910200930.4A Active CN110006372B (zh) 2019-03-18 2019-03-18 一种基于局部优化的三维点云平面度计算方法

Country Status (1)

Country Link
CN (1) CN110006372B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110579201B (zh) * 2019-07-25 2021-06-01 北京航空航天大学 一种基于差分进化算法的平面度评定方法
CN111024715B (zh) * 2019-12-30 2023-02-17 熵智科技(深圳)有限公司 一种胶路底平面提取方法及装置
CN111683257B (zh) * 2020-04-30 2022-04-26 中山大学 一种基于邻近点投影分布特征的点云快速投影方法
CN111610152B (zh) * 2020-05-19 2023-06-06 正显新材料科技(广东)有限公司 塑胶样板的截取方法、检测系统和计算机可读存储介质
CN112378349A (zh) * 2020-09-28 2021-02-19 湖南海森格诺信息技术有限公司 基于双目结构光的匣钵平整度检测装置及其检测方法
CN112945150B (zh) * 2021-02-02 2022-11-22 上海勘察设计研究院(集团)有限公司 一种基于三维激光扫描技术的大型构筑物平整度检测方法
CN113048920B (zh) * 2021-03-18 2023-08-01 苏州杰锐思智能科技股份有限公司 工业结构件平面度的测量方法、装置和电子设备
CN113313710B (zh) * 2021-07-28 2021-11-23 浙江华睿科技股份有限公司 质量检测方法及系统、电子设备、存储介质
CN113920273B (zh) * 2021-09-30 2023-09-12 北京百度网讯科技有限公司 图像处理方法、装置、电子设备和存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104422406A (zh) * 2013-08-30 2015-03-18 鸿富锦精密工业（深圳）有限公司 平面度量测系统及方法
CN103729872B (zh) * 2013-12-30 2016-05-18 浙江大学 一种基于分段重采样和表面三角化的点云增强方法
CN104091162B (zh) * 2014-07-17 2017-06-23 东南大学 基于特征点的三维人脸识别方法
CN109059791B (zh) * 2018-06-29 2021-01-26 国网智能科技股份有限公司 电力设备变形监测方法及装置
CN109344533B (zh) * 2018-10-23 2023-01-17 北京建筑大学 地下工井电缆网络模型的建立方法

Also Published As

Publication number Publication date
CN110006372A (zh) 2019-07-12

Similar Documents

Publication Publication Date Title
CN110006372B (zh) 一种基于局部优化的三维点云平面度计算方法
TWI607412B (zh) 多維度尺寸量測系統及其方法
CN108986048B (zh) 基于线激光扫描三维点云快速复合滤波处理方法
JP6978330B2 (ja) オブジェクト形状および設計からのずれの監視
EP3006893B1 (en) Methods for improving the accuracy of dimensioning-system measurements
CN109532021B (zh) 基于结构光线性异常点的3d打印熔积缺陷逐层检测方法
CN109272524B (zh) 一种基于阈值分割的小尺度点云噪声去噪方法
TW201514445A (zh) 平面度量測系統及方法
CN109341668B (zh) 基于折射投影模型和光束追踪法的多相机测量方法
CN111540001B (zh) 航空发动机涡轮叶片气膜孔轴线方向检测方法
CN108492329B (zh) 一种三维重建点云精度和完整度评价方法
CN101270982A (zh) 基于立体视觉的风洞模型外形监测方法
JPWO2015098222A1 (ja) 情報処理装置及び情報処理方法及びプログラム
CN103191958A (zh) 一种板料成形回弹的光学检测方法
CN110827360B (zh) 一种光度立体式测量系统及其标定光源方向的方法
WO2015035850A1 (zh) 测量飞行器表面波纹度的系统以及相应方法
CN116817796B (zh) 基于双远心镜头的曲面工件精确度参数测量方法及装置
CN113916128A (zh) 一种基于光笔式视觉测量系统的提高精度的方法
CN106447781B (zh) 一种基于Minkowski和面向自动装配的碰撞检测方法
LU503375B1 (en) Measuring method and system for structured light 3d scanning
CN112985258A (zh) 一种三维测量系统的标定方法及测量方法
CN111664801A (zh) 一种基于高斯曲率的光学靶标点投影规划方法
CN114820820B (zh) 一种电脑后壳的3d检测方法
CN112687010B (zh) 一种端框钻模的数字化计量方法
Kumar et al. Industrial application of point cloud/STL data for reverse engineering

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant