CN110220479A - 非接触式钥匙齿形学习的方法及系统 - Google Patents

Abstract

本发明揭示了一种非接触式钥匙齿形学习的方法及系统，其中非接触式配钥匙齿形学习的方法，包括以下步骤：通过线激光方法采集钥匙的第一轮廓点云数据；对所述第一轮廓点云数据处理得到第一3D轮廓信息；解决了现有的配钥匙方法通用性差、对环境要求较高、操作复杂、效率低的问题。

Description

非接触式钥匙齿形学习的方法及系统

技术领域

本发明涉及到钥匙复制的技术领域，特别是涉及到一种非接触式钥匙齿形学习的方法及系统。

背景技术

在钥匙的使用过程中，一般需要将钥匙进行复制备用；在钥匙的复制中，钥匙齿形的加工精度与学习精度和钥匙复制机的加工精度均有关系。其直接决定了钥匙开锁的顺畅性，以及钥匙复制的精度。

现有的非接触式钥匙齿形的学习方法，采用一组对射式光电传感器作为齿形测量方案。该技术方案中，对射式光电传感器固定在机身上，激光发射端与接收端对立布置，钥匙装夹在夹具固定装置上，位于成对光电传感器中间位置，控制夹具台从两个方向靠近激光传感器，当接收端接收不到激光信号时，激光传感器发出信号，记录钥匙的位置或钥匙各齿形的位置。该方法仅适用于外开齿钥匙，且仅针对数据库已知的钥匙进行学习，该方法对激光发射端和接收端的装配精度要求较高，对光学镜片的防护性能要求较高，齿形学习精度同样受钥匙复制机机械结构的装配和移动精度影响，因此现有的配钥匙的方法存在通用性差、对环境要求较高、操作复杂、效率低的问题。

发明内容

本发明的主要目的为提供一种非接触式钥匙齿形学习的方法及系统，解决了现有的钥匙齿形学习的通用性差、对环境要求较高、操作复杂、效率低的问题。

一种非接触式钥匙齿形学习的方法，包括以下步骤：通过线激光方法采集钥匙的第一轮廓点云数据；对所述第一轮廓点云数据处理得到第一3D轮廓信息。

进一步，所述通过线激光方法采集钥匙的第一轮廓点云数据步骤包括：依次多个视角对钥匙表面投射单束线激光进行平移扫描，并接收钥匙表面反射的多个视角的反射激光；根据所述多个视角的反射激光获得钥匙的多个视角的轮廓数据；根据所述多个视角的轮廓数据制作第一轮廓点云数据；所述对所述第一轮廓点云数据处理得到第一3D轮廓信息包括：根据第一轮廓点云数据进行三维曲面重构得到第一3D轮廓信息。

进一步，对所述第一轮廓点云数据处理得到第一3D轮廓信息之后，包括：根据所述第一3D轮廓信息或预设3D轮廓信息加工得到新钥匙；所述方法还包括步骤：通过线激光方法采集新钥匙的表面的第二轮廓点云数据；对所述第二轮廓点云数据处理得到第二3D轮廓信息；比较所述第一3D轮廓信息或预设3D轮廓信息和所述第二3D轮廓信息得到比差；根据所述比差计算钥匙的加工精度或补偿加工误差。

进一步，所述根据所述第一3D轮廓信息加工得到新钥匙还包括：在对所述第一轮廓点云数据处理得到第一3D轮廓信息步骤之后，到钥匙标准数据库中匹配与所述第一3D轮廓信息对应的标准第一3D轮廓信息；根据所述标准第一3D轮廓信息加工得到新钥匙。

进一步，所述方法还包括步骤：通过线激光方法采集标准量块的表面的第三轮廓点云数据；所述标准量块具有确定的理论3D轮廓信息；根据所述第三轮廓点云数据处理得到测量3D轮廓信息；比较所述理论3D轮廓信息和测量3D轮廓信息得到偏差；根据所述偏差补偿图像采集和/或图像处理误差。

本发明另一方面提供一种非接触式钥匙齿形学习的系统，包括：图像采集模块，用于通过线激光方法采集钥匙的表面的第一轮廓点云数据；图像处理模块，用于对所述第一轮廓点云数据处理得到第一3D轮廓信息。

进一步，所述图像采集模块包括：

激光发射单元和激光接收单元，用于依次多个视角对钥匙表面投射单束线激光进行平移扫描，并接收钥匙表面反射的多个视角的反射激光；获取单元，用于根据所述多个视角的反射激光获得钥匙的多个视角的轮廓数据；转换单元，用于根据所述多个视角的轮廓数据制作第一轮廓点云数据；所述图像处理模块包括：三维曲面重构单元，用于根据第一轮廓点云数据进行三维曲面重构得到第一3D轮廓信息。

进一步，还包括：加工模块，用于对所述第一轮廓点云数据处理得到第一3D轮廓信息之后，根据所述第一3D轮廓信息或预设3D轮廓信息加工得到新钥匙；通过图像采集模块采集新钥匙的表面的第二轮廓点云数据；通过图像处理模块对所述第二轮廓点云数据处理得到第二3D轮廓信息；所述非接触式钥匙齿形学习的系统还包括：第一比差模块，用于比较所述第一3D轮廓信息或所述预设3D轮廓信息和所述第二3D轮廓信息得到比差；计算模块，用于根据所述比差计算钥匙的加工精度；第一补偿模块，用于根据所述比差补偿加工误差。

进一步，还包括：匹配模块，用于在对所述第一轮廓点云数据处理得到第一3D轮廓信息步骤之后，到钥匙标准数据库中匹配与所述第一3D轮廓信息对应的标准第一3D轮廓信息；加工模块根据所述标准第一3D轮廓信息加工得到新钥匙。

进一步，通过图像采集模块采集标准量块的表面的第三轮廓点云数据；所述标准量块具有确定的理论3D轮廓信息；通过图像处理模块对所述第三轮廓点云数据处理得到测量3D轮廓信息；所述非接触式钥匙齿形学习的系统还包括：第二比差模块，用于比较所述理论3D轮廓信息和所述测量3D轮廓信息得到偏差；第二补偿模块，用于根据所述偏差补偿图像采集和/图像处理误差。

本发明提供了一种非接触式钥匙齿形学习的方法及系统，其中非接触式钥匙齿形学习的方法带来的有益效果：线性激光不受钥匙材料的影响，具有较高的适用性，且获取钥匙齿形信息准确，具有较高的学习精度，且将采集并处理得到的3D轮廓信息进行加工、精度检测以及标定。

附图说明

图1为本发明一实施例中非接触式齿形学习的方法流程图；

图2为本发明一实施例中非接触式齿形学习的方法流程图；

图3为本发明一实施例中非接触式齿形学习的方法流程图；

图4为本发明一实施例中非接触式齿形学习的方法流程图；

图5为发明一实施例中非接触式齿形学习的系统结构示意图。

图中：1、图像采集模块；2、图像处理模块；3、加工模块；4、匹配模块；5、第一比差模块；6、计算模块；7、第一补偿模块；8、第二比差模块；9、第二补偿模块。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

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。

以下结合附图1-附图5对本发明进一步详细地说明。

一种非接触式钥匙齿形学习的方法，如图1所示，包括以下步骤：

S1、通过线激光方法采集钥匙的表面的第一轮廓点云数据；

S2、对第一轮廓点云数据处理得到第一3D轮廓信息。

如上述步骤S1，线激光方法是通过发射线激光照射到钥匙表面，钥匙表面将激光反射至激光接收端，再根据接收到的反射激光转变为信号得到轮廓点云数据信息。

如上述步骤S2的第一3D轮廓信息包括但不限于：钥匙齿形特征数据和钥匙胚特征数据。

在本实施例中，利用线激光的方法采集钥匙表面的第一轮廓点云数据，由于线激光不会对不同的钥匙的材质产生影响，线激光可以对各种材质的钥匙进行扫描，具有较高的适用性，本发明相较于传统的采用探针的接触式学习方法，不需要安装探针进行齿形学习，故对不同类型的钥匙加工，不需要更换不同的探针，且不因探针磨损，降低加工精度，同时不受探针的安装位置的影响；因此本发明的非接触式齿形学习方法可以适用于各种类型的钥匙加工，加工精度更高；现有相机采集图像时，金属钥匙可能会存在反光，影响相机的采集精度；由于本发明采用的是线激光的方式进行采集，接收处理的是钥匙表面反射的反射激光，因此，本发明非接触式齿形学习的方法相对于现有相机采集图像的方式，不受钥匙反射光的影精度要求高；但是本发明采用线激光的方法可以采集钥匙多个视角的点云轮廓信息，因此对钥匙的位置精度要求较低；获取钥匙的第一轮廓点云数据，对钥匙的第一轮廓点云数据进行处理，能够较精确地得到钥匙的3D轮廓信息；具有较高的学习精度，且将采集并处理得到的钥匙的3D轮廓信息进行加工、精度检测以及标定。

在一实施例中，通过线激光方法采集钥匙的第一轮廓点云数据步骤包括：

S11、依次多个视角对钥匙表面投射单束线激光进行平移扫描，并接收钥匙表面反射的多个视角的反射激光；

S12、根据所述多个视角的反射激光获得钥匙的多个视角的轮廓数据；

S13、根据多个视角的轮廓数据制作第一轮廓点云数据；

对第一轮廓点云数据处理得到第一3D轮廓信息包括：

S21、根据第一轮廓点云数据进行三维曲面重构得到第一3D轮廓信息。

在上述S11中，依次多个视角对钥匙表面投射单束线激光进行平移扫描，并接收钥匙表面反射的多个视角的反射激光的步骤包括：对钥匙表面投射单束线激光进行平移扫描，再对钥匙表面进行旋转扫描，以便多个视角对钥匙表面进行扫描。

在本实施例中，线性激光器对钥匙表面投射单束线激光并接收钥匙表面反射的反射激光；通过控制预设的线性激光器发射出线性激光照射到钥匙表面，以及控制线性激光器按照预设动作运行，以使线性激光器照射到钥匙的全部表面；并实时接收从钥匙反射回来的激光信号；通过控制线性激光器按照预设的动作即围绕钥匙做360°旋转以及围绕钥匙平移，使得线性激光器对钥匙进行360°的扫描；在其他的实施例中，还可以控制钥匙的承载体平移和转动，使钥匙自身转动360°；图像采集模块发射的单束线激光在不同视角下获取的二维轮廓数据通过旋转矩阵转移到同一坐标系下，从而获取钥匙同一坐标系下的第一轮廓点云数据，最后对第一轮廓点云数据进行曲面重构，对齿形边缘轮廓进行滤波处理，得到钥匙的第一3D轮廓信息。

在一实施例中，如图2所示，对第一轮廓点云数据处理得到第一3D轮廓信息之后，包括：

S3、根据第一3D轮廓信息或预设3D轮廓信息加工得到新钥匙；

非接触式齿形学习的方法还包括步骤：

S4、通过线激光方法采集新钥匙的表面的第二轮廓点云数据；对第二轮廓点云数据处理得到第二3D轮廓信息；比较第一3D轮廓信息或预设3D轮廓信息和第二3D轮廓信息得到比差；根据比差计算钥匙的加工精度或补偿加工误差。

在本实施例中，将上述学习到的钥匙的第一3D轮廓信息发送成指令，根据接收到的第一3D轮廓信息的指令加工得到新的钥匙；由于线激光方法采集到的3D轮廓信息准确，加工得到与原钥匙较为精准的新钥匙；在其他的实施例中，还可以根据已知的预设3D轮廓信息发送成指令，根据接收到的预设的3D轮廓信息的指令加工得到新的钥匙，由于预设3D轮廓信息为一定值，加工出来的钥匙也较为准确；若加工的钥匙是根据第一3D轮廓信息加工复制得到的，那根据新钥匙的第二3D轮廓信息和第一3D轮廓信息对比得到比差，根据预设的算法利用比差对进行评估钥匙的加工精度，判断钥匙在加工过程中是否出现问题，如果加工精度在允许的误差范围内则认为钥匙处于正常的加工过程；若加工精度超出允许的误差，则需要进行加工的校准，校准的步骤包括但不仅限于根据比差对加工误差进行补偿，以提高加工精度；若根据预设3D轮廓信息发送指令进行加工钥匙，将已加工得到的钥匙得到的第二3D轮廓信息与预设3D轮廓信息进行比差，得到比差进行评估钥匙的加工精度，判断钥匙在加工过程中是否出现问题；同样地，若加工精度超出允许的误差，则需要进行加工的校准，校准的步骤有但不仅限于根据比差对加工误差进行补偿，以提高加工精度。

在一实施例中，如图3所示，根据第一3D轮廓信息加工得到新钥匙还包括：

S20、在对第一轮廓点云数据处理得到第一3D轮廓信息步骤之后，到钥匙标准数据库中匹配与第一3D轮廓信息对应的标准第一3D轮廓信息；根据标准第一3D轮廓信息加工得到新钥匙。

在本实施例中；将钥匙的第一3D轮廓信息与钥匙标准数据库匹配，在钥匙标准数据库中找到与第一3D轮廓信息一致或者最接近的一组标准3D轮廓信息，确认为该钥匙的标准3D轮廓信息，再根据标准3D轮廓信息进行加工复制钥匙，得到加工精度更高的钥匙。

在一实施例中，如图4所示，非接触式齿形学习的方法还包括步骤：S5、通过线激光方法采集标准量块的表面的第三轮廓点云数据；标准量块具有确定的理论3D轮廓信息；根据第三轮廓点云数据处理得到测量3D轮廓信息；比较理论3D轮廓信息和测量3D轮廓信息得到偏差；根据偏差补偿图像采集和/或图像处理误差。

在本实施例中，上述所述的S5在S4步骤之后，在其他的实施例中，步骤S5还可以在步骤S1前执行，也可以在步骤S2之后执行；由于标准量块具有确定的理论3D轮廓信息值，用标准量块对图像采集过程进行标定，以判断通过激光方法采集轮廓点云数据的过程是否精准，得出的偏差根据预设的第二补偿算法将得出的偏差补偿到图像采集误差中去，提高图像采集的精度。

值得一提的是，以上所述的步骤S1到S2为一完整的技术方案，是对钥匙齿形学习得到钥匙第一3D轮廓信息的完整技术方案；步骤S1到S2到S3也可以成为一完整的技术方案，是将步骤S1到S2钥匙齿形学习得到钥匙第一3D轮廓信息应用于复制钥匙；步骤S1到S2到S3到S4也可以成为一完整的技术方案，是根据复制完的钥匙，根据齿形学习的方法对钥匙加工精度的评估和补偿；步骤S1到S2到S5也可以成为一完整的技术方案，根据齿形学习的方法学习到标准量块的3D轮廓信息，用于标定图像采集和/或图像处理误差；S1到S2到S3到S4到S5也是一个完整的技术方案，将钥匙齿形学习的方法运用到钥匙加工、加工精度检测以及标定中。

如图5所示，本发明另一方面提供一种非接触式钥匙齿形学习的系统，包括：图像采集模块1，用于通过线激光方法采集钥匙的表面的第一轮廓点云数据；图像处理模块2，用于对第一轮廓点云数据处理得到第一3D轮廓信息。

在本实施例中，图像采集模块1设置有一个，包括有线激光发射端和激光接收端，线激光发射端发射线激光照射到钥匙表面，钥匙表面将激光反射至激光接收端，图像采集模块1还包括图像集成单元，放大后的反射激光传输至图像集成单元中；图像集成单元与图像处理模块2连接，将图像采集模块1采集得到第一轮廓点云数据发送至图像处理模块2中，以便图像处理模块2对第一轮廓点云数据进行处理；在其他的实施例中，图像采集模块1不限于一个，可多个共同采集，以此提高测量、学习、标定精度和可靠性。

在一实施例中，激光发射单元和激光接收单元，用于依次多个视角对钥匙表面投射单束线激光进行平移扫描，并接收钥匙表面反射的多个视角的反射激光；获取单元，用于根据所述多个视角的反射激光获得钥匙的多个视角的轮廓数据；转换单元，用于根据所述多个视角的轮廓数据制作第一轮廓点云数据；图像处理模块2包括：三维曲面重构单元，用于根据第一轮廓点云数据进行三维曲面重构得到第一3D轮廓信息。

在本实施例中，激光发射单元11发射的线激光与钥匙表面的夹角呈90°，在其他的实施例中，激光发射单元11发射的线激光与钥匙表面的夹角呈还可以是其他的数值；由于钥匙表面存在齿形，且齿形大小深度不一，当激光发射单元11发射的线激光照射到具有高度差的钥匙截面时，钥匙的不同高度反射的反射激光的信号均不相同，激光接收单元12接收到一条随高度变化的表面轮廓线，图像采集模块1预设有高度算法，且夹角呈90°时高度算法最为简单，根据激光接收端12接收到表面轮廓线可以计算出当前扫描钥匙的截面高度信息；图像采集模块1和钥匙相对运动，激光发射单元11连续向钥匙表面不同的位置进行扫描，激光接收单元12连续收到多条随高度变化的表面轮廓线，根据多条表面轮廓线计算得到钥匙的多个截面的高度信息，再根据所有的高度信息拼出钥匙的轮廓数据；非接触式钥匙齿形学习的系统还包括平移旋转模块，用于控制图像采集模块1和/或钥匙的承载体按照预设动作运行，以使图像采集模块1照射到钥匙的全部表面；并实时接收从钥匙反射回来的激光信号；在本实施例中，平移旋转模块控制图像采集模块1按照预设的动作即围绕钥匙做旋转360°以及围绕钥匙平移，使得图像采集模块1对钥匙进行360°的扫描；在其他的实施例中，还可以控制钥匙的承载体平移和转动，使钥匙自身转动360°，使得线性图像采集模块1获得钥匙各个角度的第一轮廓信息。

在一实施例中，还包括：加工模块3，用于对第一轮廓点云数据处理得到第一3D轮廓信息之后，根据第一3D轮廓信息或预设3D轮廓信息加工得到新钥匙；通过图像采集模块1采集新钥匙的表面的第二轮廓点云数据；通过图像处理模块2对第二轮廓点云数据处理得到第二3D轮廓信息；非接触式钥匙齿形学习的系统还包括：第一比差模块5，用于比较第一3D轮廓信息或预设3D轮廓信息和第二3D轮廓信息得到比差；计算模块6，用于根据比差计算钥匙的加工精度；第一补偿模块7，用于根据比差补偿加工误差。

在本实施例中，将上述学习到的钥匙的第一3D轮廓信息或者预设的3D轮廓信息准确发送成指令，发送至加工模块3中，加工模块3根据接收到的第一3D轮廓信息或预设的3D轮廓信息进行加工得到新的钥匙；由于线激光方法不受材料的限制，所以采集到的第一3D轮廓信息准确，加工得到的新钥匙较与原钥匙较为精准；第一比差模块5中预设有第一比差算法，根据第一比差算法算出一3D轮廓信息或预设3D轮廓信息和第二3D轮廓信息得到比差；在计算模块6中预设有计算算法，计算算法计算钥匙的加工精度；在第一补偿模块7中预设有补偿算法，对加工模块3的误差进行补偿，提高加工模块3的加工精确度。

在一实施例中，还包括：匹配模块4，用于在对第一轮廓点云数据处理得到第一3D轮廓信息步骤之后，到钥匙标准数据库中匹配与第一3D轮廓信息对应的标准第一3D轮廓信息，加工模块3根据标准第一3D轮廓信息加工得到新钥匙。

在本实施例中，钥匙标准数据库中预存有钥匙标准齿形信息和钥匙标准胚信息，匹配模块4将钥匙的第一3D轮廓信息与钥匙标准数据库匹配，在钥匙标准数据库中找到与第一3D轮廓信息一致或者最接近的一组标准3D轮廓信息，确认为该钥匙的标准3D轮廓信息，再根据标准3D轮廓信息进行加工复制钥匙，得到加工精度更高的钥匙，提高钥匙的加工精度。

在一实施例中，通过图像采集模块1采集标准量块的表面的第三轮廓点云数据；标准量块具有确定的理论3D轮廓信息；通过图像处理模块2对第三轮廓点云数据处理得到测量3D轮廓信息；非接触式钥匙齿形学习的系统还包括：第二比差模块8，用于比较理论3D轮廓信息和测量3D轮廓信息得到偏差；第二补偿模块9，用于根据偏差补偿图像采集和/图像处理误差。

在本实施例中，第二比差模块8中预设有第二比差算法，根据理论D轮廓信息和测量D轮廓信息得到偏差；第二补偿模块9中预设的第二补偿算法根据偏差对采集模块的采集精度进行计算并进行对图像采集模块1进行补偿。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种非接触式钥匙齿形学习的方法，其特征在于，包括以下步骤：

通过线激光方法采集钥匙的第一轮廓点云数据；

对所述第一轮廓点云数据处理得到第一3D轮廓信息。

2.根据权利要求1所述的非接触式钥匙齿形学习的方法，其特征在于，所述通过线激光方法采集钥匙的第一轮廓点云数据步骤包括：

依次多个视角对钥匙表面投射单束线激光进行平移扫描，并接收钥匙表面反射的多个视角的反射激光；

根据所述多个视角的反射激光获得钥匙的多个视角的轮廓数据；

根据所述多个视角的轮廓数据获得所述第一轮廓点云数据；

所述对所述第一轮廓点云数据处理得到第一3D轮廓信息包括：

根据第一轮廓点云数据进行三维曲面重构得到第一3D轮廓信息。

3.根据权利要求2所述的非接触式钥匙齿形学习的方法，其特征在于，对所述第一轮廓点云数据处理得到第一3D轮廓信息之后，包括：

根据所述第一3D轮廓信息或预设3D轮廓信息加工得到新钥匙；

所述方法还包括步骤：通过线激光方法采集新钥匙的表面的第二轮廓点云数据；

对所述第二轮廓点云数据处理得到第二3D轮廓信息；

比较所述第一3D轮廓信息或预设3D轮廓信息和所述第二3D轮廓信息得到比差；

根据所述比差计算钥匙的加工精度或补偿加工误差。

4.根据权利要求3所述的非接触式钥匙齿形学习的方法，其特征在于，所述根据所述第一3D轮廓信息加工得到新钥匙还包括：

在对所述第一轮廓点云数据处理得到第一3D轮廓信息步骤之后，到钥匙标准数据库中匹配与所述第一3D轮廓信息对应的标准第一3D轮廓信息；

根据所述标准第一3D轮廓信息加工得到新钥匙。

5.根据权利要求1-4任意一项所述的非接触式钥匙齿形学习的方法，其特征在于，所述方法还包括步骤：通过线激光方法采集标准量块的表面的第三轮廓点云数据；所述标准量块具有确定的理论3D轮廓信息；

根据所述第三轮廓点云数据处理得到测量3D轮廓信息；

比较所述理论3D轮廓信息和测量3D轮廓信息得到偏差；

根据所述偏差补偿图像采集和/或图像处理误差。

6.一种非接触式钥匙齿形学习的系统，其特征在于，包括：

图像采集模块，用于通过线激光方法采集钥匙的表面的第一轮廓点云数据；

图像处理模块，用于对所述第一轮廓点云数据处理得到第一3D轮廓信息。

7.根据权利要求6所述的非接触式钥匙齿形学习的系统，其特征在于，所述图像采集模块包括：

激光发射单元和激光接收单元，用于依次多个视角对钥匙表面投射单束线激光进行平移扫描，并接收钥匙表面反射的多个视角的反射激光；

获取单元，用于根据所述多个视角的反射激光获得钥匙的多个视角的轮廓数据；

转换单元，用于根据所述多个视角的轮廓数据制作第一轮廓点云数据；

所述图像处理模块包括：

三维曲面重构单元，用于根据第一轮廓点云数据进行三维曲面重构得到第一3D轮廓信息。

8.根据权利要求7所述的非接触式钥匙齿形学习的系统，其特征在于，还包括：加工模块，用于对所述第一轮廓点云数据处理得到第一3D轮廓信息之后，根据所述第一3D轮廓信息或预设3D轮廓信息加工得到新钥匙；

通过图像采集模块采集新钥匙的表面的第二轮廓点云数据；

通过图像处理模块对所述第二轮廓点云数据处理得到第二3D轮廓信息；

所述非接触式钥匙齿形学习的系统还包括：

第一比差模块，用于比较所述第一3D轮廓信息或所述预设3D轮廓信息和所述第二3D轮廓信息得到比差；

计算模块，用于根据所述比差计算钥匙的加工精度；

第一补偿模块，用于根据所述比差补偿加工误差。

9.根据权利要求8所述的非接触式钥匙齿形学习的方法，其特征在于，还包括：匹配模块，用于在对所述第一轮廓点云数据处理得到第一3D轮廓信息步骤之后，到钥匙标准数据库中匹配与所述第一3D轮廓信息对应的标准第一3D轮廓信息；加工模块根据所述标准第一3D轮廓信息加工得到新钥匙。

10.根据权利要求6-9任意一项所述的非接触式钥匙齿形学习的系统，其特征在于，通过图像采集模块采集标准量块的表面的第三轮廓点云数据；所述标准量块具有确定的理论3D轮廓信息；

通过图像处理模块对所述第三轮廓点云数据处理得到测量3D轮廓信息；

所述非接触式钥匙齿形学习的系统还包括：

第二比差模块，用于比较所述理论3D轮廓信息和所述测量3D轮廓信息得到偏差；

第二补偿模块，用于根据所述偏差补偿图像采集和/图像处理误差。