CN111192225A - 确定管道是否存在缺陷的方法、设备和计算机程序介质 - Google Patents
确定管道是否存在缺陷的方法、设备和计算机程序介质 Download PDFInfo
- Publication number
- CN111192225A CN111192225A CN202010287799.2A CN202010287799A CN111192225A CN 111192225 A CN111192225 A CN 111192225A CN 202010287799 A CN202010287799 A CN 202010287799A CN 111192225 A CN111192225 A CN 111192225A
- Authority
- CN
- China
- Prior art keywords
- pipe
- curvature
- defective
- average curvature
- determining
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000002950 deficient Effects 0.000 title claims description 24
- 238000004590 computer program Methods 0.000 title claims description 5
- 230000007547 defect Effects 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims description 27
- 239000003086 colorant Substances 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 11
- 239000013598 vector Substances 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000221535 Pucciniales Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供一种确定管道是否存在缺陷的方法，包括：通过扫描仪来扫描所述管道的表面，以获取所述表面的点云数据；计算所述表面上多个区域的平均曲率；根据所述平均曲率来确定管道是否存在缺陷。本发明的技术方案能够快速准确地检测出管道发生缺陷的位置，并以直观的方式呈现的用户；此外，本发明的技术方案也有利于通过计算机来自动地判断发生缺陷的位置，从而节约了人力成本，提高了准确度，提升了管道生产的效率和质量。
Description
技术领域
本发明涉及智能制造领域，更具体地，涉及工业中的管道缺损检测领域。
背景技术
人工智能技术越来越多地应用到工业制造领域中，人工智能技术在工业制造领域的应用，能够显著地提升制造效率，减少产品瑕疵，减少由于人为失误导致的产品质量问题。
管道的缺陷，通常会包括管道壁发生污损（例如油污、锈斑等）、变形、由于腐蚀而使得管道壁产生坑洼、管道裂痕等等。管道的这些缺陷，可能引起管道机械性能的下降，发生缺陷的地方容易发生破裂等，甚至由此引起不必要的事故。此外，在管道生产过程中，为了保证管道的质量，杜绝缺陷的产生，通常也需要进行随机的抽检或者在线的实时检测。这就对快速便捷的检测手段提出了一定的需求。
发明内容
本发明的目的是提供一种能够快速便捷地检测管道缺陷的方法和设备。
根据本发明的第一方面，提供一种确定管道是否存在缺陷的方法，包括：通过扫描仪来扫描所述管道的表面，以获取所述表面的点云数据；计算所述表面上多个区域的平均曲率；以不同的颜色来标记不同的平均曲率，以使得平均曲率变化越大，颜色的改变越大；根据所述平均曲率来确定管道是否存在缺陷；通过边缘检测来确定不同区域的边界；检测存在缺陷的区域内的像素的数量；根据所述像素的数量来确定存在缺陷的区域的大小。
根据本发明的一个实施方式，其中，通过扫描仪来扫描所述管道的表面，以获取所述表面的点云数据包括：通过扫描仪来获取所述管道的表面的多个帧，其中相邻帧的一部分之间存在重叠。
根据本发明的一个实施方式，其中，计算所述表面上多个区域的平均曲率包括：在所述区域中的多个点云数据上计算法向量；将所述法向量平均从而计算所述平均曲率。
根据本发明的一个实施方式，其中，计算所述表面上多个区域的平均曲率包括：通过所述点云数据来构建三角网；通过所述三角网来计算所述平均曲率。
根据本发明的一个实施方式，其中，根据所述平均曲率来确定管道是否存在缺陷包括：判断所述平均曲率是否超过特定阈值；如果在特定范围内平均曲率超过特定阈值的区域的数量大于一个数量阈值，则确定所述管道存在缺陷。
根据本发明的一个实施方式，其中，根据所述平均曲率来确定管道是否存在缺陷包括：确定相邻区域之间的曲率变化；如果所述曲率变化超过特定的变化阈值，则确定所述管道存在缺陷。
根据本发明的一个实施方式，进一步包括：对以不同颜色标记的平均曲率进行锐化，以使得不同颜色之间的边界更加清晰。
根据本发明的一个实施方式，进一步包括：对以不同颜色标记的平均曲率或者不同颜色的边界进行二值化。
根据本发明的一个实施方式，进一步包括：如果确定管道存在缺陷，那么确定缺陷区域与标准区域的差别，其中，所述标准区域是未发生形变的区域，由管道上未发生形变的部分的数据来表示，确定缺陷区域与标准区域的差别包括：从点云数据中获取每个点的三维坐标；通过三维坐标来计算每个点到基准面的距离，所述基准面为标准区域的管道表面；求所述距离的平均值或者标准差来确定所述差别。
根据本发明的一个实施方式，进一步包括：获取所述管道表面的纹理图，并构建格点图；在所述格点图上计算福尔曼-里奇曲率；
如果所述福尔曼-里奇曲率超过特定阈值，则确定所述管道表面存在污损。
根据本发明的另一个方面，提供一种检测管道缺损的设备，包括：处理器；与所述处理器相连接的存储器，所述存储其中存储有计算机程序代码，当所述计算机程序代码被执行时，使得所述处理器执行如上所述的方法。
根据本发明的另一个方面，提供一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如上所述的方法。
本发明的技术方案能够快速准确地检测出管道发生缺陷的位置，并以直观的方式呈现的用户；此外，本发明的技术方案也有利于通过计算机来自动地判断发生缺陷的位置，从而节约了人力成本，提高了准确度，提升了管道生产的效率和质量。
附图说明
通过结合附图，可以更好地理解本发明的上述特征，并且其众多目的，特征和优点对于本领域技术人员而言是显而易见的，其中相同的附图标记表示相同的元件，并且其中：
图1示出了根据本发明第一方面的用于对管道的缺陷进行检测的方法的流程图；
图2示出了将多帧图片进行组合时的一种示例性表示；
图3示出了根据本发明一个实施方式的计算表面上多个区域的平均曲率的流程图；
图4示出了根据本发明另一个实施方式的计算表面上多个区域的平均曲率的流程图；
图5示出了根据本发明的一个实施方式的根据平均曲率来确定管道是否存在缺陷的方法流程图；
图6示出了根据本发明的另一个实施方式的根据平均曲率来确定管道是否存在缺陷的方法流程图；
图7示出了一个示例性的曲率变化的mesh图；
图8示出了根据本发明一个实施方式的确定缺陷区域与标准区域的管道示意图；以及
图9示出了根据本发明一个实施方式的识别管道上污损或锈斑的方法流程图。
具体实施方式
下面将结合本披露实施例中的附图，对本披露实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本披露一部分实施例，而不是全部的实施例。基于本披露中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本披露保护的范围。
应当理解，本披露的权利要求、说明书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。 本披露的说明书和权利要求书中使用的术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本披露。如在本披露说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本披露说明书和权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合附图对本发明的具体实施方式进行详细描述。
图1示出了根据本发明第一方面的用于对管道的缺陷进行检测的方法的流程图。
如图1所示，本发明的方法包括：在操作S110，通过扫描仪来扫描所述管道的表面，以获取所述表面的点云数据；在操作S120，计算所述表面上多个区域的平均曲率；以及，在操作S130，根据所述平均曲率来确定管道是否存在缺陷。
可以通过常规的三维扫描仪来扫描管道的表面，并获得管道表面的点云数据。通过测量仪器得到的一个物体的外观表面的点数据集合也称之为点云，通常使用三维坐标测量机所得到的点数量比较少，点与点的间距也比较大，叫稀疏点云；而使用三维激光扫描仪或照相式扫描仪得到的点云，点数量比较大并且比较密集，叫密集点云。
点云通常可以包括三维坐标（XYZ）和反射强度（Intensity）。在另一个实施方式中，摄影测量原理得到的点云，除了包括三维坐标（XYZ）之外，还可以包括颜色信息（RGB）。在另一个实施方式中，结合激光测量和摄影测量原理得到点云，可以包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。
由于存在上述信息，因此，点云信息可以很好地来表示较为详细的信息，点云越密集，包含的信息越多，其在进行映射时，准确度越高。
上面所述的管道的表面，可以是管道的外表面，也可以是管道的内表面，本发明的技术可应用于管道内部和外部的检测。
对于上文所述的平均曲率，可以是在每个区域中取一定数量的点，在计算了这些点处的曲率之后，将这些曲率进行平均从而得到平均曲率。取平均曲率的意义在于，由于某些点可能会存在噪声，因此某些点的曲率可能会由于噪声的原因而出现过大或过小的问题，这里的噪声可能来源于多个途径，例如扫描仪本身的误差、拍摄过程中不正常的抖动等。因此，通过采用平均曲率可以减小或消除噪声影响。
根据本发明的一个实施方式，其中，通过扫描仪来扫描所述管道的表面，以获取所述表面的点云数据包括：通过扫描仪会获取所述管道的表面的多个帧，其中相邻帧的一部分之间存在重叠。
需要理解的时候，三维扫描仪在扫描物体表面时，是通过一帧一帧地进行扫描的。在扫描管道时，不容易一次性将管道的全部表面扫描完毕，这与单面的三维扫描（例如人脸扫描）是不同的。在此情况下，需要使得三维扫描仪围绕管道进行转动扫描，并将扫描所获得的多帧图片进行组合综合得到三维图像。图2示出了将多帧图片进行组合时的一种示例性表示。
在图2中，优选地相邻的帧之间存在一定的重叠，例如第一帧和第二帧之间存在重叠，第二帧和第三帧之间存在重叠，第三帧和第四帧之间存在重叠。存在重叠的意义在于能够在对多帧图片进行拼接时使得拼接后的图像更加平滑，减少图片失真和信息丢失。在实验中，如果多帧图片没有重叠，则在拼接后的三维图像中出现明显的分界线，由此可能会影响后续的进一步操作。
图3示出了根据本发明一个实施方式的计算表面上多个区域的平均曲率的流程图。
如图3所以，计算表面上多个区域的平均曲率包括：S310，在所述区域中的多个点云数据上计算法向量；在S320，将所述法向量平均从而计算所述平均曲率。
计算点云数据上的法向量可以参考WSCG 2011 Communication Papers第105-112页的介绍，“Improved Algorithm for Principal Curvature Estimation in PointClouds due to Optimized Osculating Circle Fitting based on GeometricAlgebra”。
图4示出了根据本发明另一个实施方式的计算表面上多个区域的平均曲率的流程图。
如图4所示，计算所述表面上多个区域的平均曲率包括：S410，通过所述点云数据来构建三角网；以及，在操作S420，通过所述三角网来计算所述平均曲率。
对于操作中的三角网，某些三维扫描仪可以直接输出三角网，因此可以直接使用。
通过三角网来计算平均曲率可以通过如下文章来获得：Estimating Curvaturesand Their Derivatives on Triangle Meshes。
图3和图4所示的方法相比，各自的有点和缺点如下：
对于图3的方法，通过扫描仪可以快速获取点云，点云本身占用内存相比三角网比较少，可以直接估计法向量，无需重建三角网，计算速度总体更快；而对于图4的方法，基于三角网上计算的会更加准确，分辨率更高，由此能够发现更加细微的缺陷，有利于提升管道的质量。
图5示出了根据本发明的一个实施方式的根据平均曲率来确定管道是否存在缺陷的方法流程图。
如图5所示，包括：在操作S510，判断所述平均曲率是否超过特定阈值；在操作S520，如果在特定范围内平均曲率超过特定阈值的区域的数量大于一个数量阈值，则确定所述管道存在缺陷。
可以理解的是，管道表面发生凹陷、凸起或者裂缝的地方，其平均曲率与正常部位的曲率通常是不同的，特别是在缺陷发生的边缘处（例如凹陷、凸起或者裂缝的边缘处），曲率会发生较大变化，因此，如果检测到某个部位的曲率超过了某一个特定的值，则可以认为管道上该处发生缺损。需要理解的是，由于某个区域的平均曲率并不足以反映该区域是否发生形变（例如该区域恰好落在了凹陷区域内），因此可以在更大的范围内来进行判断。
图6示出了根据本发明的另一个实施方式的根据平均曲率来确定管道是否存在缺陷的方法流程图。
根据本发明的一个实施方式，其中，根据所述平均曲率来确定管道是否存在缺陷包括：在操作S610，确定相邻区域之间的曲率变化；以及，在操作S620，如果所述曲率变化超过特定的变化阈值，则确定所述管道存在缺陷。
在此实施方式中，可以通过观察相邻区域中平均曲率变化的大小来确定是否存在缺陷。如上所述，如果管道没有发生缺陷，那么整个表面的曲率基本保持恒定；而对于某些非规则形状的管道，某些区域的曲率可以是不同的，但整体会保持一个平滑的变化趋势；而如果管道某些部位存在凸起或凹陷，那么这些缺陷边缘处的曲率会发生突变。因此，也可以通过检测相邻区域之间曲率变化的大小来确定是否存在缺陷。如果相邻区域之间的曲率变化较大，那么可以确定存在缺陷。另外，对于裂缝等更严重的缺损，其曲率的变化将更大。
为了更好地识别缺陷的位置，根据本发明的一个实施方式，可以以不同的数字或者不同的颜色来表示不同的平均曲率，以使得平均曲率变化越大，颜色的改变越大。对于人而言，色彩是一种比较直观和辨识度较高的标记，可以将曲率以不同的颜色来表示，当颜色均匀变化或者变化不明显时，则表示管道未发明明显的凹陷或凸起等变形，而如果某个位置突然发生明显的颜色变化，则表示该位置可能存在缺陷。此外，由于颜色本质上也是一种数字表示，因此可以将这些区域赋予不同的数字，从而便于计算机识别和判读。在另一个实施方式中，还可以将这些不同的曲率单独表示为计算机视图，例如可以通过matlab来绘制出不同曲率的变化情况的mesh图，在发生形变的位置处，mesh图也将会表现出明显的改变。MATLAB是matrix&laboratory两个词的组合，意为矩阵工厂（矩阵实验室）。是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。Mesh是matlab中的一个函数，其可以将数据绘制成三维图形，从而以直观的方式将数据分布展现给用户。
如图7所示，示出了一个示例性的曲率变化的示例性mesh图。
在图7中，mesh图中的每个点表示管道上不用区域的平均曲率，圆环状的凸起表示在该区域出发生曲率的突然改变，由此表示该圆环内部区域发生了形变（凹陷或者凸起）。在圆环中央，存在一个更明显的凸起，可以理解为该处存在孔洞或者裂痕，从而引起了更加显著的曲率变化。
需要理解的是，图7所示的mesh图仅仅是一个示例，以对本发明的技术方案进行更直观的描述，实际中，随着缺陷形状的不同，外部环状凸起的形状会更加多样。
根据本发明的一个实施方式，进一步包括：对以不同颜色标记的平均曲率进行锐化，以使得不同颜色之间的边界更加清晰。
图像锐化能够突出图像的边缘、轮廓，或某些线性目标要素的特征。这种滤波方法提高了边缘与周围图像之间的反差，因此也被称为边缘增强。这将使得各个不同区域之间的区别更加明显。
根据本发明的一个实施方式，进一步包括：对以不同颜色标记的平均曲率或者不同颜色的边界进行二值化。
图像二值化就是将图像上的像素点的灰度值设置为在0或255，也就是将整个图像呈现出明显的黑白效果的过程，即将灰度值不低于一定阈值的像素点设置为255，将低于该阈值的像素点设置为0。在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。
对于管道表面而言，可以存在多种类型的缺陷，例如有深度的凹陷或凸起，那么该凹陷或凸起的曲率则可能明显大于其他区域，由此可以通过上面的方法快速的找到该区域。又例如，管道表面的缺陷可能是连续的起伏或者坑洼不平，在此情况下，则可能出现多个区域的曲率发生显著变化，当采用上面的二值法来进行区分时，则会出现较为密集的深色点，由此可以判断出上述的缺陷类型。
根据本发明的一个实施方式，本发明的方法进一步包括：通过边缘检测来确定不同区域的边界；检测存在缺陷的区域内的像素的数量；以及根据所述像素的数量来确定存在缺陷的区域的大小。
在确定了管道是否存在缺陷之后，可以进一步确定缺陷的大小。在上面的实施方式中，可以首先通过多种方式（例如边缘检测）来确定缺陷区域的边界，此后，可以统计该边界内像素的数量，像素数量越多，则意味着发生缺陷的区域面积越大，反之则越小。
根据本发明的一个实施方式，如果确定管道存在缺陷，那么还可以确定缺陷区域与标准区域的差别。对于管道而言，这里所述的标准区域是指未发生形变的区域。标准区域可以由管道上未发生形变的部分的数据来表示，也可以通过拟合算法拟合出一个标准区域。
图8示出了根据本发明一个实施方式的确定缺陷区域与标准区域的管道示意图。
如图8所示，可以从点云数据中获取每个点的三维坐标，通过三维坐标来计算每个点到基准面的距离。图8中的基准面为标准区域的管道表面的示意性表示，凹陷区域表示管道表面的凹陷，突起区域表示管道表面的隆起。由于可以从点云数据中获取每个点的三维坐标，因此可以计算每个点（或像素）到该基准面的距离。距离可以为矢量，例如如果距离为正，则可以表示是突起区域到基准面的距离，如果距离为负，则可以表示是凹陷区域到基准面的距离。
接下来，可以求上述距离的平均值或者标准差来确定所述差别，从而确定缺陷变形的程度。
此外，管道上的缺损还可以包括存在污损或者锈斑等，这种缺损和上文中所述的形变缺损有所不同，通过曲率的方式并不能很好地识别出来。
图9示出了根据本发明一个实施方式的识别管道上污损或锈斑的方法流程图。
如图9所示，上述方法包括：在操作S910，获取所述管道表面的纹理图，并构建格点图；在操作S920，在所述格点图上计算福尔曼-里奇（Forman-Ricci）曲率；以及，在操作S930，如果所述福尔曼-里奇（Forman-Ricci）曲率超过特定阈值，则确定所述管道表面存在污损。
图像纹理是一种反映图像中同质现象的视觉特征，它体现了物体表面的具有缓慢变化或者周期性变化的表面结构组织排列属性。
纹理具有三大标志：某种局部序列性不断重复、非随机排列、纹理区域内大致为均匀的统一体。纹理不同于灰度、颜色等图像特征，它通过像素及其周围空间邻域的灰度分布来表现。因此，通过纹理图，可以得到对管道图像的同质性进行分析。
福尔曼里奇（Forman-Ricci）曲率的计算可以参考MATCH Commun. Math. Comput.Chem. 80 (2018) 605-622的文章Discrete Curvatures and Network Analysis。
根据本发明的另一个方面，还提供一种确定管道是否存在缺陷的方法，包括：处理器；与所述处理器相连接的存储器，所述存储其中存储有计算机程序代码，当所述计算机程序代码被执行时，使得所述处理器执行如上所述的方法。
根据本发明的另一个方面，还提供一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如上所述的方法。
本发明的技术方案能够快速准确地检测出管道发生缺陷的位置，并以直观的方式呈现的用户；此外，本发明的技术方案也有利于通过计算机来自动地判断发生缺陷的位置，从而节约了人力成本，提高了准确度。此外，通过本发明，还可以确定缺陷区域的大小，以及缺陷相对于基准面的偏离大小，从而方便后续的判断以及修复。本发明的技术方案有助于在自动化生产中提升检测效率，降低产品缺陷率。
示例性装置
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本发明实施方式的对应用程序进行测试的装置可以包括至少一个处理单元、以及至少一个存储单元。其中，存储单元存储有程序代码，当程序代码被处理单元执行时，使得处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的对应用程序进行测试的方法中的步骤。
示例性程序产品
在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在设备上运行时，所述程序代码用于使设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的对应用程序进行测试的方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）—连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示意性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (12)
1.一种确定管道是否存在缺陷的方法，包括：
通过扫描仪来扫描所述管道的表面，以获取所述表面的点云数据；
计算所述表面上多个区域的平均曲率；
以不同的颜色来标记不同的平均曲率，以使得平均曲率变化越大，颜色的改变越大；
根据所述平均曲率来确定管道是否存在缺陷；
通过边缘检测来确定不同区域的边界；
检测存在缺陷的区域内的像素的数量；
根据所述像素的数量来确定存在缺陷的区域的大小。
2.根据权利要求1所述的方法，其中，通过扫描仪来扫描所述管道的表面，以获取所述表面的点云数据包括：
通过扫描仪来获取所述管道的表面的多个帧，其中相邻帧的一部分之间存在重叠。
3.根据权利要求1所述的方法，其中，计算所述表面上多个区域的平均曲率包括：
在所述区域中的多个点云数据上计算法向量；
将所述法向量平均从而计算所述平均曲率。
4.根据权利要求1所述的方法，其中，计算所述表面上多个区域的平均曲率包括：
通过所述点云数据来构建三角网；
通过所述三角网来计算所述平均曲率。
5.根据权利要求1所述的方法，其中，根据所述平均曲率来确定管道是否存在缺陷包括：
判断所述平均曲率是否超过特定阈值；
如果在特定范围内平均曲率超过特定阈值的区域的数量大于一个数量阈值，则确定所述管道存在缺陷。
6.根据权利要求1所述的方法，其中，根据所述平均曲率来确定管道是否存在缺陷包括：
确定相邻区域之间的曲率变化；
如果所述曲率变化超过特定的变化阈值，则确定所述管道存在缺陷。
7.根据权利要求1所述的方法，进一步包括：对以不同颜色标记的平均曲率进行锐化，以使得不同颜色之间的边界更加清晰。
8.根据权利要求1所述的方法，进一步包括：对以不同颜色标记的平均曲率或者不同颜色的边界进行二值化。
9.根据权利要求1所述的方法，进一步包括：如果确定管道存在缺陷，那么确定缺陷区域与标准区域的差别，其中，所述标准区域是未发生形变的区域，由管道上未发生形变的部分的数据来表示，确定缺陷区域与标准区域的差别包括：
从点云数据中获取每个点的三维坐标；
通过三维坐标来计算每个点到基准面的距离，所述基准面为标准区域的管道表面；
求所述距离的平均值或者标准差来确定所述差别。
10.根据权利要求1-9中任意一项所述的方法，进一步包括：
获取所述管道表面的纹理图，并构建格点图；
在所述格点图上计算福尔曼-里奇曲率；
如果所述福尔曼-里奇曲率超过特定阈值，则确定所述管道表面存在污损。
11.一种确定管道是否存在缺陷的设备，包括：
处理器；
与所述处理器相连接的存储器，所述存储其中存储有计算机程序代码，当所述计算机程序代码被执行时，使得所述处理器执行如权利要求1-10中任意一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如权利要求1-10中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010287799.2A CN111192225B (zh) | 2020-04-14 | 2020-04-14 | 确定管道是否存在缺陷的方法、设备和计算机程序介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010287799.2A CN111192225B (zh) | 2020-04-14 | 2020-04-14 | 确定管道是否存在缺陷的方法、设备和计算机程序介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111192225A true CN111192225A (zh) | 2020-05-22 |
| CN111192225B CN111192225B (zh) | 2020-07-21 |
Family
ID=70710279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010287799.2A Active CN111192225B (zh) | 2020-04-14 | 2020-04-14 | 确定管道是否存在缺陷的方法、设备和计算机程序介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111192225B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581759A (zh) * | 2020-05-27 | 2020-08-25 | 北京大学 | 一种基于里奇曲率用于公交线网优化的评估方法 |
| CN111947603A (zh) * | 2020-07-31 | 2020-11-17 | 湘潭大学 | 一种基于openmv的无人机阳台危险物鉴定系统和方法 |
| CN113223118A (zh) * | 2021-05-12 | 2021-08-06 | 武汉中仪物联技术股份有限公司 | 管道内壁形变的展示方法、装置、电子设备与存储介质 |
| CN113658155A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于光度立体的物体表面瑕疵检测分析方法及装置 |
| EP3989164A1 (en) | 2020-10-26 | 2022-04-27 | Purple S.r.l. a socio unico | Method for identifying a discontinuity on the surface of an object |
| CN116258716A (zh) * | 2023-05-15 | 2023-06-13 | 青岛宇通管业有限公司 | 基于图像处理的塑料管材质量检测方法 |
| CN116363302A (zh) * | 2023-03-06 | 2023-06-30 | 郑州大学 | 一种基于多视角几何的管道三维重建和坑洞量化方法 |
| CN116433916A (zh) * | 2023-03-14 | 2023-07-14 | 宁波银瑞有机硅科技发展有限公司 | 一种硅胶制品寿命测试系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010109285A1 (en) * | 2009-03-24 | 2010-09-30 | Toyota Jidosha Kabushiki Kaisha | Method of measuring defect density of single crystal |
| CN107851314A (zh) * | 2015-07-27 | 2018-03-27 | 米其林集团总公司 | 用于分析轮胎表面一致性的优化的方法 |
| CN110987992A (zh) * | 2020-01-02 | 2020-04-10 | 上海市建筑科学研究院有限公司 | 基于背散射成像的外墙外保温系统内部缺陷定量识别方法 |
-
2020
- 2020-04-14 CN CN202010287799.2A patent/CN111192225B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010109285A1 (en) * | 2009-03-24 | 2010-09-30 | Toyota Jidosha Kabushiki Kaisha | Method of measuring defect density of single crystal |
| CN107851314A (zh) * | 2015-07-27 | 2018-03-27 | 米其林集团总公司 | 用于分析轮胎表面一致性的优化的方法 |
| CN110987992A (zh) * | 2020-01-02 | 2020-04-10 | 上海市建筑科学研究院有限公司 | 基于背散射成像的外墙外保温系统内部缺陷定量识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 渠文涵: "基于三维激光扫描的工件表面损伤识别研究", 《中国优秀硕士论文库》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581759A (zh) * | 2020-05-27 | 2020-08-25 | 北京大学 | 一种基于里奇曲率用于公交线网优化的评估方法 |
| CN111947603A (zh) * | 2020-07-31 | 2020-11-17 | 湘潭大学 | 一种基于openmv的无人机阳台危险物鉴定系统和方法 |
| CN111947603B (zh) * | 2020-07-31 | 2022-04-01 | 湘潭大学 | 一种基于openmv的无人机阳台危险物鉴定系统和方法 |
| EP3989164A1 (en) | 2020-10-26 | 2022-04-27 | Purple S.r.l. a socio unico | Method for identifying a discontinuity on the surface of an object |
| CN113223118A (zh) * | 2021-05-12 | 2021-08-06 | 武汉中仪物联技术股份有限公司 | 管道内壁形变的展示方法、装置、电子设备与存储介质 |
| CN113658155A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种基于光度立体的物体表面瑕疵检测分析方法及装置 |
| CN116363302A (zh) * | 2023-03-06 | 2023-06-30 | 郑州大学 | 一种基于多视角几何的管道三维重建和坑洞量化方法 |
| CN116363302B (zh) * | 2023-03-06 | 2024-05-28 | 郑州大学 | 一种基于多视角几何的管道三维重建和坑洞量化方法 |
| CN116433916A (zh) * | 2023-03-14 | 2023-07-14 | 宁波银瑞有机硅科技发展有限公司 | 一种硅胶制品寿命测试系统 |
| CN116433916B (zh) * | 2023-03-14 | 2023-11-17 | 宁波银瑞有机硅科技发展有限公司 | 一种硅胶制品寿命测试系统 |
| CN116258716A (zh) * | 2023-05-15 | 2023-06-13 | 青岛宇通管业有限公司 | 基于图像处理的塑料管材质量检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111192225B (zh) | 2020-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111192225B (zh) | 确定管道是否存在缺陷的方法、设备和计算机程序介质 | |
| CN110268190B (zh) | 一种基于静态红外热像图处理的地下管廊渗漏检测方法 | |
| CN113688807B (zh) | 一种自适应缺陷检测方法、装置、识别系统及存储介质 | |
| CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及系统 | |
| CN113570605B (zh) | 一种基于液晶显示面板的缺陷检测方法和系统 | |
| CN109816645B (zh) | 一种钢卷松卷的自动检测方法 | |
| CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
| JP6079948B1 (ja) | 表面欠陥検出装置および表面欠陥検出方法 | |
| CN117408995B (zh) | 基于多特征融合的电源适配器外观质量检测方法 | |
| CN115511842A (zh) | 一种基于机器视觉的电缆绝缘表皮破损检测方法 | |
| CN117173461A (zh) | 一种多视觉任务的灌装容器缺陷检测方法、系统及介质 | |
| CN114298983A (zh) | 一种防腐层缺陷智能识别与测量方法 | |
| CN115526885A (zh) | 一种产品图像缺陷检测方法、系统、装置及介质 | |
| CN107561736B (zh) | 基于傅里叶及Hough变换的LCD缺陷检测方法 | |
| CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
| CN114119466A (zh) | 铝箔表面缺陷检测方法、装置、设备及计算机存储介质 | |
| CN116363122A (zh) | 基于人工智能的钢材焊缝裂纹检测方法及系统 | |
| CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
| CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
| CN115953409A (zh) | 基于图像处理的注塑件表面缺陷检测方法 | |
| CN115345821A (zh) | 基于主动视觉成像的钢卷捆带松动异常检测及量化方法 | |
| CN107993223A (zh) | 划痕检测方法、装置和电子设备 | |
| CN117152129A (zh) | 一种电池盖板的表面缺陷视觉检测方法及系统 | |
| CN116071692A (zh) | 一种基于形态学图像处理的水尺水位识别方法及系统 | |
| Bibikov et al. | Detection and color correction of artifacts in digital images |
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 |