CN111311576A - 基于点云信息的缺陷检测方法 - Google Patents

Abstract

本发明公开了一种基于点云信息的缺陷检测方法，包括：对被测物表面的点云数据进行数据处理，获取各点的法向量及主曲率；根据点云数据坐标的所在位置，将点云数据分割成n块局部点云；计算其中一块局部点云的特征数；根据特征数标记缺陷点或正常点；重复，直到遍历完所有点云数据；根据各点被标记的类型，得出被测物表面是否存在缺陷及缺陷存在的位置；本方法将点云数据分割提高缺陷检测的精确度；设计多次分割，对缺陷点重复筛查，有效防止误检；适用于排查产品表面是否存在鼓包、凹坑等形变类缺陷，并能进行实时缺陷定位。

Description

基于点云信息的缺陷检测方法

技术领域

本发明涉及缺陷检测领域，具体涉及一种基于点云信息的缺陷检测方法。

背景技术

产品表面缺陷的识别与定位是产品制造过程中十分重要的环节，传统的检测方法有两种：人工检测和图像识别；其中，人工检测是以目视、触摸的方式实现，存在检测时间长、检出效率低和检测结果易受工人水平影响等缺点，该方法一般为抽检，一旦发生漏检将使得包含缺陷的产品进入下一生产环节，影响产品质量，可见，人工检测的方式难以满足现代工业生产检测的需求。图像识别是基于图像对比度实现缺陷分析的方法，该方法对被测物所处环境要求较高，且当产品表面存在鼓包、凹坑等形变类缺陷时检测灵敏度低。故此，对于表面存在鼓包、凹坑等形变类缺陷的产品，现有方法不能提供有效的自动化检测方式。

发明内容

针对上述问题，本发明提出一种基于点云信息的缺陷检测方法，其能对表面存在鼓包、凹坑的产品实现高准确度的实时检测。

一种基于点云信息的缺陷检测方法，包括以下步骤：

1)对被测物表面的点云数据进行数据处理，获取各点的法向量及主曲率；

2)根据点云数据的X、Y轴坐标所在的位置，将点云数据分割成n块局部点云；n取值为正整数；

3)选取其中一块局部点云记为第一点云；求取所述第一点云中各点主曲率的平均值，记为均值A；再利用均值A分别与第一点云中各点的法向量作内积运算，得到各点的内积值；对各点的内积值进行差分或卷积运算，将计算结果的绝对值记为各点的特征数；

若某点的特征数大于阈值I则将该点记为缺陷点，否则，记为正常点；

4)若n＝1，直接进行步骤5)；

否则去除所述第一点云，对剩余的局部点云，重复步骤3)，直到遍历完所有点云数据；

5)根据各点被标记的类型，得出被测物表面是否存在缺陷及缺陷存在的位置。

进一步，步骤2)～4)进行一次或多次；

若步骤2)～4)进行多次，在进行完最后一次后，执行步骤5)：

判断同一点在多次分割过程中被记录为缺陷点的概率；

若概率大于预设概率B，则保持该点为缺陷点，否则将该点记为正常点；

遍历点云数据中的各点，再次标记每个点的类型，根据各点被标记的类型，得出被测物表面是否存在缺陷及缺陷存在的位置。

进一步，步骤2)～4)进行2～6次，每次分割得到的局部点云块数互不相同。

进一步，预设概率B取值30％～70％。

优选，所述阈值I＝3δ，δ表示当前块第一点云数据中各点特征数的标准差。。

优选，当被测物表面存在棱边、孔等曲率变化较大的特征时，在步骤1)之前，首先利用以下方式对初始点云数据进行筛选：

将初始点云数据与标准数据进行模板匹配，得到棱边、孔特征区域上的点并剔除，将剩余的点云记为被测物表面的点云数据，进行步骤1)。

所述标准数据通过被测物的数模得到；

优选，步骤1)获取各点法向量及主曲率的方法为：

在获取被测物表面的点云数据后，随机选取一点记为点C，利用kd树查找点C周围的10-40个点记为近邻点，根据最小二乘法将近邻点坐标拟合出第一平面，所述第一平面法向量记为点C的法向量初始值，利用加权平均对法向量初始值进行修正，得到最终的法向量；

利用点C及其法向量、其中一个近邻点及其法向量构造近似三角形，根据正弦定理得出点C的法截线的法曲率的近似表达式；

构造Weingarten矩阵，计算出其特征值和特征向量；利用特征值和特征向量求出点C的主曲率；

采用相同方法，遍历点云数据中的各点，获得各点法向量及主曲率。

本发明方法通过获取被测物表面点云，基于点云分析得出被测物表面有无鼓包、凹坑等形变类缺陷，若存在，识别其具体存在的位置；将点云数据分割为局部区域，对局部区域进行识别；能够进一步提高缺陷检测的精确度；设计多次分割，对缺陷点重复筛查，根据出现的概率滤除误检点，有效防止误检；本方法缩短了检测时间，适用于对各类产品的质量检测。

附图说明

图1为实施例中冲压件表面点云法向量分布示意图；

图2为实施例中法向量与主曲率均值内积的示意图；

图3为实施例中对内积进行卷积运算后得到的示意图；

图4为实施例中缺陷检测结果示意图。

具体实施方式

以下结合附图和具体实施方式对本发明的技术方案进行详细描述。

冲压件制造是现代工业生产中的重要一环，因其具有成本低、效率高、互换性好等突出优点，被广泛应用于汽车制造、电器电子、仪器仪表等大批量生产行业，极大的提高了生产质量和生产效率。

冲压件在制造、搬运过程中，会产生碰撞，造成鼓包、凹坑等缺陷；本实施例具体阐述针对包含此类缺陷的冲压件表面检测过程：

一种基于点云信息的缺陷检测方法，包括以下步骤：

1)对冲压件表面的点云数据进行数据处理，获取各点的法向量(如图1所示)及主曲率；

2)根据点云数据的X、Y轴坐标所在的位置，将点云数据分割成n块局部点云；n取值为正整数；

3)选取其中一块局部点云记为第一点云；求取第一点云中各点主曲率的平均值，记为均值A；再利用均值A分别与第一点云中各点的法向量作内积运算，得到各点的内积值(如图2所示)；对各点的内积值进行差分或卷积运算(如图3所示)，将计算结果的绝对值记为各点的特征数；

若某点的特征数大于阈值I则将该点记为缺陷点，否则，记为正常点；

4)若n＝1，直接进行步骤5)；

否则去除第一点云，对剩余的局部点云，重复步骤3)，直到遍历完所有点云数据；

5)根据各点被标记的类型，得出冲压件表面是否存在缺陷及缺陷存在的位置(如图4所示)。

其中，步骤1)获取各点法向量及主曲率的方法为：

在获取冲压件表面的点云数据后，随机选取一点记为点C，利用kd树查找点C周围的10-40个点记为近邻点，根据最小二乘法将近邻点坐标拟合出第一平面，第一平面法向量记为点C的法向量初始值，利用加权平均对法向量初始值进行修正，得到最终的法向量；

利用点C及其法向量、其中一个近邻点及其法向量构造近似三角形，根据正弦定理得出点C的法截线的法曲率的近似表达式；

构造Weingarten矩阵，计算出其特征值和特征向量；利用特征值和特征向量求出点C的主曲率；

采用相同方法，遍历点云数据中的各点，获得各点法向量及主曲率。

具体实施本方案时，步骤2)～4)可以只进行1次，也可以进行多次(2～6次)，每次分割得到的局部点云块数互不相同；

本实施例中，为了得到更为准确的检测结果，将步骤2)～4)的过程进行了3次，具体为：

第一次：

2)根据点云数据的X、Y轴坐标所在的位置，将点云数据整体作为一块(n＝1)局部点云；

3)选取其中局部点云记为第一点云；求取第一点云中各点主曲率的平均值，记为均值A；再利用均值A分别与第一点云中各点的法向量作内积运算，得到各点的内积值；对各点的内积值进行差分或卷积运算，将计算结果的绝对值记为各点的特征数；

若某点的特征数大于阈值I则将该点记为缺陷点，否则，记为正常点；

4)直接进行步骤5)根据各点被标记的类型，得出冲压件表面是否存在缺陷及缺陷存在的位置；

第二次：

2)根据点云数据的X、Y轴坐标所在的位置，将点云数据分割成4块局部点云；

3)选取其中局部点云记为第一点云；求取第一点云中各点主曲率的平均值，记为均值A；再利用均值A分别与第一点云中各点的法向量作内积运算，得到各点的内积值；对各点的内积值进行差分或卷积运算，将计算结果的绝对值记为各点的特征数；

若某点的特征数大于阈值I则将该点记为缺陷点，否则，记为正常点；

4)去除第一点云，对剩余的局部点云，重复步骤3)，直到遍历完所有点云数据；

第三次：

2)根据点云数据的X、Y轴坐标所在的位置，将点云数据分割成9块局部点云；

3)选取其中局部点云记为第一点云；求取第一点云中各点主曲率的平均值，记为均值A；再利用均值A分别与第一点云中各点的法向量作内积运算，得到各点的内积值；对各点的内积值进行差分或卷积运算，将计算结果的绝对值记为各点的特征数；

若某点的特征数大于阈值I则将该点记为缺陷点，否则，记为正常点；

4)去除第一点云，对剩余的局部点云，重复步骤3)，直到遍历完所有点云数据；

当步骤2)～4)进行完第三次后，执行步骤5)：

判断同一点在3次分割过程中被记录为缺陷点的概率；

若概率大于预设概率B，则保持该点为缺陷点，否则将该点记为正常点；

遍历点云数据中的各点，再次标记每个点的类型，根据各点被标记的类型，得出冲压件表面是否存在缺陷及缺陷存在的位置。

其中，预设概率B取值30％～70％，本实施例取值为50％；阈值I＝3δ，δ表示当前块第一点云数据中各点特征数的标准差。

本实施例中，由于冲压件表面存在棱边、孔等曲率变化较大的特征，所以在步骤1)之前，首先利用以下方式对初始点云数据进行筛选：

将初始点云数据与标准数据进行模板匹配，得到棱边、孔特征区域上的点并剔除，将剩余的点云记为冲压件表面的点云数据，进行步骤1)。

标准数据通过冲压件的数模得到。

前面对本发明具体示例性实施方案所呈现的描述是出于说明和描述的目的。前面的描述并不想要成为毫无遗漏的，也不是想要把本发明限制为所公开的精确形式，显然，根据上述教导很多改变和变化都是可能的。选择示例性实施方案并进行描述是为了解释本发明的特定原理及其实际应用，从而使得本领域的其它技术人员能够实现并利用本发明的各种示例性实施方案及其不同选择形式和修改形式。本发明的范围旨在由所附权利要求书及其等价形式所限定。

Claims (7)

1.一种基于点云信息的缺陷检测方法，其特征在于，包括以下步骤：

1)对被测物表面的点云数据进行数据处理，获取各点的法向量及主曲率；

2)根据点云数据坐标的所在位置，将点云数据分割成n块局部点云；n取值为正整数；

3)选取其中一块局部点云记为第一点云；求取所述第一点云中各点主曲率的平均值，记为均值A；再利用均值A分别与第一点云中各点的法向量作内积运算，得到各点的内积值；对各点的内积值进行差分或卷积运算，将计算结果的绝对值记为各点的特征数；

若某点的特征数大于阈值I则将该点记为缺陷点，否则，记为正常点；

4)若n＝1，直接进行步骤5)；

否则去除所述第一点云，对剩余的局部点云，重复步骤3)，直到遍历完所有点云数据；

5)根据各点被标记的类型，得出被测物表面是否存在缺陷及缺陷存在的位置。

2.如权利要求1所述基于点云信息的缺陷检测方法，其特征在于：步骤2)～4)进行一次或多次；

若步骤2)～4)进行多次，在进行完最后一次后，执行步骤5)：

判断同一点在多次分割过程中被记录为缺陷点的概率；

若概率大于预设概率B，则保持该点为缺陷点，否则将该点记为正常点；

遍历点云数据中的各点，再次标记每个点的类型，根据各点被标记的类型，得出被测物表面是否存在缺陷及缺陷存在的位置。

3.如权利要求2所述基于点云信息的缺陷检测方法，其特征在于：步骤2)～4)进行2～6次，每次分割得到的局部点云块数互不相同。

4.如权利要求2所述基于点云信息的缺陷检测方法，其特征在于：预设概率B取值30％～70％。

5.如权利要求1或2所述基于点云信息的缺陷检测方法，其特征在于：所述阈值I＝3δ，δ表示当前块第一点云数据中各点特征数的标准差。

6.如权利要求1或2所述基于点云信息的缺陷检测方法，其特征在于：当被测物表面存在棱边、孔特征时，在步骤1)之前，首先利用以下方式对初始点云数据进行筛选：

将初始点云数据与标准数据进行模板匹配，得到棱边、孔特征区域上的点并剔除，将剩余的点云记为被测物表面的点云数据，进行步骤1)。

7.如权利要求1所述基于点云信息的缺陷检测方法，其特征在于：步骤1)获取各点法向量及主曲率的方法为：

在获取被测物表面的点云数据后，随机选取一点记为点C，利用kd树查找点C周围的10-40个点记为近邻点，根据最小二乘法将近邻点坐标拟合出第一平面，所述第一平面法向量记为点C的法向量初始值，利用加权平均对法向量初始值进行修正，得到最终的法向量；

利用点C及其法向量、其中一个近邻点及其法向量构造近似三角形，根据正弦定理得出点C的法截线的法曲率的近似表达式；

构造Weingarten矩阵，计算出其特征值和特征向量；利用特征值和特征向量求出点C的主曲率；

采用相同方法，遍历点云数据中的各点，获得各点法向量及主曲率。

Images