CN111489440B - 对非标零件的三维扫描建模方法 - Google Patents

对非标零件的三维扫描建模方法 Download PDF

Info

Publication number
CN111489440B
CN111489440B CN202010301537.7A CN202010301537A CN111489440B CN 111489440 B CN111489440 B CN 111489440B CN 202010301537 A CN202010301537 A CN 202010301537A CN 111489440 B CN111489440 B CN 111489440B
Authority
CN
China
Prior art keywords
point cloud
cloud data
dimensional
carrying
modeling
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
CN202010301537.7A
Other languages
English (en)
Other versions
CN111489440A (zh
Inventor
吴昊
王大钧
陈雁骉
曾宏武
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.)
Wuxi Rongen Technology Co ltd
Original Assignee
Wuxi Rongen Technology Co ltd
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 Wuxi Rongen Technology Co ltd filed Critical Wuxi Rongen Technology Co ltd
Priority to CN202010301537.7A priority Critical patent/CN111489440B/zh
Publication of CN111489440A publication Critical patent/CN111489440A/zh
Application granted granted Critical
Publication of CN111489440B publication Critical patent/CN111489440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B12/00—Arrangements for controlling delivery; Arrangements for controlling the spray area
    • B05B12/08—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means
    • B05B12/12—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus
    • B05B12/122—Arrangements for controlling delivery; Arrangements for controlling the spray area responsive to condition of liquid or other fluent material to be discharged, of ambient medium or of target ; responsive to condition of spray devices or of supply means, e.g. pipes, pumps or their drive means responsive to conditions of ambient medium or target, e.g. humidity, temperature position or movement of the target relative to the spray apparatus responsive to presence or shape of target
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
    • B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
    • B05B13/00—Machines or plants for applying liquids or other fluent materials to surfaces of objects or other work by spraying, not covered by groups B05B1/00 - B05B11/00
    • B05B13/02—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work
    • B05B13/04—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work the spray heads being moved during spraying operation
    • B05B13/0431—Means for supporting work; Arrangement or mounting of spray heads; Adaptation or arrangement of means for feeding work the spray heads being moved during spraying operation with spray heads moved by robots or articulated arms, e.g. for applying liquid or other fluent material to 3D-surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Robotics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了对非标零件的三维扫描建模方法，涉及油漆喷涂的技术领域，对非标零件的三维扫描建模方法包括对点云数据进行微粒群算法，对最佳宽带进行核密度估计，对密度函数进行均值漂移算法操作，去除离群值，对预处理点云数据进行加权主成分分析操作，对二次处理点云数据进行三维等值面提取算法的操作，进行等值面提取、构件和优化，得到三维数模，通过微粒群算法结合均值漂移算法进行第一次的点云数据处理，然后通过加权主成分分析进行第二次点云数据分析，使得形成文件更准确和贴切实际，直接利用扫描得到的点云数据形成数模，避免了框架的建立简洁了建模流程并保证了处理结果，避免了外界杂质的掺入。

Description

对非标零件的三维扫描建模方法
技术领域
本发明涉及油漆喷涂的技术领域，尤其涉及对非标零件的三维扫描建模方法。
背景技术
当前三维扫描技术大多用于零件的检验。逆向建模技术则还需要大量专业人员的介入，其利用专业知识对三维点云进行多重处理，操作繁琐。由于三维扫描的方式与原理具有局限性，无法保证对于不同外形结构物体的扫描效果，因此生成三维点云的质量也良莠不齐，导致了后期人工进行处理时工程量大的问题。
就目前而言，很难实现三维扫描建模整体的自动化，其中仍需要人员介入，中间的过程是割裂开的。虽然目前国内外已经逐步研究开发出了一些对点云自动优化的算法，但其中一部分需要事先根据扫描对象的参数搭建一个框架，基于此进行处理；另一部分则是选用建筑、动植物为研究对象，开发了几种可行的优化方案。但显然这些算法并不适用于多品种、小批量的非标零件，并且通过其处理过后的效果也很难达到三维重建对点云质量的要求。此外对于自动建模，目前有一种处理方法是通过格式转化软件自动调用点云文件转化为三维数模文件，但对于多品种、小批量非标零件的转化成功率以及转化效果都很不理想。
发明内容
本发明的技术方案提供了对非标零件的三维扫描建模方法，提高了非标零部件的建模质量和精准度。具体技术方案如下：
本发明提供了对非标零件的三维扫描建模方法，包括以下步骤：
步骤一：利用三维相机对非标零部件进行三维扫描，获得点云数据；步骤二：对点云数据进行微粒群算法，选择最佳宽带；步骤三：对最佳宽带进行核密度估计，得到密度函数；步骤四：对密度函数进行均值漂移算法操作，去除离群值，得到预处理点云数据；步骤五：对预处理点云数据进行加权主成分分析操作，得到二次处理点云数据；步骤六：对二次处理点云数据进行三维等值面提取算法的操作，进行等值面提取、构件和优化，得到三维数模。
通过微粒群算法结合均值漂移算法进行第一次的点云数据处理，然后通过加权主成分分析进行第二次点云数据分析，使得形成文件更准确和贴切实际，直接利用扫描得到的点云数据形成数模，避免了框架的建立简洁了建模流程并保证了处理结果，避免了外界杂质的掺入。
特别地，机器人根据三维数模生成运行轨迹。
通过运行轨迹的形成，确定了油漆喷涂路径的确定，从而使得油漆喷涂作业能够顺利进行。
具体地，三维扫描的扫描方式为激光三角法。
具体的，步骤二还包括建立风险函数，在全带宽矩阵中根据风险函数估计出最佳带宽矩阵。
通过最佳宽带矩阵能够缩小核密度估计中估计密度与点云中的真实密度之间的误差。
附图说明
此处的附图被并入说明书中并构成说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理，其中：
图1为对非标零件的三维扫描建模方法的流程图。
具体实施方式
下文的公开提供了许多不同的实施方式或例子用来实现本发明的不同结构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本发明。此外，本发明可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本发明提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
当前三维扫描技术大多用于零件的检验。逆向建模技术则还需要大量专业人员的介入，其利用专业知识对三维点云进行多重处理，操作繁琐。由于三维扫描的方式与原理具有局限性，无法保证对于不同外形结构物体的扫描效果，因此生成三维点云的质量也良莠不齐，导致了后期人工进行处理时工程量大的问题。
就目前而言，很难实现三维扫描建模整体的自动化，其中仍需要人员介入，中间的过程是割裂开的。虽然目前国内外已经逐步研究开发出了一些对点云自动优化的算法，但其中一部分需要事先根据扫描对象的参数搭建一个框架，基于此进行处理；另一部分则是选用建筑、动植物为研究对象，开发了几种可行的优化方案。但显然这些算法并不适用于多品种、小批量的非标零件，并且通过其处理过后的效果也很难达到三维重建对点云质量的要求。此外对于自动建模，目前有一种处理方法是通过格式转化软件自动调用点云文件转化为三维数模文件，但对于多品种、小批量非标零件的转化成功率以及转化效果都很不理想。
为了能够提高非标零部件的建模质量和精准度，本发明的技术方案提供了对非标零件的三维扫描建模方法。技术方案如下：
下面根据图1对本发明做进一步详细说明。
如图1所示，本发明提供了对非标零件的三维扫描建模方法，包括以下步骤：步骤一：利用三维相机对非标零部件进行三维扫描，获得点云数据；步骤二：对点云数据进行微粒群算法，选择最佳宽带；步骤三：对最佳宽带进行核密度估计，得到密度函数；步骤四：对密度函数进行均值漂移算法操作，去除离群值，得到预处理点云数据；
步骤五：对预处理点云数据进行加权主成分分析操作，得到二次处理点云数据；步骤六：对二次处理点云数据进行三维等值面提取算法的操作，进行等值面提取、构件和优化，得到三维数模。
其中提及的核密度估计就是利用平滑的峰值函数来估计出实际的分布密度，当最佳带宽矩阵也就是搜索半径的范围已知，即可得到密度函数。
同时，均值漂移就是一个初始点迭代地移动到周围点的位置，移动过程中生成的序列收敛于上述得到的密度函数，通过偏移均值计算其相邻点的坐标，若其移动的平均距离小于某个阈值，则将此点标为离群值，离群值随之被删去，符合偏移值规则的新点取之代替。
具体来说，三维离散数据场中每个栅格单元作为一个体素，三维等值面提取算法通过体素的各个顶点和位置的法向量进行等值面构建，然后基于每个面在栅格上的顶点寻找此点的离散曲率及形状指数，根据这两个参数构成特征张量并划分特征区域，对相应区域的顶点进行锐化滤波等处理
通过微粒群算法结合均值漂移算法进行第一次的点云数据处理，然后通过加权主成分分析进行第二次点云数据分析，使得形成文件更准确和贴切实际，直接利用扫描得到的点云数据形成数模，避免了框架的建立简化了建模流程并保证了处理结果，避免了外界杂质的掺入。
当然了，基于密度处理后的点云计算加权平均值，加权因子由距离之和以及均值决定。其分配通过距离之和与均值成反比分布来实现。通过此计算加权平均值的方式，使得点云中的各个区域都能得到相对优化的处理效果。然后建立协方差矩阵进行特征分析，得到拟合平面以及指向该面的法线向量。法线向量朝向于通过特征分析得出的值最小的第三向量的方向，模型整体得到了降噪的处理。
实际中的点云计算方式，参考马来西亚多媒体大学、计算与信息学系的论文《Density-based Denoising of Point Cloud》，发表人Faisal Zaman,Ya Ping Wong,BoonYian Ng。
同时结合安蒂奥基亚大学工程学院的论文《POINT CLOUD DENOISING USINGROBUST PRINCIPAL COMPONENT ANALYSIS》，发表人Esmeide A.Leal Narváez,NalligEduardo Leal Narváez。所以这边对点云计算方式不再多加以赘述。
最终任务，机器人根据三维数模生成运行轨迹。
通过运行轨迹的形成，确定了油漆喷涂路径的确定，从而使得油漆喷涂作业能够顺利进行。
再具体的实际生产的时候，三维扫描的扫描方式为激光三角法。
另外，步骤二还包括建立风险函数，在全带宽矩阵中根据风险函数估计出最佳带宽矩阵。
通过最佳宽带矩阵能够缩小核密度估计中估计密度与点云中的真实密度之间的误差。
实际操作中，粒子群优化是通过群体中的个体间的信息交互来寻找最优解。最后通再过粒子群优化技术的确定最佳宽带矩阵。
根据此建模方法实现了从三维扫描到模型建立整个过程的自动化。多个算法相互配合与补充，直接基于扫描生成的点云文件运行，无需另设框架，在处理结果的效果上也有很好的保障，对于多品种、小批量非标零件有更好的适应性，提高了增强了整体运行的鲁棒性。而在三维重建的算法中，加入了自动锐化滤波等处理，降低了在点云优化过后可能会带来的影响，同时也提高了自动建立数模的整体质量，使得机器人在对模型仿真并生成轨迹的精准性大大增加。
本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (3)

1.对非标零件的三维扫描建模方法，其特征在于，包括以下步骤：
步骤一：利用三维相机对非标零部件进行三维扫描，获得点云数据；
步骤二：对所述点云数据进行微粒群算法，选择最佳宽带；
步骤三：对所述最佳宽带进行核密度估计，得到密度函数；
步骤四：对所述密度函数进行均值漂移算法操作，去除离群值，得到预处理点云数据；
步骤五：对所述预处理点云数据进行加权主成分分析操作，得到二次处理点云数据；
步骤六：对所述二次处理点云数据进行三维等值面提取算法的操作，进行等值面提取、构件和优化，得到三维数模；
所述步骤二还包括建立风险函数，在全带宽矩阵中根据所述风险函数估计出最佳带宽矩阵。
2.根据权利要求1所述的对非标零件的三维扫描建模方法，其特征在于，机器人根据所述三维数模生成运行轨迹。
3.根据权利要求1所述的对非标零件的三维扫描建模方法，其特征在于，所述三维扫描的扫描方式为激光三角法。
CN202010301537.7A 2020-04-16 2020-04-16 对非标零件的三维扫描建模方法 Active CN111489440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010301537.7A CN111489440B (zh) 2020-04-16 2020-04-16 对非标零件的三维扫描建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010301537.7A CN111489440B (zh) 2020-04-16 2020-04-16 对非标零件的三维扫描建模方法

Publications (2)

Publication Number Publication Date
CN111489440A CN111489440A (zh) 2020-08-04
CN111489440B true CN111489440B (zh) 2023-08-29

Family

ID=71797872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010301537.7A Active CN111489440B (zh) 2020-04-16 2020-04-16 对非标零件的三维扫描建模方法

Country Status (1)

Country Link
CN (1) CN111489440B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114618704B (zh) * 2022-02-23 2023-06-20 深圳远荣智能制造股份有限公司 一种3d视觉引导机器人免编程的喷涂方法及其系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299260A (zh) * 2014-09-10 2015-01-21 西南交通大学 一种基于sift和lbp的点云配准的接触网三维重建方法
CN104615722A (zh) * 2015-02-06 2015-05-13 浙江工业大学 基于密度搜索与快速划分的混合数据聚类方法
CN106780751A (zh) * 2017-01-19 2017-05-31 桂林电子科技大学 基于改进的屏蔽泊松算法的三维点云重建方法
CN109102559A (zh) * 2018-08-16 2018-12-28 Oppo广东移动通信有限公司 三维模型处理方法和装置
CN109949397A (zh) * 2019-03-29 2019-06-28 哈尔滨理工大学 一种结合激光点和均值漂移的深度图重建方法
CN110263850A (zh) * 2019-06-19 2019-09-20 南京邮电大学 基于核密度估计与均值漂移的胶囊网络快速路由方法
CN110543710A (zh) * 2019-08-23 2019-12-06 中国中材国际工程股份有限公司 基于Revit的水泥工程三维非标准件设计方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2941757B1 (en) * 2013-01-07 2019-04-10 CentraleSupélec Method and device for elastic registration between a two-dimensional digital image and a slice of a three-dimensional volume with overlapping content

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299260A (zh) * 2014-09-10 2015-01-21 西南交通大学 一种基于sift和lbp的点云配准的接触网三维重建方法
CN104615722A (zh) * 2015-02-06 2015-05-13 浙江工业大学 基于密度搜索与快速划分的混合数据聚类方法
CN106780751A (zh) * 2017-01-19 2017-05-31 桂林电子科技大学 基于改进的屏蔽泊松算法的三维点云重建方法
CN109102559A (zh) * 2018-08-16 2018-12-28 Oppo广东移动通信有限公司 三维模型处理方法和装置
CN109949397A (zh) * 2019-03-29 2019-06-28 哈尔滨理工大学 一种结合激光点和均值漂移的深度图重建方法
CN110263850A (zh) * 2019-06-19 2019-09-20 南京邮电大学 基于核密度估计与均值漂移的胶囊网络快速路由方法
CN110543710A (zh) * 2019-08-23 2019-12-06 中国中材国际工程股份有限公司 基于Revit的水泥工程三维非标准件设计方法

Also Published As

Publication number Publication date
CN111489440A (zh) 2020-08-04

Similar Documents

Publication Publication Date Title
CN110598610B (zh) 一种基于神经选择注意的目标显著性检测方法
CN109887082A (zh) 一种基于点云数据的室内建筑三维建模方法及装置
CN110276768B (zh) 图像分割方法、图像分割装置、图像分割设备及介质
CN110335234A (zh) 一种基于古文物LiDAR点云的三维变化检测方法
CN113392584B (zh) 基于深度强化学习和方向估计的视觉导航方法
CN113034593B (zh) 6d位姿标注方法、系统及存储介质
CN117011477B (zh) 一种基于bim的钢结构形变监测处理方法及系统
CN113516108B (zh) 基于数据识别的工地抑尘数据匹配处理方法
CN111489440B (zh) 对非标零件的三维扫描建模方法
CN112148774A (zh) 一种高分辨率空间多区域气象数据处理系统及方法
CN110047077B (zh) 一种用于以太坊共识机制的图像处理方法
Feng et al. Predrecon: A prediction-boosted planning framework for fast and high-quality autonomous aerial reconstruction
CN114329854B (zh) 一种基于多目标约束的二维空间视觉传感器布局优化方法
CN116805353B (zh) 跨行业通用的智能机器视觉感知方法
CN111862138A (zh) 一种遥感影像半自动水体提取方法
CN110717592A (zh) 一种计算光伏电站地表辐照度空间分布的方法
CN113920020B (zh) 一种基于深度生成模型的人体点云实时修复方法
CN112929818A (zh) 一种基于卡尔曼滤波和泛克里金插值的室内定位方法
CN117519150B (zh) 一种结合边界探索的自主隐式室内场景重建方法
CN118067132B (zh) 一种石材养护机器人的路径生成方法
CN117952322B (zh) 一种基于bim技术的工程管理系统
CN114137955B (zh) 基于改进市场法的多机器人快速协同建图方法
CN114494849B (zh) 用于轮式机器人的路面状态识别方法和系统
CN117237677B (zh) 一种基于深度学习的强降水空间整体相似度的降水预报订正方法
CN112652059B (zh) 基于Mesh R-CNN模型改进的目标检测与三维重构方法

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