CN112017233A - 反应力锥形貌测量方法、装置、计算机设备和系统 - Google Patents
反应力锥形貌测量方法、装置、计算机设备和系统 Download PDFInfo
- Publication number
- CN112017233A CN112017233A CN202010663344.6A CN202010663344A CN112017233A CN 112017233 A CN112017233 A CN 112017233A CN 202010663344 A CN202010663344 A CN 202010663344A CN 112017233 A CN112017233 A CN 112017233A
- Authority
- CN
- China
- Prior art keywords
- reaction force
- section
- force cone
- radius
- ellipse fitting
- 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.)
- Pending
Links
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 85
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000012876 topography Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 239000005552 B01AC04 - Clopidogrel Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本申请涉及一种反应力锥形貌测量方法、装置、计算机设备和系统。所述方法包括:获取反应力锥每一截面对应的各三维点数据,并生成所述截面对应的坐标矩阵;对于每一所述坐标矩阵,获取第一权重系数、所述坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、所述坐标矩阵和所述椭圆拟合参数之间的第二乘积,并根据所述第一乘积的L1范数和所述第二乘积的L2范数,得到目标椭圆拟合参数,基于所述目标椭圆拟合参数确定所述坐标矩阵对应的所述截面的截面半径;根据各所述截面的截面半径,得到所述反应力锥的半径,并基于反应力锥的半径输出反应力锥的三维形貌。本申请可提高测量结果的准确度和精度,并拓宽使用范围。
Description
技术领域
本申请涉及测量技术领域,特别涉及一种反应力锥形貌测量方法、装置、计算机设备和系统。
背景技术
在电缆隐蔽工程中,高压电缆反应力锥质量问题导致了损失和危害的出现。涉及高压电缆反应力锥缺陷故障的因素较多,大量故障分析经验表明,电缆接头表面尺寸异常所导致的电缆故障现象较为普遍。在现有的电气工程中,高压电缆反应力锥表面状态并无电子记录,需要通过人工触摸的经验来确定电缆反应力锥表面的光滑度、尺寸等三维形貌信息,因此难以对电缆反应力锥质量的优劣形成一致的评价标准,不利于总体工程质量的控制和设备维护。因此,采集电缆反应力锥表面的三维点云,分析关键截面的三维尺寸信息并在施工环节重点监测,对电缆施工的过程控制和长期运营、故障分析和改善有着重要意义。
目前,传统技术可根据圆柱上的任意一组离散测量数据点,计算出被测圆柱的轴线方向、位置,并利用最小二乘拟合方法估计出圆柱截面半径。但是,该方法采用三坐标打点采样的方式来采集坐标,测量过程耗时长,且最小二乘拟合方法对非高斯类噪声较为敏感,当截面数据中存在异常噪声点时容易造成较大的估计偏差。
此外,传统技术还可基于激光三角测量法的原理,设计采用旋转平台的单目物体形貌测量系统,并用于圆柱和圆锥体表面三维形貌的测量,对于尺寸介于4mm(毫米)至30mm的物体,系统测量误差小于3.5%,达到了较高的总体精度。但是由于该方法采用了旋转平台的工作方式,系统稳定性受旋转平台的影响,当设备长时间工作后容易出现性能退化的情况,例如激光线宽度、亮度以及激光线和相机相对位置发生轻微变化时,系统精度损失较大。同时,单目标定方法较为复杂,设备若需要恢复出厂精度,则需返厂重新标度,维护成本高。
换言之,目前的反应力锥形貌测量方法,存在测量准确度低的问题。
发明内容
基于此,有必要针对传统技术中存在的测量准确度低的问题,提供一种能够提高测量准确度的反应力锥形貌测量方法、装置、计算机设备和系统。
一种反应力锥形貌测量方法,方法包括:
获取反应力锥每一截面对应的各三维点数据,并生成截面对应的坐标矩阵;
对于每一坐标矩阵,获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积,并根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数,基于目标椭圆拟合参数确定坐标矩阵对应的截面的截面半径;
根据各截面的截面半径,得到反应力锥的半径,并基于反应力锥的半径输出反应力锥的三维形貌。
在其中一个实施例中,获取反应力锥每一截面对应的各三维点数据的步骤,包括:
获取反应力锥的三维点云数据,以及三维点云数据对应形状的轴线方向;
根据轴线方向对三维点云数据进行划分,得到每一截面对应的各三维点数据。
在其中一个实施例中,根据各截面的截面半径,得到反应力锥的半径的步骤,包括:
将各截面半径的平均值确认为反应力锥的半径。
在其中一个实施例中,根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数的步骤,包括:
求解以下混合能量泛函,得到目标椭圆参数:
其中,θ为椭圆拟合参数;w为第一权重系数;o表示对应元素相乘;P为坐标矩阵;‖‖1为L1范数;1-w为第二权重系数;‖ ‖2为L2范数;λ为拉格朗日参数;θT为椭圆拟合参数的转置;C为椭圆判别条件的矩阵表达;arg minθ{}为获取函数取最小值时对应的θ。
在其中一个实施例中,求解混合能量泛函,得到目标椭圆参数的步骤,包括:
引入辅助变量,对混合能量泛函进行变形,变形后的混合能量泛函为:
其中,s为辅助变量;s.t.为约束条件;
引入Bregman迭代变量,得到非受限的混合能量泛函,非受限的混合能量泛函为:
其中,μ为常数;t为Bregman迭代变量;
求解非受限的混合能量泛函,得到目标椭圆拟合参数。
在其中一个实施例中,求解非受限的混合能量泛函,得到目标椭圆拟合参数的步骤,还包括:
采用标准的Shrink算子进行求解,得到辅助变量;
根据辅助变量和Bregman迭代变量,得到目标椭圆拟合参数。
一种反应力锥形貌测量装置,装置包括:
坐标矩阵获取模块,用于获取反应力锥每一截面对应的各三维点数据,并生成截面对应的坐标矩阵;
截面半径获取模块,用于对于每一坐标矩阵,分别获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积,并根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数,基于目标椭圆拟合参数确定对应坐标矩阵的截面的截面半径;
三维形貌输出模块,用于根据各截面的截面半径,得到反应力锥的半径,并基于所述反应力锥的半径输出所述反应力锥的三维形貌。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述的方法的步骤。
一种反应力锥形貌测量系统,包括手持线激光设备和如上述的计算机设备;
手持线激光设备,用于扫描反应力锥,得到反应力锥的三维点云数据,并将三维点云数据传输给计算机设备。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的方法的步骤。
上述反应力锥形貌测量方法、装置、计算机设备和系统,通过获取反应力锥每一截面对应的各三维点数据,并生成截面对应的坐标矩阵;对于每一坐标矩阵,获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积,并根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数,基于目标椭圆拟合参数确定坐标矩阵对应的截面的截面半径;根据各截面的截面半径,得到反应力锥的半径。本申请将L1—L2混合范数引入椭圆拟合框架,基于L1—L2范数的代数距离最小化代价函数来获取椭圆拟合参数,从而可提高对高斯噪声和非高斯噪声的抗干扰能力,通过组合不同的权重系数,融合了L1范数和L2范数的优点,仅需调整第一权重系数和第二权重系数,即可调节对高斯噪声和非高斯噪声的抗干扰能力,进而可提高测量结果的准确度和精度,并拓宽使用范围。
附图说明
图1为一个实施例中反应力锥形貌测量方法的流程示意图;
图2a为均值为0,方差为6的高斯噪声的椭圆数据;
图2b为基于图2a的测量数据;
图3a为均值为0,方差为121的拉普拉斯噪声的椭圆数据;
图3b为基于图3a的测量数据;
图4为高压电缆反应力锥手持线激光扫描的三维点云数据;
图5a为图4中一个点云截面的图像;
图5b为基于图5a的测量数据;
图6为一个实施例中反应力锥装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
正如背景技术所述,传统的接触式测量方法测量精度相对较高,但是耗时长,设备成本高。而非接触式光学测量方法虽然对测量数据中理想的高斯噪声或者拉普拉斯噪声具有较好的抑制作用,但是在实际的工作环境里有可能存在各种类型的噪声,这些噪声都会严重影响测量精度,降低测量结果的准确性。
而本申请通过将L1—L2混合范数引入椭圆拟合框架,基于L1—L2范数的代数距离最小化代价函数来获取椭圆拟合参数,从而可提高测量结果的准确度和精度,并拓宽使用范围。
在一个实施例中,如图1所示,提供了一种反应力锥形貌测量方法,方法包括:
步骤110,获取反应力锥每一截面对应的各三维点数据,并生成截面对应的坐标矩阵。
其中,反应力锥可以是设置在电缆上的反应力锥,在一个示例中,反应力锥可以设置在高压电缆上;反应力锥的形状可以根据实际情况进行确定,例如可以为圆柱状。三维点数据可通过激光设备扫描获取,并包括对应的三维坐标。
具体地,可将反应力锥划分为不同的截面,例如可根据反应力锥的轴向或者径向对反应力锥进行划分,并分别获取每一个截面对应的三维点数据。
同一个截面可对应有多个三维点数据,且各三维点数据可位于同一平面上或者在一定误差内位于同一平面上。例如,当同一截面对应的各三维点数据的某一坐标取值相同(如x坐标相同时)时,可确认各三维点数据可位于同一平面上;当同一截面对应的全部三维点数据的某一坐标取值保持在一定误差范围内时,可确认各三维点数据在一定误差内位于同一平面上。
在得到每一截面对应的各三维点数据后,可根据同一截面对应的各三维点数据的坐标值,生成该截面对应的坐标矩阵。
步骤120,对于每一坐标矩阵,获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积,并根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数,基于目标椭圆拟合参数确定坐标矩阵对应的截面的截面半径。
其中,第一权重系数和第二权重系数可以为相互独立的两个系数,即二者之间可无必然联系;也可满足一定的预设关系,例如第一权重系数和第二权重系数之和可为预设值,或者第一权重系数和第二权重系数之比可为预设值等。椭圆拟合参数为未知量,即待求解的值;椭圆拟合参数可以为矩阵,并包括多个待求解的椭圆参数。
具体地,对于每一个坐标矩阵而言,获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积。混合能量泛函包括第一乘积的L1范数和第二乘积的L2范数。需要说明的是,混合能量泛函包括但不局限于上述两个函数项,其还可包括更多的函数项。
求解混合能量泛函,从而可得到目标椭圆拟合参数,通过对目标椭圆拟合参数进行计算,可得到截面半径,该截面半径为参与计算的坐标矩阵所对应的截面的半径,从而可使用混合能量泛函估计不同截面的半径。
对于每一坐标矩阵而言,都分别确定其对应的第一乘积和第二乘积,并得到对应的混合能量泛函,通过求解相应的混合能量泛函,从而可得到每一坐标矩阵对应的截面半径,也即每一截面对应的截面半径。如此,即可得到反应力锥各截面的截面半径。
步骤130,根据各截面的截面半径,得到反应力锥的半径,并基于反应力锥的半径输出反应力锥的三维形貌。
具体地,可根据估计得到的各个截面的截面半径,确定反应力锥的半径。本申请可采用现有技术中列举的各种方式来得到反应力锥的半径,本申请对此并不作出具体限定。在得到反应力锥的半径后,可根据反应力锥的半径得到反应力锥的三维形貌,从而完成反应力锥的测量。
本申请各实施例中的反应力锥形貌测量方法,克服了传统L2范数对非高斯噪声敏感,L1范数对高斯噪声敏感的问题,能够无噪声数据、高斯噪声干扰数据、非高斯噪声干扰数据获得高精度的参数估计精度,减少估计的反应力锥尺寸精度受噪声的干扰。
上述反应力锥形貌测量方法中,将L1—L2混合范数引入椭圆拟合框架,基于L1—L2范数的代数距离最小化代价函数来获取椭圆拟合参数,从而可提高对高斯噪声和非高斯噪声的抗干扰能力,通过组合不同的权重系数,融合了L1范数和L2范数的优点,仅需调整第一权重系数和第二权重系数,即可调节对高斯噪声和非高斯噪声的抗干扰能力,进而可提高测量结果的准确度和精度,并拓宽使用范围。
在一个实施例中,根据各截面的截面半径,得到反应力锥的半径的步骤,包括:
将各截面半径的平均值确认为反应力锥的半径。
具体地,在计算得到反应力锥各个截面的截面半径后,可将对各截面半径进行求平均值,并将得到的平均值作为反应力锥的半径。
在一个实施例中,获取反应力锥每一截面对应的各三维点数据的步骤,包括:
获取反应力锥的三维点云数据,以及三维点云数据对应形状的轴线方向;
根据轴线方向对三维点云数据进行划分,得到每一截面对应的各三维点数据。
其中,三维点云数据包括多个三维点数据。
具体地,可通过激光设备,如手持线激光设备对反应力锥进行扫描,得到反应力锥表面的三维点云数据,计算反应力锥表面点云的轴线方向,并按照轴线放线将三维点云数据划分成不同截面数据,从而可得到轴线方向上的多个截面,轴线方向垂直于各截面,且每一截面对应多个三维点数据。
在一个实施例中,根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数的步骤,包括:
求解以下混合能量泛函,得到目标椭圆参数:
其中,θ为椭圆拟合参数;w为第一权重系数;o表示对应元素相乘;P为坐标矩阵;‖‖1为L1范数;1-w为第二权重系数;‖ ‖2为L2范数;λ为拉格朗日参数;θT为椭圆拟合参数的转置;C为椭圆判别条件的矩阵表达;arg minθ{}为获取函数取最小值时对应的θ。
具体地,反应力锥可为圆柱状,截面的形状可以为圆形。考虑到噪声的影响,可将圆柱半径估计问题转换成二维平面上的椭圆拟合问题。对于一般的二次曲线,J(P,θ)=P·θ=ax2+bxy+cy2+dx+ey+f=0,其中,J()为能量泛函,x为二维坐标系中的x坐标;y二维坐标系中的y坐标;a为第一椭圆拟合参数;b为第二椭圆拟合参数;c为第三椭圆拟合参数;d为第四椭圆拟合参数;e为第五椭圆拟合参数;f为第六椭圆拟合参数;P=(x2,xy,y2,x,y,1),即坐标矩阵;θ=(a,b,c,d,e,f)T。
当判别式满足条件b2+4ac<0时,二次曲线退化成椭圆前,取b2+4ac=-1时,-1<0满足椭圆条件,其等价形式为4ac-b2=1,该等价形式的矩阵表达为:
当b2+4ac=-1时,矩阵形式为θTCθ=1。通过最小化代数距离的L2范数来求解椭圆拟合参数,可通过求解如下L2能量泛函受约束问题来估计椭圆方程的参数:
其中,arg minθ{}为‖Pθ‖2取最小值时对应的θ;P为坐标矩阵;θ为椭圆拟合参数;‖‖2为L2范数;s.t.为约束条件;a为第一椭圆拟合参数;b为第二椭圆拟合参数;c为第三椭圆拟合参数。
通过拉格朗日乘子法,可将上述首先问题转换为如下非受限问题:
其中,λ为拉格朗日参数,可以为大于0的常数。
在本申请方案中,可基于L1-L2混合能量泛函来得到目标椭圆拟合参数,L1-L2混合能量泛函可如下式所示:
其中,θ为椭圆拟合参数;w为第一权重系数;o表示对应元素相乘;P为坐标矩阵;‖‖1为L1范数;1-w为第二权重系数;‖ ‖2为L2范数;λ为拉格朗日参数;θT为椭圆拟合参数的转置;C为椭圆判别条件的矩阵表达;arg minθ{}为获取函数取最小值时对应的θ。
在一个实施例中,求解混合能量泛函,得到目标椭圆参数的步骤,包括:
引入辅助变量,对混合能量泛函进行变形,变形后的混合能量泛函为:
其中,s为辅助变量;s.t.为约束条件;
引入Bregman迭代变量,得到非受限的混合能量泛函,非受限的混合能量泛函为:
其中,μ为常数;t为Bregman迭代变量;
求解非受限的混合能量泛函,得到目标椭圆拟合参数。
具体地,在混合能量泛函中同时包括L1和L2项的最小化问题,可采用Bregman迭代求解的方式获取椭圆。首先,可引入辅助变量s=Pθ,将混合能量泛函转换为:
其中,s为辅助变量;s.t.为约束条件;θ为椭圆拟合参数;w为第一权重系数;o表示对应元素相乘;‖ ‖1为L1范数;1-w为第二权重系数;‖ ‖2为L2范数;λ为拉格朗日参数;θT为椭圆拟合参数的转置;C为椭圆判别条件的矩阵表达;arg minθ{}为获取函数取最小值时对应的θ。
然后引入Bregman迭代变量t,将上式转换为如下非受限问题,得到非受限的混合能量泛函:
其中,μ为大于0的常数,可取1。
通过求解非受限的混合能量泛函,从而可得到坐标矩阵对应的目标椭圆拟合参数,也即截面对应的目标椭圆拟合参数。
上述反应力锥形貌测量方法中,混合能量泛函同时包括L1范数和L2范数,在信号分析中,可通过L2范数来抑制高斯噪声,通过L1范数来抑制拉普拉斯噪声。通过选取相应的权重系数,即可令混合能量泛函同时有效地抑制高斯噪声和拉普拉斯噪声的干扰,进一步地提高测量的准确性和精度。
在一个实施例中,求解非受限的混合能量泛函,得到目标椭圆拟合参数的步骤,还包括:
采用标准的Shrink算子进行求解,得到辅助变量;
根据辅助变量和Bregman迭代变量,得到目标椭圆拟合参数。
具体地,对于辅助变量s的子问题,可将混合能量泛函转换为:
其中,arg mins{}为获取函数取最小值时对应的s。
(1)令s>0,则有w+2(1-w)s+μ(s-Pθ-t)=0;
(2)令s<0,则有-w+2(1-w)s+μ(s-Pθ-t)=0。
μ为大于0的常数,w和(1-w)均为系数矩阵,其每个元素均位于区间[0,1]。可采用标准的Shrink算子进行求解,得到:
其中,k为迭代次数;式中x为第一参数,可等于μ(Pθk+1+tk);r为第二参数,可等于w。sk+1为变量s第k+1次迭代结果;θk+1为变量θ第k+1次迭代得到的椭圆拟合参数;tk为变量t第k次迭代得到的Bregman迭代变量。
对于Bregman迭代变量t的子问题,t的更新方式为:
tk+1=tk+Pθk+1-sk+1
其中,tk+1为第k+1次迭代得到的Bregman迭代变量。
对于θ的子问题,可将混合能量泛函转换为:
可采用最小二乘算法进行求得,并得到以下闭合解:
其中,sk为变量s第k次迭代结果。
进一步地,本申请可结合以下示例进行理解。w=1,λ=1,μ=1,k=0,s0=0,t0=0,最大迭代次数N=20。
以1为步进单位递增k,对于k的每一次取值,均执行上一步骤,直至k大于或等于N,并返回得到的θk。
迭代后可获得椭圆拟合参数θ=(a,b,c,d,e,f)T,对椭圆拟合参数θ进行归一化处理,将矩阵中的各元素均除以f,得到可通过如下公式得到椭圆圆心(XC,YC),椭圆长半轴Rx,椭圆短半轴Ry以及椭圆旋转角δ:
为便于说明本申请的方案,下面通过具体的示例进行说明。本申请提供的反应力锥形貌测量方法可用于测量圆柱状高压电缆的反应力锥的三维形貌。如图2a所示,图2a示出了均值为0,方差为6的高斯噪声的椭圆数据,椭圆圆心(XC,YC)=(128,256),长半轴Rx=40,椭圆短半轴Ry=30以及椭圆旋转角δ=0.785398弧度。图2b为图2a使用L1-L2混合能量泛函,设置第一权重系数w=0.5,μ=1,迭代12次椭圆拟合结果,拟合出的椭圆圆心坐标为(XC,YC)=(128.10,256.07),长半轴Rx=39.66,短半轴Ry=30.17,旋转角δ=0.767142弧度。
如图3a所示,图3a示出了均值为0,方差为121的拉普拉斯噪声的椭圆数据,椭圆圆心(XC,YC)=(128,256),长半轴Rx=40,椭圆短半轴Ry=30以及椭圆旋转角δ=0.785398弧度。图3b为图3a使用L1-L2混合能量泛函,设置第一权重系数w=0.5,μ=1,迭代5次椭圆拟合结果,拟合出的椭圆圆心坐标为(XC,YC)=(127.42,255.91),长半轴Rx=40.26,短半轴Ry=30.02,旋转角γ=0.684863弧度。
图4示出了高压电缆反应力锥手持线激光扫描的点云,图5a高压电缆反应力锥一个点云截面图像,图5b为图5a使用L1-L2混合能量泛函,设置第一权重系数w=0.5,μ=1,迭代30次椭圆拟合结果,拟合出的椭圆圆心坐标为(XC,YC)=(44.80,-240.56),长半轴Rx=38.16,短半轴Ry=37.57,旋转角δ=1.566432弧度。则估计的截面半径毫米,与设计值38.00毫米偏差0.14毫米。
应该理解的是,虽然图1-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种反应力锥形貌测量装置,包括:
坐标矩阵获取模块,用于获取反应力锥每一截面对应的各三维点数据,并生成截面对应的坐标矩阵;
截面半径获取模块,用于对于每一坐标矩阵,分别获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积,并根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数,基于目标椭圆拟合参数确定对应坐标矩阵的截面的截面半径;
三维形貌输出模块,用于根据各截面的截面半径,得到反应力锥的半径,并基于反应力锥的半径输出反应力锥的三维形貌。
在一个实施例中,坐标矩阵获取模块,还用于获取反应力锥的三维点云数据,以及三维点云数据对应形状的轴线方向;根据轴线方向对三维点云数据进行划分,得到每一截面对应的各三维点数据。
在一个实施例中,反应力锥半径获取模块,还用于将各截面半径的平均值确认为反应力锥的半径。
在一个实施例中,截面半径获取模块包括:
混合能量泛函求解单元,用于求解以下混合能量泛函,得到目标椭圆参数:
其中,θ为椭圆拟合参数;w为第一权重系数;o表示对应元素相乘;P为坐标矩阵;‖‖1为L1范数;1-w为第二权重系数;‖ ‖2为L2范数;λ为拉格朗日参数;θT为椭圆拟合参数的转置;C为椭圆判别条件的矩阵表达;arg minθ{}为获取函数取最小值时对应的θ。
在一个实施例中,混合能量泛函求解单元,还用于引入辅助变量,对混合能量泛函进行变形,变形后的混合能量泛函为:
其中,s为辅助变量;s.t.为约束条件;
引入Bregman迭代变量,得到非受限的混合能量泛函,非受限的混合能量泛函为:
其中,μ为常数;t为Bregman迭代变量;
求解非受限的混合能量泛函,得到目标椭圆拟合参数。
在一个实施例中,混合能量泛函求解单元,还用于采用标准的Shrink算子进行求解,得到辅助变量;根据辅助变量和Bregman迭代变量,得到目标椭圆拟合参数。
关于反应力锥形貌测量装置的具体限定可以参见上文中对于反应力锥形貌测量方法的限定,在此不再赘述。上述反应力锥形貌测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储三维点云数据、坐标矩阵、第一权重系数、第二权重系数、拉格朗日参数、判别条件的矩阵表达等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种反应力锥形貌测量方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取反应力锥每一截面对应的各三维点数据,并生成截面对应的坐标矩阵;
对于每一坐标矩阵,获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积,并根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数,基于目标椭圆拟合参数确定坐标矩阵对应的截面的截面半径;
根据各截面的截面半径,得到反应力锥的半径,并基于反应力锥的半径输出反应力锥的三维形貌。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取反应力锥的三维点云数据,以及三维点云数据对应形状的轴线方向;根据轴线方向对三维点云数据进行划分,得到每一截面对应的各三维点数据。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将各截面半径的平均值确认为反应力锥的半径。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
求解以下混合能量泛函,得到目标椭圆参数:
其中,θ为椭圆拟合参数;w为第一权重系数;o表示对应元素相乘;P为坐标矩阵;‖‖1为L1范数;1-w为第二权重系数;‖ ‖2为L2范数;λ为拉格朗日参数;θT为椭圆拟合参数的转置;C为椭圆判别条件的矩阵表达;arg minθ{}为获取函数取最小值时对应的θ。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
引入辅助变量,对混合能量泛函进行变形,变形后的混合能量泛函为:
其中,s为辅助变量;s.t.为约束条件;
引入Bregman迭代变量,得到非受限的混合能量泛函,非受限的混合能量泛函为:
其中,μ为常数;t为Bregman迭代变量;
求解非受限的混合能量泛函,得到目标椭圆拟合参数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:采用标准的Shrink算子进行求解,得到辅助变量;根据辅助变量和Bregman迭代变量,得到目标椭圆拟合参数。
在一个实施例中,提供了一种反应力锥形貌测量系统,包括手持线激光设备和上述任一实施例中的计算机设备;
手持线激光设备,用于扫描反应力锥,得到反应力锥的三维点云数据,并将三维点云数据传输给计算机设备。
具体地,可采用手持先激光设备扫描电缆的反应力锥,从而可得到电缆反应力锥表面的三维点云数据,并将三维点云数据传输给计算机设备。计算机设备获取电缆反应力锥表面点云切面数据,并基于L1-L2混合能量泛函分别估计椭圆切面的长短轴,并根据长短周输出电缆反应力锥的截面半径。具体而言,计算机设备可执行如上述任一实施例中的反应力锥形貌测量方法。
上述反应力锥形貌测量系统,采用手持线激光设备进行扫描,并通过计算机设备估计得到反应力锥的半径,无需配合其它位移辅助平台,从而可在提高测量精度、测量准确度的同时,降低维护成本并提高使用便捷性。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取反应力锥每一截面对应的各三维点数据,并生成截面对应的坐标矩阵;
对于每一坐标矩阵,获取第一权重系数、坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、坐标矩阵和椭圆拟合参数之间的第二乘积,并根据第一乘积的L1范数和第二乘积的L2范数,得到目标椭圆拟合参数,基于目标椭圆拟合参数确定坐标矩阵对应的截面的截面半径;
根据各截面的截面半径,得到反应力锥的半径,并基于反应力锥的半径输出反应力锥的三维形貌。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取反应力锥的三维点云数据,以及三维点云数据对应形状的轴线方向;根据轴线方向对三维点云数据进行划分,得到每一截面对应的各三维点数据。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将各截面半径的平均值确认为反应力锥的半径。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
求解以下混合能量泛函,得到目标椭圆参数:
其中,θ为椭圆拟合参数;w为第一权重系数;o表示对应元素相乘;P为坐标矩阵;‖‖1为L1范数;1-w为第二权重系数;‖ ‖2为L2范数;λ为拉格朗日参数;θT为椭圆拟合参数的转置;C为椭圆判别条件的矩阵表达;arg minθ{}为获取函数取最小值时对应的θ。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
引入辅助变量,对混合能量泛函进行变形,变形后的混合能量泛函为:
其中,s为辅助变量;s.t.为约束条件;
引入Bregman迭代变量,得到非受限的混合能量泛函,非受限的混合能量泛函为:
其中,μ为常数;t为Bregman迭代变量;
求解非受限的混合能量泛函,得到目标椭圆拟合参数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:采用标准的Shrink算子进行求解,得到辅助变量;根据辅助变量和Bregman迭代变量,得到目标椭圆拟合参数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种反应力锥形貌测量方法,其特征在于,所述方法包括:
获取反应力锥每一截面对应的各三维点数据,并生成所述截面对应的坐标矩阵;
对于每一所述坐标矩阵,获取第一权重系数、所述坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、所述坐标矩阵和所述椭圆拟合参数之间的第二乘积,并根据所述第一乘积的L1范数和所述第二乘积的L2范数,得到目标椭圆拟合参数,基于所述目标椭圆拟合参数确定所述坐标矩阵对应的所述截面的截面半径;
根据各所述截面的截面半径,得到所述反应力锥的半径,并基于所述反应力锥的半径输出所述反应力锥的三维形貌。
2.根据权利要求1所述的反应力锥形貌测量方法,其特征在于,获取反应力锥每一截面对应的各三维点数据的步骤,包括:
获取所述反应力锥的三维点云数据,以及所述三维点云数据对应形状的轴线方向;
根据所述轴线方向对所述三维点云数据进行划分,得到每一所述截面对应的各所述三维点数据。
3.根据权利要求1所述的反应力锥形貌测量方法,其特征在于,根据各所述截面的截面半径,得到所述反应力锥的半径的步骤,包括:
将各所述截面半径的平均值确认为所述反应力锥的半径。
6.根据权利要求5所述的反应力锥形貌测量方法,其特征在于,反应力锥形貌测量求解所述非受限的混合能量泛函,得到所述目标椭圆拟合参数的步骤,还包括:
采用标准的Shrink算子进行求解,得到所述辅助变量;
根据所述辅助变量和所述Bregman迭代变量,得到所述目标椭圆拟合参数。
7.一种反应力锥形貌测量装置,其特征在于,所述装置包括:
坐标矩阵获取模块,用于获取反应力锥每一截面对应的各三维点数据,并生成所述截面对应的坐标矩阵;
截面半径获取模块,用于对于每一所述坐标矩阵,分别获取第一权重系数、所述坐标矩阵和椭圆拟合参数之间的第一乘积,以及第二权重系数、所述坐标矩阵和所述椭圆拟合参数之间的第二乘积,并根据所述第一乘积的L1范数和所述第二乘积的L2范数,得到目标椭圆拟合参数,基于所述目标椭圆拟合参数确定对应所述坐标矩阵的所述截面的截面半径;
三维形貌输出模块,用于根据各所述截面的截面半径,得到所述反应力锥的半径,并基于所述反应力锥的半径输出所述反应力锥的三维形貌。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种反应力锥形貌测量系统,其特征在于,包括手持线激光设备和如权利要求8所述的计算机设备;
所述手持线激光设备,用于扫描反应力锥,得到所述反应力锥的三维点云数据,并将所述三维点云数据传输给所述计算机设备。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663344.6A CN112017233A (zh) | 2020-07-10 | 2020-07-10 | 反应力锥形貌测量方法、装置、计算机设备和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663344.6A CN112017233A (zh) | 2020-07-10 | 2020-07-10 | 反应力锥形貌测量方法、装置、计算机设备和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112017233A true CN112017233A (zh) | 2020-12-01 |
Family
ID=73498734
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010663344.6A Pending CN112017233A (zh) | 2020-07-10 | 2020-07-10 | 反应力锥形貌测量方法、装置、计算机设备和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112017233A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114485484A (zh) * | 2021-11-25 | 2022-05-13 | 郑州郑大智能科技股份有限公司 | 一种环形工件尺寸数字化检测及校正方法 |
CN114782450A (zh) * | 2022-06-23 | 2022-07-22 | 北京航空航天大学杭州创新研究院 | 孔洞填充设备控制方法、装置、设备和计算机可读介质 |
EP4270694A1 (en) * | 2022-04-26 | 2023-11-01 | Nexans | System and method for positioning of pre-molded accessory component for a high voltage cable |
WO2023226064A1 (zh) * | 2022-05-25 | 2023-11-30 | 北京航空航天大学杭州创新研究院 | 椭圆定位数据处理方法、装置、设备、介质和程序产品 |
EP4321837A1 (en) * | 2022-08-10 | 2024-02-14 | Nexans | Method for determining a quality of a cable surface |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020177980A1 (en) * | 1999-12-30 | 2002-11-28 | Jaydeep Sinha | Specimen topography reconstruction |
US20190085684A1 (en) * | 2017-09-20 | 2019-03-21 | Southern University Of Science And Technology | Method, device and terminal for determining borehole cross-sectional shape |
CN110097593A (zh) * | 2019-04-15 | 2019-08-06 | 上海海事大学 | 一种从多线激光雷达点云数据中识别圆柱面的方法 |
CN110163905A (zh) * | 2019-05-08 | 2019-08-23 | 武汉惟景三维科技有限公司 | 一种高精度椭圆拟合方法 |
-
2020
- 2020-07-10 CN CN202010663344.6A patent/CN112017233A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020177980A1 (en) * | 1999-12-30 | 2002-11-28 | Jaydeep Sinha | Specimen topography reconstruction |
US20190085684A1 (en) * | 2017-09-20 | 2019-03-21 | Southern University Of Science And Technology | Method, device and terminal for determining borehole cross-sectional shape |
CN110097593A (zh) * | 2019-04-15 | 2019-08-06 | 上海海事大学 | 一种从多线激光雷达点云数据中识别圆柱面的方法 |
CN110163905A (zh) * | 2019-05-08 | 2019-08-23 | 武汉惟景三维科技有限公司 | 一种高精度椭圆拟合方法 |
Non-Patent Citations (1)
Title |
---|
LIANG, JUNLI: "Robust Ellipse Fitting Based on Sparse Combination of Data Points", IEEE TRANSACTIONS ON IMAGE PROCESSING, pages 2207 - 2218 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114485484A (zh) * | 2021-11-25 | 2022-05-13 | 郑州郑大智能科技股份有限公司 | 一种环形工件尺寸数字化检测及校正方法 |
CN114485484B (zh) * | 2021-11-25 | 2024-05-07 | 郑州郑大智能科技股份有限公司 | 一种环形工件尺寸数字化检测及校正方法 |
EP4270694A1 (en) * | 2022-04-26 | 2023-11-01 | Nexans | System and method for positioning of pre-molded accessory component for a high voltage cable |
WO2023226064A1 (zh) * | 2022-05-25 | 2023-11-30 | 北京航空航天大学杭州创新研究院 | 椭圆定位数据处理方法、装置、设备、介质和程序产品 |
CN114782450A (zh) * | 2022-06-23 | 2022-07-22 | 北京航空航天大学杭州创新研究院 | 孔洞填充设备控制方法、装置、设备和计算机可读介质 |
CN114782450B (zh) * | 2022-06-23 | 2022-10-25 | 北京航空航天大学杭州创新研究院 | 孔洞填充设备控制方法、装置、设备和计算机可读介质 |
EP4321837A1 (en) * | 2022-08-10 | 2024-02-14 | Nexans | Method for determining a quality of a cable surface |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112017233A (zh) | 反应力锥形貌测量方法、装置、计算机设备和系统 | |
US9761015B2 (en) | Method for determining dimensions in an indoor scene from a single depth image | |
US20160125226A1 (en) | Method and system for automatically optimizing quality of point cloud data | |
CN104424655A (zh) | 点云曲面重构系统及方法 | |
CN106709943B (zh) | 一种基于最优传输的点云配准方法 | |
US11625454B2 (en) | Method and device for 3D shape matching based on local reference frame | |
Buch et al. | Prediction of ICP pose uncertainties using Monte Carlo simulation with synthetic depth images | |
Rouhani et al. | Implicit polynomial representation through a fast fitting error estimation | |
Deng et al. | Uncertainties evaluation of coordinate transformation parameters in the large-scale measurement for aircraft assembly | |
Fursov et al. | Conformed identification of the fundamental matrix in the problem of a scene reconstruction, using stereo images | |
CN115205450A (zh) | 三维扫描数据的处理方法、装置、系统、设备和介质 | |
Müller et al. | Comparison of different measures for the single point uncertainty in industrial X-ray computed tomography | |
Forbes et al. | Generation of numerical artefacts for geometric form and tolerance assessment | |
Franceschini et al. | Multivariate control charts for monitoring internal camera parameters in digital photogrammetry for LSDM (Large-Scale Dimensional Metrology) applications | |
KR101373139B1 (ko) | 레이저 간섭계를 이용한 직각도 측정 방법 | |
CN108416811B (zh) | 一种摄影机自标定方法及装置 | |
Ye et al. | A Method of Binocular Laser 3-D Scanning Imaging for Reflective Workpieces | |
CN114266776B (zh) | 一种应用复合裂纹位移场函数的数字图像相关方法 | |
Będkowski et al. | Towards terrestrial 3D data registration improved by parallel programming and evaluated with geodetic precision | |
CN115187730A (zh) | 一种结构应变量测方法、装置、测量终端及存储介质 | |
Wang et al. | Pose error analysis method based on a single circular feature | |
CN115436874A (zh) | 三维无源定位方法 | |
Lourenço et al. | 2D lidar to kinematic chain calibration using planar features of indoor scenes | |
Chen et al. | Theoretical uncertainty evaluation of stereo reconstruction | |
Belhaoua et al. | Estimation of 3D reconstruction errors in a stereo-vision system |
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 |