CN112017290B - 一种圆锥面拟合方法、装置、计算机设备和存储介质 - Google Patents
一种圆锥面拟合方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112017290B CN112017290B CN202011160516.4A CN202011160516A CN112017290B CN 112017290 B CN112017290 B CN 112017290B CN 202011160516 A CN202011160516 A CN 202011160516A CN 112017290 B CN112017290 B CN 112017290B
- Authority
- CN
- China
- Prior art keywords
- point
- conical surface
- calculating
- effective
- points
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 title abstract description 14
- 239000013598 vector Substances 0.000 claims abstract description 202
- 238000013507 mapping Methods 0.000 claims abstract description 142
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910001208 Crucible steel Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请涉及一种圆锥面拟合方法、装置、计算机设备和存储介质。所述方法包括：将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；根据所述映射点集合计算映射圆点集平面方程，计算圆锥面的轴线方向向量；根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述每个点的锥面张角；在所述锥面张角满足第一预设条件时，确定所述对应点为有效点；根据所述有效点的锥面张角计算所述圆锥面的圆锥张角；通过任意三个不共线的有效点确定三个有效平面，并计算三个有效平面的交点，获得顶点；所述轴线方向向量、圆锥张角和顶点为所述锥形物体的圆锥面参数。采用本方法可提高圆锥面参数的准确性。
Description
技术领域
本申请涉及三维数据点云数据处理技术领域，特别是涉及一种圆锥面拟合方法、装置、计算机设备和存储介质。
背景技术
工业检测是自动化生产过程中的一个重要部分，小到各种微小零部件的尺寸测量、大到工业加工的大型铸件钢材的质量检测，均需用到工业检测技术，不同的待检测对象由于其材质、形状的不同，需要制定不同的检测方案，因此该过程也是生产制造过程中的难点所在。大多数的待检测对象表面由平面、球面、柱面以及锥面等二次曲面构成，传统的几何测量多通过卡尺、三坐标测量机等接触式测量方法实现，效率低下，已不能满足工业上日益增长的测量精度需求。现有通过三维扫描技术获取锥形物体表面点云，再对点云进行曲面拟合获得锥形物体表面参数。
然而，现有通过三维点云对锥形物体进行曲面拟合的方法，由于受三维扫描过程中的点云数据的精确度的影响，导致拟合的锥形物体表面参数精确度低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高获得锥形物体表面参数的精确度的一种圆锥面拟合方法、装置、计算机设备和存储介质。
一种圆锥面拟合方法，所述方法包括：
将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形；
根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量；
根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角；
在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点；
根据所述有效点的锥面张角计算所述圆锥面的圆锥张角；
通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点；
根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数。
在其中一个实施例中，在将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合之前，包括：获取锥形物体的三维点云数据；去除所述三维点云数据中的干扰点，获得预处理后的三维点云数据；根据所述预处理后的三维点云数据通过点云包围盒分割方法，获得三维圆锥面点云数据。
在其中一个实施例中，所述将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合，包括：计算锥形物体的三维圆锥面点云数据中每个点的单位法向量；将所述每个点的单位法向量进行高斯映射，获得单位球面上的三维点；其中，所有单位球面上的三维点的集合为映射点集合。
在其中一个实施例中，所述根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量，包括：通过滤波算法去除所述映射点集合中的孤立噪点，获得滤波点集合；根据所述滤波点集合通过基于距离的聚类算法，获得非噪点集合；根据所述非噪点集合，计算映射圆点集平面方程；根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量。
在其中一个实施例中，所述根据所述非噪点集合，计算映射圆点集平面方程，包括：根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面；根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离；过滤所述非噪点集合中所述距离大于第一阈值的点，并重复根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面，根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离的步骤；每次重复计算初始平面方程时更新第一阈值，第一阈值等比率缩小；在所述非噪点集合计算得到的初始平面方程相对前一次不再变化或者达到预设重复次数上限时，将所述初始平面方程确定为映射圆点集平面方程。
在其中一个实施例中，所述根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角，包括：计算所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量的第一夹角；计算所述第一夹角的余角，得到所述三维圆锥面点云数据中每个点的锥面张角。
在其中一个实施例中，所述在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点，包括：根据所述三维圆锥面点云数据中所有点的锥面张角，计算绝对离差中位数；根据所述三维圆锥面点云数据中每个点的锥面张角和所述绝对离差中位数，计算所述三维圆锥面点云数据中每个点的偏差值；当所述三维圆锥面点云数据中每个点的偏差值小于第二阈值时，确定所述三维圆锥面点云数据中对应点为有效点。
在其中一个实施例中，所述根据所述有效点的锥面张角计算所述圆锥面的圆锥张角，包括：计算所有所述有效点的锥面张角的平均值，得到所述圆锥面的圆锥张角。
在其中一个实施例中，所述通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点，包括：获取任意三个不共线的有效点的坐标和法向量；根据所述任意三个不共线的有效点的坐标和法向量，计算有效平面方程；根据所述有效平面方程确定有效平面，三个所述不共线的有效点的有效平面不平行；根据所述有效平面方程，计算所述有效平面的交点；根据所述交点和所述轴线方向向量，计算第一直线方程；计算所述交点到所述三个不共线的有效点的向量，获得三个不共线的圆锥面向量；根据每个所述圆锥面向量与所述第一直线方程，计算每个所述圆锥面向量对应的第二夹角；当每个所述第二夹角与所述圆锥张角的差值均小于第三阈值时，将所述交点确定为所述圆锥面的顶点。
在其中一个实施例中，所述根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数，包括：根据所述三维圆锥面点云数据中任意一点作为参考点，计算所述参考点到由所述轴线方向向量和顶点确定的轴线的实际距离；根据所述参考点，在由所述圆锥面的轴线方向向量、圆锥张角和顶点确定的曲面方程上获取对应的曲面点；计算所述曲面点到所述轴线的理论距离；根据所述实际距离与所述理论距离之差，构建关于所述轴线方向向量、圆锥张角和顶点的误差函数；通过非线性最小二乘优化算法优化所述误差函数的参数变量，获得最终的轴线方向向量值、圆锥张角值和顶点值；根据所述最终的轴线方向向量值、圆锥张角值和顶点值，确定所述锥形物体的圆锥面参数。
一种圆锥面拟合装置，所述装置包括：
映射点集合获取模块，用于将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形；
轴线方向向量获取模块，用于根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量；
锥面张角计算模块，用于根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角；
有效点确定模块，用于在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点；
圆锥张角计算模块，用于根据所述有效点的锥面张角计算所述圆锥面的圆锥张角；
顶点计算模块，用于通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点；
圆锥面参数确定模块，用于根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数。
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，所述处理器执行所述计算机程序时实现以下步骤：
将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形；
根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量；
根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角；
在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点；
根据所述有效点的锥面张角计算所述圆锥面的圆锥张角；
通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点；
根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形；
根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量；
根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角；
在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点；
根据所述有效点的锥面张角计算所述圆锥面的圆锥张角；
通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点；
根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数。
上述圆锥面拟合方法、装置、计算机设备和存储介质，通过锥形物体的三维圆锥面点云数据中所有点的法向量通过高斯映射来计算映射点集合，并根据映射点集合确定映射圆点集平面方程，通过获取映射圆点集平面方程确定轴线方向向量，通过将曲面数据转换到平面数据来计算，减少了轴线的运算量从而提高了运算效率；同时，根据轴线方向向量与每个点的单位法向量计算点云中的点的锥面张角，对锥面张角不满足第一预设条件的点进行过滤，保留有效点，能够过滤三维圆锥面点云数据中的干扰点；通过有效点来计算所述圆锥面的圆锥张角，并通过有效点的坐标和法向量计算圆锥面的顶点，提高了锥形物体的圆锥面参数计算的准确性。
附图说明
图1为一个实施例中圆锥面拟合方法的流程示意图；
图2为一个实施例中映射点集合的示意图；
图3为一个实施例中锥面张角和圆锥张角的示意图；
图4为一个实施例中参考点到轴线的实际距离和曲面点到轴线的理论距离的示意图；
图5为一个实施例中圆锥面拟合装置的结构框图；
图6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。
在一个实施例中，如图1所示，提供了一种圆锥面拟合方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
S110，将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形。
其中，锥形物体可为工业生产过程中的锥形物件，如锥形钉、铅锤等。三维圆锥面点云数据可通过激光扫描仪获取。三维圆锥面点云数据中所有点的法向量可通过构建无序点云的拓扑关系，如构建KD树，实现点云邻近点的快速搜索，再使用主成分分析法计算单位法向量。将三维圆锥面点云数据中所有点的法向量通过高斯映射处理到单位球面（高斯球）上，得到垂直于轴线l方向的映射点集合C0（如图2所示）（该集合称为高斯映像）。
S120，根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量。
其中，根据所述映射点集合计算映射圆点集平面方程，具体为，获取所述映射点集合中不共线的三个点来计算映射圆点集平面方程。其中，根据所述映射圆点集平面方程计算得到的映射圆平面的法线，即为圆锥面的轴线方向向量。
S130，根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角。
其中，所述三维圆锥面点云数据中每个点的单位法向量与所述轴线方向向量的夹角β与锥面张角α呈互余关系，如图3所示。
S140，在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点。
其中，第一预设条件根据实验制定，同一批次的锥形物件中表面的点的对应锥面张角的范围是有限的，根据所有锥面张角计算样本方差值，并计算每个锥面张角与样本方差值偏差，通过设置常量阈值，过滤偏差大于常量阈值的锥面张角，常量阈值根据需要设定，例如，常量阈值为2、2.5或3。通过选取有效点，能够过滤三维圆锥面点云数据中的干扰点。
S150，根据所述有效点的锥面张角计算所述圆锥面的圆锥张角。
其中，所述有效点的锥面张角的平均值即为所述圆锥面的圆锥张角。
S160，通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点。
其中，三个不共线的有效点分别确定不同有有效平面，有效平面即根据有效点的坐标和法向量确定的平面，通过有效点的坐标和法向量计算有效平面的方式，根据三个有效点的有效平面的方程能够计算平面的交点，交点即为圆锥面的顶点。
S170，根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数。
其中，根据所述圆锥面的轴线方向向量、圆锥张角和顶点的值，能够确定圆锥面的曲线方程，即确定了所述锥形物体的圆锥面参数。
上述圆锥面拟合方法中，通过锥形物体的三维圆锥面点云数据中所有点的法向量通过高斯映射来计算映射点集合，并根据映射点集合确定映射圆点集平面方程，通过获取映射圆点集平面方程确定轴线方向向量，通过将曲面数据转换到平面数据来计算，减少了轴线的运算量从而提高了运算效率；同时，根据轴线方向向量与每个点的单位法向量计算点云中的点的锥面张角，对锥面张角不满足第一预设条件的点进行过滤，保留有效点，能够过滤三维圆锥面点云数据中的干扰点；通过有效点来计算所述圆锥面的圆锥张角，并通过有效点的坐标和法向量计算圆锥面的顶点，提高了锥形物体的圆锥面参数计算的准确性。
在其中一个实施例中，在将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合之前，包括：获取锥形物体的三维点云数据；去除所述三维点云数据中的干扰点，获得预处理后的三维点云数据；根据所述预处理后的三维点云数据通过点云包围盒分割方法，获得三维圆锥面点云数据。
其中，所述干扰点包括噪声点、冗余点。云包围盒分割方法的原理是，根据预处理后的三维点云数据构建一个包围盒区域，获取包围盒区域内的三维圆锥面点云数据，包围盒区域的大小可以预先设定，例如，可根据实际锥形物件的大小确定。包围盒区域可为矩形包围盒区域，也可为球形包围盒区域。
本实施例中，通过对三维点云数据中的干扰点去除，避免了干扰点对计算结果的影响，同时能够减少计算量，提高圆锥面参数的计算效率；同时，通过点云包围盒分割方法，获得三维圆锥面点云数据，保证了运算的点云是根据圆锥面点云数据来计算，确保计算结果的准确性。
在其中一个实施例中，所述将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合，包括：计算锥形物体的三维圆锥面点云数据中每个点的单位法向量；将所述每个点的单位法向量进行高斯映射，获得单位球面上的三维点；其中，所有单位球面上的三维点的集合为映射点集合。
其中，三维圆锥面点云数据P1中所有点的法向量可通过构建无序点云的拓扑关系，如构建KD树，实现点云邻近点的快速搜索，再使用主成分分析法计算单位法向量。将P1中所有点的单位法向量进行高斯映射，获得单位球面三维点集P2，点集P2呈垂直于轴线l方向的映射点集合C0（如图2所示）。本实施例中，通过将三维圆锥面点云数据中每个点的单位法向量映射到平面内计算，减少了计算量，提高了计算效率。
在其中一个实施例中，所述根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量，包括：通过滤波算法去除所述映射点集合中的孤立噪点，获得滤波点集合；根据所述滤波点集合通过基于距离的聚类算法，获得非噪点集合；根据所述非噪点集合，计算映射圆点集平面方程；根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量。
其中，基于上述实施例，在单位球面三维点集P2，仍然存在远离映射点集合C0确定的平面的点，使用滤波算法去除所述映射点集合中的孤立噪点，获得滤波点集合，再通过基于距离的聚类算法，获得非噪点集合P2’，根据非噪点集合P2’计算映射圆点集平面方程，再根据映射圆点集平面方程计算圆锥面的轴线方向向量。本实施例中，通过去噪、聚类算法获取有效点集用于平面拟合，提高了圆锥面的轴线方向向量计算的准确性。
在其中一个实施例中，所述根据所述非噪点集合，计算映射圆点集平面方程，包括：根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面；根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离；过滤所述非噪点集合中所述距离大于第一阈值的点，并重复根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面，根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离的步骤，每次重复计算初始平面方程时更新第一阈值，第一阈值等比率缩小；在所述非噪点集合计算得到的初始平面方程相对前一次不再变化或者达到预设重复次数上限时，将所述初始平面方程确定为映射圆点集平面方程。
其中，第一阈值根据需要进行设定，一般第一阈值设置的越小，能够更有效的将噪点去除，但是，为了保证留下的点云数据的数量，第一阈值也不能太小。本实施例中，通过多次对初始平面的计算，能够有效的将噪点去除，保证了映射圆点集平面方程的准确性。
在其中一个实施例中，所述根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角，包括：计算所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量的第一夹角；计算所述第一夹角的余角，得到所述三维圆锥面点云数据中每个点的锥面张角。
其中，如图3所示，黑色箭头表示三维圆锥面点云数据中点B的法向量，虚线为轴线
方向向量所在的直线，点B的法向量与所述轴线方向向量的第一夹角β，记点B的锥面张角为
α，则第一夹角β和锥面张角为α满足：
；根据此式能够计算得到点B的锥面张角为α。
在其中一个实施例中，所述在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点，包括：根据所述三维圆锥面点云数据中所有点的锥面张角，计算绝对离差中位数；根据所述三维圆锥面点云数据中每个点的锥面张角和所述绝对离差中位数，计算所述三维圆锥面点云数据中每个点的偏差值；当所述三维圆锥面点云数据中每个点的偏差值小于第二阈值时，确定所述三维圆锥面点云数据中对应点为有效点。
具体的，记述三维圆锥面点云数据中所有点的锥面张角集合 
；根据锥面张角集合
计算绝对离差中位数(median absolute
deviation, MAD)，记为准确的样本方差值：
其中， σ为比例因子，
表示锥面张角集合 
的中位数。计算锥面张角集合
各元素与绝对离差中位数的偏差值，公式如下：
并且，设置第二阈值TH，在三维圆锥面点云数据中，任意一点P1i的偏差值
时，该点为噪声点，反之为有效点。
在其中一个实施例中，所述根据所述有效点的锥面张角计算所述圆锥面的圆锥张角，包括：计算所有所述有效点的锥面张角的平均值，得到所述圆锥面的圆锥张角。
具体的，将有效点的点集记为P1’= { P1i’；i=1,2,3,…,m’} ，且其对应的锥面张
角集合
，计算锥面张角集合 
的均值得到所述圆锥面的圆锥张角θ。
在其中一个实施例中，所述通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点，包括：获取任意三个不共线的有效点的坐标和法向量；根据所述任意三个不共线的有效点的坐标和法向量，计算有效平面方程；根据所述有效平面方程确定有效平面，三个所述不共线的有效点的有效平面不平行；根据所述有效平面方程，计算所述有效平面的交点；根据所述交点和所述轴线方向向量，计算第一直线方程；计算所述交点到所述三个不共线的有效点的向量，获得三个不共线的圆锥面向量；根据每个所述圆锥面向量与所述第一直线方程，计算每个所述圆锥面向量对应的第二夹角；当每个所述第二夹角与所述圆锥张角的差值均小于第三阈值时，将所述交点确定为所述圆锥面的顶点。
具体的，将有效点的点集记为P1’，从P1’选取三个有效点S1、S2、S3，求三点的法向量，记作V1、V2、V3，已知单个点及其法向量可以确定一个平面，基于此根据三个有效点S1、S2、S3的坐标和法向量V1、V2、V3可确定三个平面（平面两两不平行），而三个不平行平面可相交于一点，对于圆锥面上点，该交点即为圆锥面的顶点，记作Papex；由交点Papex和轴线方向向量可确定第一直线方程L，分别计算交点Papex到有效点S1、S2、S3的圆锥面向量S1Papex、S2Papex和S3Papex，圆锥面向量S1Papex到直线L的第二夹角为：
同理，可得到圆锥面向量S2Papex和S3Papex到直线L的第二夹角分别为θ1和θ2，理想状态下，应满足：θ=θ1=θ2=θ3 ；其中，θ为圆锥张角。分别计算θ1、θ2和θ3与圆锥张角θ的差值，若θ1、θ2和θ3与圆锥张角θ的差值均小于第三阈值，则交点Papex为有效圆锥面的顶点，反之，进入迭代，即重新选取三个有效点计算有效平面的交点，并判断交点是否有效，直至得到有效圆锥面的顶点或迭代次数达到上限输出当前最优结果。其中，第三阈值根据需要预先设定。
本实施例中，通过计算圆锥面向量与轴线方向向量确定的第一直线的夹角是否满足小于第三阈值的条件，从而来对符合要求的圆锥面的顶点进行确认，保证了圆锥面的顶点计算的准确性。
在其中一个实施例中，所述根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数，包括：根据所述三维圆锥面点云数据中任意一点作为参考点，计算所述参考点到由所述轴线方向向量和顶点确定的轴线的实际距离；根据所述参考点，在由所述圆锥面的轴线方向向量、圆锥张角和顶点确定的曲面方程上获取对应的曲面点；计算所述曲面点到所述轴线的理论距离；根据所述实际距离与所述理论距离之差，构建关于所述轴线方向向量、圆锥张角和顶点的误差函数；通过非线性最小二乘优化算法优化所述误差函数的参数变量，获得最终的轴线方向向量值、圆锥张角值和顶点值；根据所述最终的轴线方向向量值、圆锥张角值和顶点值，确定所述锥形物体的圆锥面参数。
具体的，通过轴线方向向量和顶点确定圆锥轴线L，三维圆锥面点云数据P1，从P1
中选取任意一点作为参考点p1，圆锥轴线L到参考点p1的距离为实际距离d1，如图4所示，根
据所述参考点，在由所述圆锥面的轴线方向向量、圆锥张角和顶点确定的曲面方程上获取
对应的曲面点，并计算所述曲面点到所述圆锥轴线L的理论距离d2，根据所述实际距离d1与
所述理论距离d2之差，构建关于所述轴线方向向量 
、圆锥张角 θ和顶点Papex的误差函数
=d1-d2，其中， d1-d2可以转化为包含变量Papex、
、θ 的表达式，通过非线性最小
二乘优化算法优化表达式中锥面参数变量，获得最终的轴线方向向量值、圆锥张角值和顶
点值，根据所述最终的轴线方向向量值、圆锥张角值和顶点值，确定所述锥形物体的圆锥面
参数。
应该理解的是，虽然图1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5所示，提供了一种圆锥面拟合装置，包括：映射点集合获取模块210、轴线方向向量获取模块220、锥面张角计算模块230、有效点确定模块240、圆锥张角计算模块250、顶点计算模块260和圆锥面参数确定模块270，其中：
映射点集合获取模块210，用于将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形。
轴线方向向量获取模块220，用于根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量。
锥面张角计算模块230，用于根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角。
有效点确定模块240，用于在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点。
圆锥张角计算模块250，用于根据所述有效点的锥面张角计算所述圆锥面的圆锥张角。
顶点计算模块260，用于通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点。
圆锥面参数确定模块270，用于根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数。
在其中一个实施例中，所述圆锥面拟合装置，还包括：三维点云数据获取模块，用于获取锥形物体的三维点云数据；预处理模块，用于去除所述三维点云数据中的干扰点，获得预处理后的三维点云数据；分割模块，用于根据所述预处理后的三维点云数据通过点云包围盒分割方法，获得三维圆锥面点云数据。
在其中一个实施例中，所述映射点集合获取模块210包括：法向量计算单元，用于计算锥形物体的三维圆锥面点云数据中每个点的单位法向量；高斯映射单元，用于将所述每个点的单位法向量进行高斯映射，获得单位球面上的三维点；其中，所有单位球面上的三维点的集合为映射点集合。
在其中一个实施例中，所述轴线方向向量获取模块220包括：滤波单元，用于通过滤波算法去除所述映射点集合中的孤立噪点，获得滤波点集合；非噪点集合获取单元，用于根据所述滤波点集合通过基于距离的聚类算法，获得非噪点集合；映射圆点集平面方程计算单元，用于根据所述非噪点集合，计算映射圆点集平面方程；轴线方向向量计算单元，用于根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量。
在其中一个实施例中，所述映射圆点集平面方程计算单元包括：初始平面计算子单元，用于根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面；距离计算子单元，用于根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离；过滤子单元，用于过滤所述非噪点集合中所述距离大于第一阈值的点，并重复根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面，根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离的步骤，每次重复计算初始平面方程时更新第一阈值，第一阈值等比率缩小；映射圆点集平面方程确定子单元，用于在所述非噪点集合计算得到的初始平面方程相对前一次不再变化或者达到预设重复次数上限时，将所述初始平面方程确定为映射圆点集平面方程。
在其中一个实施例中，所述锥面张角计算模块230包括：第一夹角计算单元，用于计算所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量的第一夹角；余角计算单元，用于计算所述第一夹角的余角，得到所述三维圆锥面点云数据中每个点的锥面张角。
在其中一个实施例中，所述有效点确定模块240包括：绝对离差中位数计算单元，用于根据所述三维圆锥面点云数据中所有点的锥面张角，计算绝对离差中位数；偏差值计算单元，用于根据所述三维圆锥面点云数据中每个点的锥面张角和所述绝对离差中位数，计算所述三维圆锥面点云数据中每个点的偏差值；有效点确定单元，用于当所述三维圆锥面点云数据中每个点的偏差值小于第二阈值时，确定所述三维圆锥面点云数据中对应点为有效点。
在其中一个实施例中，所述圆锥张角计算模块250，还用于计算所有所述有效点的锥面张角的平均值，得到所述圆锥面的圆锥张角。
在其中一个实施例中，所述顶点计算模块260包括：有效点选取单元，用于获取任意三个不共线的有效点的坐标和法向量；有效平面方程计算单元，用于根据所述任意三个不共线的有效点的坐标和法向量，计算有效平面方程；根据所述有效平面方程确定有效平面，三个所述不共线的有效点的有效平面不平行；交底计算单元，用于根据所述有效平面方程，计算所述有效平面的交点；第一直线方程计算单元，用于根据所述交点和所述轴线方向向量，计算第一直线方程；圆锥面向量计算单元，用于计算所述交点到所述三个不共线的有效点的向量，获得三个不共线的圆锥面向量；第二夹角计算单元，用于根据每个所述圆锥面向量与所述第一直线方程，计算每个所述圆锥面向量对应的第二夹角；顶点确定单元，用于当每个所述第二夹角与所述圆锥张角的差值均小于第三阈值时，将所述交点确定为所述圆锥面的顶点。
在其中一个实施例中，所述圆锥面参数确定模块270包括：实际距离计算单元，用于根据所述三维圆锥面点云数据中任意一点作为参考点，计算所述参考点到由所述轴线方向向量和顶点确定的轴线的实际距离；曲面点计算单元，用于根据所述参考点，在由所述圆锥面的轴线方向向量、圆锥张角和顶点确定的曲面方程上获取对应的曲面点；理论距离计算单元，用于计算所述曲面点到所述轴线的理论距离；误差函数构建单元，用于根据所述实际距离与所述理论距离之差，构建关于所述轴线方向向量、圆锥张角和顶点的误差函数；优化单元，用于通过非线性最小二乘优化算法优化所述误差函数的参数变量，获得最终的轴线方向向量值、圆锥张角值和顶点值；圆锥面参数确定单元，用于根据所述最终的轴线方向向量值、圆锥张角值和顶点值，确定所述锥形物体的圆锥面参数。
关于圆锥面拟合装置的具体限定可以参见上文中对于圆锥面拟合方法的限定，在此不再赘述。上述圆锥面拟合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6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圆锥面点云数据。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圆锥面拟合方法。
本领域技术人员可以理解，图6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，还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上述各方法实施例中的步骤。
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，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
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)
1.一种圆锥面拟合方法，其特征在于，所述方法包括：
将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形；
根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量；
根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角；
在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点；
根据所述有效点的锥面张角计算所述圆锥面的圆锥张角；
通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点；
根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数；
其中，所述通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点，包括：
获取任意三个不共线的有效点的坐标和法向量；
根据所述任意三个不共线的有效点的坐标和法向量，计算有效平面方程；根据所述有效平面方程确定有效平面，三个所述不共线的有效点的有效平面不平行；
根据所述有效平面方程，计算所述有效平面的交点；
根据所述交点和所述轴线方向向量，计算第一直线方程；
计算所述交点到所述三个不共线的有效点的向量，获得三个不共线的圆锥面向量；
根据每个所述圆锥面向量与所述第一直线方程，计算每个所述圆锥面向量对应的第二夹角；
当每个所述第二夹角与所述圆锥张角的差值均小于第三阈值时，将所述交点确定为所述圆锥面的顶点。
2.根据权利要求1所述的方法，其特征在于，在根据锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合之前，包括：
获取锥形物体的三维点云数据；
去除所述三维点云数据中的干扰点，获得预处理后的三维点云数据；
根据所述预处理后的三维点云数据通过点云包围盒分割方法，获得三维圆锥面点云数据。
3.根据权利要求1所述的方法，其特征在于，所述将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合，包括：
计算锥形物体的三维圆锥面点云数据中每个点的单位法向量；
将所述每个点的单位法向量进行高斯映射，获得单位球面上的三维点；
其中，所有单位球面上的三维点的集合为映射点集合。
4.根据权利要求1所述的方法，其特征在于，所述根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量，包括：
通过滤波算法去除所述映射点集合中的孤立噪点，获得滤波点集合；
根据所述滤波点集合通过基于距离的聚类算法，获得非噪点集合；
根据所述非噪点集合，计算映射圆点集平面方程；
根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量。
5.根据权利要求4所述的方法，其特征在于，所述根据所述非噪点集合，计算映射圆点集平面方程，包括：
根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面；
根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离；
过滤所述非噪点集合中所述距离大于第一阈值的点，并重复根据所述非噪点集合通过最小二乘法计算初始平面方程，并根据所述初始平面方程确定初始平面，根据所述初始平面方程计算所述非噪点集合中每个点到所述初始平面的距离的步骤，每次重复计算初始平面方程时更新第一阈值，第一阈值等比率缩小；
在所述非噪点集合计算得到的初始平面方程相对前一次不再变化或者达到预设重复次数上限时，将所述初始平面方程确定为映射圆点集平面方程。
6.根据权利要求1所述的方法，其特征在于，所述根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角，包括：
计算所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量的第一夹角；
计算所述第一夹角的余角，得到所述三维圆锥面点云数据中每个点的锥面张角。
7.根据权利要求1所述的方法，其特征在于，所述在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点，包括：
根据所述三维圆锥面点云数据中所有点的锥面张角，计算绝对离差中位数；
根据所述三维圆锥面点云数据中每个点的锥面张角和所述绝对离差中位数，计算所述三维圆锥面点云数据中每个点的偏差值；
当所述三维圆锥面点云数据中每个点的偏差值小于第二阈值时，确定所述三维圆锥面点云数据中对应点为有效点。
8.根据权利要求1所述的方法，其特征在于，所述根据所述有效点的锥面张角计算所述圆锥面的圆锥张角，包括：
计算所有所述有效点的锥面张角的平均值，得到所述圆锥面的圆锥张角。
9.根据权利要求1所述的方法，其特征在于，所述根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数，包括：
根据所述三维圆锥面点云数据中任意一点作为参考点，计算所述参考点到由所述轴线方向向量和顶点确定的轴线的实际距离；
根据所述参考点，在由所述圆锥面的轴线方向向量、圆锥张角和顶点确定的曲面方程上获取对应的曲面点；
计算所述曲面点到所述轴线的理论距离；
根据所述实际距离与所述理论距离之差，构建关于所述轴线方向向量、圆锥张角和顶点的误差函数；
通过非线性最小二乘优化算法优化所述误差函数的参数变量，获得最终的轴线方向向量值、圆锥张角值和顶点值；
根据所述最终的轴线方向向量值、圆锥张角值和顶点值，确定所述锥形物体的圆锥面参数。
10.一种圆锥面拟合装置，其特征在于，所述装置包括：
映射点集合获取模块，用于将锥形物体的三维圆锥面点云数据中所有点的法向量映射到高斯球，获得映射点集合；其中，所述映射点集合呈现形状为圆形；
轴线方向向量获取模块，用于根据所述映射点集合计算映射圆点集平面方程，并根据所述映射圆点集平面方程计算映射圆平面的法线，获得圆锥面的轴线方向向量；
锥面张角计算模块，用于根据所述三维圆锥面点云数据中每个点的单位法向量和所述轴线方向向量，计算所述三维圆锥面点云数据中每个点的锥面张角；
有效点确定模块，用于在所述锥面张角满足第一预设条件时，确定所述三维圆锥面点云数据中对应点为有效点；
圆锥张角计算模块，用于根据所述有效点的锥面张角计算所述圆锥面的圆锥张角；
顶点计算模块，用于通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点；
圆锥面参数确定模块，用于根据所述圆锥面的轴线方向向量、圆锥张角和顶点，确定所述锥形物体的圆锥面参数；
其中，所述通过任意三个不共线的有效点的坐标和法向量确定三个有效平面，并计算三个有效平面的交点，获得所述圆锥面的顶点，包括：
获取任意三个不共线的有效点的坐标和法向量；
根据所述任意三个不共线的有效点的坐标和法向量，计算有效平面方程；根据所述有效平面方程确定有效平面，三个所述不共线的有效点的有效平面不平行；
根据所述有效平面方程，计算所述有效平面的交点；
根据所述交点和所述轴线方向向量，计算第一直线方程；
计算所述交点到所述三个不共线的有效点的向量，获得三个不共线的圆锥面向量；
根据每个所述圆锥面向量与所述第一直线方程，计算每个所述圆锥面向量对应的第二夹角；
当每个所述第二夹角与所述圆锥张角的差值均小于第三阈值时，将所述交点确定为所述圆锥面的顶点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011160516.4A CN112017290B (zh) | 2020-10-27 | 2020-10-27 | 一种圆锥面拟合方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011160516.4A CN112017290B (zh) | 2020-10-27 | 2020-10-27 | 一种圆锥面拟合方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112017290A CN112017290A (zh) | 2020-12-01 |
| CN112017290B true CN112017290B (zh) | 2021-02-19 |
Family
ID=73528175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011160516.4A Active CN112017290B (zh) | 2020-10-27 | 2020-10-27 | 一种圆锥面拟合方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112017290B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113654461A (zh) * | 2021-08-24 | 2021-11-16 | 凌云光技术股份有限公司 | 一种去除深度图像中局外点的圆锥拟合方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110304619A1 (en) * | 2010-06-10 | 2011-12-15 | Autodesk, Inc. | Primitive quadric surface extraction from unorganized point cloud data |
| CN106446306A (zh) * | 2015-08-04 | 2017-02-22 | 金陵科技学院 | 一种基于高斯球聚类的机械零件逆向工程建模方法 |
| CN110111430A (zh) * | 2019-04-11 | 2019-08-09 | 暨南大学 | 一种从三维点云中提取二次曲面的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107424189A (zh) * | 2017-07-27 | 2017-12-01 | 深圳前海倍思拓技术有限公司 | 基于点云数据处理技术的球、圆柱、椭圆锥模型识别方法 |
-
2020
- 2020-10-27 CN CN202011160516.4A patent/CN112017290B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110304619A1 (en) * | 2010-06-10 | 2011-12-15 | Autodesk, Inc. | Primitive quadric surface extraction from unorganized point cloud data |
| CN106446306A (zh) * | 2015-08-04 | 2017-02-22 | 金陵科技学院 | 一种基于高斯球聚类的机械零件逆向工程建模方法 |
| CN110111430A (zh) * | 2019-04-11 | 2019-08-09 | 暨南大学 | 一种从三维点云中提取二次曲面的方法 |
Non-Patent Citations (4)
| Title |
|---|
| R. Schnabel等.Efficient RANSAC for Point-Cloud Shape Detection.《COMPUTER GRAPHICS FORUM》.2007,第26卷(第2期), * |
| 刘进.自适应的基于点云的CAD模型重建方法.《计算机应用》.2013,第33卷(第9期), * |
| 李岸等.基于高斯映射的柱面与锥面点云拟合.《组合机床与自动化加工技术》.2007,(第8期), * |
| 解则晓等.基于图像线特征和点云面特征的水下人造目标定位.《中国图象图形学报》.2015,第20卷(第8期), * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112017290A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109541997B (zh) | 一种面向平面/近似平面工件的喷涂机器人快速智能编程方法 | |
| CN110031824B (zh) | 激光雷达联合标定方法及装置 | |
| CN108830931B (zh) | 一种基于动态网格k邻域搜索的激光点云精简方法 | |
| Kang et al. | Automatic targetless camera–lidar calibration by aligning edge with gaussian mixture model | |
| WO2021052283A1 (zh) | 处理三维点云数据的方法和计算设备 | |
| Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
| CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
| Mousa et al. | Building detection and regularisation using DSM and imagery information | |
| CN110986956A (zh) | 一种基于改进的蒙特卡洛算法的自主学习全局定位方法 | |
| CN105405122A (zh) | 一种基于数据平稳性的圆检测方法 | |
| US11625454B2 (en) | Method and device for 3D shape matching based on local reference frame | |
| CN112017290B (zh) | 一种圆锥面拟合方法、装置、计算机设备和存储介质 | |
| CN107274446B (zh) | 一种利用法向一致性的尖锐几何边缘点识别方法 | |
| CN110310322B (zh) | 一种10微米级高精度器件装配表面检测方法 | |
| CN113298838B (zh) | 一种物体轮廓线提取方法及系统 | |
| CN107765257A (zh) | 一种基于反射强度辅助外部校准的激光探测与测量方法 | |
| CN112907601B (zh) | 一种基于特征变换的隧道拱架点云自动提取方法及装置 | |
| CN111598941A (zh) | 一种杆塔倾斜度测量方法、装置、设备及存储介质 | |
| CN111986299A (zh) | 点云数据处理方法、装置、设备及存储介质 | |
| CN113313629B (zh) | 交叉路口自动识别方法、系统及其模型保存方法、系统 | |
| CN115147471A (zh) | 一种基于曲率密度特征的激光点云自动配准方法 | |
| CN115453549A (zh) | 一种基于二维激光雷达的环境直角点坐标角度的提取方法 | |
| CN113592976A (zh) | 地图数据的处理方法、装置、家用电器和可读存储介质 | |
| CN112069445A (zh) | 一种2d slam算法评估及量化方法 | |
| Fan et al. | Noncontact measurement of indoor objects with 3D laser camera-based |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method, device, computer equipment, and storage medium for fitting conical surfaces Granted publication date: 20210219 Pledgee: Hangzhou High-tech Financing Guarantee Co.,Ltd. Pledgor: HANGZHOU HUICUI INTELLIGENT TECHNOLOGY CO.,LTD. Registration number: Y2024980003708 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |