CN113111548B - 一种基于周角差值的产品三维特征点提取方法 - Google Patents
一种基于周角差值的产品三维特征点提取方法 Download PDFInfo
- Publication number
- CN113111548B CN113111548B CN202110329245.9A CN202110329245A CN113111548B CN 113111548 B CN113111548 B CN 113111548B CN 202110329245 A CN202110329245 A CN 202110329245A CN 113111548 B CN113111548 B CN 113111548B
- Authority
- CN
- China
- Prior art keywords
- peripheral angle
- product
- points
- angle difference
- difference value
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种基于周角差值的产品三维特征点提取方法,根据网格化后的数字模型节点连接关系计算各点的周角差值,通过分析周角差值和表面高斯曲率之间的关系来提取特征点,并进一步的给出了降低特征点数量的弧边特征点合并方法。实验表明,该方法可以快速有效地实现三维对象的特征点提取,所提取的特征点均为顶点,角点以及弧边上的点,能准确体现机械产品的形状特征。
Description
技术领域
本发明属于计算机辅助装配领域,具体为一种以产品的三维点云为输入,以周角差值特征点点云集合为输出,用于提取产品三维特征点的方法。
背景技术
在数字化设计环境中,企业通常具备产品详细的数字模型。利用装配现场提取的在装产品深度图像数据与产品数字三维模型进行自然特征信息的匹配分析,可以实现无标记的装配对象位姿与进度的识别,进而解决图形标签难以贴在零件表面、零件无纹理导致的难以通过二维图像识别的问题。其中一个必需环节是对装配对象所包含的三维点云信息进行特征点提取,提高后续分析处理的速度。目前已经出现了一些针对装配体三维特征的提取方法:
在专利“一种基于三维特征提取的快速逆向建模方法(CN109118574A,公开日期:20190101)”中提出了一种基于三维特征提取方法,该方法在拼接测量测头移动过程中,对大型结构件的单视场测量点云进行降噪、滤波预处理,再利用点云的曲率和法向量信息提取三维特征。这种方法采用基于局部邻域点的二次曲面拟合方法计算三维数据中点的曲率,然后在局部邻域内搜索临近点,建立二次参数曲面方程计算点云的平均曲率。连续拟合曲面会产生一定的误差,并由此计算的特征点提取阈值会影响特征点的质量。
在专利“一种基于四旋翼无人机的单目视觉三维特征提取方法(CN106570820B,公开日期:20191203)”中提出了一种单目视觉三维特征提取方法,通过提取二维图像特征点建立描述符,然后根据机体参数对二维特征描述符进行坐标系建立,从而获得三维坐标信息。这种方法仍然是对二维特征进行预处理之后获得的三维特征。
在专利“一种三维点云数据特征点提取方法及应用(CN111710023A,公开日期:20200925)”中提出了一种三维特征点提取方法,对深度相机采集的点云数据进行高斯滤波降噪处理,根据构造的特征点度量函数与阈值进行比较提取特征点。这种方法虽说一定程度降低了图像的噪声,但条纹状的噪声和一些噪声点仍然存在,会产生较大误差甚至是错误的结果点。
发明内容
针对标签难贴或机械产品无纹理导致的难以通过二维图像识别产品的问题,本发明提出了一种基于周角差值的机械产品三维特征点提取方法。根据机械产品结构特征和曲率之间的关系实现特征点的提取,并对连续特征点进行了合并,用以支持装配状态识别过程中的配准及后续分析。
技术方案
本发明通过对机械产品的数字模型进行网格划分,获取带有点云数据的网格模型,计算网格各节点的周角差值并根据周角差值与高斯曲率之间的关系设定阈值,进而提取特征点。
一种基于周角差值的产品三维特征点提取方法:包含以下步骤:
步骤1:对产品模型表面进行网格划分,获得产品模型的点云集合以及网格节点间的连接关系集合/>
步骤2:根据网格节点间的连接关系集合中的元素,求解网格各节点的周角并得到周角数值集合/>周角数值集合/>与点云集合/>的元素数量相同并一一对应;
步骤3:对周角数值集合中各元素进行周角差值的计算,得到周角差值集合周角差值集合/>与点云集合/>的元素数量相同并一一对应;
步骤4:计算特征点周角差值阈值θmin,并在周角差值集合中搜索所有大于θmin的元素,并依此在点云集合/>找到相应的元素作为产品三维特征点。
进一步的,步骤5:计算产品连续曲面上各点周角差值的上限Δθmax和特征点合并范围lmerge,对产品的连续特征点进行合并,得到合并后的特征点。
进一步的,步骤1中,在装配坐标系中通过网格划分软件对模型表面进行网格划分,将网格节点存储在零部件点云i=1…n,i为网格化后的点云数量;在划分网格的过程中获得网格节点间的连接关系集合/>其中/>内各元素均由三个正整数组成,分别对应构成该三角网格的三个节点在点云/>中的序号。
进一步的,建立周角数值集合和周角差值集合/>集合内各元素初始值为零
进一步的,步骤2中具体过程为:
步骤2.1:读取中第1个元素,根据第1个元素中序号从点云/>中找到对应的点,分别求解三个节点夹角;
步骤2.2:将三个节点夹角添加到周角数值集合中三个节点的对应位置;
步骤2.3:对的下一元素进行分析;当对同一节点进行了多次的夹角计算,则对夹角数值进行累加;直至完成/>内所有元素的分析,得到各节点的周角。
进一步的,步骤3中,对周角数值集合中各元素和2π做差后取绝对值,得到周角差值。
进一步的,步骤4中,特征点周角差值阈值θmin为
其中r为产品模型的最大倒圆角半径,R为曲面最大边缘半径,b为网格尺寸;若产品模型中无圆角,则
进一步的,步骤5中,产品连续曲面上各点周角差值的上限Δθmax为
特征点合并范围lmerge=2×rmax,其中rmin为模型圆角最小曲率半径,rmax为模型圆角最大曲率半径,b为网格尺寸。
进一步的,步骤5中,对产品的连续特征点进行合并的过程为:
步骤5.1:根据步骤4得到的特征点集合w为特征点数量,建立特征点权重集合Wi,其中各元素数值表示对应特征点的权重,初始值为1;
步骤5.2:读入中序号为1和2的特征点/>和/>判断其周角差值/>和是否满足下式
若满足,则进入步骤5.3,若不满足则分析序号为2和3的特征点,以此类推;
步骤5.3:判断和/>两点的距离是否小于lmerge,若满足,则进入步骤5.4,若不满足则分析序号为2和3的特征点,以此类推;
步骤5.4:按照公式
依据权重数值使和/>合并成/>同时使权重数值W1和W2合并成W2;然后分析序号为2和3的特征点,以此类推,直至找不到可以合并的点。
有益效果
本发明提出了一种基于周角差值的产品三维特征点提取方法,根据网格化后的数字模型节点连接关系计算各点的周角差值,通过分析周角差值和表面高斯曲率之间的关系来提取特征点,并进一步的给出了降低特征点数量的弧边特征点合并方法。实验表明,该方法可以快速有效地实现三维对象的特征点提取,所提取的特征点均为顶点,角点以及弧边上的点,能准确体现机械产品的形状特征。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明方法具体实施方式中某机械加工定位夹具装配体实例。
图2是本发明方法具体实施方式中装配体数字模型的点云数据。
图3是本发明方法具体实施方式中周角差值特征点的提取结果。
图4是本发明方法具体实施方式中周角差值特征点的合并结果。
具体实施方式
下面详细描述本发明的实施例,所述实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
参照附图1~图4,针对某机械加工定位夹具装配体,本实施例基于周角差值的产品三维特征点提取方法具体步骤如下:
步骤1:在装配坐标系中对夹具装配体数字模型表面进行三角网格划分,获得数字模型的点云以及网格节点间的连接关系集合/>具体步骤如下:
(1)对于模型表面,在装配坐标系中通过网格划分软件进行采样,采集的点存储在零部件点云i为网格化后的点云数量。
(2)在划分网格的过程中获得网格节点间的连接关系其中/>内各元素均由三个正整数组成,分别对应构成该三角网格的三个节点在/>中的序号。
建立周角数值集合和周角差值集合/>二者与/>的元素数量相同并与其一一对应,集合内各元素初始值为零。
步骤2:根据网格节点间的连接关系集合中的元素,求解网格各节点的周角并得到周角数值集合/>具体步骤如下:
(1)读取中第1个元素,根据序号从点云/>中找到对应的点/>即一个三角网格的三个节点,分别求解三个节点夹角:
(2)然后将三个节点夹角添加到中三个节点的对应位置,并对/>的下一元素进行分析,其中同一节点会进行多次的夹角计算,此时对夹角数值进行累加,直到完成内所有元素的分析。
步骤3:对周角数值集合中各元素进行周角差值的计算,然后添加到/>这里指对/>内各元素和2π做差取绝对值并记录在周角差值集合/>内。
步骤4:计算特征点周角差值的阈值θmin的具体步骤如下:
网格节点的周角与2π的差值越大表明该点所在表面的弯曲程度越大,可以认为当网格节点的周角差值大于某一阈值时,该点为周角差值特征点。表面弯曲程度以高斯曲率为内在度量,在微分几何中表达为K=k1k2,模型中连续表面曲率如表1所示:
表1
其中r为模型的最大倒圆角半径,R为曲面最大边缘半径,b为网格尺寸。此外非棱边或顶点的曲面其曲率极大值远大于圆角的曲率因此特征点提取阈值对应的曲率应当介于曲面曲率与曲面圆角曲率之间。为简化运算,以高斯曲率相等的球面代替曲面圆角的椭球面。球面上曲率极大值与极小值相等,由定义可知该球面半径为/>则该球面方程如下:
x2+y2+z2=Rr
设三角网格中心点位于球面与z轴的交点处,网格尺寸为b,且相邻点与中心点连线在x-y平面上均匀分布,即z轴高度相等,由此得:
球面由该z轴平面截得的半径为
因此,由微分几何得出特征点周角差值的阈值θmin为:
在中搜索所有大于θmin的元素,在/>找到相应的元素并由此获取特征点集合/>w为特征点数量。
步骤5:计算出连续曲面上各点周角差值的上限Δθmax和特征点合并范围lmerge,对弧边的连续特征点进行合并,得到合并后的特征点的具体步骤如下:
(1)由数字模型圆角最小曲率半径rmin及网格尺寸b计算出网格模型中连续曲面上各点周角差值上限
(2)建立特征点权重集合Wi,其中各元素数值表示对应特征点的权重,故而初始状态下其中各元素均为1。
(3)根据数字模型中圆角最大曲率半径rmax计算出特征点合并范围lmerge=2×rmax。
(4)读入中序号为1和2的特征点/>和/>判断其周角差值/>和/>是否满足下式,若不满足则分析序号为2和3的特征点,以此类推:
(5)判断和/>两点的距离是否小于lmerge,若不满足则跳至步骤(4)分析序号为2和3的特征点,以此类推:
(6)依据权重数值使和/>合并,同时使权重数值W1和W2合并,以便进行下一组特征点的合并:
随后跳至步骤(4)分析序号为2和3的特征点,直至找不到可以合并的点。特征点合并结果如图4所示。
从而建立用于存储某机械加工定位夹具装配体的数据库,如图3所示,装配体顶点与弧边上的点被有效提取,并给出了降低特征点数量的弧边特征点合并方法,如图4所示。
该实施实例表明,面向三维对象的几何特征,利用各点周角差值作为高斯曲率的相关参数,能够实现表面弯曲程度的表达。本发明提出的基于周角差值的机械产品形状特征点提取方法实现了三维对象的特征点提取。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种基于周角差值的产品三维特征点提取方法,其特征在于:包含以下步骤:
步骤1:对产品模型表面进行网格划分,获得产品模型的点云集合以及网格节点间的连接关系集合/>
步骤2:根据网格节点间的连接关系集合中的元素,求解网格各节点的周角并得到周角数值集合/>周角数值集合/>与点云集合/>的元素数量相同并一一对应;
具体过程为:
步骤2.1:读取中第1个元素,根据第1个元素中序号从点云/>中找到对应的点,分别求解三个节点夹角;
步骤2.2:将三个节点夹角添加到周角数值集合中三个节点的对应位置;
步骤2.3:对的下一元素进行分析;当对同一节点进行了多次的夹角计算,则对夹角数值进行累加;直至完成/>内所有元素的分析,得到各节点的周角;
步骤3:对周角数值集合中各元素和2π做差后取绝对值,得到周角差值集合/>周角差值集合/>与点云集合/>的元素数量相同并一一对应;
步骤4:计算特征点周角差值阈值θmin,并在周角差值集合中搜索所有大于θmin的元素,并依此在点云集合/>找到相应的元素作为产品三维特征点;
所述特征点周角差值阈值θmin为
其中r为产品模型的最大倒圆角半径,R为曲面最大边缘半径,b为网格尺寸;若产品模型中无圆角,则
2.根据权利要求1所述一种基于周角差值的产品三维特征点提取方法,其特征在于:步骤5:计算产品连续曲面上各点周角差值的上限Δθmax和特征点合并范围lmerge,对产品的连续特征点进行合并,得到合并后的特征点。
3.根据权利要求1所述一种基于周角差值的产品三维特征点提取方法,其特征在于:步骤1中,连接关系集合内各元素均由三个正整数组成,分别对应构成三角网格的三个节点在点云/>中的序号。
4.根据权利要求3所述一种基于周角差值的产品三维特征点提取方法,其特征在于:建立周角数值集合和周角差值集合/>周角数值集合内各元素初始值为零。
5.根据权利要求2所述一种基于周角差值的产品三维特征点提取方法,其特征在于:步骤5中,产品连续曲面上各点周角差值的上限Δθmax为
特征点合并范围lmerge=2×rmax,其中rmin为模型圆角最小曲率半径,rmax为模型圆角最大曲率半径,b为网格尺寸。
6.根据权利要求5所述一种基于周角差值的产品三维特征点提取方法,其特征在于:步骤5中,对产品的连续特征点进行合并的过程为:
步骤5.1:根据步骤4得到的特征点集合w为特征点数量,建立特征点权重集合Wi,其中各元素数值表示对应特征点的权重,初始值为1;
步骤5.2:读入中序号为1和2的特征点/>和/>判断其周角差值/>和/>是否满足下式
若满足,则进入步骤5.3,若不满足则分析序号为2和3的特征点,以此类推;
步骤5.3:判断和/>两点的距离是否小于lmerge,若满足,则进入步骤5.4,若不满足则分析序号为2和3的特征点,以此类推;
步骤5.4:按照公式
W2=W1+W2
依据权重数值使和/>合并成/>同时使权重数值W1和W2合并成W2;然后分析序号为2和3的特征点,以此类推,直至找不到可以合并的点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110329245.9A CN113111548B (zh) | 2021-03-27 | 2021-03-27 | 一种基于周角差值的产品三维特征点提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110329245.9A CN113111548B (zh) | 2021-03-27 | 2021-03-27 | 一种基于周角差值的产品三维特征点提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113111548A CN113111548A (zh) | 2021-07-13 |
CN113111548B true CN113111548B (zh) | 2023-07-21 |
Family
ID=76712383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110329245.9A Active CN113111548B (zh) | 2021-03-27 | 2021-03-27 | 一种基于周角差值的产品三维特征点提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113111548B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592136A (zh) * | 2011-12-21 | 2012-07-18 | 东南大学 | 基于几何图像中中频信息的三维人脸识别方法 |
CN112036417A (zh) * | 2020-08-26 | 2020-12-04 | 北京航空航天大学 | 一种基于三角网格的激光点云特征点提取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169581A (zh) * | 2011-04-18 | 2011-08-31 | 北京航空航天大学 | 一种基于特征向量的快速高精度鲁棒性匹配方法 |
CN103745459B (zh) * | 2013-12-26 | 2017-01-18 | 西安交通大学 | 一种非结构化点云特征点检测方法及其提取方法 |
WO2015149302A1 (zh) * | 2014-04-02 | 2015-10-08 | 中国科学院自动化研究所 | 基于点云与数据驱动的树木模型重建方法 |
CN106373118B (zh) * | 2016-08-30 | 2017-09-22 | 华中科技大学 | 可有效保留边界和局部特征的复杂曲面零件点云精简方法 |
WO2018076154A1 (zh) * | 2016-10-25 | 2018-05-03 | 成都通甲优博科技有限责任公司 | 一种基于鱼眼摄像机空间位姿标定的全景视频生成方法 |
CN107748871B (zh) * | 2017-10-27 | 2021-04-06 | 东南大学 | 一种基于多尺度协方差描述子与局部敏感黎曼核稀疏分类的三维人脸识别方法 |
CN109740227B (zh) * | 2018-12-26 | 2023-07-11 | 江南大学 | 基于特征识别的微型复杂零件建模方法 |
-
2021
- 2021-03-27 CN CN202110329245.9A patent/CN113111548B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592136A (zh) * | 2011-12-21 | 2012-07-18 | 东南大学 | 基于几何图像中中频信息的三维人脸识别方法 |
CN112036417A (zh) * | 2020-08-26 | 2020-12-04 | 北京航空航天大学 | 一种基于三角网格的激光点云特征点提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113111548A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932688B (zh) | 一种基于三维点云的室内平面要素提取方法、系统及设备 | |
US11106932B2 (en) | Method for extracting robot processing boundary of thin-walled part with small curvature based on three-dimensional point cloud | |
CN110340891B (zh) | 基于点云模板匹配技术的机械臂定位抓取系统及方法 | |
CN111080627B (zh) | 一种基于深度学习的2d+3d大飞机外形缺陷检测与分析方法 | |
Woo et al. | A new segmentation method for point cloud data | |
CN111696210A (zh) | 一种基于三维点云数据特征轻量化的点云重构方法及系统 | |
CN109118574A (zh) | 一种基于三维特征提取的快速逆向建模方法 | |
CN109816664B (zh) | 一种三维点云分割方法及装置 | |
CN107481274B (zh) | 一种三维作物点云的鲁棒性重构方法 | |
CN110599506B (zh) | 一种复杂异形曲面机器人三维测量的点云分割方法 | |
CN107680168B (zh) | 三维重建中基于平面拟合的网格简化方法 | |
CN113628263A (zh) | 一种基于局部曲率及其近邻特征的点云配准方法 | |
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 | |
CN111489416A (zh) | 隧道轴线拟合方法及在超欠挖方量计算上的应用 | |
CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
CN117132630A (zh) | 一种基于二阶空间兼容性度量的点云配准方法 | |
CN116091727A (zh) | 一种基于多尺度特征描述的复杂曲面点云配准方法、电子设备及存储介质 | |
CN112687010B (zh) | 一种端框钻模的数字化计量方法 | |
CN115147433A (zh) | 点云配准方法 | |
CN110310322A (zh) | 一种10微米级高精度器件装配表面检测方法 | |
CN113111548B (zh) | 一种基于周角差值的产品三维特征点提取方法 | |
CN117292181A (zh) | 基于3d点云处理的钣金件孔组分类及全尺寸测量方法 | |
CN115423854B (zh) | 一种基于多尺度特征提取的多视角点云配准及点云融合方法 | |
CN113111741B (zh) | 一种基于三维特征点的装配状态识别方法 | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 |
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 |