CN113298949A - D类焊缝信息获取方法、装置及计算机存储介质 - Google Patents
D类焊缝信息获取方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN113298949A CN113298949A CN202110512333.2A CN202110512333A CN113298949A CN 113298949 A CN113298949 A CN 113298949A CN 202110512333 A CN202110512333 A CN 202110512333A CN 113298949 A CN113298949 A CN 113298949A
- Authority
- CN
- China
- Prior art keywords
- data
- point cloud
- point
- workpiece
- acquiring
- 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
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000003466 welding Methods 0.000 claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000605 extraction Methods 0.000 claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 36
- 238000007781 pre-processing Methods 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 13
- 238000009616 inductively coupled plasma Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 230000005484 gravity Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000010752 BS 2869 Class D Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000011218 segmentation 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Abstract
本发明涉及一种D类焊缝信息获取方法、装置及计算机存储介质,所述D类焊缝信息获取方法包括:将获取的待焊工件的点云数据进行去噪处理,得到预处理数据;利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝区域的局部点云数据;根据所述局部点云数据,获取所述D类焊缝信息。借助于上述方法,能够有效提高D类焊缝信息获取的准确性和效率,且以点云形式表达焊缝信息,方便计算机进行处理,进而有利于后续的自动化焊接。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及到一种D类焊缝信息获取方法、装置及计算机存储介质。
背景技术
焊接是用于连接金属的工业技术,在工业制造领域有重要作用,其中D类焊缝接头为接管、人孔、凸缘、补强圈等与壳体相连接的接头,例如接管与容器交叉所形成的此类复杂空间曲线型焊缝受力条件较差、应力高度集中,常采用全焊透的焊接接头,焊接难度大,该类焊缝普遍存在于石油化工、能源动力等压力容器中,对焊缝质量要求很高,多采用自动化焊接完成,常采用双目或者多目立体视觉系统进行D类焊缝三维信息的采集,但耗费成本高、系统体积大,图像特征点提取和匹配算法的复杂度高,且多个相机之间的标定和外部环境不一致,容易导致结果不稳定。
发明内容
为了解决现有的D类焊缝信息获取方法存在采用双目或者多目立体视觉系统进行D类焊缝三维信息的采集,耗费成本高、系统体积大,图像特征点提取和匹配算法的复杂度高,且多个相机之间的标定和外部环境不一致,容易导致结果不稳定的问题,本发明提供了一种D类焊缝信息获取方法、装置及计算机存储介质。
第一方面,为了解决上述技术问题,本发明提供了一种D类焊缝信息获取方法,包括:
将获取的待焊工件的点云数据进行去噪处理,得到预处理数据;
利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝区域的局部点云数据;
根据所述局部点云数据,获取所述D类焊缝信息。
本发明的有益效果是:采用点云来获取待焊工件的深度信息,从而能够直接获得焊缝的完整点云信息,减少了D类焊缝信息获取的耗费成本和系统体积,有效提高了D类焊缝信息获取的准确性和效率,且以点云形式更便于表达焊缝信息,方便计算机进行处理,进而有利于后续的自动化焊接。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述待焊工件的点云数据的获取过程包括:
采集所述待焊工件的多个点云图像数据,所述待焊工件预设有标记点,所述多个点云图像数据包括所述标记点对应的标记特征点数据;
根据ICP配准方法和所述标记特征点数据,得到所述多个点云图像数据之间的对应关系,根据所述对应关系对所述多个点云图像数据进行点云拼接处理,得到所述待焊工件的点云数据。
采用上述改进方案的有益效果是:对于D类焊缝这样的空间封闭焊缝难以一次获取完整点云图像,通过设置标记点并利用ICP配准方法有利于获取完整的待焊工件的点云信息,进而提高焊缝信息获取的准确性。
进一步,所述将获取的待焊工件的点云数据进行去噪处理,得到预处理数据包括:
利用直通滤波方法去除所述待焊工件的点云数据中的背景点,得到第一处理数据;
利用统计滤波方法去除所述第一处理数据中的离群噪声点,得到第二处理数据;
利用体素滤波方法对所述第二处理数据进行点云简化处理,得到所述预处理数据。
采用上述改进方案的有益效果是:对焊工件的点云数据进行去噪及简化预处理,有利于后续完整准确地提取D类焊缝区域的局部点云数据,进一步提高焊缝信息获取的准确性。
进一步,所述利用直通滤波方法去除所述待焊工件的点云数据中的背景点,得到第一处理数据包括:
对所述待焊工件的点云数据建立像素坐标系,获取所述待焊工件的点云数据中每个点的像素坐标,利用包围盒方法获取所述待焊工件区域的像素坐标阈值;
根据所述像素坐标阈值设定直通滤波器的阈值范围,将所述待焊工件的点云数据中像素坐标不属于所述阈值范围的点作为所述背景点去除,得到所述第一处理数据。
采用上述改进方案的有益效果是:基于D类焊缝中待焊工件的形状特征,采用包围盒方法更有利于获取待焊工件点云和背景点的坐标范围,进而提高背景点的去除效果。
进一步,所述利用统计滤波方法去除所述第一处理数据中的离群噪声点,得到第二处理数据包括:
对于所述第一处理数据中的每个点,获取当前点的目标邻域,根据公式计算得到所述当前点与所述目标邻域的平均距离d1,其中,(x1,y1,z1)为所述当前点的像素坐标,(xj,yj,zj)为所述目标邻域序号为j的点的像素坐标,k1为所述目标领域的点的数量;
判断所述当前点对应的平均距离d1是否大于所述统计滤波阈值dmax,若是则将所述当前点作为所述离群噪声点去除,得到所述第二处理数据。
采用上述改进方案的有益效果是:以高斯分布拟合平均距离的概率分布,参考该分布的均值和标准差的值设定去除点范围值,从而有效去除待焊工件内的离群噪声点。
进一步,所述利用体素滤波方法对所述第二处理数据进行点云简化处理,得到所述预处理数据包括:
按照预设的长、宽、高建立三维体素栅格,对于所述第二处理数据中的每个点,根据公式计算得到当前点对应的体素小栅格的编号(i2,j2,k2),其中,表示向下取整,(x2,y2,z2)为所述当前点的像素坐标,cell为单个体素小栅格的预设边长,xmin、ymin、zmin分别为所述第二处理数据在X、Y、Z三个坐标轴上的最小值;
对于所述三维体素栅格中的每个体素小栅格,利用公式计算得到当前体素小栅格(i3,j3,k3)的目标点c,利用所述目标点c代替所述当前体素小栅格(i3,j3,k3)中的所有点,得到所述预处理数据,其中,(i3,j3,k3)为当前体素小栅格的编号,i3、j3、k3为整数,m为当前体素小栅格(i3,j3,k3)中点的数量,pr为当前体素小栅格(i3,j3,k3)中序号为r的点。
采用上述改进方案的有益效果是:基于体素滤波的点云下采样有利于降低点云数量,便于后续提取D类焊缝区域的局部点云数据,进一步提高焊缝信息获取的效率。
进一步,所述利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝的局部点云数据包括:
利用基于法向量的边界提取方法筛选所述预处理数据,得到边界点集;
利用包围盒方法对所述边界点集进行坐标约束,得到所述D类焊缝的局部点云数据。
采用上述改进方案的有益效果是:通过边界提取和包围盒方法从预处理数据中直接提取焊缝的完整点云信息,有效提高D类焊缝信息获取的准确性和效率。
进一步,所述D类焊缝信息为所述D类焊缝的三维空间信息,所述根据局部点云数据,获取所述D类焊缝信息包括:
根据所述局部点云数据,构建相机坐标系下所述D类焊缝的三维模型,得到所述D类焊缝的三维空间信息。
采用上述改进方案的有益效果是:通过构建相机坐标系下三维模型,能够直观得到D类焊缝的三维空间信息,有利于后续的自动化焊接。
第二方面,本发明提供了一种D类焊缝信息获取装置,包括预处理模块、数据处理模块和信息提取模块;
所述预处理模块,用于将获取的待焊工件的点云数据进行去噪处理,得到预处理数据;
所述数据处理模块,用于利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝区域的局部点云数据;
所述信息提取模块,用于根据所述局部点云数据,获取所述D类焊缝信息。
第三方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述任一项所述的D类焊缝信息获取方法。
附图说明
图1为本发明实施例提供的D类焊缝信息获取方法的流程示意图;
图2为本发明实施例提供的包围盒方法获取待焊工件区域的像素坐标阈值的示意图;
图3a为本发明实施例提供的待焊工件的示意图;
图3b是图3a所示待焊工件的D类焊缝的三维模型的示意图;
图4为本发明实施例提供的D类焊缝信息获取装置的结构示意图;
图5为本发明另一个实施例提供的D类焊缝信息获取装置的结构示意图。
具体实施方式
下列实施例是对本发明的进一步解释和补充,对本发明不构成任何限制。
以下结合附图描述本发明实施例的D类焊缝信息获取方法。
参照图1所示,本发明提供了一种D类焊缝信息获取方法,包括:
S1、将获取的待焊工件的点云数据进行去噪处理,得到预处理数据;
S2、利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝区域的局部点云数据;
S3、根据所述局部点云数据,获取所述D类焊缝信息。
上述实施例提供的一种D类焊缝信息获取方法,通过采用点云来获取待焊工件的深度信息,从而能够直接获得焊缝的完整点云信息,有效提高D类焊缝信息获取的准确性和效率,且以点云形式更便于表达焊缝信息,方便计算机进行处理,进而有利于后续的自动化焊接。
优选地,所述待焊工件的点云数据的获取过程包括:
采集所述待焊工件的多个点云图像数据,所述待焊工件预设有标记点,所述多个点云图像数据包括所述标记点对应的标记特征点数据;
根据ICP配准方法和所述标记特征点数据,得到所述多个点云图像数据之间的对应关系,根据所述对应关系对所述多个点云图像数据进行点云拼接处理,得到所述待焊工件的点云数据。
具体地,在该实施例中,事先将待焊工件张贴好标记点,以便进行点云拼接,在采集点云图像数据时,可通过与控制柜相连接的示教器操控机械臂,使得机械臂末端的视觉系统能够拍到2幅以上的点云图像,即所述多个点云图像数据,并将所述多个点云图像数据输出到服务器,在服务器中完成后续焊缝信息的获取过程,使用上述方法采集D类焊缝信息,能够有效降低采集耗费成本以及采集系统体积,同时提高了焊缝信息提取的准确性和效率。
需要说明的是,所述ICP配准方法是一种基于ICP算法(迭代紧邻点算法)的点云配准方法,所述ICP算法主要包括模型间对应点搜寻和变换矩阵计算两个步骤,最后求出旋转矩阵和平移矩阵,在本实施例中,通过在表面张贴标记点并进行点云图像数据采集,在采用ICP配准方法时,会预先根据不同点云图像数据中的标记特征点数据进行点云匹配对应,然后再根据ICP算法计算得到所述多个点云图像数据之间的对应关系,根据所述对应关系对所述多个点云图像数据进行点云拼接处理。
例如有待合并两片点云为A和B,定义A为基准数据点集,取A中一点Ai,在B中找到距离Ai最近的点Bi构成一组对应的点集(Ai,Bi),在实际应用时,所述点集(Ai,Bi)可为不同点云图像数据中相匹配的标记点所对应的标记特征点数据,两个点存在一组确定的旋转矩阵R和平移矩阵T,但是需要找到一组R和T,使其能够满足所有匹配的点对集。一共n对(Ai,Bi)组成n个方程组,采用迭代算法,定义精度Ed(R,T)为
精度阈值E根据实际情况设置,例如可设置E=10-4,如果计算出的Ed(R,T)不小于精度阈值E时,对点集B运用上述R和T组成的变换关系(R,T),得到点集B',对所述A和的B'确定新的R和T,并计算对应的精度Ed(R,T),直到计算出的Ed(R,T)小于精度阈值E时,停止迭代,得到最优变换矩阵(R,T),该最优变换矩阵(R,T)即为所述点云图像数据之间的对应关系,由所述对应关系即可以实现点云拼接。
进一步的,在一个实施例中,所述将获取的待焊工件的点云数据进行去噪处理,得到预处理数据包括:
利用直通滤波方法去除所述待焊工件的点云数据中的背景点,得到第一处理数据;
利用统计滤波方法去除所述第一处理数据中的离群噪声点,得到第二处理数据;
利用体素滤波方法对所述第二处理数据进行点云简化处理,得到所述预处理数据。
可选的,在一个实施例中,所述利用直通滤波方法去除所述待焊工件的点云数据中的背景点,得到第一处理数据包括:
对所述待焊工件的点云数据建立像素坐标系,获取所述待焊工件的点云数据中每个点的像素坐标,利用包围盒方法获取所述待焊工件区域的像素坐标阈值;
根据所述像素坐标阈值设定直通滤波器的阈值范围,将所述待焊工件的点云数据中像素坐标不属于所述阈值范围的点作为所述背景点去除,得到所述第一处理数据。
具体地,在该实施例中,设所述待焊工件的点云数据为Q1,Q1={q1,q2,…qn},n表示所述点云数据中点的个数,获取所述点云数据中点的像素坐标,表示为qi=(xi,yi,zi),根据目标工件坐标,设定直通滤波器的过滤范围,该过程中可根据D类焊缝待焊工件的外形特征,常见有圆形管道等,采用包围盒方法得到目标工件点云和背景点的坐标范围,结合目标工件点的坐标值来设置提取范围,如图2所示,图2中部为设有多个标记点的待焊工件的目标工件点云,所述包围盒即为最贴近所述目标工件点云的长方体,因此所述包围盒外的点云则为背景点云,进而得到所述目标工件点云即所述待焊工件区域的像素坐标阈值。
在得到所述目标工件点云和背景点的坐标范围后,利用直通滤波去除背景点,使得满足提取范围的点能够保存,所述直通滤波器的阈值范围设定为Xl,Xh,Yl,Yh,Zl,Zh表示包围盒方法获取的目标工件所在空间的坐标的最小值和最大值,将所述待焊工件的点云数据中像素坐标不属于所述阈值范围的点作为所述背景点去除,得到所述第一处理数据。
优选地,所述利用统计滤波方法去除所述第一处理数据中的离群噪声点,得到第二处理数据包括:
对于所述第一处理数据中的每个点,获取当前点的目标邻域,根据公式计算得到所述当前点与所述目标邻域的平均距离d1,其中,(x1,y1,z1)为所述当前点的像素坐标,(xj,yj,zj)为所述目标邻域序号为j的点的像素坐标,k1为所述目标领域的点的数量;
判断所述当前点对应的平均距离d1是否大于所述统计滤波阈值dmax,若是则将所述当前点作为所述离群噪声点去除,得到所述第二处理数据。
需要说明的是,利用统计滤波去除工件内噪声点,是将点云中单个点周围的k1个点形成一个集合,该集合即为目标邻域,然后计算该点到该集合其它点的平均距离,从而得到单个点和平均距离的对应关系;该平均距离组成一个概率分布,以高斯分布进行拟合,求得该分布的均值和标准差。参考均值和标准差的值设定去除点所对应平均距离的的统计滤波阈值,对应平均距离大于所述统计滤波阈值的点则被视为离群点,将其从第一处理数据中去除,其中α为结合实际情况预设的比例系数,可设置α=0.2。
优选地,所述利用体素滤波方法对所述第二处理数据进行点云简化处理,得到所述预处理数据包括:
按照预设的长、宽、高建立三维体素栅格,对于所述第二处理数据中的每个点,根据公式计算得到当前点对应的体素小栅格的编号(i2,j2,k2),其中,表示向下取整,(x2,y2,z2)为所述当前点的像素坐标,cell为单个体素小栅格的预设边长,xmin、ymin、zmin分别为所述第二处理数据在X、Y、Z三个坐标轴上的最小值;
对于所述三维体素栅格中的每个体素小栅格,利用公式计算得到当前体素小栅格(i3,j3,k3)的目标点c,利用所述目标点c代替所述当前体素小栅格(i3,j3,k3)中的所有点,得到所述预处理数据,其中,(i3,j3,k3)为当前体素小栅格的编号,i3、j3、k3为整数,m为当前体素小栅格(i3,j3,k3)中点的数量,pr为当前体素小栅格(i3,j3,k3)中序号为r的点。
需要说明的是,基于体素滤波的点云下采样有利于降低点云数量,最终用较少的点云来替代原有的点云,其原理为结合原有点云尺寸,将初始点云分割成很多小的栅格,即体素小栅格,每个栅格内含有一定数量N的点云,求得栅格的重心,进而用该重心替代该栅格内的所有点,使得该单元栅格内点云减少为原来的1/N,大大减小点云数量。
具体的,在该实施例中,获取所述第二处理数据在X、Y、Z三个坐标轴上的最大值xmax,ymax,zmax和最小值xmin,ymin,zmin,所述三维体素栅格的预设的长lx、宽ly、高lz可根据公式进行设置,设置单个体素小栅格的预设边长cell,计算将三个坐标轴分别划分为M、N、L份,对单个体素小栅格进行编号,方便确定第二处理数据中每个点所归属的体素小栅格,从而将所述第二处理数据划分为M*N*L个体素小栅格,计算体素小栅格中点的重心并进行点云替代,如果重心点不存在,则用体素小栅格内距离重心最近的数据点来替代体素小栅格内的所有点,最终完成点云简化过程。
进一步的,在一个实施例中,所述利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝的局部点云数据包括:
利用基于法向量的边界提取方法筛选所述预处理数据,得到边界点集;
利用包围盒方法对所述边界点集进行坐标约束,得到所述D类焊缝的局部点云数据。
具体的,在该实施例中,在得到待焊工件的预处理数据后,采用基于法向量的边界提取方法,提取包含焊缝信息在内的点云数据。
其中,基于法线的边界提取方法是根据单位点云与其领域内的其他点在切平面内投影的向量夹角来判断该点是否为边界点,若两投影向量夹角远大于其他向量之间的夹角时,该点为边界点,该基于法线的边界提取方法原理为:
(1)求点云中每个单位点的法线,可以看作是求单位点相切平面的法线近似解,使用最小二乘法拟合算法,求解点云切平面的法线近似解。
(2)在得到拟合平面后,求得点在平面内的垂直线,并得到投影点方程。
(3)进行投影点法向量筛选,设投影点Pi'(x',y',z')(i=0,1…n1),其领域内的其他点在切平面内构成投影点集Pw'={p1',p'2…p'w},其中w为正整数,例如对点P0与其对应投影点集,通过构造向量P0'P1',P0'P2',…,P0'Pw'共w个向量,比较w个向量之间的夹角大小来确定点P0是否为边缘点,具体为比较w个向量夹角的最大值与预设夹角阈值的大小,该预设夹角阈值根据实际情况设定,如果大于所述预设夹角阈值,则可以判断P0为边界点,重复上述步骤得到边界点集M。
在得到边界点集M后,D类焊缝区域的点云与其他边界点云存在一定距离,采用坐标约束之后,得到D类焊缝的局部点云数据。其中,所述坐标约束方法,具体为根据预设的点云坐标范围对所述局部点云数据进行坐标约束,将坐标不在所述点云坐标范围内的点去除,在该实施例中,采用包围盒法,获取所述D类焊缝的点云坐标范围,然后选取点云,去除其它点,即可得到只包含D类焊缝的局部点云数据。
可以理解的是,本发明并不局限于采用基于法线的边界提取方法获取边界点集,其他的点云边缘提取方法,例如利用点云分割方法的凸包算法提取点云边缘的方法等,均可用于对所述边界点集的提取。
进一步的,在一个实施例中,如图3a和图3b所示,所述D类焊缝信息为所述D类焊缝的三维空间信息,所述根据局部点云数据,获取所述D类焊缝信息包括:
根据所述局部点云数据,构建相机坐标系下所述D类焊缝的三维模型,得到所述D类焊缝的三维空间信息。
可以理解的是,所述局部点云数据为以点云形式表达的D类焊缝的三维坐标点,采用点云形式表达简单,方便计算机进一步处理得到D类焊缝的例如空间位置、平整度等焊缝信息,在一个实施例中,可根据所述局部点云数据的三维坐标点,建立相机坐标系下所述D类焊缝的三维模型,从而直观完整地获取所述D类焊缝的三维空间信息,该三维空间信息包括相机坐标系下所述D类焊缝的空间位置以及空间三维姿态,便于后续自动化焊接。
在上述各实施例中,虽然对步骤进行了编号,如S1、S2等,但只是本申请给出的具体实施例,本领域的技术人员可根据实际情况对调整S1、S2等的执行顺序,此也在本发明的保护范围内,可以理解,在一些实施例中,可以包含如上述各实施方式中的部分或全部。
如图4所示,本发明实施例的一种D类焊缝信息获取装置10,包括预处理模块20、数据处理模块30和信息提取模块40;
所述预处理模块20,用于将获取的待焊工件的点云数据进行去噪处理,得到预处理数据;
所述数据处理模块30,用于利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝区域的局部点云数据;
所述信息提取模块40,用于根据所述局部点云数据,获取所述D类焊缝空间信息。
可选的,在一个实施例中,参照图5所示,还包括数据采集模块50;
所述数据采集模块50,用于采集所述待焊工件的多个点云图像数据,所述待焊工件预设有标记点,所述多个点云图像数据包括所述标记点对应的标记特征点数据,根据ICP配准方法和所述标记特征点数据,得到所述多个点云图像数据之间的对应关系,根据所述对应关系对所述多个点云图像数据进行点云拼接处理,得到所述待焊工件的点云数据。
可选的,在一个实施例中,所述预处理模块20包括第一预处理模块、第二预处理模块和第三预处理模块;
所述第一预处理模块,用于利用直通滤波方法去除所述待焊工件的点云数据中的背景点,得到第一处理数据;
所述第二预处理模块,用于利用统计滤波方法去除所述第一处理数据中的离群噪声点,得到第二处理数据;
所述第三预处理模块,用于利用体素滤波方法对所述第二处理数据进行点云简化处理,得到所述预处理数据。
优选地,所述第一预处理模块,具体用于对所述待焊工件的点云数据建立像素坐标系,获取所述待焊工件的点云数据中每个点的像素坐标,利用包围盒方法获取所述待焊工件区域的像素坐标阈值,根据所述像素坐标阈值设定直通滤波器的阈值范围,将所述待焊工件的点云数据中像素坐标不属于所述阈值范围的点作为所述背景点去除,得到所述第一处理数据。
优选地,在一个实施例中,所述第二预处理模块,具体用于对于所述第一处理数据中的每个点,获取当前点的目标邻域,根据公式计算得到所述当前点与所述目标邻域的平均距离d1,其中,(x1,y1,z1)为所述当前点的像素坐标,(xj,yj,zj)为所述目标邻域序号为j的点的像素坐标,k1为所述目标领域的点的数量;
判断所述当前点对应的平均距离d1是否大于所述统计滤波阈值dmax,若是则将所述当前点作为所述离群噪声点去除,得到所述第二处理数据。
优选地,所述第三预处理模块,具体用于按照预设的长、宽、高建立三维体素栅格,对于所述第二处理数据中的每个点,根据公式计算得到当前点对应的体素小栅格的编号(i2,j2,k2),其中,表示向下取整,(x2,y2,z2)为所述当前点的像素坐标,cell为单个体素小栅格的预设边长,xmin、ymin、zmin分别为所述第二处理数据在X、Y、Z三个坐标轴上的最小值;
对于所述三维体素栅格中的每个体素小栅格,利用公式计算得到当前体素小栅格(i3,j3,k3)的目标点c,利用所述目标点c代替所述当前体素小栅格(i3,j3,k3)中的所有点,得到所述预处理数据,其中,(i3,j3,k3)为当前体素小栅格的编号,i3、j3、k3为整数,m为当前体素小栅格(i3,j3,k3)中点的数量,pr为当前体素小栅格(i3,j3,k3)中序号为r的点。
可选的,在一个实施例中,所述数据处理模块30,具体用于利用基于法向量的边界提取方法筛选所述预处理数据,得到边界点集,利用包围盒方法对所述边界点集进行坐标约束,得到所述D类焊缝的局部点云数据。
可选的,在一个实施例中,所述D类焊缝信息为所述D类焊缝的三维空间信息,所述信息提取模块40,具体用于根据所述局部点云数据,构建相机坐标系下所述D类焊缝的三维模型,得到所述D类焊缝的三维空间信息。
本发明实施例还提供了的一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上文中D类焊缝信息获取方法的实施例中的各参数和步骤,在此不做赘述。
所属技术领域的技术人员知道,本发明可以实现为装置、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“装置”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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 (10)
1.一种D类焊缝信息获取方法,其特征在于,包括:
将获取的待焊工件的点云数据进行去噪处理,得到预处理数据;
利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝区域的局部点云数据;
根据所述局部点云数据,获取所述D类焊缝信息。
2.根据权利要求1所述的D类焊缝信息获取方法,其特征在于,所述待焊工件的点云数据的获取过程包括:
采集所述待焊工件的多个点云图像数据,所述待焊工件预设有标记点,所述多个点云图像数据包括所述标记点对应的标记特征点数据;
根据ICP配准方法和所述标记特征点数据,得到所述多个点云图像数据之间的对应关系,根据所述对应关系对所述多个点云图像数据进行点云拼接处理,得到所述待焊工件的点云数据。
3.根据权利要求1所述的D类焊缝信息获取方法,其特征在于,所述将获取的待焊工件的点云数据进行去噪处理,得到预处理数据包括:
利用直通滤波方法去除所述待焊工件的点云数据中的背景点,得到第一处理数据;
利用统计滤波方法去除所述第一处理数据中的离群噪声点,得到第二处理数据;
利用体素滤波方法对所述第二处理数据进行点云简化处理,得到所述预处理数据。
4.根据权利要求3所述的D类焊缝信息获取方法,其特征在于,所述利用直通滤波方法去除所述待焊工件的点云数据中的背景点,得到第一处理数据包括:
对所述待焊工件的点云数据建立像素坐标系,获取所述待焊工件的点云数据中每个点的像素坐标,利用包围盒方法获取所述待焊工件区域的像素坐标阈值;
根据所述像素坐标阈值设定直通滤波器的阈值范围,将所述待焊工件的点云数据中像素坐标不属于所述阈值范围的点作为所述背景点去除,得到所述第一处理数据。
5.根据权利要求4所述的D类焊缝信息获取方法,其特征在于,所述利用统计滤波方法去除所述第一处理数据中的离群噪声点,得到第二处理数据包括:
对于所述第一处理数据中的每个点,获取当前点的目标邻域,根据公式计算得到所述当前点与所述目标邻域的平均距离d1,其中,(x1,y1,z1)为所述当前点的像素坐标,(xj,yj,zj)为所述目标邻域序号为j的点的像素坐标,k1为所述目标领域的点的数量;
判断所述当前点对应的平均距离d1是否大于所述统计滤波阈值dmax,若是则将所述当前点作为所述离群噪声点去除,得到所述第二处理数据。
6.根据权利要求4所述的D类焊缝信息获取方法,其特征在于,所述利用体素滤波方法对所述第二处理数据进行点云简化处理,得到所述预处理数据包括:
按照预设的长、宽、高建立三维体素栅格,对于所述第二处理数据中的每个点,根据公式计算得到当前点对应的体素小栅格的编号(i2,j2,k2),其中,表示向下取整,(x2,y2,z2)为所述当前点的像素坐标,cell为单个体素小栅格的预设边长,xmin、ymin、zmin分别为所述第二处理数据在X、Y、Z三个坐标轴上的最小值;
7.根据权利要求1至6中任一项所述的D类焊缝信息获取方法,其特征在于,所述利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝的局部点云数据包括:
利用基于法向量的边界提取方法筛选所述预处理数据,得到边界点集;
利用包围盒方法对所述边界点集进行坐标约束,得到所述D类焊缝的局部点云数据。
8.根据权利要求1至6中任一项所述的D类焊缝信息获取方法,其特征在于,所述D类焊缝信息为所述D类焊缝的三维空间信息,所述根据局部点云数据,获取所述D类焊缝信息包括:
根据所述局部点云数据,构建相机坐标系下所述D类焊缝的三维模型,得到所述D类焊缝的三维空间信息。
9.一种D类焊缝信息获取装置,其特征在于,包括预处理模块、数据处理模块和信息提取模块;
所述预处理模块,用于将获取的待焊工件的点云数据进行去噪处理,得到预处理数据;
所述数据处理模块,用于利用点云边缘提取方法和坐标约束方法,筛选所述预处理数据,得到D类焊缝区域的局部点云数据;
所述信息提取模块,用于根据所述局部点云数据,获取所述D类焊缝信息。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行如权利要求1-8任一项所述的D类焊缝信息获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512333.2A CN113298949A (zh) | 2021-05-11 | 2021-05-11 | D类焊缝信息获取方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110512333.2A CN113298949A (zh) | 2021-05-11 | 2021-05-11 | D类焊缝信息获取方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113298949A true CN113298949A (zh) | 2021-08-24 |
Family
ID=77321413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110512333.2A Pending CN113298949A (zh) | 2021-05-11 | 2021-05-11 | D类焊缝信息获取方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298949A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114055781A (zh) * | 2021-10-24 | 2022-02-18 | 扬州大学 | 基于点体素相关场的燃油箱焊接机械臂自适应校正方法 |
CN114372981A (zh) * | 2022-03-21 | 2022-04-19 | 季华实验室 | T型工件焊缝识别方法、装置、电子设备及存储介质 |
CN114571153A (zh) * | 2022-04-07 | 2022-06-03 | 福州大学 | 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法 |
CN114952173A (zh) * | 2022-05-31 | 2022-08-30 | 熵智科技(深圳)有限公司 | 管板焊接中圆环外轮廓提取方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274422A (zh) * | 2017-05-08 | 2017-10-20 | 燕山大学 | 一种基于法线信息和k邻域搜索结合的点云边缘提取方法 |
WO2018095037A1 (zh) * | 2016-11-24 | 2018-05-31 | 杭州海康威视数字技术股份有限公司 | 一种获取云存储系统中数据的方法及装置 |
-
2021
- 2021-05-11 CN CN202110512333.2A patent/CN113298949A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018095037A1 (zh) * | 2016-11-24 | 2018-05-31 | 杭州海康威视数字技术股份有限公司 | 一种获取云存储系统中数据的方法及装置 |
CN107274422A (zh) * | 2017-05-08 | 2017-10-20 | 燕山大学 | 一种基于法线信息和k邻域搜索结合的点云边缘提取方法 |
Non-Patent Citations (1)
Title |
---|
JIE GAO等: "《A Method of D-Type Weld Seam Extraction Based on Point Clouds》", 《IEEE ACCESS》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114055781A (zh) * | 2021-10-24 | 2022-02-18 | 扬州大学 | 基于点体素相关场的燃油箱焊接机械臂自适应校正方法 |
CN114055781B (zh) * | 2021-10-24 | 2023-12-29 | 扬州大学 | 基于点体素相关场的燃油箱焊接机械臂自适应校正方法 |
CN114372981A (zh) * | 2022-03-21 | 2022-04-19 | 季华实验室 | T型工件焊缝识别方法、装置、电子设备及存储介质 |
CN114372981B (zh) * | 2022-03-21 | 2022-06-17 | 季华实验室 | T型工件焊缝识别方法、装置、电子设备及存储介质 |
CN114571153A (zh) * | 2022-04-07 | 2022-06-03 | 福州大学 | 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法 |
CN114571153B (zh) * | 2022-04-07 | 2023-10-10 | 福州大学 | 一种基于3d点云的焊缝识别与机器人焊缝跟踪方法 |
CN114952173A (zh) * | 2022-05-31 | 2022-08-30 | 熵智科技(深圳)有限公司 | 管板焊接中圆环外轮廓提取方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113298949A (zh) | D类焊缝信息获取方法、装置及计算机存储介质 | |
CN110363858B (zh) | 一种三维人脸重建方法及系统 | |
CN109345620B (zh) | 融合快速点特征直方图的改进icp待测物体点云拼接方法 | |
CN107123164B (zh) | 保持锐利特征的三维重建方法及系统 | |
CN111062915A (zh) | 一种基于改进YOLOv3模型的实时钢管缺陷检测方法 | |
CN109165680B (zh) | 基于视觉slam的室内场景下单一目标物体字典模型改进方法 | |
EP3040941A1 (en) | Method for calibrating a depth camera | |
CN111598916A (zh) | 一种基于rgb-d信息的室内占据栅格地图的制备方法 | |
CN104778688A (zh) | 点云数据的配准方法及装置 | |
CN107481274B (zh) | 一种三维作物点云的鲁棒性重构方法 | |
CN107369204B (zh) | 一种从单幅照片恢复出场景基本三维结构的方法 | |
CN114022542A (zh) | 一种基于三维重建的3d数据库制作方法 | |
CN114241018A (zh) | 一种牙齿点云配准方法、系统及可读存储介质 | |
Pacheco et al. | Reconstruction of high resolution 3D objects from incomplete images and 3D information | |
CN115345878A (zh) | 一种高精度的锂电池镍片与巴片间距的检测方法及装置 | |
CN117162098B (zh) | 一种狭小空间机器人姿态自主规划系统及方法 | |
CN113103226A (zh) | 一种面向陶瓷素坯加工制造的视觉引导机器人系统 | |
CN113298838A (zh) | 一种物体轮廓线提取方法及系统 | |
CN116921932A (zh) | 焊接轨迹识别方法、装置、设备及存储介质 | |
CN115112098B (zh) | 一种单目视觉的一维二维测量方法 | |
CN116245928A (zh) | 一种基于双目立体匹配的三维重建方法 | |
CN114463396B (zh) | 一种利用平面形状和拓扑图投票的点云配准方法 | |
CN116310753A (zh) | 一种室外场景点云数据的矢量化骨架提取方法及系统 | |
CN115147764A (zh) | 一种基于多目视觉的管模螺栓识别定位方法 | |
CN114998381A (zh) | 管板焊接中焊接轨迹拟合方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210824 |
|
RJ01 | Rejection of invention patent application after publication |