CN113436234A - 轮毂毛刺识别方法、电子装置、装置及可读存储介质 - Google Patents

Abstract

本发明提出的一种轮毂毛刺识别方法、电子装置、装置及可读存储介质，所述方法包括步骤：接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；获取与所述轮毂对应的预设参考点云数据；基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。通过将得到的轮毂点云数据与标准轮毂一致的预设参考点云数据进行比较，得到轮毂点云数据与预设参考点云数据之间的差异即毛刺数据，使得能够准确地得到毛刺数据，进而根据毛刺数据进行打磨操作，提高了效率的同时，提高了毛刺的打磨精度。

Description

轮毂毛刺识别方法、电子装置、装置及可读存储介质

技术领域

本发明涉及轮毂毛刺识别装置控制领域，尤其涉及一种轮毂毛刺识别方法、电子装置、装置及可读存储介质。

背景技术

在轮毂的生产过程中，由于生产工艺的限制，在轮毂的各个部分不可避免地产生毛刺，现有技术中，多采用人工的方式对毛刺进行打磨，然而，人工的方式不仅效率低，同时打磨的精度不高。

发明内容

本发明的主要目的在于提出一种轮毂毛刺识别方法、电子装置、装置及可读存储介质，旨在解决现有技术中毛刺打磨效率低，精度低的问题。

为实现上述目的，本发明提供一种轮毂毛刺识别方法，所述方法包括步骤：

接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；

获取与所述轮毂对应的预设参考点云数据；

基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。

可选地，所述获取与所述轮毂对应的预设参考点云数据的步骤包括：

对所述轮毂点云数据进行识别，并根据识别结果得到与所述轮毂对应的轮毂类型；

在预设点云数据库中匹配与所述轮毂类型对应的预设参考点云数据。

可选地，所述获取与所述毛刺识别信号对应轮毂的轮毂点云数据的步骤包括：

确定与所述毛刺识别信号对应的扫描设备；

控制所述扫描设备对所述轮毂进行扫描得到初始轮毂点云数据；

将所述初始轮毂点云数据输入去噪神经网络模型，得到去噪后的轮毂点云数据，其中：所述去噪神经网络模型用于对所述轮毂点云数据进行去噪操作。

可选地，所述基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据的步骤包括：

以所述预设参考点云数据为参考姿态，对所述轮毂点云数据进行配准操作，得到姿态与所述预设参考点云数据一致的配准点云数据；

获取所述配准点云数据与所述预设参考点云数据之间的差异数据，并根据所述差异数据得到所述毛刺数据。

可选地，所述以所述预设参考点云数据为参考姿态，对所述轮毂点云数据进行配准操作，得到姿态与所述预设参考点云数据一致的配准点云数据的步骤包括：

基于所述预设参考点云数据对所述轮毂点云数据进行第一配准操作；

获取所述预设参考点云数据中的各预设参考肋骨点云数据，并从所述轮毂点云数据中获取与各所述预设参考肋骨点云数据对应的多个轮毂肋骨点云数据；

分别基于各所述预设参考肋骨点云数据对对应的轮毂肋骨点云数据进行第二配准操作，得到姿态分别与各所述预设参考肋骨点云数据一致的多个轮毂肋骨点云子数据；

将各轮毂肋骨点云子数据进行组合得到所述配准点云数据。

可选地，所述获取所述配准点云数据与所述预设参考点云数据之间的差异数据，并根据所述差异数据得到所述毛刺数据的步骤包括：

分别获取所述配准点云数据中所有点与在所述预设参考点云数据中的对应点之间的差异距离，其中，所述差异数据包括所述差异距离；

计算所有所述差异距离的平均距离以及距离标准差；

根据所述平均距离以及距离标准差建立正态分布模型；

将位于所述正态分布模型的预设毛刺区间内的点的集合作为毛刺数据。

可选地，所述基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据之后包括：

基于所述轮毂点云数据与所述毛刺数据规划毛刺打磨路径；

根据所述毛刺打磨路径进行毛刺打磨操作。

为实现上述目的，本发明还提供一种电子装置，其特征在于，所述电子装置包括：

第一获取模块，用于接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；

第二获取模块，用于获取与所述轮毂对应的预设参考点云数据；

第一执行模块，用于基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。

可选地，所述第二获取模块包括：

第一执行单元，用于对所述轮毂点云数据进行识别，并根据识别结果得到与所述轮毂对应的轮毂类型；

第二执行单元，用于在预设点云数据库中匹配与所述轮毂类型对应的预设参考点云数据。

可选地，所述第一获取模块包括：

第一获取单元，用于确定与所述毛刺识别信号对应的扫描设备；

第三执行单元，用于控制所述扫描设备对所述轮毂进行扫描得到初始轮毂点云数据；

第四执行单元，用于将所述初始轮毂点云数据输入去噪神经网络模型，得到去噪后的轮毂点云数据，其中：所述去噪神经网络模型用于对所述轮毂点云数据进行去噪操作。

可选地，所述第一执行模块包括：

第五执行单元，用于以所述预设参考点云数据为参考姿态，对所述轮毂点云数据进行配准操作，得到姿态与所述预设参考点云数据一致的配准点云数据；

第二获取单元，用于获取所述配准点云数据与所述预设参考点云数据之间的差异数据，并根据所述差异数据得到所述毛刺数据。

可选地，所述第五执行单元包括：

第六执行单元，用于基于所述预设参考点云数据对所述轮毂点云数据进行第一配准操作；

第三获取单元，用于获取所述预设参考点云数据中的各预设参考肋骨点云数据，并从所述轮毂点云数据中获取与各所述预设参考肋骨点云数据对应的多个轮毂肋骨点云数据；

第七执行单元，用于分别基于各所述预设参考肋骨点云数据对对应的轮毂肋骨点云数据进行第二配准操作，得到姿态分别与各所述预设参考肋骨点云数据一致的多个轮毂肋骨点云子数据；

第八执行单元，用于将各轮毂肋骨点云子数据进行组合得到所述配准点云数据。

可选地，所述第二获取单元包括：

第一获取子单元，用于分别获取所述配准点云数据中所有点与在所述预设参考点云数据中的对应点之间的差异距离，其中，所述差异数据包括所述差异距离；

第一计算子单元，用于计算所有所述差异距离的平均距离以及距离标准差；

第一执行子单元，用于根据所述平均距离以及距离标准差建立正态分布模型；

第二执行子单元，用于将位于所述正态分布模型的预设毛刺区间内的点的集合作为毛刺数据。

可选地，所述电子装置还包括：

第二执行模块，用于基于所述轮毂点云数据与所述毛刺数据规划毛刺打磨路径；

第三执行模块，用于根据所述毛刺打磨路径进行毛刺打磨操作。

为实现上述目的，本发明还提供一种轮毂毛刺识别装置，所述轮毂毛刺识别装置包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的轮毂毛刺识别方法的步骤。

为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质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如上所述的轮毂毛刺识别方法的步骤。

本发明提出的一种轮毂毛刺识别方法、电子装置、装置及可读存储介质，接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；获取与所述轮毂对应的预设参考点云数据；基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。通过将得到的轮毂点云数据与标准轮毂一致的预设参考点云数据进行比较，得到轮毂点云数据与预设参考点云数据之间的差异即毛刺数据，使得能够准确地得到毛刺数据，进而根据毛刺数据进行打磨操作，提高了效率的同时，提高了毛刺的打磨精度。

附图说明

图1为本发明轮毂毛刺识别方法第一实施例的流程示意图；

图2为本发明轮毂毛刺识别方法第五实施例步骤S31的细化流程图；

图3为本发明轮毂毛刺识别装置的模块结构示意图。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供一种轮毂毛刺识别方法，参照图1，图1为本发明轮毂毛刺识别方法第一实施例的流程示意图，所述方法包括步骤：

步骤S10，接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；

毛刺识别信号为触发轮毂的毛刺识别流程的信号；毛刺识别信号可以由检测人员进行发送，还可以通过设置触发装置进行自动触发，如将轮毂通过传输装置运送到毛刺识别工位，毛刺识别工位上设置感应装置，如限位开关、传感器或摄像头等，感应装置检测到木材到达毛刺识别工位时，触发毛刺识别信号生效。轮毂点云数据可以是检测人员提前获取到并一同与毛刺识别信号发送的；还可以是在接收到毛刺识别信号之后，通过扫描设备对轮毂进行扫描得到的；扫描设备可以为但不限于三维激光扫描仪或照相式扫描仪。

步骤S20，获取与所述轮毂对应的预设参考点云数据；

预设参考点云数据为预先设置的与标准轮毂，即无毛刺的轮毂对应的点云数据；预设参考点云数据可以是根据轮毂的三维建模转换得到的，还可以是对标准轮毂进行扫描得到的。可以理解的是，不同型号的轮毂对应不同的预设参考点云数据。

步骤S30，基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。

姿态是指点云数据的位置、角度等；配准点云数据中各点的相对位置关系与轮毂点云数据一致，配准点云数据的整体姿态与预设参考点云数据一致。通过对轮毂点云数据进行配准操作，以使得到的配准点云数据与预设参考点云数据中的各点对应，进而进行比较得到毛刺数据。

本实施例通过将得到的轮毂点云数据与标准轮毂一致的预设参考点云数据进行比较，得到轮毂点云数据与预设参考点云数据之间的差异即毛刺数据，使得能够准确地得到毛刺数据，进而根据毛刺数据进行打磨操作，提高了效率的同时，提高了毛刺的打磨精度。

进一步地，在基于本发明的第一实施例所提出的本发明轮毂毛刺识别方法第二实施例中，所述步骤S20包括步骤：

步骤S21，对所述轮毂点云数据进行识别，并根据识别结果得到与所述轮毂对应的轮毂类型；

步骤S22，在预设点云数据库中匹配与所述轮毂类型对应的预设参考点云数据。

预设点云数据库设置有不同型号的轮毂对应的预设参考点云，因此，需要匹配与轮毂点云数据对应的预设参考点云；具体地，通过轮形识别神经网络对轮毂点云数据进行识别，以得到轮毂点云数据对应的轮毂类型，进而在预设点云数据库中匹配与轮毂类型对应的预设参考点云数据；轮毂类型包括型号或类别等。

轮毂类型还可以由检测人员随毛刺识别信号一起发送，直接通过毛刺识别信号对应到的轮毂类型在预设点云数据库中匹配对应的预设参考点云数据。

本实施例能够准确地得到与轮毂对应的预设参考点云数据。

进一步地，在基于本发明的第一实施例所提出的本发明轮毂毛刺识别方法第三实施例中，所述步骤S10包括步骤：

步骤S11，确定与所述毛刺识别信号对应的扫描设备；

步骤S12，控制所述扫描设备对所述轮毂进行扫描得到初始轮毂点云数据；

步骤S13，将所述初始轮毂点云数据输入去噪神经网络模型，得到去噪后的轮毂点云数据，其中：所述去噪神经网络模型用于对所述轮毂点云数据进行去噪操作。

在轮毂毛刺识别装置中可以设置多个毛刺识别工位，当轮毂被传送到毛刺识别工位时，触发该工位对应的毛刺识别信号，在接收到毛刺识别信号时，获取与毛刺识别信号对应工位对应的扫描设备对轮毂进行扫描操作，得到初始轮毂点云数据。

由于轮毂材质、扫描设备、扫描环境、算法等原因，使得扫描得到的初始轮毂点云数据存在噪声，因此设置去噪神经网络对初始轮毂点云数据进行去噪操作，以得到准确的轮毂点云数据。

本实施例通过对初始轮毂点云数据进行去噪，能够降低轮毂点云数据的噪声干扰。

进一步地，在基于本发明的第一实施例所提出的本发明轮毂毛刺识别方法第四实施例中，所述步骤S30包括步骤：

步骤S31，以所述预设参考点云数据为参考姿态，对所述轮毂点云数据进行配准操作，得到姿态与所述预设参考点云数据一致的配准点云数据；

步骤S32，获取所述配准点云数据与所述预设参考点云数据之间的差异数据，并根据所述差异数据得到所述毛刺数据。

将轮毂点云数据调整为姿态与预设参考点云数据一致的配准点云数据，以使配准点云数据与预设参考点云数据中的点相对应；由于预设参考点云数据为标准轮毂对应的点云数据，因此当配准点云数据中与预设参考点云数据对应的点存在差异时，说明存在差异的点与标准轮毂不同，存在毛刺，将存在差异的点集合即可得到毛刺数据。

本实施例能够合理地得到毛刺数据。

进一步地，参见图2，在基于本发明的第四实施例所提出的本发明轮毂毛刺识别方法第五实施例中，所述步骤S31包括步骤：

步骤S311，基于所述预设参考点云数据对所述轮毂点云数据进行第一配准操作；

步骤S312，获取所述预设参考点云数据中的各预设参考肋骨点云数据，并从所述轮毂点云数据中获取与各所述预设参考肋骨点云数据对应的多个轮毂肋骨点云数据；

步骤S313，分别基于各所述预设参考肋骨点云数据对对应的轮毂肋骨点云数据进行第二配准操作，得到姿态分别与各所述预设参考肋骨点云数据一致的多个轮毂肋骨点云子数据；

步骤S314，将各轮毂肋骨点云子数据进行组合得到所述配准点云数据。

由于轮毂在生产过程中存在制造公差，因此轮毂点云数据无法与预设参考点云数据完全配准，必定会因为各部分存在的公差而导致最终配准结果为配准结果中总误差最小的结果，而对于轮毂中各部分的点云数据则未必是最准确的结果，为了进一步地使得配准结果精确，将轮毂点云数据依据肋骨部位进行划分得到轮毂肋骨点云数据；具体地，预设参考点云数据中预先对各肋骨部分进行区分标记，在对轮毂点云数据与预设参考点云数据进行初步配准操作，即第一配准操作之后，依据预设参考点云数据的区分标记对应将轮毂点云数据划分为轮毂肋骨点云数据。分别将各轮毂肋骨点云数据与预设参考点云数据中对应的肋骨部分进行配准操作，得到轮毂肋骨点云子数据；轮毂肋骨点云子数据即为配准最准确的轮毂肋骨点云数据；将各轮毂肋骨点云子数据进行组合即得到了各部分均配准准确的配准点云数据。

本实施例能够得到各部分均配准准确的配准点云数据。

进一步地，在基于本发明的第四实施例所提出的本发明轮毂毛刺识别方法第六实施例中，所述步骤S32包括步骤：

步骤S321，分别获取所述配准点云数据中所有点与在所述预设参考点云数据中的对应点之间的差异距离，其中，所述差异数据包括所述差异距离；

步骤S322，计算所有所述差异距离的平均距离以及距离标准差；

步骤S323，根据所述平均距离以及距离标准差建立正态分布模型；

步骤S324，将位于所述正态分布模型的预设毛刺区间内的点的集合作为毛刺数据。

在完成配准后，配准点云数据与预设参考点云数据中的点一一对应，差异距离为本实施例中配准点云数据与预设参考点云数据中对应的点之间的距离；本实施例的差异距离采用欧式距离进行计算；在得到配准点云数据中各点与预设参考点云数据对应的点的差异距离D之后，计算各差异距离之间的平距离μ与距离标准差σ，并建立正态分布模型N(D|μ,σ²)。

轮毂在局部上的公差是接近的，同时肋骨上的毛刺较少，因此，毛刺在正态分布中的占比较小，本实施例中的预设毛刺区间为（μ+1.96σ，∞），即将差异距离位于预设毛刺区间的点视为毛刺点，将毛刺点结合作为毛刺数据。

本实施例能够合理地得到毛刺数据。

进一步地，在基于本发明的第一实施例所提出的本发明轮毂毛刺识别方法第七实施例中，在所述步骤S30之后包括步骤：

步骤S40，基于所述轮毂点云数据与所述毛刺数据规划毛刺打磨路径；

步骤S50，根据所述毛刺打磨路径进行毛刺打磨操作。

在得到毛刺数据之后，在轮毂点云数据的基础上，将毛刺数据剪除；具体地，可将毛刺数据与轮毂点云数据接触的部分集合成毛刺打磨路径。进而根据毛刺打磨路径进行毛刺打磨操作。

本实施例能够合理地规划毛刺打磨路径，并进行毛刺打磨操作。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本申请各个实施例所述的方法。

本申请还提供一种用于实施上述轮毂毛刺识别方法的电子装置，电子装置包括：

第一获取模块，用于接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；

第二获取模块，用于获取与所述轮毂对应的预设参考点云数据；

第一执行模块，用于基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。

通过将得到的轮毂点云数据与标准轮毂一致的预设参考点云数据进行比较，得到轮毂点云数据与预设参考点云数据之间的差异即毛刺数据，使得能够准确地得到毛刺数据，进而根据毛刺数据进行打磨操作，提高了效率的同时，提高了毛刺的打磨精度。

需要说明的是，该实施例中的第一获取模块可以用于执行本申请实施例中的步骤S10，该实施例中的第二获取模块可以用于执行本申请实施例中的步骤S20，该实施例中的第一执行模块可以用于执行本申请实施例中的步骤S30。

进一步地，所述第二获取模块包括：

第一执行单元，用于对所述轮毂点云数据进行识别，并根据识别结果得到与所述轮毂对应的轮毂类型；

第二执行单元，用于在预设点云数据库中匹配与所述轮毂类型对应的预设参考点云数据。

进一步地，所述第一获取模块包括：

第一获取单元，用于确定与所述毛刺识别信号对应的扫描设备；

第三执行单元，用于控制所述扫描设备对所述轮毂进行扫描得到初始轮毂点云数据；

第四执行单元，用于将所述初始轮毂点云数据输入去噪神经网络模型，得到去噪后的轮毂点云数据，其中：所述去噪神经网络模型用于对所述轮毂点云数据进行去噪操作。

进一步地，所述第一执行模块包括：

第五执行单元，用于以所述预设参考点云数据为参考姿态，对所述轮毂点云数据进行配准操作，得到姿态与所述预设参考点云数据一致的配准点云数据；

第二获取单元，用于获取所述配准点云数据与所述预设参考点云数据之间的差异数据，并根据所述差异数据得到所述毛刺数据。

进一步地，所述第五执行单元包括：

第六执行单元，用于基于所述预设参考点云数据对所述轮毂点云数据进行第一配准操作；

第三获取单元，用于获取所述预设参考点云数据中的各预设参考肋骨点云数据，并从所述轮毂点云数据中获取与各所述预设参考肋骨点云数据对应的多个轮毂肋骨点云数据；

第七执行单元，用于分别基于各所述预设参考肋骨点云数据对对应的轮毂肋骨点云数据进行第二配准操作，得到姿态分别与各所述预设参考肋骨点云数据一致的多个轮毂肋骨点云子数据；

第八执行单元，用于将各轮毂肋骨点云子数据进行组合得到所述配准点云数据。

进一步地，所述第二获取单元包括：

第一获取子单元，用于分别获取所述配准点云数据中所有点与在所述预设参考点云数据中的对应点之间的差异距离，其中，所述差异数据包括所述差异距离；

第一计算子单元，用于计算所有所述差异距离的平均距离以及距离标准差；

第一执行子单元，用于根据所述平均距离以及距离标准差建立正态分布模型；

第二执行子单元，用于将位于所述正态分布模型的预设毛刺区间内的点的集合作为毛刺数据。

进一步地，所述电子装置还包括：

第二执行模块，用于基于所述轮毂点云数据与所述毛刺数据规划毛刺打磨路径；

第三执行模块，用于根据所述毛刺打磨路径进行毛刺打磨操作。

此处需要说明的是，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例所公开的内容。需要说明的是，上述模块作为装置的一部分可以通过软件实现，也可以通过硬件实现，其中，硬件环境包括网络环境。

参照图3，在硬件结构上所述轮毂毛刺识别装置可以包括通信模块10、存储器20以及处理器30等部件。在所述轮毂毛刺识别装置中，所述处理器30分别与所述存储器20以及所述通信模块10连接，所述存储器20上存储有计算机程序，所述计算机程序同时被处理器30执行，所述计算机程序执行时实现上述方法实施例的步骤。

通信模块10，可通过网络与外部通讯设备连接。通信模块10可以接收外部通讯设备发出的请求，还可以发送请求、指令及信息至所述外部通讯设备，所述外部通讯设备可以是其它轮毂毛刺识别装置、服务器或者物联网设备，例如电视等等。

存储器20，可用于存储软件程序以及各种数据。存储器20可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如获取与所述轮毂对应的预设参考点云数据）等；存储数据区可包括数据库，存储数据区可存储根据系统的使用所创建的数据或信息等。此外，存储器20可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器30，是轮毂毛刺识别装置的控制中心，利用各种接口和线路连接整个轮毂毛刺识别装置的各个部分，通过运行或执行存储在存储器20内的软件程序和/或模块，以及调用存储在存储器20内的数据，执行轮毂毛刺识别装置的各种功能和处理数据，从而对轮毂毛刺识别装置进行整体监控。处理器30可包括一个或多个处理单元；可选地，处理器30可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器30中。

尽管图3未示出，但上述轮毂毛刺识别装置还可以包括电路控制模块，所述电路控制模块用于与电源连接，保证其他部件的正常工作。本领域技术人员可以理解，图3中示出的轮毂毛刺识别装置结构并不构成对轮毂毛刺识别装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提出一种计算机可读存储介质，其上存储有计算机程序。所述计算机可读存储介质可以是图3的轮毂毛刺识别装置中的存储器20，也可以是如ROM（Read-OnlyMemory，只读存储器）/RAM（Random Access Memory，随机存取存储器）、磁碟、光盘中的至少一种，所述计算机可读存储介质包括若干指令用以使得一台具有处理器的终端设备(可以是电视，汽车，手机，计算机，服务器，终端，或者网络设备等)执行本发明各个实施例所述的方法。

在本发明中，术语“第一”“第二”“第三”“第四”“第五”仅用于描述的目的，而不能理解为指示或暗示相对重要性，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

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，本发明保护的范围并不局限于此，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、修改和替换，这些变化、修改和替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种轮毂毛刺识别方法，其特征在于，所述方法包括：

接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；

获取与所述轮毂对应的预设参考点云数据；

基于所述预设参考点云数据生成姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。

2.如权利要求1所述的轮毂毛刺识别方法，其特征在于，所述获取与所述轮毂对应的预设参考点云数据的步骤包括：

对所述轮毂点云数据进行识别，并根据识别结果得到与所述轮毂对应的轮毂类型；

在预设点云数据库中匹配与所述轮毂类型对应的预设参考点云数据。

3.如权利要求1所述的轮毂毛刺识别方法，其特征在于，所述获取与所述毛刺识别信号对应轮毂的轮毂点云数据的步骤包括：

确定与所述毛刺识别信号对应的扫描设备；

控制所述扫描设备对所述轮毂进行扫描得到初始轮毂点云数据；

将所述初始轮毂点云数据输入去噪神经网络模型，得到去噪后的轮毂点云数据，其中：所述去噪神经网络模型用于对所述轮毂点云数据进行去噪操作。

4.如权利要求1所述的轮毂毛刺识别方法，其特征在于，所述基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据的步骤包括：

以所述预设参考点云数据为参考姿态，对所述轮毂点云数据进行配准操作，得到姿态与所述预设参考点云数据一致的配准点云数据；

获取所述配准点云数据与所述预设参考点云数据之间的差异数据，并根据所述差异数据得到所述毛刺数据。

5.如权利要求4所述的轮毂毛刺识别方法，其特征在于，所述以所述预设参考点云数据为参考姿态，对所述轮毂点云数据进行配准操作，得到姿态与所述预设参考点云数据一致的配准点云数据的步骤包括：

基于所述预设参考点云数据对所述轮毂点云数据进行第一配准操作；

获取所述预设参考点云数据中的各预设参考肋骨点云数据，并从所述轮毂点云数据中获取与各所述预设参考肋骨点云数据对应的多个轮毂肋骨点云数据；

分别基于各所述预设参考肋骨点云数据对对应的轮毂肋骨点云数据进行第二配准操作，得到姿态分别与各所述预设参考肋骨点云数据一致的多个轮毂肋骨点云子数据；

将各轮毂肋骨点云子数据进行组合得到所述配准点云数据。

6.如权利要求4所述的轮毂毛刺识别方法，其特征在于，所述获取所述配准点云数据与所述预设参考点云数据之间的差异数据，并根据所述差异数据得到所述毛刺数据的步骤包括：

分别获取所述配准点云数据中所有点与在所述预设参考点云数据中的对应点之间的差异距离，其中，所述差异数据包括所述差异距离；

计算所有所述差异距离的平均距离以及距离标准差；

根据所述平均距离以及距离标准差建立正态分布模型；

将位于所述正态分布模型的预设毛刺区间内的点的集合作为毛刺数据。

7.如权利要求1所述的轮毂毛刺识别方法，其特征在于，所述基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据的步骤之后包括：

基于所述轮毂点云数据与所述毛刺数据规划毛刺打磨路径；

根据所述毛刺打磨路径进行毛刺打磨操作。

8.一种电子装置，其特征在于，所述电子装置包括：

第一获取模块，用于接收毛刺识别信号，获取与所述毛刺识别信号对应轮毂的轮毂点云数据；

第二获取模块，用于获取与所述轮毂对应的预设参考点云数据；

第一执行模块，用于基于所述预设参考点云数据将所述轮毂点云数据转换为姿态与所述预设参考点云数据一致的配准点云数据，并根据所述配准点云数据与所述预设参考点云数据提取所述轮毂点云数据中的毛刺数据。

9.一种轮毂毛刺识别装置，其特征在于，所述轮毂毛刺识别装置包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的轮毂毛刺识别方法的步骤。

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如权利要求1至7中任一项所述的轮毂毛刺识别方法的步骤。

Images