CN115239648B - R角突起点云的提取方法、装置、设备及存储介质 - Google Patents
R角突起点云的提取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115239648B CN115239648B CN202210799852.6A CN202210799852A CN115239648B CN 115239648 B CN115239648 B CN 115239648B CN 202210799852 A CN202210799852 A CN 202210799852A CN 115239648 B CN115239648 B CN 115239648B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- angle
- obtaining
- parameter model
- extracting
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
Abstract
本申请涉及数据处理领域,本申请提供一种R角突起点云的提取方法、装置、设备及存储介质,所述方法根据激光三角测量仪,获取R角处的点云数据;根据所述R角处的点云数据,提取R角圆弧边缘对应的曲线边界,并根据所述R角圆弧边缘对应的曲线边界,获得最优参数模型;根据所述最优参数模型以及预设阈值,提取R角突起点云;本发明利用激光三角测量仪获取R角表面的点云,对表面点云特征进行分析,提取缺陷点云,相比于人工检测,提高了检测效率,降低了误检率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种R角突起点云的提取方法、装置、设备及计算机可读存储介质。
背景技术
随着环保意识的不断增长,大力发展低碳产业,低碳能源和低碳技术成为经济发展中的重要环节,而随着我国汽车工业的不断发展,能源供给的缺口也不断增大,因此,大力发展新能源汽车,以电代油,减少排放成为我国汽车产业发展的方向。汽车电池作为新能源汽车中的重要部分,对其的需要也在不断增长,如何在保证产量的同时对质量进行把控成为现阶段汽车电池厂商面对的关键问题。近年来,智能化工厂成为许多传统制造类厂商的发展目标,用智能化设备代替人工,不仅能够提高生产效率,还能够对产品质量进行更严格的把控,顶盖焊缺陷检测中,R角的缺陷检测是其缺陷检测项目中的重要环节,传统检测方法为人工目检,不仅效率不高,而且很容易产生误判,因此,如何解决现有R角缺陷的检测效率低、误检率高成为了目前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种R角突起点云的提取方法、装置、设备及计算机可读存储介质,旨在解决现有R角缺陷的检测效率低、误检率高的技术问题。
为实现上述目的,本发明提供一种R角突起点云的提取方法,所述方法包括以下步骤:获取R角处的点云数据;根据所述R角处的点云数据,提取R角圆弧边缘对应的曲线边界,并根据所述R角圆弧边缘对应的曲线边界,拟合获得最优参数模型;根据第一预设阈值以及所述最优参数模型,提取R角突起点云。
此外,为实现上述目的,本发明还提供一种R角突起点云的提取装置,所述R角突起点云的提取装置包括:点云数据获取模块,用于获取R角处的点云数据;模型参数计算模块,用于根据所述R角处的点云数据,提取R角圆弧边缘对应的曲线边界,并根据所述R角圆弧边缘对应的曲线边界,拟合获得最优参数模型;突起点云提取模块,用于根据第一预设阈值以及所述最优参数模型,提取R角突起点云。
此外,为实现上述目的,本发明还提供一种R角突起点云的提取设备,所述R角突起点云的提取设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的R角突起点云的提取程序,其中所述R角突起点云的提取程序被所述处理器执行时,实现如上述的R角突起点云的提取方法的步骤。
此外,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R角突起点云的提取程序,其中所述R角突起点云的提取程序被处理器执行时,实现如上述的R角突起点云的提取方法的步骤。
本发明提供一种R角突起点云的提取方法,所述R角突起点云的提取方法根据激光三角测量仪,获取R角处的点云数据;根据所述R角处的点云数据,提取曲线边界,并根据所述曲线边界,获得最优参数模型;根据所述最优参数模型以及预设阈值,提取R角突起点云。通过上述方式,本发明利用激光三角测量仪获取R角表面的点云,对表面点云特征进行分析,提取缺陷点云,相比于人工检测,提高了检测效率,降低了误检率。解决了目前R角缺陷的检测效率低、误检率高的技术问题。
附图说明
图1为本发明实施例方案中涉及的R角突起点云的提取设备的硬件结构示意图;
图2为本发明R角突起点云的提取方法第一实施例的流程示意图;
图3为本发明R角突起点云的提取方法第二实施例的流程示意图;
图4为本发明R角突起点云的提取方法第三实施例的流程示意图;
图5为本发明R角突起点云的提取装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例涉及的R角突起点云的提取方法主要应用于R角突起点云的提取设备,该R角突起点云的提取生成设备可以是PC、便携计算机、移动终端等具有显示和处理功能的设备。
参照图1,图1为本发明实施例方案中涉及的...设备的硬件结构示意图。本发明实施例中,R角突起点云的提取设备可以包括处理器1001(例如CPU),通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信;用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard);网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口);存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器,存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的硬件结构并不构成对R角突起点云的提取设备的限定,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。
继续参照图1,图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及R角突起点云的提取程序。
在图1中,网络通信模块主要用于连接服务器,与服务器进行数据通信;而处理器1001可以调用存储器1005中存储的R角突起点云的提取程序,并执行本发明实施例提供的R角突起点云的提取方法。
本发明实施例提供了一种R角突起点云的提取方法。
参照图2,图2为本发明R角突起点云的提取方法第一实施例的流程示意图。
本实施例中,所述R角突起点云的提取方法包括以下步骤:
步骤S10,获取R角处的点云数据;
本实施例中,通过外置相机和激光器,相机垂直于测量表面,激光器发出的线激光和测量表面呈一定的角度,并朝固定的方向匀速运动,此时,线激光经过区域应覆盖整个测量表面,相机不断采集图像,提取激光光条重心,再利用三角测量法得到测量表面的点云;利用体素网格滤波法,对原始点云数据进行降采样,去除冗余数据;利用随机采样一致性的平面拟合方法,获得顶盖面的拟合平面;根据顶盖面的法向量和XOY平面的法向量,获得旋转变换矩阵;根据点云重心以及基坐标,获得坐标系G以及坐标系G下的点云坐标,根据坐标系G下的点云坐标以及旋转变换矩阵,获得变换后的点云坐标,再将变换后的坐标转换成基坐标系下的点云坐标;以顶盖面为基准,Z轴为方向,取一定的阈值,获得R角处的点云数据。
步骤S20,根据所述R角处的点云数据,提取R角圆弧边缘对应的曲线边界,并根据所述R角圆弧边缘对应的曲线边界,拟合获得最优参数模型;
具体地,将点云数据映射至XOY平面,获得像素点以及R角轮廓二值图像,并记下像素点和点云点之间的索引;根据R角轮廓二值图像以及canny边缘检测算子,获得R角边缘,根据边缘曲率,去除水平和竖直的边界,获得R角曲线边界,即R角上的圆弧边缘;根据R角圆弧边缘对应的曲线边界集合的子集合,进行圆拟合,获得拟合的模型参数,根据预设阈值,划分内点和外点,根据预设迭代次数,重复操作,获得最优的模型参数。
步骤S30,根据第一预设阈值以及所述最优参数模型,提取R角突起点云;
本实施例中,根据拟合的参数模型中的拟合圆心和半径,设置阈值,并提取超出阈值的像素点,根据像素点和点云点之间的索引,获得突起点云,根据突起点云在空间中的曲线形态,设置半径搜索范围,获得R角突起点云。
本实施例提供一种R角突起点云的提取方法,所述方法利用激光三角测量仪获取R角表面的点云,对表面点云特征进行分析,提取缺陷点云,相比于人工检测,提高了检测效率,降低了误检率。
参照图3,图3为本发明R角突起点云的提取方法第二实施例的流程示意图。
基于上述图2所示实施例,本实施例中,所述步骤S10,包括:
步骤S11,通过外置相机和激光器,采集测量表面图像,提取测量表面激光光条重心,并根据三角测量法、所述测量表面图像以及所述测量表面激光光条重心,获得测量表面的点云;
步骤S12,根据随机采样一致性的平面拟合方法以及所述测量表面的点云,确定顶盖面的拟合平面。
步骤S13,根据第二预设阈值、Z轴以及所述顶盖面的拟合平面,获得R角的点云数据。
本实施例中,通过外置相机和激光器获取R角面处的点云,其中,相机垂直于测量表面,激光器发出的线激光和测量表面呈一定的角度,并朝固定的方向匀速运动,相机不断采集图像,提取激光光条重心。
进一步地,所述步骤S12,包括:
利用体素网格滤波法对所述测量表面的点云进行降采样,去除冗余数据,获得去重后的点云数据;
根据随机采样一致性的平面拟合方法以及所述去重后的点云数据,获得测量平面的拟合方程;
根据所述测量平面的拟合方程,获得测量平面的法线与Z轴的夹角;
根据顶盖面法线与Z轴的夹角范围以及所述测量平面的法线与Z轴的夹角,确定所述顶盖面的拟合平面。
本实施例中,顶盖焊R角处点云ROI区域由R角、一个顶盖面和三个顶盖侧面形成,其中顶盖前侧面和后侧面点云数量少,对平面拟合影响不大,可以忽略,顶盖竖侧面点云数量多且也表现为平面状,拟合平面时,容易与顶盖面混淆。顶盖竖侧面法线与z轴的夹角范围为0到90度,顶盖面法线与z轴的夹角为90到180度,用R角ROI区域所有点云进行平面拟合,若拟合所得的法线夹角范围为90到180度,则认为这个平面方程就是顶盖面的拟合平面,若拟合所得的夹角范围为0到90度,则从原始点云中删除满足此次平面拟合的点云,用剩下的点再进行一次平面拟合,将此次拟合的平面方程作为顶盖面的拟合平面。
进一步地,所述步骤S13,包括:
根据所述顶盖面的拟合平面,获得顶盖面的法向量;
根据XOY平面的法向量以及所述顶盖面的法向量,获得旋转变换矩阵;
根据坐标系G以及所述旋转变换矩阵,得到转换后的点云坐标,其中,坐标系G的原点为点云重心,坐标轴与基坐标平行;
根据基坐标、第二预设阈值、所述坐标系G以及所述转换后的点云坐标,获得所述R角的点云数据。
综上可以求出两平面间的旋转矩阵为:
将原始点云转化至以点云重心为原点,坐标轴与基坐标平行的的坐标系G中,应用旋转变换,再将变换后点云转化至基坐标系下。假设点云重心为(x0,y0,z0),原始点云为(xi,yi,zi)i=0,1,2,...,则可以得到在坐标系G下的点云坐标为(xi-x0,yi-y0,zi-z0)i=0,1,2,...,每个点云都乘以转换矩阵,得到转换后点云:(xk,yk,zk)i=0,1,2,...,再转换至基坐标系下:(xk+x0,yk+y0,zk+z0)i=0,1,2,...,由此可得旋转变换后的点云坐标,进而能够获取R角处的全部点云数据。
参照图4,图4为本发明R角突起点云的提取方法第三实施例的流程示意图。
基于上述图3所示实施例,本实施例中,所述步骤S20具体包括:
步骤S21,将R角点云数据映射至XOY平面,获得点云坐标对应的像素点以及R角轮廓二值图像,并记下像素点和点云点之间的索引;
步骤S22,根据canny边缘检测算子以及所述R角轮廓二值图像,获得R角边缘;
步骤S23,根据边缘曲率以及所述R角边缘,去除水平和竖直的边界,获得R角圆弧边缘对应的曲线边界;
步骤S24,根据随机采样一致性的方法以及所述R角圆弧边缘对应的曲线边界,获得所述最优参数模型。
本实施例中,将R角数值直接映射至XOY平面,点云坐标中x和y直接转化为像素上的u,v值,若存在z值,则该像素置为255,若不存在z值,则该像素置为0,像素点和点云点一一对应,记下两组数据之间的索引,即所述像素点与点云点之间的索引,上述操作后,能够获得一张R角轮廓二值图像,利用canny边缘检测算子可以很容易的得到R角边缘,用边缘曲率判断去除水平和竖直的边界,只留下曲线边界,该曲线边界即为R角上的圆弧边缘。
进一步地,步骤S24具体包括:
根据R角圆弧边缘对应的曲线边界集合的子集合以及预设迭代次数,进行圆拟合,获得拟合的参数模型;
根据第三预设阈值以及所述拟合的参数模型,划分内点和外点,并记录各参数模型的内点数;
根据所述各参数模型的内点数,获得最优参数模型,其中,所述最优参数模型为内点数最多的参数模型。
本实施例中,利用随机采样一致性的方法对曲线边界进行圆拟合,获得圆心坐标和半径,即随机从曲线边界集合中提取一个子集合,对其进行圆拟合,得到拟合的参数模型,设定一定的阈值,小于这个阈值的点云即为内点,否则为外点,重复上述步骤,设定迭代次数,最终内点数最多的参数模型即为最优的参数模型。
进一步地,步骤S30具体包括:
步骤S31,根据拟合的参数模型,设置阈值,并提取超出阈值的像素点;
步骤S32,根据像素点和点云点之间的索引以及所述超出阈值的像素点,获得空间中的突起点云;
步骤S33,根据第一预设阈值以及所述空间中的突起点云在空间中的曲线形态,获得R角突起点云。
本实施例中,以上述拟合圆心和半径为基础,设定一定的阈值,提取出超过阈值的的像素点,根据像素点和点云点间的索引,即可得到空间中的突起点云,此时提取的突起点云在空间中呈现曲线的形态,设定一定的半径搜索范围,将半径内的点云都视作突起点云。
此外,本发明实施例还提供一种R角突起点云的提取装置。
参照图5,图5为本发明R角突起点云的提取装置第一实施例的功能模块示意图。
本实施例中,所述R角突起点云的提取装置包括:
点云数据获取模块10,用于获取R角处的点云数据;
模型参数计算模块20,用于根据所述R角处的点云数据,提取R角圆弧边缘对应的曲线边界,并根据所述R角圆弧边缘对应的曲线边界,拟合获得最优参数模型;
突起点云提取模块30,用于根据第一预设阈值以及所述最优参数模型,提取R角突起点云;
进一步地,所述R角突起点云的提取装置包括点云数据获取模块,所述点云数据获取模块包括:
点云采集单元,用于通过外置相机和激光器,采集测量表面图像,提取测量表面激光光条重心,并根据三角测量法、所述测量表面图像以及所述测量表面激光光条重心,获得测量表面的点云;
拟合平面确定单元,用于根据随机采样一致性的平面拟合方法以及所述测量表面的点云,确定顶盖面的拟合平面;
点云数据转换单元,用于根据XOY平面的法向量以及所述顶盖面的法向量,获得旋转变换矩阵,根据坐标系G以及所述旋转变换矩阵,得到转换后的点云坐标,其中,坐标系G的原点为点云重心,坐标轴与基坐标平行,根据基坐标、第二预设阈值、所述坐标系G以及所述转换后的点云坐标,获得所述R角的点云数据,得以获得R角处的全部点云信息。
进一步地,所述R角突起点云的提取装置包括模型参数计算模块,所述模型参数计算模块包括:
索引获取单元,用于根据R角点云数据映射至XOY平面,获得点云坐标对应的像素点以及R角轮廓二值图像,并记下像素点和点云点之间的索引;
R角边缘获取单元,用于根据canny边缘检测算子以及所述R角轮廓二值图像,获得R角边缘;
R角曲线边界获取单元,用于根据边缘曲率以及所述R角边缘,获得R角圆弧边缘对应的曲线边界;
最优参数模型获取单元,用于根据R角圆弧边缘对应的曲线边界集合的子集合以及预设迭代次数,进行圆拟合,获得拟合的参数模型,根据第三预设阈值以及所述拟合的参数模型,划分内点和外点,并记录各参数模型的内点数,根据随机采样一致性的方法以及所述R角圆弧边缘对应的曲线边界,获得所述最优参数模型。
进一步地,所述点云数据获取模块装置包括突起点云提取模块,所述突起点云提取模块包括:
像素点提取单元,用于根据拟合的参数模型,设置阈值,提取超出阈值的像素点;
像素点转换单元,用于根据像素点和点云点之间的索引以及所述超出阈值的像素点,将像素点转换为空间中的突起点云;
突起点云获取单元,用于根据第一预设阈值以及所述空间中的突起点云在空间中的曲线形态,获得R角突起点云。
其中,上述R角突起点云的提取装置中各个模块与上述R角突起点云的提取方法实施例中各步骤相对应,其功能和实现过程在此处不再一一赘述。
此外,本发明实施例还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有R角突起点云的提取程序,其中所述R角突起点云的提取程序被处理器执行时,实现如上述的R角突起点云的提取方法的步骤。
其中,R角突起点云的提取程序被执行时所实现的方法可参照本发明R角突起点云的提取方法的各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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上述实施例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,本发明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如上所述的一个存储介质(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,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种R角突起点云的提取方法,其特征在于,所述方法包括以下步骤:
获取R角处的点云数据;
根据所述R角处的点云数据,提取R角圆弧边缘对应的曲线边界,并根据所述R角圆弧边缘对应的曲线边界,拟合获得最优参数模型;进一步包括:
将R角点云数据映射至XOY平面,获得点云坐标对应的像素点以及R角轮廓二值图像,并记下像素点和点云点之间的索引;
根据canny边缘检测算子以及所述R角轮廓二值图像,获得R角边缘;
根据边缘曲率以及所述R角边缘,去除水平和竖直的边界,获得R角圆弧边缘对应的曲线边界;
根据随机采样一致性的方法以及所述R角圆弧边缘对应的曲线边界,获得所述最优参数模型;进一步包括:
根据R角圆弧边缘对应的曲线边界集合的子集合以及预设迭代次数,进行圆拟合,获得拟合的参数模型;
根据第三预设阈值以及所述拟合的参数模型,划分内点和外点,并记录各参数模型的内点数;
根据所述各参数模型的内点数,获得所述最优参数模型,其中,所述最优参数模型为内点数最多的参数模型;
根据第一预设阈值以及所述最优参数模型,提取R角突起点云;进一步包括:
根据拟合的参数模型,设置阈值,并提取超出阈值的像素点;
根据像素点和点云点之间的索引以及所述超出阈值的像素点,获得空间中的突起点云;
根据第一预设阈值以及所述空间中的突起点云在空间中的曲线形态,获得所述R角突起点云。
2.如权利要求1所述的R角突起点云的提取方法,其特征在于,所述获取R角处的点云数据步骤,包括:
通过外置相机和激光器,采集测量表面图像,提取测量表面激光光条重心,并根据三角测量法、所述测量表面图像以及所述测量表面激光光条重心,获得测量表面的点云;
根据随机采样一致性的平面拟合方法以及所述测量表面的点云,确定顶盖面的拟合平面;
根据第二预设阈值、Z轴以及所述顶盖面的拟合平面,获得所述R角的点云数据。
3.如权利要求2所述的R角突起点云的提取方法,其特征在于,所述根据随机采样一致性的平面拟合方法以及所述测量表面的点云,确定顶盖面的拟合平面步骤,包括:
利用体素网格滤波法对所述测量表面的点云进行降采样,去除冗余数据,获得去重后的点云数据;
根据随机采样一致性的平面拟合方法以及所述去重后的点云数据,获得测量平面的拟合方程;
根据所述测量平面的拟合方程,获得测量平面的法线与Z轴的夹角;
根据顶盖面法线与Z轴的夹角范围以及所述测量平面的法线与Z轴的夹角,确定所述顶盖面的拟合平面。
4.如权利要求2所述的R角突起点云的提取方法,其特征在于,所述根据第二预设阈值、Z轴以及所述顶盖面的拟合平面,获得R角的点云数据,包括:
根据所述顶盖面的拟合平面,获得顶盖面的法向量;
根据XOY平面的法向量以及所述顶盖面的法向量,获得旋转变换矩阵;
根据坐标系G以及所述旋转变换矩阵,得到转换后的点云坐标,其中,坐标系G的原点为点云重心,坐标轴与基坐标平行;
根据基坐标、第二预设阈值、所述坐标系G以及所述转换后的点云坐标,获得所述R角的点云数据。
5.一种R角突起点云的提取装置,其特征在于,所述R角突起点云的提取装置包括:
点云数据获取模块,用于获取R角处的点云数据;
模型参数计算模块,用于根据所述R角处的点云数据,提取R角圆弧边缘对应的曲线边界,并根据所述R角圆弧边缘对应的曲线边界,拟合获得最优参数模型;进一步包括:
将R角点云数据映射至XOY平面,获得点云坐标对应的像素点以及R角轮廓二值图像,并记下像素点和点云点之间的索引;
根据canny边缘检测算子以及所述R角轮廓二值图像,获得R角边缘;
根据边缘曲率以及所述R角边缘,去除水平和竖直的边界,获得R角圆弧边缘对应的曲线边界;
根据随机采样一致性的方法以及所述R角圆弧边缘对应的曲线边界,获得所述最优参数模型;进一步包括:
根据R角圆弧边缘对应的曲线边界集合的子集合以及预设迭代次数,进行圆拟合,获得拟合的参数模型;
根据第三预设阈值以及所述拟合的参数模型,划分内点和外点,并记录各参数模型的内点数;
根据所述各参数模型的内点数,获得所述最优参数模型,其中,所述最优参数模型为内点数最多的参数模型;
突起点云提取模块,用于根据第一预设阈值以及所述最优参数模型,提取R角突起点云;进一步包括:
根据拟合的参数模型,设置阈值,并提取超出阈值的像素点;
根据像素点和点云点之间的索引以及所述超出阈值的像素点,获得空间中的突起点云;
根据第一预设阈值以及所述空间中的突起点云在空间中的曲线形态,获得所述R角突起点云。
6.一种R角突起点云的提取设备,其特征在于,所述R角突起点云的提取设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的R角突起点云的提取程序,其中所述R角突起点云的提取程序被所述处理器执行时,实现如权利要求1至4中任一项所述的R角突起点云的提取方法的步骤。
7.一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R角突起点云的提取程序,其中所述R角突起点云的提取程序被处理器执行时,实现如权利要求1至4中任一项所述的R角突起点云的提取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210799852.6A CN115239648B (zh) | 2022-07-08 | 2022-07-08 | R角突起点云的提取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210799852.6A CN115239648B (zh) | 2022-07-08 | 2022-07-08 | R角突起点云的提取方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115239648A CN115239648A (zh) | 2022-10-25 |
CN115239648B true CN115239648B (zh) | 2023-06-02 |
Family
ID=83671378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210799852.6A Active CN115239648B (zh) | 2022-07-08 | 2022-07-08 | R角突起点云的提取方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115239648B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280852A (zh) * | 2018-01-16 | 2018-07-13 | 常景测量科技(武汉)有限公司 | 一种基于激光点云数据的门窗点云形状检测方法及系统 |
CN111369609A (zh) * | 2020-03-04 | 2020-07-03 | 山东交通学院 | 一种基于点云曲面特征约束的建筑物局部变形分析方法 |
CN111695486A (zh) * | 2020-06-08 | 2020-09-22 | 武汉中海庭数据技术有限公司 | 一种基于点云的高精度方向标志牌目标提取方法 |
CN113487479A (zh) * | 2021-06-30 | 2021-10-08 | 北京易控智驾科技有限公司 | 车端实时检测识别高精度地图边界方法和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105716540B (zh) * | 2016-02-01 | 2018-05-29 | 宁德时代新能源科技股份有限公司 | 二次电池方形壳体与顶盖r角装配属性的检测方法 |
CN111912335B (zh) * | 2020-06-30 | 2022-01-25 | 成都飞机工业(集团)有限责任公司 | 一种适用于机器人钻铆系统的飞机表面基准孔识别方法 |
CN113468663B (zh) * | 2021-06-30 | 2022-04-29 | 山东大学 | 一种冲压模具表面微织构的加工方法与设计系统 |
CN114119464B (zh) * | 2021-10-08 | 2023-06-16 | 厦门微亚智能科技有限公司 | 一种基于深度学习的锂电池电芯顶盖焊缝外观检测方法 |
CN114004981A (zh) * | 2021-11-10 | 2022-02-01 | 柳州沪信汽车科技有限公司 | 一种非完整点云条件下的车身r角视觉检测方法及系统 |
CN114131605B (zh) * | 2021-12-06 | 2024-03-22 | 上海智能制造功能平台有限公司 | 一种船体零件打磨轨迹自动配准调整装置及方法 |
-
2022
- 2022-07-08 CN CN202210799852.6A patent/CN115239648B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280852A (zh) * | 2018-01-16 | 2018-07-13 | 常景测量科技(武汉)有限公司 | 一种基于激光点云数据的门窗点云形状检测方法及系统 |
CN111369609A (zh) * | 2020-03-04 | 2020-07-03 | 山东交通学院 | 一种基于点云曲面特征约束的建筑物局部变形分析方法 |
CN111695486A (zh) * | 2020-06-08 | 2020-09-22 | 武汉中海庭数据技术有限公司 | 一种基于点云的高精度方向标志牌目标提取方法 |
CN113487479A (zh) * | 2021-06-30 | 2021-10-08 | 北京易控智驾科技有限公司 | 车端实时检测识别高精度地图边界方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115239648A (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10853687B2 (en) | Method and apparatus for determining matching relationship between point cloud data | |
CN110068655B (zh) | 一种天空地一体化大气监测系统 | |
CN111080693A (zh) | 一种基于YOLOv3的机器人自主分类抓取方法 | |
CN110634140A (zh) | 一种基于机器视觉的大直径管状物定位及内壁缺陷检测方法 | |
CN111627015B (zh) | 小样本缺陷识别方法、装置、设备及存储介质 | |
EP4116462A2 (en) | Method and apparatus of processing image, electronic device, storage medium and program product | |
CN113238578B (zh) | 一种电力杆塔无人机巡检路线规划方法及系统 | |
CN112344869B (zh) | 基于侧面拟合的铁塔变形监测方法及系统 | |
CN112305559A (zh) | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备 | |
CN115239625B (zh) | 顶盖焊点云缺陷检测方法、装置、设备及存储介质 | |
Zhou et al. | Intelligent reading recognition method of a pointer meter based on deep learning in a real environment | |
CN110660125A (zh) | 用于电力配网系统的三维建模装置 | |
CN115909092A (zh) | 轻量化输电通道隐患测距方法及隐患预警装置 | |
CN114881955A (zh) | 基于切片的环状点云缺陷提取方法、装置、设备存储介质 | |
CN114882316A (zh) | 目标检测模型训练方法、目标检测方法及装置 | |
US11893884B2 (en) | Method for acquiring three-dimensional perception information based on external parameters of roadside camera, and roadside device | |
CN115239648B (zh) | R角突起点云的提取方法、装置、设备及存储介质 | |
CN114627239A (zh) | 包围盒生成方法、装置、设备及存储介质 | |
CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
US20230169680A1 (en) | Beijing baidu netcom science technology co., ltd. | |
CN115035071A (zh) | 一种pad导光板黑点缺陷的视觉检测方法 | |
Li et al. | Automated bridge crack detection based on improving encoder–decoder network and strip pooling | |
CN110910379B (zh) | 一种残缺检测方法及装置 | |
CN111696154B (zh) | 坐标定位方法、装置、设备及存储介质 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |