CN115830026A - 基于视觉的工件表面质量检测方法及装置 - Google Patents
基于视觉的工件表面质量检测方法及装置 Download PDFInfo
- Publication number
- CN115830026A CN115830026A CN202310121967.4A CN202310121967A CN115830026A CN 115830026 A CN115830026 A CN 115830026A CN 202310121967 A CN202310121967 A CN 202310121967A CN 115830026 A CN115830026 A CN 115830026A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- workpiece
- data
- complex
- cloud data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 184
- 238000012216 screening Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000002372 labelling Methods 0.000 claims abstract description 17
- 239000013598 vector Substances 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 20
- 238000007689 inspection Methods 0.000 claims description 17
- 238000006116 polymerization reaction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims 1
- 230000037430 deletion Effects 0.000 claims 1
- 239000011159 matrix material Substances 0.000 description 11
- 230000007547 defect Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000013519 translation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004441 surface measurement Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及三维点云领域，揭露一种基于视觉的工件表面质量检测方法、装置、设备及介质，所述方法包括：区分待检测工件中的简单工件与复杂工件，确定简单工件的简单检测项目，确定复杂工件的复杂检测项目；对简单点云数据进行数据预处理，对预处理数据进行表面筛选处理，利用表面筛选数据提取简单工件的简单工件表面；对简单工件表面进行表面质量检测；采集复杂点云数据，对复杂点云数据进行点云标注处理，对标注点云数据进行点云配准处理，从配准点云数据中提取目标点云数据；利用目标点云数据对复杂工件进行表面质量检测，得到复杂工件的表面质量检测结果。本发明可以提高对于形状结构种类繁多的工业零件表面质量检测的适用性。
Description
技术领域
本发明涉及三维点云领域，尤其涉及一种基于视觉的工件表面质量检测方法、装置、设备及介质。
背景技术
基于视觉的工件表面质量检测是指利用视觉传感器对工件表面的质量进行检测的过程。
目前，利用3D传感器实现工件表面质量自动检测的方法较为流行，由此基于3D点云提出一种局部特征点以实现缺陷的检测、利用了点云的几何特征对物体整体模型进行缺陷区域的检测，同时，也可以利用标准点云数据，即 CAD 点云模型，结合点云配准技术，使用实际采集到的检测区域和标准数据根据某一设计指标，进行质量评估最终完成对工业零件的质量检测，但在上述的基于3D传感器实现工件不同的质量检测方法中，由于所设计的方法过于针对性，难以直接应用于另一个表面几何形状不同的表面质量检测任务。因此，对于形状结构种类繁多的工业零件，基于3D 视觉传感器的工件表面质量检测的适用性较低。
发明内容
为了解决上述问题，本发明提供了一种基于视觉的工件表面质量检测方法、装置、设备及介质，可以提高对于形状结构种类繁多的工业零件表面质量检测的适用性。
第一方面，本发明提供了一种基于视觉的工件表面质量检测方法，包括：
区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目；
采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面；
基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果；
采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据；
基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
在第一方面的一种可能实现方式中，所述对所述预处理数据进行表面筛选处理，得到表面筛选数据，包括：
计算所述预处理数据的点群法向量；
基于所述点群法向量，利用下述公式对所述预处理数据进行表面聚合处理，得到聚合表面：
其中，
表示所述聚合表面，
表示计算小于
的角度，
表示
点云所在的点群的法向量，
表示所述预处理数据中点群内点云的数量，
表示
点云所在的点群内的一点，p表示点云，j表示点群内点云序号；
对所述聚合表面过滤处理，得到过滤表面；
对所述过滤表面进行表面验证处理，得到所述表面筛选数据。
在第一方面的一种可能实现方式中，所述利用所述表面筛选数据提取所述简单工件的简单工件表面，包括：
查询所述表面筛选数据的面内点云数目；
利用所述面内点云数目确定所述简单工件的第一工件表面；
查询所述表面筛选数据中的剩余筛选表面；
对所述剩余筛选表面进行表面排序，得到剩余表面序列；
基于所述第一工件表面与所述剩余表面序列，确定所述简单工件表面。
在第一方面的一种可能实现方式中，所述基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果，包括：
基于所述简单检测项目，利用所述简单工件表面的法向量识别所述简单工件表面中两两对面之间的最短距离；
基于所述最短距离，确定所述简单工件的表面边长；
基于所述简单检测项目，选取所述简单工件表面中的厚度目标点；
利用所述厚度目标点计算所述简单工件的工件厚度；
对所述简单工件表面进行点云删除处理，得到删除点云表面；
基于所述表面边长、所述工件厚度与所述删除点云表面，确定所述表面质量检测结果。
在第一方面的一种可能实现方式中，所述对所述简单工件表面进行点云删除处理，得到删除点云表面，包括：
查询所述简单工件表面的搜索点群、第一工件表面与剩余表面序列；
在所述搜索点群中删除存在于所述剩余表面序列中的点云，得到删除剩余点群；
在所述删除剩余点群中删除存在于所述第一工件表面中的点云，得到删除第一点云；
构建所述删除剩余点群的距离阈值；
在所述删除剩余点群中删除与所述第一工件表面之间的距离符合所述距离阈值的点云，得到删除第二点云；
根据所述删除第一点云与所述删除第二点云，确定所述删除点云表面。
在第一方面的一种可能实现方式中，所述对所述标注点云数据进行点云配准处理，得到配准点云数据，包括：
查询所述标注点云数据中的共面基点；
利用所述共面基点将所述标注点云数据与其对应的复杂点云数据进行点云区域匹配，得到第一配准点云数据；
从所述第一配准点云数据中选取目标点集；
利用所述目标点集将所述第一配准点云数据与所述标注点云数据进行点集匹配，得到所述配准点云数据。
在第一方面的一种可能实现方式中，所述基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果，包括：
基于所述复杂检测项目，查询所述目标点云数据中的点云质心；
根据所述点云质心，计算所述复杂工件的点-线-面距离与线-面角度；
根据所述点-线-面距离与所述线-面角度，确定所述表面质量检测结果。
第二方面，本发明提供了一种基于视觉的工件表面质量检测装置，所述装置包括：
检测项目确定模块，用于区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目；
工件表面提取模块，用于采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面；
简单表面检测模块，用于基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果；
目标点云提取模块，用于采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据；
复杂表面检测模块，用于基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
第三方面，本发明提供一种电子设备，包括：
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的基于视觉的工件表面质量检测方法。
第四方面，本发明提供一种计算机可读存储介质，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述第一方面中任意一项所述的基于视觉的工件表面质量检测方法。
与现有技术相比，本方案的技术原理及有益效果在于：
本发明实施例首先通过区分待检测工件中的简单工件与复杂工件，以用于针对简单结构的工件与复杂结构的工件，使用相应的方法进行质量检测，提升工件质量检测的适用性，进一步地，本发明实施例通过确定所述简单工件的简单检测项目，以用于确定适合简单工件的质量检测内容，进一步地，本发明实施例通过确定所述复杂工件的复杂检测项目，以用于确定适合复杂工件的质量检测内容，本发明实施例通过采集所述简单工件的简单点云数据，以用于将所述简单工件的表面数据生成为多个点云，方便后续通过测量点云从而得到所述简单工件的表面测量结果，进一步地，本发明实施例通过对所述简单点云数据进行数据预处理，以用于减少点云数据的数量，从而减少计算量，凸显存在缺陷的点云数据，降低缺失点云对后续点云分析的不利影响，并寻找点云的描述特征，进一步地，本发明实施例通过对所述简单点云数据进行数据预处理，以用于减少点云数据的数量，从而减少计算量，凸显存在缺陷的点云数据，降低缺失点云对后续点云分析的不利影响，并寻找点云的描述特征，进一步地，本发明实施例通过利用所述表面筛选数据提取所述简单工件的简单工件表面，以用于对所述表面筛选数据进行分类，并划分为与工件实体的表面相对应的表面类别，本发明实施例通过基于所述简单检测项目，对所述简单工件表面进行表面质量检测，以用于对简单结构的工件采用简单的方式进行质量检测，本发明实施例通过采集所述复杂工件的复杂点云数据，以用于对涉及工件质量检测的数据进行分析与识别，本发明实施例通过对所述复杂点云数据进行点云标注处理，以用于标注所述复杂点云数据中所涉及的复杂工件的几何形状，本发明实施例通过对所述标注点云数据进行点云配准处理，以用于将标注好的标准点云数据与所述复杂点云数据进行配准，将它们放置在同一坐标系下，并且拥有较大的重合度，本发明实施例通过从所述配准点云数据中提取目标点云数据，以用于在所述配准点云数据中查询与事先在标准点云数据中标注好的待检测位置相应的位置，本发明实施例通过基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，以用于对复杂结构的工件采用复杂的方式进行质量检测。因此，本发明实施例提出的一种基于视觉的工件表面质量检测方法、装置、设备及介质，可以提高对于形状结构种类繁多的工业零件表面质量检测的适用性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种基于视觉的工件表面质量检测方法的流程示意图；
图2为本发明一实施例中图1提供的一种基于视觉的工件表面质量检测方法的其中一个步骤的流程示意图；
图3为本发明一实施例中图1提供的一种基于视觉的工件表面质量检测方法的另外一个步骤的流程示意图；
图4为本发明一实施例提供的一种基于视觉的工件表面质量检测装置的模块示意图；
图5为本发明一实施例提供的实现基于视觉的工件表面质量检测方法的电子设备的内部结构示意图。
具体实施方式
应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种基于视觉的工件表面质量检测方法，所述基于视觉的工件表面质量检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本发明实施例提供的该方法的电子设备中的至少一种。换言之，所述基于视觉的工件表面质量检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参阅图1所示，是本发明一实施例提供的基于视觉的工件表面质量检测方法的流程示意图。其中，图1中描述的基于视觉的工件表面质量检测方法包括：
S1、区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目。
本发明实施例通过区分待检测工件中的简单工件与复杂工件，以用于针对简单结构的工件与复杂结构的工件，使用相应的方法进行质量检测，提升工件质量检测的适用性。
其中，所述简单工件是指是拥有简单的轮廓、表面几何形状较为平整等此类易于提取的几何特征的工业零件，例如摩擦片工件。所述复杂工件是指复杂形状结构的工业零件，拥有较为复杂的轮廓、表面几何形状无平整等此类难以提取的几何特征，例如管螺纹工件。
进一步地，本发明实施例通过确定所述简单工件的简单检测项目，以用于确定适合简单工件的质量检测内容。
其中，所述简单检测项目包括工件的尺寸测量与缺陷检测，所述尺寸测量包括边长测量与厚度测量，所述缺陷检测包括工件表面的缺少与工件表面的杂质的检测。
进一步地，本发明实施例通过确定所述复杂工件的复杂检测项目，以用于确定适合复杂工件的质量检测内容。
其中，所述复杂检测项目包括工件的尺寸测量，其中尺寸测量包括工件的角度、高度与间距等项目。
S2、采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面。
本发明实施例通过采集所述简单工件的简单点云数据，以用于将所述简单工件的表面数据生成为多个点云，方便后续通过测量点云从而得到所述简单工件的表面测量结果。
本发明的一实施例中，参阅图2所示，所述采集所述简单工件的简单点云数据，包括：
S201、对所述简单工件进行表面光栅投射，得到所述简单工件的表面投射光栅；
S202、对所述表面投射光栅进行光栅图像采集，得到采集光栅图像；
S203、对所述采集光栅图像进行光栅图像解码，得到解码光栅图像；
S204、对所述解码光栅图像进行双目视差匹配，得到所述简单点云数据。
示例性地，利用结构光3D相机的多幅条纹光栅功能，即先通过光栅投射模组按照时间序列依次投射在被测物体表面，再通过双目对物体表面的光栅进行拍照，基于事先编码规则进行解码和双目视差匹配，从而获得高精度的3D点云。
进一步地，本发明实施例通过对所述简单点云数据进行数据预处理，以用于减少点云数据的数量，从而减少计算量，凸显存在缺陷的点云数据，降低缺失点云对后续点云分析的不利影响，并寻找点云的描述特征。
本发明的一实施例中，参阅图3所示，所述对所述简单点云数据进行数据预处理，得到预处理数据，包括：
S301、对所述简单点云数据进行下采样处理，得到下采样点云；
S302、对所述下采样点云进行位置调整，得到位置调整点云；
S303、对所述位置调整点云进行点群分割，得到分割点群；
S304、对所述分割点群进行向量编码，得到编码点群；
S305、对所述编码点群进行点云筛选，得到所述预处理数据。
其中，所述预处理数据是指经过点云筛选之后的点群数据，由多个点群构成。
本发明的又一实施例中，所述对所述下采样点云进行位置调整，得到位置调整点云，包括：利用下述公式计算所述下采样点云的旋转位置矩阵：
其中，
表示所述旋转位置矩阵，
，表示点云法向量的角度，
表示
的
坐标值，
表示
的
坐标值，
表示
的
坐标值同理，
，
表示待检测工件所在的检测工作台的平面法向量，
表示
轴坐标值，(
，
，
)表示点云的法向量坐标；
利用下述公式计算所述下采样点云的平移位置矩阵：
其中，
表示所述下采样点云的平移位置矩阵，i表示所述下采样点云的序号，N表示第i个下采样点云的最近邻点云的数目，x表示x轴，y表示y轴，z表示z轴，
表示第i个下采样点云的x轴坐标，
表示第i个下采样点云的y轴坐标，
表示第i个下采样点云的z轴坐标；
根据所述旋转位置矩阵与所述平移位置矩阵，利用下述公式构建所述下采样点云的位置调整矩阵：
其中，
表示所述下采样点云的位置调整矩阵，
表示所述旋转位置矩阵，
表示所述下采样点云的平移位置矩阵；
利用所述位置调整矩阵对所述下采样点云进行位置调整，得到所述位置调整点云。
可选地，所述对所述位置调整点云进行点群分割，得到分割点群的过程可以通过利用空间分割的数据结构存储所述位置调整点云实现点群分割，例如利用KD-Tree数据结构，它将一组k维点存储在树形结构中，可以实现高效的范围搜索和最近邻搜索。
可选地，所述对所述分割点群进行向量编码，得到编码点群的过程可以通过利用每个点云附近的点集，即点群近似推断工件表面的法向量，将法向量作为对点云的编码结果。
可选地，所述对所述编码点群进行点云筛选，得到所述预处理数据的过程可以是指由于有些工件表面较为光滑，在点云数据采集时会出现反光现象，导致采集的点云数据会部分缺失，因此需要将存在缺失部分的点云数据删除，保留剩余不存在缺失的点云数据。
进一步地，本发明实施例通过对所述预处理数据进行表面筛选处理，以用于根据点云数据提取工件的三维表面数据。
本发明的一实施例中，所述对所述预处理数据进行表面筛选处理，得到表面筛选数据，包括：计算所述预处理数据的点群法向量；基于所述点群法向量，利用下述公式对所述预处理数据进行表面聚合处理，得到聚合表面：
其中，
表示所述聚合表面，
表示计算小于
的角度，
表示
点云所在的点群的法向量，
表示所述预处理数据中点群内点云的数量，
表示
点云所在的点群内的一点，p表示点云，j表示点群内点云序号；
对所述聚合表面过滤处理，得到过滤表面；对所述过滤表面进行表面验证处理，得到所述表面筛选数据。
示例性地，所述对所述聚合表面过滤处理，得到过滤表面的过程为剔除面的点集数量少于预设阈值的面；所述对所述过滤表面进行表面验证处理，得到所述表面筛选数据的过程为对平面的总数进行验证，例如工件的平面数量为5个，则所筛选的点云平面的数量也应该为5个。
进一步地，本发明实施例通过利用所述表面筛选数据提取所述简单工件的简单工件表面，以用于对所述表面筛选数据进行分类，并划分为与工件实体的表面相对应的表面类别。其中，所述简单工件表面包括符合原工件实体的顶面数据、侧面数据以及底面数据等虚拟点云数据。
本发明的一实施例中，所述利用所述表面筛选数据提取所述简单工件的简单工件表面，包括：查询所述表面筛选数据的面内点云数目；利用所述面内点云数目确定所述简单工件的第一工件表面；查询所述表面筛选数据中的剩余筛选表面；对所述剩余筛选表面进行表面排序，得到剩余表面序列；基于所述第一工件表面与所述剩余表面序列，确定所述简单工件表面。
其中，所述面内点云数目是指所述表面筛选数据中每个平面内的点云数目，将点云数据最大的平面作为所述第一工件表面，所述第一工件表面是指工件的顶面，所述剩余表面序列是指工件的侧面，所述简单工件表面包括工件顶面以及排好顺序，即确定好位置的侧面。示例性地，所述对所述剩余筛选表面进行表面排序，得到剩余表面序列的过程为利用每个平面的质心与另一平面的质心之间的距离大小，判断每个平面的相邻平面，依次达到将多个侧面按照先后顺序排序的目的。
S3、基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果。
本发明实施例通过基于所述简单检测项目，对所述简单工件表面进行表面质量检测，以用于对简单结构的工件采用简单的方式进行质量检测。其中，所述表面质量检测结果包括检测出边长问题、检测出厚度问题、检测出存在缺陷的问题。
本发明的一实施例中，所述基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果，包括：基于所述简单检测项目，利用所述简单工件表面的法向量识别所述简单工件表面中两两对面之间的最短距离；基于所述最短距离，确定所述简单工件的表面边长；基于所述简单检测项目，选取所述简单工件表面中的厚度目标点；利用所述厚度目标点计算所述简单工件的工件厚度；对所述简单工件表面进行点云删除处理，得到删除点云表面；基于所述表面边长、所述工件厚度与所述删除点云表面，确定所述表面质量检测结果。
可选地，所述基于所述简单检测项目，利用所述简单工件表面的法向量识别所述简单工件表面中两两对面之间的最短距离的过程为利用法向量选择两两平行的平面或者夹角最小的两个平面，计算这两个平面中点群之间的最短距离，选择最短距离的前5%的平均值作为两个平行平面中平行的边的长度；所述基于所述简单检测项目，选取所述简单工件表面中的厚度目标点与所述利用所述厚度目标点计算所述简单工件的工件厚度的过程为选取与顶面相对垂直的侧面的边，提取边的中点，计算这个中点到顶面的距离，计算这个距离的平均值。
本发明的一实施例中，所述对所述简单工件表面进行点云删除处理，得到删除点云表面，包括：查询所述简单工件表面的搜索点群、第一工件表面与剩余表面序列；在所述搜索点群中删除存在于所述剩余表面序列中的点云，得到删除剩余点群；在所述删除剩余点群中删除存在于所述第一工件表面中的点云，得到删除第一点云；构建所述删除剩余点群的距离阈值；在所述删除剩余点群中删除与所述第一工件表面之间的距离符合所述距离阈值的点云，得到删除第二点云；根据所述删除第一点云与所述删除第二点云，确定所述删除点云表面。
S4、采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据。
本发明实施例通过采集所述复杂工件的复杂点云数据，以用于对涉及工件质量检测的数据进行分析与识别。
本发明的一实施例中，所述采集所述复杂工件的复杂点云数据的原理与上述采集所述简单工件的简单点云数据的原理类似，在此不做进一步地赘述。
本发明实施例通过对所述复杂点云数据进行点云标注处理，以用于标注所述复杂点云数据中所涉及的复杂工件的几何形状。
示例性地，所述对所述复杂点云数据进行点云标注处理，得到标注点云数据的过程为在与所述复杂点云数据对应的工件的标准三维点云模型上对涉及检测项的点集进行手动选定标注，并且在单次选择完成后需标注构成此点集的几何形状，例如在点选完某平面上的点集之后将此次的点集标注为平面，所标注的目标几何形状用于最终的表面质量检测。
本发明实施例通过对所述标注点云数据进行点云配准处理，以用于将标注好的标准点云数据与所述复杂点云数据进行配准，将它们放置在同一坐标系下，并且拥有较大的重合度。
本发明的一实施例中，所述对所述标注点云数据进行点云配准处理，得到配准点云数据，包括：查询所述标注点云数据中的共面基点；利用所述共面基点将所述标注点云数据与其对应的复杂点云数据进行点云区域匹配，得到第一配准点云数据；从所述第一配准点云数据中选取目标点集；利用所述目标点集将所述第一配准点云数据与所述标注点云数据进行点集匹配，得到所述配准点云数据。
其中，所述共面基点是指在同一个面上的点。示例性地，所述利用所述共面基点将所述标注点云数据与其对应的复杂点云数据进行点云区域匹配，得到第一配准点云数据的过程是指选取所述标注点云数据中由四个共面基点构成的面与所述复杂点云数据中对应的四个共面基点构成的面，调整所述复杂点云数据中的面的位置，计算两个面之间的重叠率，当重叠率最低时，得到调整好的面，即配准好的面；所述从所述第一配准点云数据中选取目标点集的过程为对所述第一配准点云数据中调整好的复杂点云数据进行点云特征提取的过程；所述利用所述目标点集将所述第一配准点云数据与所述标注点云数据进行点集匹配，得到所述配准点云数据的过程为将选取好的特征点构建为直方图，利用直方图进行配准，原理与上述利用所述共面基点将所述标注点云数据与其对应的复杂点云数据进行点云区域匹配，得到第一配准点云数据的原理类似，在此不做进一步地赘述。
本发明实施例通过从所述配准点云数据中提取目标点云数据，以用于在所述配准点云数据中查询与事先在标准点云数据中标注好的待检测位置相应的位置。
本发明的一实施例中，所述从所述配准点云数据中提取目标点云数据，包括：获取所述配准点云数据对应的标注点云数据；计算所述配准点云数据与所述标注点云数据之间的欧氏距离；基于所述欧式距离，从所述配准点云数据中提取所述目标点云数据。
S5、基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
本发明实施例通过基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，以用于对复杂结构的工件采用复杂的方式进行质量检测。其中，所述表面质量检测结果包括检测出角度问题、尺寸问题与未检测出问题。
本发明的一实施例中，所述基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果，包括：基于所述复杂检测项目，查询所述目标点云数据中的点云质心；根据所述点云质心，计算所述复杂工件的点-线-面距离与线-面角度；根据所述点-线-面距离与所述线-面角度，确定所述表面质量检测结果。
其中，所述点-线-面距离包括点与点之间的距离、点与线之间的距离，点与面之间的距离、线与线之间的距离，线与面之间的距离、面与面之间的距离，所述线-面角度包括线与线之间的角度、线与面之间的角度、面与面之间的角度。
示例性地，所述基于所述复杂检测项目，查询所述目标点云数据中的点云质心的过程是指在所述目标点云数据中查询与事先标注好的点群对应的点群，即标注好的检测项目，选取其中任意两个点群，计算这两个点群各自对应的质心；所述根据所述点云质心，计算所述复杂工件的点-线-面距离与线-面角度的过程是指利用质心计算距离，利用方向向量计算角度的过程，例如计算点与点之间的距离时计算两个点群中质心点之间的欧式距离、计算点与线之间的距离时计算两两点群，中任意点群的质心到另一点群的质心点所在的直线之间的距离，计算线与线之间的角度时计算两个点群中各自的质心所在的直线的方向向量之间的夹角。
可以看出，本发明实施例首先通过区分待检测工件中的简单工件与复杂工件，以用于针对简单结构的工件与复杂结构的工件，使用相应的方法进行质量检测，提升工件质量检测的适用性，进一步地，本发明实施例通过确定所述简单工件的简单检测项目，以用于确定适合简单工件的质量检测内容，进一步地，本发明实施例通过确定所述复杂工件的复杂检测项目，以用于确定适合复杂工件的质量检测内容，本发明实施例通过采集所述简单工件的简单点云数据，以用于将所述简单工件的表面数据生成为多个点云，方便后续通过测量点云从而得到所述简单工件的表面测量结果，进一步地，本发明实施例通过对所述简单点云数据进行数据预处理，以用于减少点云数据的数量，从而减少计算量，凸显存在缺陷的点云数据，降低缺失点云对后续点云分析的不利影响，并寻找点云的描述特征，进一步地，本发明实施例通过对所述简单点云数据进行数据预处理，以用于减少点云数据的数量，从而减少计算量，凸显存在缺陷的点云数据，降低缺失点云对后续点云分析的不利影响，并寻找点云的描述特征，进一步地，本发明实施例通过利用所述表面筛选数据提取所述简单工件的简单工件表面，以用于对所述表面筛选数据进行分类，并划分为与工件实体的表面相对应的表面类别，本发明实施例通过基于所述简单检测项目，对所述简单工件表面进行表面质量检测，以用于对简单结构的工件采用简单的方式进行质量检测，本发明实施例通过采集所述复杂工件的复杂点云数据，以用于对涉及工件质量检测的数据进行分析与识别，本发明实施例通过对所述复杂点云数据进行点云标注处理，以用于标注所述复杂点云数据中所涉及的复杂工件的几何形状，本发明实施例通过对所述标注点云数据进行点云配准处理，以用于将标注好的标准点云数据与所述复杂点云数据进行配准，将它们放置在同一坐标系下，并且拥有较大的重合度，本发明实施例通过从所述配准点云数据中提取目标点云数据，以用于在所述配准点云数据中查询与事先在标准点云数据中标注好的待检测位置相应的位置，本发明实施例通过基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，以用于对复杂结构的工件采用复杂的方式进行质量检测。因此，本发明实施例提出的一种基于视觉的工件表面质量检测方法可以提高对于形状结构种类繁多的工业零件表面质量检测的适用性。
如图4所示，是本发明基于视觉的工件表面质量检测装置功能模块图。
本发明所述基于视觉的工件表面质量检测装置400可以安装于电子设备中。根据实现的功能，所述基于视觉的工件表面质量检测装置可以包括检测项目确定模块401、工件表面提取模块402、简单表面检测模块403、目标点云提取模块404以及复杂表面检测模块405。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本发明实施例中，关于各模块/单元的功能如下：
所述检测项目确定模块401，用于区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目；
所述工件表面提取模块402，用于采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面；
所述简单表面检测模块403，用于基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果；
所述目标点云提取模块404，用于采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据；
所述复杂表面检测模块405，用于基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
详细地，本发明实施例中所述基于视觉的工件表面质量检测装置400中的所述各模块在使用时采用与上述的图1至图3中所述的基于视觉的工件表面质量检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明实现基于视觉的工件表面质量检测方法的电子设备的结构示意图。
所述电子设备可以包括处理器50、存储器51、通信总线52以及通信接口53，还可以包括存储在所述存储器51中并可在所述处理器50上运行的计算机程序，如基于视觉的工件表面质量检测程序。
其中，所述处理器50在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器50是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器51内的程序或者模块（例如执行基于视觉的工件表面质量检测程序等），以及调用存储在所述存储器51内的数据，以执行电子设备的各种功能和处理数据。
所述存储器51至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器51在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器51在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器51还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器51不仅可以用于存储安装于电子设备的应用软件及各类数据，例如数据库配置化连接程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线52可以是外设部件互连标准（peripheralcomponentinterconnect，简称PCI）总线或扩展工业标准结构（extended industrystandardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器51以及至少一个处理器50等之间的连接通信。
所述通信接口53用于上述电子设备5与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，所述用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器50逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利发明范围上并不受此结构的限制。
所述电子设备中的所述存储器51存储的数据库配置化连接程序是多个计算机程序的组合，在所述处理器50中运行时，可以实现：
区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目；
采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面；
基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果；
采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据；
基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
具体地，所述处理器50对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目；
采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面；
基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果；
采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据；
基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于视觉的工件表面质量检测方法，其特征在于，所述方法包括：
区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目；
采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面；
基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果；
采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据；
基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
2.根据权利要求1所述的方法，其特征在于，所述对所述预处理数据进行表面筛选处理，得到表面筛选数据，包括：
计算所述预处理数据的点群法向量；
基于所述点群法向量，利用下述公式对所述预处理数据进行表面聚合处理，得到聚合表面：
其中，
表示所述聚合表面，
表示计算小于
的角度，
表示
点云所在的点群的法向量，
表示所述预处理数据中点群内点云的数量，
表示
点云所在的点群内的一点，p表示点云，j表示点群内点云序号；
对所述聚合表面过滤处理，得到过滤表面；
对所述过滤表面进行表面验证处理，得到所述表面筛选数据。
3.根据权利要求1所述的方法，其特征在于，所述利用所述表面筛选数据提取所述简单工件的简单工件表面，包括：
查询所述表面筛选数据的面内点云数目；
利用所述面内点云数目确定所述简单工件的第一工件表面；
查询所述表面筛选数据中的剩余筛选表面；
对所述剩余筛选表面进行表面排序，得到剩余表面序列；
基于所述第一工件表面与所述剩余表面序列，确定所述简单工件表面。
4.根据权利要求1所述的方法，其特征在于，所述基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果，包括：
基于所述简单检测项目，利用所述简单工件表面的法向量识别所述简单工件表面中两两对面之间的最短距离；
基于所述最短距离，确定所述简单工件的表面边长；
基于所述简单检测项目，选取所述简单工件表面中的厚度目标点；
利用所述厚度目标点计算所述简单工件的工件厚度；
对所述简单工件表面进行点云删除处理，得到删除点云表面；
基于所述表面边长、所述工件厚度与所述删除点云表面，确定所述表面质量检测结果。
5.根据权利要求1所述的方法，其特征在于，所述对所述简单工件表面进行点云删除处理，得到删除点云表面，包括：
查询所述简单工件表面的搜索点群、第一工件表面与剩余表面序列；
在所述搜索点群中删除存在于所述剩余表面序列中的点云，得到删除剩余点群；
在所述删除剩余点群中删除存在于所述第一工件表面中的点云，得到删除第一点云；
构建所述删除剩余点群的距离阈值；
在所述删除剩余点群中删除与所述第一工件表面之间的距离符合所述距离阈值的点云，得到删除第二点云；
根据所述删除第一点云与所述删除第二点云，确定所述删除点云表面。
6.根据权利要求1所述的方法，其特征在于，所述对所述标注点云数据进行点云配准处理，得到配准点云数据，包括：
查询所述标注点云数据中的共面基点；
利用所述共面基点将所述标注点云数据与其对应的复杂点云数据进行点云区域匹配，得到第一配准点云数据；
从所述第一配准点云数据中选取目标点集；
利用所述目标点集将所述第一配准点云数据与所述标注点云数据进行点集匹配，得到所述配准点云数据。
7.根据权利要求1所述的方法，其特征在于，所述基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果，包括：
基于所述复杂检测项目，查询所述目标点云数据中的点云质心；
根据所述点云质心，计算所述复杂工件的点-线-面距离与线-面角度；
根据所述点-线-面距离与所述线-面角度，确定所述表面质量检测结果。
8.一种基于视觉的工件表面质量检测装置，其特征在于，所述装置包括：
检测项目确定模块，用于区分待检测工件中的简单工件与复杂工件，确定所述简单工件的简单检测项目，并确定所述复杂工件的复杂检测项目；
工件表面提取模块，用于采集所述简单工件的简单点云数据，对所述简单点云数据进行数据预处理，得到预处理数据，对所述预处理数据进行表面筛选处理，得到表面筛选数据，利用所述表面筛选数据提取所述简单工件的简单工件表面；
简单表面检测模块，用于基于所述简单检测项目，对所述简单工件表面进行表面质量检测，得到所述简单工件的表面质量检测结果；
目标点云提取模块，用于采集所述复杂工件的复杂点云数据，对所述复杂点云数据进行点云标注处理，得到标注点云数据，对所述标注点云数据进行点云配准处理，得到配准点云数据，从所述配准点云数据中提取目标点云数据；
复杂表面检测模块，用于基于所述复杂检测项目，利用所述目标点云数据对所述复杂工件进行表面质量检测，得到所述复杂工件的表面质量检测结果。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于视觉的工件表面质量检测方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于视觉的工件表面质量检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310121967.4A CN115830026A (zh) | 2023-02-16 | 2023-02-16 | 基于视觉的工件表面质量检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310121967.4A CN115830026A (zh) | 2023-02-16 | 2023-02-16 | 基于视觉的工件表面质量检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115830026A true CN115830026A (zh) | 2023-03-21 |
Family
ID=85521578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310121967.4A Pending CN115830026A (zh) | 2023-02-16 | 2023-02-16 | 基于视觉的工件表面质量检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115830026A (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112461860A (zh) * | 2020-12-04 | 2021-03-09 | 广州德擎光学科技有限公司 | 激光加工件加工点质量检测方法、装置和系统 |
-
2023
- 2023-02-16 CN CN202310121967.4A patent/CN115830026A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112461860A (zh) * | 2020-12-04 | 2021-03-09 | 广州德擎光学科技有限公司 | 激光加工件加工点质量检测方法、装置和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 李雷辉: "基于3D视觉传感器的工业零件表面质量检测关键技术研究" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109829914B (zh) | 检测产品缺陷的方法和装置 | |
| US7027651B2 (en) | Geometric hashing method for model-based recognition of an object | |
| CN116188475B (zh) | 一种外观缺陷自动光学检测的智慧控制方法、系统及介质 | |
| JP6831951B2 (ja) | 画像認識システム | |
| CN111242899B (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
| CN110533654A (zh) | 零部件的异常检测方法及装置 | |
| CN112100425B (zh) | 基于人工智能的标签标注方法、装置、电子设备及介质 | |
| CN110473197A (zh) | 材料表面缺陷检测方法、装置、设备及存储介质 | |
| CN111444964B (zh) | 一种基于自适应roi划分的多目标快速图像匹配方法 | |
| KR101782363B1 (ko) | 데이터 밸런싱을 통한 학습기반의 비전검사 방법 | |
| CN114693678B (zh) | 工件质量智能检测方法、装置 | |
| CN113192013A (zh) | 一种反光表面缺陷检测方法、系统及电子设备 | |
| US11216905B2 (en) | Automatic detection, counting, and measurement of lumber boards using a handheld device | |
| CN116168351A (zh) | 电力设备巡检方法及装置 | |
| US20160284104A1 (en) | Determine the Shape of a Representation of an Object | |
| CN110866931A (zh) | 图像分割模型训练方法及基于分类的强化图像分割方法 | |
| WO2017069741A1 (en) | Digitized document classification | |
| CN104655041A (zh) | 一种附加约束条件的工业零件轮廓线多特征提取方法 | |
| CN115830026A (zh) | 基于视觉的工件表面质量检测方法及装置 | |
| CN114240924A (zh) | 一种基于数字化技术的电网设备质量评估方法 | |
| CN115760854A (zh) | 基于深度学习的电力设备缺陷检测方法、装置及电子设备 | |
| CN114708230A (zh) | 基于图像分析的车架质量检测方法、装置、设备及介质 | |
| CN111460198A (zh) | 一种图片时间戳的审核方法及装置 | |
| Song et al. | Automatic calibration method based on improved camera calibration template | |
| Jabbar et al. | Comparing ellipse detection and deep neural networks for the identification of drinking glasses in images |
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: 20230321 |
|
| RJ01 | Rejection of invention patent application after publication |