CN115900585A - 基于激光点云分析的内螺纹参数检测方法及系统 - Google Patents

Abstract

本发明公开了基于激光点云分析的内螺纹参数检测方法及系统，针对传统测量内螺纹方式得到螺纹参数结果的不完备性以及传统测量螺纹的速度较慢这一缺陷，运用该装置，可快速获取待测内螺纹的点云信息，在系统中针对这些点云信息进行野值剔除，柱面拟合和锯齿波拟合相关操作，可求出该内螺纹的大径、小径、中径、螺距以及牙型角参数。

Description

基于激光点云分析的内螺纹参数检测方法及系统

技术领域

本发明涉及基于激光点云测量内螺纹参数领域，特别是对于点云信息野值剔除(去除异常点)算法，三维点云圆柱面拟合算法，锯齿波非线性拟合算法的创新。

背景技术

目前检测螺纹仪器多是接触式测量，鉴于接触式测针直径的限制，不能完全检测到螺纹底部，仅能根据螺距选择合适测针，对中径、螺距进行检测，是一种触点式测量，这些传统方式测量虽然方便快捷，却也有着明显的缺点，就是测量速度慢，只能测量部分螺纹参数，并且人在测量过程中对于一些数据的估算存在着一定的估算误差，故在当前背景下，研究出一种合适的非接触检测内螺纹参数的方法很有必要。这就为下文“本专利发明内容”的可行性创造了前提。

发明内容

本发明为了解决背景技术中存在的问题，目的在于提供了基于激光点云分析的内螺纹参数检测方法及系统，用以解决上述情况。

基于激光点云分析的内螺纹参数检测方法，所述方法包括：

利用线扫描激光轮廓仪，匀速旋转超过360°后，线扫描激光轮廓仪旋转的同时读取轮廓数据，利用配准算法，自动提取360°的有效数据，生成极坐标点云数据即原始点云信息数据；

对获取的原始点云信息数据进行野值剔除，得到第一数据集；

把第一数据集进行数据分离处理，得到第二数据集，所述第二数据集包括：分离后的牙顶数据、分离后的牙底数据和分离后的斜面数据；

对牙顶数据、牙底数据分别进行柱面拟合处理，得到小径数据、大径数据。

进一步，所述对斜面数据进行拟合处理，具体包括：

对斜面数据进行锯齿波拟合处理，得到牙型角数据和牙距数据；

利用锯齿波拟合结果，计算螺纹中值线上得轮廓点，得螺纹中径点云数据；

对螺纹中径点云数据进行柱面拟合处理，得到中径数据。

进一步，所述对获取的原始点云信息数据进行野值剔除，具体包括：

利用正常数据集PCA降维的结果对数据进行编码解码；

对解码后的数据与原始点云信息数据对比处理，确定超过阈值为异常值，并保存野值剔除后的数据，生成新的点云数据集即第一数据集。

进一步，所述对第一数据集进行数据分离处理，具体包括：

分离牙顶数据：

对第一数据集分别求出每条轮廓所对应的最大z值z_max和最小z值z_min,

max_z＝max(xz(m).z)；

min_z＝min(xz(m).z)；

其中：xz表示的是野值剔除后的内螺纹的点云信息，m表示轮廓的编号，z表示传感器到螺纹距离；取z值小于min_z+0.25的点为牙顶数据，对牙顶数据进行线性回归法删除误差较大的点，得到牙顶点云信息即分离后的牙顶数据；

分离斜面数据：

取min_z+0.05<z<min_z+0.7为斜面数据即分离后的斜面数据；

分离牙底数据：

取z>max_z-0.4为牙底数据，对牙底数据进行线性回归法删除误差较大的点，得到牙顶点云信息即分离后的牙顶数据。

进一步，所述对牙顶数据进行柱面拟合处理，具体包括：

将点云坐标从圆柱坐标系转到直角坐标系，生成直角坐标点云格式：

theta＝theta+deltaTheta；

xyz(m).x＝xz(m).z.*cos(theta)；

xyz(m).y＝xz(m).z.*sin(theta)；

xyz(m).z＝xz(m).x；

其中，deltaTheta表示相邻轮廓夹角，theta表示当前轮廓的角度；

对牙顶数据进行多元非线性回归，确定柱面拟合的参数，所述柱面拟合的必要参数为x0,y0,z0,a,b,c,r；

其中，(x0,y0,z0)表示轴上一点，初始值均设为0，(a,b,c)表示轴向量，且a²+b²+c²＝1，a，b初始值均设为0，r为半径，r初值设为牙顶轮廓的r平均值，拟合的非线性回归模型函数为：

拟合完成后的参数值返回结果保存在数组p中，数组p内数据包括x0,y0,z0,a,b,c,r。参数r就是螺纹小径。

进一步，所述对斜面数据进行锯齿波拟合处理，具体包括：

确定锯齿波拟合的必要参数为a0,a1,b,w,x0；

确定拟合的模型类型为:

y＝a0+a1*sawtooth(w*(x-x0),0.5)+b*x；

其中，a0为直流分量；a1为振幅；w为频率；x0为初相位；b为斜率；sawtooth为锯齿波函数。采用非线性最小二乘法，将拟合后得到的参数结果保存在fitresult数组中；其中，fitresult数组为函数拟合的变量结果，数组中的数据包括拟合后的a0,a1,b,w,x0；

利用以下公式求出每条轮廓的牙型角和牙距：

牙型角：angle＝abs(atan(T/4/a1)*2*180/pi)；

牙距：T＝2*pi/w；

其中angle为牙形角；abs为绝对值函数；atan为反正切函数；pi为3.14159；T为牙距，利用上述求得的牙型角和牙距的平均值得该内螺纹的牙型角数据和牙距数据。

进一步，对拟合后的a0,a1,b,w,x0计算位于螺纹中值线上的轮廓点，得到螺纹中径点云数据，然后对螺纹中径点云数据进行柱面拟合，得到内螺纹中径数据。

基于激光点云分析的内螺纹参数检测系统，所述系统包括：

数据剔除模块，用于对获取的原始点云信息数据进行野值剔除，得到第一数据集；

数据分离模块，用于把第一数据集进行数据分离处理，得到第二数据集，所述第二数据集包括：分离后的牙顶数据、分离后的牙底数据和分离后的斜面数据；

第一拟合处理模块，用于对牙顶数据和牙底数据分别进行柱面拟合处理，得到小径数据和大径数据；

第二拟合处理模块，用于对分离后的斜面数据进行锯齿波拟合处理和柱面拟合处理，得到牙距数据、牙形角数据和中径数据。

有益效果：

上述技术方案的有益效果在于：区别于传统接触式算法，很好的保护待测螺纹的同时，获取数据速度快，测量精度也通过此系统得到了提高。

附图说明：

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施中基于激光点云分析的内螺纹参数检测方法的结构示意图。

图2为本发明实施中基于激光点云分析的内螺纹参数检测方法流程图。

图3螺纹三维数据点云；

图4螺纹小径数据点云；

图5螺纹小径数据点云拟合圆柱面；

图6螺纹大径数据点云；

图7螺纹大径数据点云拟合圆柱面；

图8单个轮廓斜面数据进行锯齿波拟合结果；

图9螺纹中径数据点云；

图10螺纹中径数据点云拟合圆柱面。

附图标记：

图中：1、伺服电机，2、线扫描轮廓仪，3、反射镜，4、被测件，5、夹盘，6、线性模组，7、支架，8、伺服电机。

具体实施方式

下面结合实施例描述本发明具体实施方式：

需要说明的是，本说明书所示意的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容能涵盖的范围内。

同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。

实施例1：

基于激光点云分析的内螺纹参数检测方法，包括：

(1)利用装置传动机构配合线扫描激光轮廓仪，可快速收集内螺纹原始点云信息；

(2)对原始点云信息数据进行野值剔除操作；

(3)基于野值剔除操作完成后的数据进行数据分离操作；

(4)基于数据分离后的牙顶数据进行柱面拟合求小径；

(5)基于数据分离后的斜面数据进行锯齿波拟合，求牙型角和牙距。

(6)对拟合后的锯齿波取出位于中值线上的轮廓点，形成中值线点云数据，基于中值线点云数据进行柱面拟合求中径；

(7)基于数据分离后的牙底数据进行柱面拟合求大径。

作为本发明的一种实施例：利用装置传动机构配合线扫描轮廓仪收集螺纹点云的信息，包括：

匀速旋转线扫描轮廓仪，超过360°，扫描轮廓仪旋转的同时读取轮廓数据，利用配准算法，自动提取360°的有效数据，生成极坐标点云数据。

作为本发明的一种实施例：对原始数据进行野值剔除操作，包括：

野值剔除，利用正常数据集PCA降维的结果对数据编码的解码，解码后的数据与原始数据比较，超过阈值为异常值，保存野值剔除后的数据，生成新的点云数据。

作为本发明的一种实施例：基于野值剔除操作完成后的数据进行数据分离操作，包括：

分离牙顶数据：

分别求出改组数据中每条轮廓所对应的最大z值z_max和最小z值z_min,

max_z＝max(xz(m).z)；

min_z＝min(xz(m).z)；

其中：xz表示的是野值剔除后的内螺纹的点云信息，m表示轮廓的编号，z表示传感器到螺纹距离。取z值小于min_z+0.25的点为牙顶数据，对牙顶数据进行线性回归法删除误差较大的点，得到牙顶点云信息。

分离斜面数据：

取min_z+0.05<z<min_z+0.7为斜面数据；

分离牙底数据：

取z>max_z-0.4为牙底数据，对牙底数据进行线性回归法删除误差较大的点，得到牙顶点云信息。

作为本发明的一种实施例：基于数据分离后的数据进行非线性拟合，包括：

将点云坐标从圆柱坐标系转到直角坐标系，生成直角坐标点云格式：

theta＝theta+deltaTheta；

xyz(m).x＝xz(m).z.*cos(theta)；

xyz(m).y＝xz(m).z.*sin(theta)；

xyz(m).z＝xz(m).x；

其中deltaTheta表示相邻轮廓夹角，theta表示当前轮廓的角度；

对牙顶数据进行多元非线性回归，求柱面拟合的参数，柱面拟合的必要参数为x0,y0,z0,a,b,c,r，其中(x0,y0,z0)表示轴上一点，(a,b,c)表示轴向量，且a²+b²+c²＝1，a,b初始值均设为0，r为半径，r初值设为牙顶轮廓的r平均值，拟合的非线性回归模型函数为：

拟合完成后的参数值返回结果保存在数组p中，数组p内数据包括x0,y0,z0,a,b,c,r。参数r就是螺纹小径。

作为本发明的一种实施例：基于数据分离后的斜面数据进行锯齿波拟合，求牙型角和牙距，包括：

锯齿波拟合：

锯齿波拟合的必要参数为a0,a1,b,w,x0，拟合的模型类型为:

y＝a0+a1*sawtooth(w*(x-x0),0.5)+b*x；

其中，a0为直流分量；a1为振幅；w为频率；x0为初相位；b为斜率；sawtooth为锯齿波函数。利用预设的非线性最小二乘法，将拟合后得到的参数结果保存在fitresult数组中；其中，fitresult数组为函数拟合的变量结果，数组中的数据包括拟合后的a0,a1,b,w,x0；

求出每条轮廓的牙型角和牙距：

牙型角：angle＝abs(atan(T/4/a1)*2*180/pi)；

牙距：T＝2*pi/w；

其中angle为牙形角；abs为绝对值函数；atan为反正切函数；pi为3.14159；T为牙距，利用上述求得的牙型角和牙距的平均值得该内螺纹的牙型角数据和牙距数据。

进一步，对拟合后的a0,a1,b,w,x0计算位于螺纹中值线上的轮廓点，得到螺纹中径点云数据，然后对螺纹中径点云数据进行柱面拟合，得到内螺纹中径数据。

作为本发明的一种实施例：特征基于分离出的牙底数据进行柱面拟合，拟合算法与求小径相同，求得内螺纹大径。

实施例2：

图1为本发明实施中基于激光点云分析的内螺纹参数检测方法的结构示意图。图中，测量机构由伺服电机1、线扫描轮廓仪2、反射镜3组成。测量机构安装在线性模组6上，控制伺服电机8的旋转，可使线性模组带动测量机构上下移动。夹盘5用于固定待测元件。当反射镜位于待测元件内部时，控制伺服电机1匀速旋转超过360°，旋转的同时，线扫描轮廓仪采集螺纹点云数据。

图2为本发明实施例中基于激光点云分析的内螺纹参数检测方法的数据处理流程图；

利用线扫描轮廓仪收集的螺纹点云的信息，并对原始数据进行野值剔除操作；

基于野值剔除操作完成后的数据进行数据分离操作，将数据分离为三部分，即牙顶数据、斜面数据、牙底数据；

基于数据分离后的牙顶数据进行柱面拟合求小径。

基于数据分离后的斜面数据进行锯齿波拟合，求牙型角和牙距，并计算中值线上的轮廓点数据，形成螺纹中值线点云数据。

基于螺纹中值线点云数据进行柱面拟合求中径；

基于数据分离后的牙底数据进行柱面拟合求大径。

上述技术方案的原理在于：本发明在收集到点云信息后，对点云信息进行野值剔除处理，去除一部分离群点，提高测量精度。在数据分离过程中，对分离出来的牙顶与牙底数据利用非线性拟合再删除一部分离群点，并且对分离的数据进行倾斜校正，进一步提高测量准确度；将牙型轮廓斜面数据利用非线性拟合算法，拟合锯齿波参数，并获得牙型角和牙距测量值。内螺纹检测过程中，传感器旋转中心与内螺纹中轴线不可能严格平行，设计了将分离的点云数据信息从圆柱坐标系变换到直角坐标系，通过圆柱面拟合算法得到的圆柱面的参数，从而得到大径，小径，中径。

图3为线激光扫描轮廓仪旋转一圈采集的轮廓数据形成的内螺纹点云三维图；

图4为从内螺纹三维点云中分离的牙顶数据形成的点云三维图；

图5为利用螺纹牙顶数据点云拟合的圆柱面，通过圆柱面拟合参数得到螺纹小径。

图6为从内螺纹三维点云中分离的内螺纹牙底数据形成的点云三维图；

图7为利用螺纹牙底数据点云拟合的圆柱面，通过圆柱面拟合参数得到螺纹大径。

图8中的点为从单个轮廓数据中分离的螺纹斜面部分数据，线为利用斜面数据进行非线性锯齿波拟合结果。所有锯齿波轮廓数据都进行非线性锯齿波拟合后，利用拟合的锯齿波参数可得到螺纹牙距和牙形角参数。

图9为所有锯齿波轮廓数据都进行非线性锯齿波拟合后，利用拟合的锯齿波参数计算每条轮廓上螺纹中径点，所有轮廓的中径点数据形成中径数据点云。

图10为利用螺纹中径数据点云拟合的圆柱面，通过圆柱面拟合参数得到螺纹中径。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

上面对本发明优选实施方式作了详细说明，但是本发明不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解，本发明不限于特定的实施方式，本发明的范围由所附权利要求限定。

Claims (8)

1.基于激光点云分析的内螺纹参数检测方法，其特征在于，所述方法包括：

对获取的原始点云信息数据进行野值剔除，得到第一数据集；

把第一数据集进行数据分离处理，得到第二数据集，所述第二数据集包括：分离后的牙顶数据、分离后的牙底数据和分离后的斜面数据；

对牙顶数据和牙底数据分别进行柱面拟合处理，得到小径数据和大径数据；

对分离后的斜面数据进行锯齿波拟合处理和柱面拟合处理，得到牙距数据、牙形角数据和中径数据。

2.根据权利要求1所述的基于激光点云分析的内螺纹参数检测方法，其特征在于，利用线扫描激光轮廓仪，匀速旋转超过360°后，线扫描激光轮廓仪旋转的同时读取轮廓数据，利用配准算法，自动提取360°的有效数据，生成极坐标点云数据即原始点云信息数据。

3.根据权利要求1所述的基于激光点云分析的内螺纹参数检测方法，其特征在于，所述对获取的原始点云信息数据进行野值剔除，具体包括：

利用正常数据集PCA降维的结果对数据进行编码解码；

对解码后的数据与原始点云信息数据对比处理，确定超过阈值为异常值，并保存野值剔除后的数据，生成新的点云数据集即第一数据集。

4.根据权利要求1所述的基于激光点云分析的内螺纹参数检测方法，其特征在于，所述对第一数据集进行数据分离处理，具体包括：

分离牙顶数据：

对第一数据集分别求出每条轮廓所对应的最大z值z_max和最小z值z_min,

max_z＝max(xz(m).z)；

min_z＝min(xz(m).z)；

其中：xz表示的是野值剔除后的内螺纹的点云信息，m表示轮廓的编号，z表示传感器到螺纹距离；取z值小于min_z+0.25的点为牙顶数据，对牙顶数据进行线性回归法删除误差较大的点，得到牙顶点云信息即分离后的牙顶数据；

分离斜面数据：

取min_z+0.05<z<min_z+0.7为斜面数据即分离后的斜面数据；

分离牙底数据：

取z>max_z-0.4为牙底数据，对牙底数据进行线性回归法删除误差较大的点，得到牙顶点云信息即分离后的牙顶数据。

5.根据权利要求1所述的基于激光点云分析的内螺纹参数检测方法，其特征在于，所述对牙顶数据进行柱面拟合处理，具体包括：

将点云坐标从圆柱坐标系转到直角坐标系，生成直角坐标点云格式：

theta＝theta+deltaTheta；

xyz(m).x＝xz(m).z.*cos(theta)；

xyz(m).y＝xz(m).z.*sin(theta)；

xyz(m).z＝xz(m).x；

其中，deltaTheta表示相邻轮廓夹角，theta表示当前轮廓的角度；

对牙顶数据进行多元非线性回归，确定柱面拟合的参数，所述柱面拟合的必要参数为x0,y0,z0,a,b,c,r；

其中，(x0,y0,z0)表示轴上一点，初始值均设为0，(a,b,c)表示轴向量，且a²+b²+c²＝1，a，b初始值均设为0，r为半径，r初值设为牙顶轮廓的r平均值，拟合的非线性回归模型函数为：

拟合完成后的参数值返回结果保存在数组p中，p中包括x0,y0,z0,a,b,c,r。拟合得到的柱面参数r，就是内螺纹小径。

6.根据权利要求1所述的基于激光点云分析的内螺纹参数检测方法，其特征在于，所述对斜面数据进行锯齿波拟合处理，具体包括：

确定锯齿波拟合的必要参数为a0,a1,b,w,x0，初值根据经验确定；

确定拟合的锯齿波模型为:

y＝a0+a1*sawtooth(w*(x-x0),0.5)+b*x；

其中，a0为直流分量；a1为振幅；w为频率；x0为初相位；b为斜率；Sawtooth为锯齿波函数；采用非线性最小二乘法，将拟合后得到的参数结果保存在fitresult数组中；其中，fitresult数组为函数拟合的变量结果，数组中的数据包括拟合后的a0,a1,b,w,x0；

利用以下公式求出每条轮廓的牙型角和牙距：

牙型角：angle＝abs(atan(T/4/a1)*2*180/pi)；

牙距：T＝2*pi/w；

其中angle为牙形角；abs为绝对值函数；atan为反正切函数；pi为3.14159；T为牙距；对所有轮廓，利用上述求得的牙型角和牙距的平均值得该内螺纹的牙型角数据和牙距数据。

7.根据权利要求6所述的基于激光点云分析的内螺纹参数检测方法，其特征在于，对拟合后的a0,a1,b,w,x0计算位于螺纹中值线上的轮廓点，得到螺纹中径点云数据，然后对螺纹中径点云数据进行柱面拟合，得到内螺纹中径数据。

8.基于激光点云分析的内螺纹参数检测系统，其特征在于，所述系统包括：

数据剔除模块，用于对获取的原始点云信息数据进行野值剔除，得到第一数据集；

数据分离模块，用于把第一数据集进行数据分离处理，得到第二数据集，所述第二数据集包括：分离后的牙顶数据、分离后的牙底数据和分离后的斜面数据；

第一拟合处理模块，用于对牙顶数据和牙底数据分别进行柱面拟合处理，得到小径数据和大径数据；

第二拟合处理模块，用于对分离后的斜面数据进行锯齿波拟合处理和柱面拟合处理，得到牙距数据、牙形角数据和中径数据。

Images