CN115953400B - 基于三维点云物体表面的腐蚀坑自动检测方法 - Google Patents
基于三维点云物体表面的腐蚀坑自动检测方法 Download PDFInfo
- Publication number
- CN115953400B CN115953400B CN202310232355.2A CN202310232355A CN115953400B CN 115953400 B CN115953400 B CN 115953400B CN 202310232355 A CN202310232355 A CN 202310232355A CN 115953400 B CN115953400 B CN 115953400B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional point
- object surface
- depth
- dimensional
- 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
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
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于三维点云物体表面的腐蚀坑自动检测方法,能够有效提高工人工作效率、提高检测精度,并减小人工操作所导致的精度误差,包括下述步骤:1)物体表面三维点云预处理,形成多块真实物体表面三维点云;2)按照物体表面半径生成理想物体表面三维点云,通过旋转平移真实物体表面三维点云来使真实物体表面三维点云和理想物体表面三维点云重合;3)重合后,将两者直接转换为二维深度图像,并直接利用两者的二维深度图像做差,所得深度差值较大的联通区域即是异常高度的缺陷区域;4)将缺陷区域的深度差值连接起来,并计算缺陷区域的长、宽、深等参数。
Description
技术领域
本发明涉及检测技术领域,具体地说,是基于三维点云物体表面的腐蚀坑自动检测方法。
背景技术
根据特种设备安全技术规范中的要求,压力容器在长期使用后,会出现腐蚀表面、凹坑现象,需要定期的对物体表面进行检测,并根据技术规范中的规格计算腐蚀是否允许存在,若不允许存在则应报废处理。
一般来说腐蚀坑都是采用人工手动测量的方式测量,如此将耗费极大的人力和物力,并且工作效率也极低。
发明内容
本发明的目的在于设计基于三维点云物体表面的腐蚀坑自动检测方法,能够有效提高工人工作效率、提高检测精度,并减小人工操作所导致的精度误差。
本发明通过下述技术方案实现:基于三维点云物体表面的腐蚀坑自动检测方法,包括下述步骤:
1)物体表面三维点云预处理,形成多块真实物体表面三维点云;
2)按照物体表面半径生成理想物体表面三维点云,通过旋转平移真实物体表面三维点云来使真实物体表面三维点云和理想物体表面三维点云重合;
3)重合后,将两者直接转换为二维深度图像,并直接利用两者的二维深度图像做差,所得深度差值较大的联通区域即是异常高度的缺陷区域;
4)将缺陷区域的深度差值连接起来,并计算缺陷区域的长、宽、深等参数。
进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤1)包括下述步骤:
1.1)获取真实物体表面三维点云,并通过计算每个点周围点的数量来删除异常点;
1.2)由于拍摄物体表面的角度问题,导致真实物体表面点云不同区域的点的密度不同,点密度不同会导致求取真实物体表面法向量和中轴线不同位置的权重不同,因此通过将删除异常点后的真实物体表面三维点云进行分块,每块区域中只保留相同数量真实物体表面三维点,如此优化后,可以明显提高计算物体表面角度的鲁棒性。
进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:在进行计算每个点周围点的数量来删除异常点时,根据物体表面缺陷的可能最大深度,以及根据不同半径的物体表面动态选择统计半径。
进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤2)包括下述步骤:
2.1)经步骤1)后,对每块真实物体表面三维点云表面计算垂直于平面的法向量;
2.2)以真实物体表面三维点云表面的中心作为中心点,将面分割为多个小平面,任意小平面(定义为小平面A)与真实物体表面三维点云表面的中心点的连线上的另一个对称位置的小平面(定义为小平面B),两个小平面(小平面A、小平面B)的法向量的均值方向即是真实物体表面三维点云表面中心点的法向量方向;
2.3)通过每个小平面计算出n个中心点的法向量方向,然后将所有法向量方向分解为xyz三个分量方向,对每个分量方向求取直方图,选取数量最多的方向(以此方法来筛除异常方向),作为真实物体表面三维点云表面中心点的法线方向;
2.4)将真实物体表面三维点云表面以xy轴坐标分块,计算每个块的小平面的法向量,找到所有的与中心点法向量小于阈值的小块,将这些小块连接起来,其方向即是物体表面中轴线方向;
2.5)在分别计算了物体表面中轴线方向和真实物体表面三维点云表面中心点的法线方向后,即可以确定真实物体表面三维点云和理想物体表面三维点云的角度,通过三维旋转操作将真实物体表面三维点云旋转到与理想物体表面三维点云重合。
进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤3)包括下述具体步骤:
3.1)经步骤2)后,将理想物体表面三维点云与真实物体表面三维点云,利用坐标转换和插值的方式转换为二维深度图像;
3.2)利用真实物体表面的二维深度图像与理想物体表面的二维深度图像相减,其差值大的区域则是异常凸起或凹陷区域;
3.3)在步骤3.2)中的结果由于旋转点云矫正有误差,因此需要进一步的消除误差来保证腐蚀坑深度的精度。由于中轴线方向的表面深度相等,因此只需通过统计中轴线方向上的深度,求解得到差值大的区域每个位置的正常深度值皆可保证腐蚀坑深度的精度;
3.4)将差值大的区域的差值与步骤3.3)所得的正常深度值相减,进一步得到异常深度图像;
3.5)将异常深度图像利用分水岭算法筛选出异常深度区域;
3.6)利用轮廓搜索算法找到所有联通的异常深度区域并用矩形框标出。
进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤4)包括下述步骤:
4.1)利用步骤3.6)得到的矩形框,计算腐蚀坑的长宽,得到腐蚀坑长宽;
4.2)利用步骤3.6)得到的矩形框,计算框内部腐蚀坑的深度。
本发明与现有技术相比,具有以下优点及有益效果:
本发明利用物体表面三维点云通过自动匹配拍摄物体表面点云和理想物体表面点云达到自动识别物体表面上的腐蚀坑,并测量腐蚀坑长、宽、深。可以替代之前工人使用尺子等工具手动去测量腐蚀坑,因此其可以提高工人工作效率,减小人工操作产生的测量误差。
本发明基于三维点云和深度图像,使用三维物体匹配结合二维传统图像算法自动识别分析物体表面上的腐蚀坑,在自动识别出腐蚀坑的位置后,能够进一步的直接计算出腐蚀坑的长、宽、深,结合特种设备安全技术规范中的计算公式,自动判断腐蚀坑是否符合要求允许存在。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下对本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“设置”、“布设”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体,具体通过什么手段不限于螺接、过盈配合、铆接、螺纹辅助连接等各种常规机械连接方式。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。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
实施例1:
基于三维点云物体表面的腐蚀坑自动检测方法,能够有效提高工人工作效率、提高检测精度,并减小人工操作所导致的精度误差,包括下述步骤:
1)物体表面三维点云预处理,形成多块真实物体表面三维点云;
2)按照物体表面半径生成理想物体表面三维点云,通过旋转平移真实物体表面三维点云来使真实物体表面三维点云和理想物体表面三维点云重合;
3)重合后,将两者直接转换为二维深度图像,并直接利用两者的二维深度图像做差,所得深度差值较大的联通区域即是异常高度的缺陷区域;
4)将缺陷区域的深度差值连接起来,并计算缺陷区域的长、宽、深等参数。
实施例2:
本实施例是在上述实施例的基础上进一步优化,与前述技术方案相同之处在此不再赘述,进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤1)包括下述步骤:
1.1)获取真实物体表面三维点云,并通过计算每个点周围点的数量来删除异常点;
1.2)由于拍摄物体表面的角度问题,导致真实物体表面点云不同区域的点的密度不同,点密度不同会导致求取真实物体表面法向量和中轴线不同位置的权重不同,因此通过将删除异常点后的真实物体表面三维点云进行分块,每块区域中只保留相同数量真实物体表面三维点,如此优化后,可以明显提高计算物体表面角度的鲁棒性。
实施例3:
本实施例是在上述任一实施例的基础上进一步优化,与前述技术方案相同之处在此不再赘述,进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:在进行计算每个点周围点的数量来删除异常点时,根据物体表面缺陷的可能最大深度,以及根据不同半径的物体表面动态选择统计半径。
实施例4:
本实施例是在上述任一实施例的基础上进一步优化,与前述技术方案相同之处在此不再赘述,进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤2)包括下述步骤:
2.1)经步骤1)后,对每块真实物体表面三维点云表面计算垂直于平面的法向量;
2.2)以真实物体表面三维点云表面的中心作为中心点,将面分割为多个小平面,任意小平面(定义为小平面A)与真实物体表面三维点云表面的中心点的连线上的另一个对称位置的小平面(定义为小平面B),两个小平面(小平面A、小平面B)的法向量的均值方向即是真实物体表面三维点云表面中心点的法向量方向;
2.3)通过每个小平面计算出n个中心点的法向量方向,然后将所有法向量方向分解为xyz三个分量方向,对每个分量方向求取直方图,选取数量最多的方向(以此方法来筛除异常方向),作为真实物体表面三维点云表面中心点的法线方向;
2.4)将真实物体表面三维点云表面以xy轴坐标分块,计算每个块的小平面的法向量,找到所有的与中心点法向量小于阈值的小块,将这些小块连接起来,其方向即是物体表面中轴线方向;
2.5)在分别计算了物体表面中轴线方向和真实物体表面三维点云表面中心点的法线方向后,即可以确定真实物体表面三维点云和理想物体表面三维点云的角度,通过三维旋转操作将真实物体表面三维点云旋转到与理想物体表面三维点云重合。
实施例5:
本实施例是在上述任一实施例的基础上进一步优化,与前述技术方案相同之处在此不再赘述,进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤3)包括下述具体步骤:
3.1)经步骤2)后,将理想物体表面三维点云与真实物体表面三维点云,利用坐标转换和插值的方式转换为二维深度图像;
3.2)利用真实物体表面的二维深度图像与理想物体表面的二维深度图像相减,其差值大的区域则是异常凸起或凹陷区域;
3.3)在步骤3.2)中的结果由于旋转点云矫正有误差,因此需要进一步的消除误差来保证腐蚀坑深度的精度。由于中轴线方向的表面深度相等,因此只需通过统计中轴线方向上的深度,求解得到差值大的区域每个位置的正常深度值皆可保证腐蚀坑深度的精度;
3.4)将差值大的区域的差值与步骤3.3)所得的正常深度值相减,进一步得到异常深度图像;
3.5)将异常深度图像利用分水岭算法筛选出异常深度区域;
3.6)利用轮廓搜索算法找到所有联通的异常深度区域并用矩形框标出。
实施例6:
本实施例是在上述任一实施例的基础上进一步优化,与前述技术方案相同之处在此不再赘述,进一步的为更好地实现本发明所述的基于三维点云物体表面的腐蚀坑自动检测方法,特别采用下述设置方式:所述步骤4)包括下述步骤:
4.1)利用步骤3.6)得到的矩形框,计算腐蚀坑的长宽,得到腐蚀坑长宽;
4.2)利用步骤3.6)得到的矩形框,计算框内部腐蚀坑的深度。
实施例7:
本实施例是在上述任一实施例的基础上进一步优化,与前述技术方案相同之处在此不再赘述,基于三维点云物体表面的腐蚀坑自动检测方法,包括下述步骤:
(1)获取真实物体表面三维点云,根据物体表面缺陷的可能最大深度,以及根据不同半径的物体表面动态选择统计半径计算每个点周围点的数量来删除异常点。
(2)由于拍摄物体表面的角度问题,导致真实物体表面点云不同区域的点的密度不同,点密度不同会导致求取真实物体表面法向量和中轴线不同位置的权重不同,因此通过将删除异常点后的真实物体表面三维点云进行分块,每块区域中只保留相同数量真实物体表面三维点,如此优化后,可以明显提高计算物体表面角度的鲁棒性。
(3)经步骤(2)后,对每块真实物体表面三维点云表面计算垂直于平面的法向量。
(4)以真实物体表面三维点云表面的中心作为中心点,将面分割为多个小平面,任意小平面(定义为小平面A)与真实物体表面三维点云表面的中心点的连线上的另一个对称位置的小平面(定义为小平面B),两个小平面(小平面A、小平面B)的法向量的均值方向即是真实物体表面三维点云表面中心点的法向量方向。
(5)通过每个小平面计算出n个中心点的法向量方向,然后将所有法向量方向分解为xyz三个分量方向,对每个分量方向求取直方图,选取数量最多的方向(以此方法来筛除异常方向),作为真实物体表面三维点云表面中心点的法线方向。
(6)将真实物体表面三维点云表面以xy轴坐标分块,计算每个块的小平面的法向量,找到所有的与中心点法向量小于阈值的小块,将这些小块连接起来,其方向即是物体表面中轴线方向。
(7)在分别计算了物体表面中轴线方向和真实物体表面三维点云表面中心点的法线方向后,即可以确定真实物体表面三维点云和理想物体表面三维点云的角度,通过三维旋转操作将真实物体表面三维点云旋转到与理想物体表面三维点云重合。
(8)经步骤(7)后,将理想物体表面三维点云与真实物体表面三维点云,利用坐标转换和插值的方式转换为二维深度图像。
(9)利用真实物体表面的二维深度图像与理想物体表面的二维深度图像相减,其差值大的区域则是异常凸起或凹陷区域。
(10)在步骤(9)中的结果由于旋转点云矫正有误差,因此需要进一步的消除误差来保证腐蚀坑深度的精度。由于中轴线方向的表面深度相等,因此只需通过统计中轴线方向上的深度,求解得到差值大的区域每个位置的正常深度值皆可保证腐蚀坑深度的精度。
(11)将差值大的区域的差值与步骤(10)所得的正常深度值相减,进一步得到异常深度图像。
(12)将异常深度图像利用分水岭算法筛选出异常深度区域。
(13)利用轮廓搜索算法找到所有联通的异常深度区域并用矩形框标出。
(14)利用步骤(13)得到的矩形框,计算腐蚀坑的长宽,得到腐蚀坑长宽。
(15)利用步骤(13)得到的矩形框,计算框内部腐蚀坑的深度。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均在本发明的保护范围之内。
Claims (5)
1.基于三维点云物体表面的腐蚀坑自动检测方法,其特征在于:包括下述步骤:
1)物体表面三维点云预处理,形成多块真实物体表面三维点云;
2)按照物体表面半径生成理想物体表面三维点云,通过旋转平移真实物体表面三维点云来使真实物体表面三维点云和理想物体表面三维点云重合,具体包括下述步骤:
2.1)经步骤1)后,对每块真实物体表面三维点云表面计算垂直于平面的法向量;
2.2)以真实物体表面三维点云表面的中心作为中心点,将面分割为多个小平面,任意小平面与真实物体表面三维点云表面的中心点的连线上的另一个对称位置的小平面,两个小平面的法向量的均值方向即是真实物体表面三维点云表面中心点的法向量方向;
2.3)通过每个小平面计算出n个中心点的法向量方向,然后将所有法向量方向分解为xyz三个分量方向,对每个分量方向求取直方图,选取数量最多的方向,作为真实物体表面三维点云表面中心点的法线方向;
2.4)将真实物体表面三维点云表面以xy轴坐标分块,计算每个块的小平面的法向量,找到所有的与中心点法向量小于阈值的小块,将这些小块连接起来,其方向即是物体表面中轴线方向;
2.5)在分别计算了物体表面中轴线方向和真实物体表面三维点云表面中心点的法线方向后,即可以确定真实物体表面三维点云和理想物体表面三维点云的角度,通过三维旋转操作将真实物体表面三维点云旋转到与理想物体表面三维点云重合;
3)重合后,将两者直接转换为二维深度图像,并直接利用两者的二维深度图像做差,所得深度差值较大的联通区域即是异常高度的缺陷区域;
4)将缺陷区域的深度差值连接起来,并计算缺陷区域的长、宽、深。
2.根据权利要求1所述的基于三维点云物体表面的腐蚀坑自动检测方法,其特征在于:所述步骤1)包括下述步骤:
1.1)获取真实物体表面三维点云,并通过计算每个点周围点的数量来删除异常点;
1.2)将删除异常点后的真实物体表面三维点云进行分块,每块区域中只保留相同数量真实物体表面三维点。
3.根据权利要求2所述的基于三维点云物体表面的腐蚀坑自动检测方法,其特征在于:在进行计算每个点周围点的数量来删除异常点时,根据物体表面缺陷的可能最大深度,以及根据不同半径的物体表面动态选择统计半径。
4.根据权利要求1所述的基于三维点云物体表面的腐蚀坑自动检测方法,其特征在于:所述步骤3)包括下述具体步骤:
3.1)经步骤2)后,将理想物体表面三维点云与真实物体表面三维点云,利用坐标转换和插值的方式转换为二维深度图像;
3.2)利用真实物体表面的二维深度图像与理想物体表面的二维深度图像相减,其差值大的区域则是异常凸起或凹陷区域;
3.3)通过统计中轴线方向上的深度,求解得到差值大的区域每个位置的正常深度值;
3.4)将差值大的区域的差值与步骤3.3)所得的正常深度值相减,进一步得到异常深度图像;
3.5)将异常深度图像利用分水岭算法筛选出异常深度区域;
3.6)利用轮廓搜索算法找到所有联通的异常深度区域并用矩形框标出。
5.根据权利要求4所述的基于三维点云物体表面的腐蚀坑自动检测方法,其特征在于:所述步骤4)包括下述步骤:
4.1)利用步骤3.6)得到的矩形框,计算腐蚀坑的长宽,得到腐蚀坑长宽;
4.2)利用步骤3.6)得到的矩形框,计算框内部腐蚀坑的深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310232355.2A CN115953400B (zh) | 2023-03-13 | 2023-03-13 | 基于三维点云物体表面的腐蚀坑自动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310232355.2A CN115953400B (zh) | 2023-03-13 | 2023-03-13 | 基于三维点云物体表面的腐蚀坑自动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115953400A CN115953400A (zh) | 2023-04-11 |
CN115953400B true CN115953400B (zh) | 2023-06-02 |
Family
ID=85891298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310232355.2A Active CN115953400B (zh) | 2023-03-13 | 2023-03-13 | 基于三维点云物体表面的腐蚀坑自动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953400B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078666B (zh) * | 2023-10-13 | 2024-04-09 | 东声(苏州)智能科技有限公司 | 二维和三维结合的缺陷检测方法、装置、介质和设备 |
CN117408999B (zh) * | 2023-12-13 | 2024-02-20 | 安格利(成都)仪器设备有限公司 | 一种利用点云补全自动检测容器和管道腐蚀坑的方法 |
CN117606946B (zh) * | 2024-01-24 | 2024-03-26 | 中铁开发投资集团有限公司 | 一种爆破数据测试系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169475A (zh) * | 2017-06-19 | 2017-09-15 | 电子科技大学 | 一种基于kinect相机的人脸三维点云优化处理方法 |
CN112581457A (zh) * | 2020-12-23 | 2021-03-30 | 武汉理工大学 | 一种基于三维点云的管道内表面检测方法及装置 |
CN115482195A (zh) * | 2022-08-03 | 2022-12-16 | 西南交通大学 | 一种基于三维点云的列车部件变形检测方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3023641C (en) * | 2016-01-15 | 2020-12-22 | Wuhan Wuda Zoyon Science And Technology Co., Ltd | Object surface deformation feature extraction method based on line scanning three-dimensional point cloud |
CN109242828B (zh) * | 2018-08-13 | 2022-04-19 | 浙江大学 | 基于光栅投影多步相移法的3d打印制品三维缺陷检测方法 |
CN109658398B (zh) * | 2018-12-12 | 2021-05-18 | 华中科技大学 | 一种基于三维测量点云的零件表面缺陷识别与评估方法 |
CN109859114B (zh) * | 2018-12-27 | 2020-10-16 | 北京大学 | 基于局域平滑性和非局域相似性的三维点云修复方法 |
CN110634140B (zh) * | 2019-09-30 | 2022-11-04 | 南京工业大学 | 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 |
US20220058833A1 (en) * | 2020-08-21 | 2022-02-24 | Samsung Electronics Co., Ltd. | Complexity reduction of video-based point cloud compression encoding using grid-based segmentation |
CN113205486A (zh) * | 2021-04-08 | 2021-08-03 | 南京汇川图像视觉技术有限公司 | 基于三维点云的表面缺陷检测方法、装置及存储介质 |
CN113096094B (zh) * | 2021-04-12 | 2024-05-17 | 吴俊� | 三维物体表面缺陷检测方法 |
CN113963138A (zh) * | 2021-10-26 | 2022-01-21 | 王彬 | 三维激光点云特征点线完整准确提取方法 |
CN115496746A (zh) * | 2022-10-20 | 2022-12-20 | 复旦大学 | 基于图像和点云数据融合的板材表面缺陷检测方法和系统 |
-
2023
- 2023-03-13 CN CN202310232355.2A patent/CN115953400B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169475A (zh) * | 2017-06-19 | 2017-09-15 | 电子科技大学 | 一种基于kinect相机的人脸三维点云优化处理方法 |
CN112581457A (zh) * | 2020-12-23 | 2021-03-30 | 武汉理工大学 | 一种基于三维点云的管道内表面检测方法及装置 |
CN115482195A (zh) * | 2022-08-03 | 2022-12-16 | 西南交通大学 | 一种基于三维点云的列车部件变形检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115953400A (zh) | 2023-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115953400B (zh) | 基于三维点云物体表面的腐蚀坑自动检测方法 | |
CN109506580B (zh) | 基于线激光三维扫描的锪孔质量检测方法 | |
CN102589435B (zh) | 噪声环境下激光束中心高效精确检测方法 | |
CN110390683B (zh) | 一种基于密集点云的古城墙三维裂缝检测方法 | |
CN105333861B (zh) | 基于激光点云的杆塔倾斜检测的方法及装置 | |
CN110298853B (zh) | 面差视觉检测方法 | |
CN107945155B (zh) | 一种基于Gabor滤波器的牙膏管肩缺陷检测方法 | |
CN110807781B (zh) | 一种保留细节与边界特征的点云精简方法 | |
CN110530278B (zh) | 利用多线结构光测量间隙面差的方法 | |
CN112819883B (zh) | 一种规则对象检测及定位方法 | |
CN110441305B (zh) | 一种二次喷丸的表面覆盖率检验方法 | |
CN106813569B (zh) | 一种基于线结构光的汽车轮胎三维定位方法 | |
JP2009199575A (ja) | 画像マッチング方法、プログラムおよび応用装置 | |
CN112284260A (zh) | 一种视觉位移监测方法、设备和系统 | |
CN113074656B (zh) | 工件孔洞测量方法 | |
CN117115196B (zh) | 一种切割机刀具磨损视觉检测方法及系统 | |
He et al. | Robust laser stripe extraction for 3D measurement of complex objects | |
CN114234832B (zh) | 一种基于标靶识别的隧道监控量测方法 | |
CN105627935A (zh) | 产品料厚三维分析系统及方法 | |
CN112033385A (zh) | 一种基于海量点云数据的桥墩位姿测量方法 | |
CN113607058A (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN110530287B (zh) | 基于条纹级数不准度的解包裹相位误差检测与校正方法 | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN110793463B (zh) | 一种基于相位分布的解包裹相位误差检测与校正方法 | |
KR101174820B1 (ko) | 부유체 동적 변위 계측장치 및 이에 포함되는 영상기반 유닛 |
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 |