CN117274255B - 数据检测方法、装置、电子设备及存储介质 - Google Patents
数据检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117274255B CN117274255B CN202311549922.3A CN202311549922A CN117274255B CN 117274255 B CN117274255 B CN 117274255B CN 202311549922 A CN202311549922 A CN 202311549922A CN 117274255 B CN117274255 B CN 117274255B
- Authority
- CN
- China
- Prior art keywords
- target
- data point
- determining
- data
- circle center
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000013598 vector Substances 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003466 welding Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
-
- 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
Abstract
本发明的实施例提供了一种数据检测方法、装置、电子设备及存储介质，涉及数据处理领域，方法包括从待检测点云数据中确定目标圆心坐标，确定目标圆心坐标对应的第一目标数据点，基于目标圆心坐标和第一目标数据点，确定目标圆心坐标的中轴线，针对每个数据点，计算数据点与中轴线的距离，基于距离和中轴线，从待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点。本申请提供的方法，可以允许同时检测多个圆柱，而不需要知道圆柱的数量，在处理复杂场景中具有很大的优势，并且可以精确的估计圆柱所在的中心点和半径，通过投票点索引可以准确的计算出圆柱所在的中轴线位置，可以有效地获取所有圆柱曲面的点集，从而提高检测的准确性。
Description
技术领域
本发明涉及数据处理领域，具体而言，涉及一种数据检测方法、装置、电子设备及存储介质。
背景技术
点云圆柱检测是一种计算机视觉和三维点云处理的任务，旨在从三维点云数据中检测和识别出圆柱形状的对象或曲面。随机采样一致性（RANSAC）是一种用于估计数学模型参数的迭代方法，适用于处理包含离群点的数据集。RANSAC的核心思想是通过随机选择数据点子集来估计模型，然后使用估计的模型与数据进行一致性检验，筛选出符合模型的数据点，最终得到鲁棒的模型参数。
具体的算法步骤包括随机选择一个固定数量的数据点，构成一个随机子集，用于估计模型参数。这个子集被称为内点，而不在子集中的数据点被称为外点。使用随机选择的内点数据来估计模型的参数。使用估计的模型对所有数据点进行一致性检验，将每个数据点与模型进行比较，并计算其误差。如果数据点与模型的误差小于某个预定义的容忍度阈值，将其视为内点，否则将其视为外点。统计通过一致性检验的内点数量。重复以上步骤多次，每次生成一个新的随机子集，估计模型参数，进行一致性检验，计算内点数，记录具有最大内点数量的模型及其参数。输出最终估计的模型及其参数，以及与该模型一致的内点。
上述点云圆柱检测存在一些缺点和限制：（1）依赖参数选择，RANSAC的性能高度依赖于参数的选择，包括迭代次数、容忍度阈值和采样大小。错误的参数选择可能导致模型估计的不准确性或不稳定性。（2）计算复杂性，对于大型点云数据集，RANSAC的计算复杂性可能很高。因为它是一个迭代算法，需要多次随机采样和模型估计，这会占用大量计算资源。（3）鲁棒性受限， RANSAC在面对包含大量离群点的数据时可能不够鲁棒。离群点会干扰模型的估计，导致最终结果不准确。（4）迭代次数，对于一些复杂的数据，RANSAC可能需要大量迭代才能找到合适的模型。这会增加计算时间，并且不适用于实时性要求较高的应用。（5）局部最小值，在某些情况下，RANSAC可能会陷入局部最小值，导致找到的模型不是全局最优的。
发明内容
本发明的目的在于提供一种数据检测方法、装置、电子设备及存储介质，能够提高数据检测的准确性。
为了实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了数据检测方法，所述方法包括：
从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；
确定所述目标圆心坐标对应的第一目标数据点；
基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线；
针对每个所述数据点，计算所述数据点与所述中轴线的距离；
基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到。
在可选的实施方式中，所述待检测从点云数据中确定目标圆心坐标的步骤，包括：
确定预设的半径范围；
针对每个数据点，确定所述数据点的坐标信息以及在极坐标系中的极角和极轴角度；
基于所标信息以及所述极角和所述极轴角度，确定所述数据点在所述半径范围下对应的圆心坐标范围；
获取与各所述圆心坐标范围重合度最大的圆心作为目标圆心坐标。
在可选的实施方式中，所述圆心坐标范围满足以下公式：
；/>；
；
其中，为数据点的x轴的坐标信息，/>为数据点的y轴的坐标信息，/>为数据点的z轴的坐标信息，r为半径，r满足预设的半径范围，/>为极角，/>为极轴角度。
在可选的实施方式中，所述确定所述目标圆心坐标对应的第一目标数据点的步骤，包括；
针对每个所述圆心坐标范围，将所述目标圆心坐标与所述圆心坐标范围进行比较；
在所述目标圆心坐标属于所述圆心坐标范围时，确定该圆心坐标范围对应的数据点，并作为第一目标数据点。
在可选的实施方式中，所述基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线的步骤，包括：
确定所述目标圆心坐标对应的第一法向量；
确定所述第一目标数据点对应的第二法向量；
基于所述第一法向量与所述第二法向量进行叉积，得到所述目标圆心坐标的中轴线。
在可选的实施方式中，所述基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于所述目标圆柱曲面的各第二目标数据点的步骤，包括：
计算所述中轴线的模长；
计算所述模长与所述距离的比值；
基于所述模长、比值以及距离，计算所述数据点的容忍度；
在所述容忍度大于预设容忍度时，确定所述数据点不属于所述目标圆柱曲面；
在所述容忍度小于或者等于预设容忍度时，确定所述数据点属于所述目标圆柱曲面，并将所述数据点作为第二目标数据点。
在可选的实施方式中，所述容忍度满足以下公式：
；
其中，为容忍度，/>为距离，/>为比值。
第二方面，本申请实施例提供了一种数据检测装置，所述装置包括：
确定模块，用于从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；确定所述目标圆心坐标对应的第一目标数据点；基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线；
计算模块，用于针对每个所述数据点，计算所述数据点与所述中轴线的距离；
所述确定模块，还用于基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到。
第三方面，本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述数据检测方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述数据检测方法的步骤。
本申请具有以下有益效果：
本申请通过从待检测点云数据中确定目标圆心坐标，其中，待检测点云数据中对应有多个数据点，确定目标圆心坐标对应的第一目标数据点，基于目标圆心坐标和第一目标数据点，确定目标圆心坐标的中轴线，针对每个数据点，计算数据点与中轴线的距离，基于距离和中轴线，从待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，目标圆柱曲面由目标圆心坐标以及中轴线确定得到。本申请提供的方法，可以允许同时检测多个圆柱，而不需要知道圆柱的数量，在处理复杂场景中具有很大的优势，并且可以精确的估计圆柱所在的中心点和半径，通过投票点索引可以准确的计算出圆柱所在的中轴线位置，可以有效地获取所有圆柱曲面的点集，从而提高检测的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的电子设备的方框示意图；
图2为本发明实施例提供的一种数据检测方法的流程示意图之一；
图3为本发明实施例提供的一种数据检测方法的流程示意图之二；
图4为本发明实施例提供的一种数据检测方法的流程示意图之三；
图5为本发明实施例提供的一种数据检测方法的流程示意图之四；
图6为本发明实施例提供的一种数据检测方法的流程示意图之五；
图7为本发明实施例提供的一种数据检测装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例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例。基于本发明中的实施例，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例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要说明的是，若出现术语“上”、“下”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
经过大量研究发现，现有的点云圆柱检测方式需要先对ransac模型进行训练，并基于训练好的模型对点云圆柱进行检测，现有的检测方式依赖参数选择，RANSAC的性能高度依赖于参数的选择，包括迭代次数、容忍度阈值和采样大小。错误的参数选择可能导致模型估计的不准确性或不稳定性。计算复杂性，对于大型点云数据集，RANSAC的计算复杂性可能很高。因为它是一个迭代算法，需要多次随机采样和模型估计，这会占用大量计算资源。鲁棒性受限， RANSAC在面对包含大量离群点的数据时可能不够鲁棒。离群点会干扰模型的估计，导致最终结果不准确。迭代次数，对于一些复杂的数据，RANSAC可能需要大量迭代才能找到合适的模型。这会增加计算时间，并且不适用于实时性要求较高的应用。局部最小值，在某些情况下，RANSAC可能会陷入局部最小值，导致找到的模型不是全局最优的。
有鉴于对上述问题的发现，本实施例提供了一种数据检测方法、装置、电子设备及存储介质，可以允许同时检测多个圆柱，而不需要知道圆柱的数量，在处理复杂场景中具有很大的优势，并且可以精确的估计圆柱所在的中心点和半径，通过投票点索引可以准确的计算出圆柱所在的中轴线位置，可以有效地获取所有圆柱曲面的点集，从而提高检测的准确性，下面对本实施例提供的方案进行详细阐述。
本实施例提供一种可以对数据进行检测的电子设备。在一种可能的实现方式中，所述电子设备可以为用户终端，例如，电子设备可以是，但不限于，服务器、智能手机、个人电脑(PersonalComputer，PC)、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、移动上网设备(Mobile Internet Device，MID)以及图像采集装置等。
请参照图1，图1是本申请实施例提供的电子设备100的结构示意图。所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
所述电子设备100包括数据检测装置110、存储器120及处理器130。
所述存储器120及处理器130各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述数据检测装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器130用于执行所述存储器120中存储的可执行模块，例如所述数据检测装置110所包括的软件功能模块及计算机程序等。
其中，所述存储器120可以是，但不限于，随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable ProgrammableRead-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器130在接收到执行指令后，执行所述程序。
请参照图2，图2为应用于图1的电子设备100的一种数据检测方法的流程图，以下将方法包括各个步骤进行详细阐述。
S201：从待检测点云数据中确定目标圆心坐标。
其中，待检测点云数据中对应有多个数据点。
S202：确定目标圆心坐标对应的第一目标数据点。
S203：基于目标圆心坐标和第一目标数据点。
确定目标圆心坐标的中轴线。
S204：针对每个数据点，计算数据点与中轴线的距离。
S205：基于距离和中轴线，从待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点。
其中，目标圆柱曲面由目标圆心坐标以及中轴线确定得到。
待检测点云数据可以为针对某一个待焊接面，获取该待焊接面的所有点的数据，需要确定该焊接面中的待焊接点的点，从而基于待焊接点的进行曲面焊接。
从待检测点云数据中去确定目标圆心坐标的实现方式有多种，在一种实现方式中，如图3所示，包括以下步骤：
S201-1：确定预设的半径范围。
S201-2：针对每个数据点，确定数据点的坐标信息以及在极坐标系中的极角和极轴角度。
S201-3：基于所标信息以及极角和极轴角度，确定数据点在半径范围下对应的圆心坐标范围。
S201-4：获取与各圆心坐标范围重合度最大的圆心作为目标圆心坐标。
需要说明的是，预设的半径范围可以基于具体焊接操作需要进行设定的，其中，设置预设的半径范围包括内层循环中半径的半径上限和半径下限，基于半径的上限和下限构成预设的半径范围。
针对待检测点云数据中的各个数据点，确定每个数据点的坐标信息以及该数据点在极坐标系中的极角和极轴角度。基于坐标信息、极角以及极轴角度计算每个坐标点的圆心坐标范围。
其中，圆心坐标范围满足以下公式：
；/>；
；
其中，为数据点的x轴的坐标信息，/>为数据点的y轴的坐标信息，/>为数据点的z轴的坐标信息，r为半径，r满足预设的半径范围，/>为极角，/>为极轴角度。
示例性的，在某个数据点的坐标为（，/>，/>）时，基于计算/>的下限值，基于/>计算的下限值，基于/>计算/>的下限值，基于/>计算/>的上限值，基于/>计算/>的上限值，基于计算/>的上限值，从而基于/>的下限值，/>的下限值，/>的下限值以及/>的上限值，/>的上限值，/>上限值得到该数据点的圆心坐标范围。
极角的范围为，极角用于描述一个点围绕远点的水平位置，极轴角度表示极坐标系中的极轴角度，即垂直方向上的角度。极轴角度的范围为/>，描述点从上到下的位置。
基于构建的Hough变换的累加器累加器，从各圆心坐标范围中投票处目标圆心坐标。也即获取各圆心范围的重合圆心作为目标圆心坐标。
示例性的，待检测点云数据包含5数据点时，针对每个数据点所计算出的圆心坐标范围，即圆心坐标范围包括第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标范围以及第五圆心坐标范围，针对第一圆心坐标范围，确定第一圆心坐标范围和第二圆心坐标范围的重合圆心坐标，在第一圆心坐标范围和第二圆心坐标范围存在重合圆心坐标时，确定第一圆心坐标范围、第二圆心坐标范围以及第三圆心坐标范围是否存在重合圆心坐标，在第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围存在重合圆心坐标时，确定第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标范围是否存在重合圆心坐标，在第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标范围是否存在重合圆心坐标时，则确定第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标范围以及第五圆心坐标范围是否存在重合圆心坐标，在第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标范围以及第五圆心坐标范围存在重合圆心坐标时，则将重合圆心坐标作为目标圆心坐标。在第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标以及第五圆心坐标范围不存在重合圆心坐标时，则确定第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标范围的重合圆心坐标作为目标圆心坐标。
需要说明的是，重合的圆心可能为单个也可能为多个。在目标圆心坐标为多个时，表明待检测点云数据中存在多个圆柱体。
确定目标圆心对应的第一目标数据点的实现方式有多种，在一种实现方式中，如图4所示，包括以下步骤：
S202-1：针对每个圆心坐标范围，将目标圆心坐标与圆心坐标范围进行比较。
S202-2：在目标圆心坐标属于圆心坐标范围时，确定该圆心坐标范围对应的数据点，并作为第一目标数据点。
在一种实现方式中，由于目标圆心坐标为与各圆心坐标范围重合度最大的圆心，将确定出的目标圆心坐标与各圆心坐标范围进行比较，从各圆心坐标范围中确定包含目标圆心坐标的圆心坐标范围对应的数据点，即为第一目标数据点。
在另一实现方式中，在第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标以及第五圆心坐标范围存在重合圆心坐标时，则第一目标数据点则为第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标以及第五圆心坐标范围各自对应的数据点。
基于目标圆心坐标和第一目标数据点，确定目标圆心坐标的中轴线的实现方式有多种，在一种实现方式中，如图5所示，包括以下步骤：
S203-1：确定目标圆心坐标对应的第一法向量。
S203-2：确定第一目标数据点对应的第二法向量。
S203-3：基于第一法向量与第二法向量进行叉积，得到目标圆心坐标的中轴线。
示例性的，在目标圆心坐标为第一圆心坐标范围、第二圆心坐标范围、第三圆心坐标范围、第四圆心坐标以及第五圆心坐标范围的重合圆心坐标时，则可以分别确定第一圆心坐标范围对应的第一目标数据点A、第二圆心坐标范围对应的第一目标数据点B、第三圆心坐标范围对应的第一目标数据点C、第四圆心坐标范围对应的第一目标数据点D以及第五圆心坐标范围对应的第一目标数据点E。分别确定第一目标数据点A、第一目标数据点B、第一目标数据点C、第一目标数据点D、第一目标数据点E的第二法向量，确定目标圆心坐标的第一法向量，从各第二法向量中任一选取一个第二法向量，将第一法向量和第二法向量进行叉积得到目标与圆心坐标的中轴线。中轴线满足以下公式：
；
；
；
即）即为目标圆心坐标的中轴线。
基于距离和中轴线，从待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点的实现方式有多种，在一种实现方式中，如图6所示，包括以下步骤：
S205-1：计算中轴线的模长。
S205-2：计算模长与距离的比值。
S205-3：基于模长、比值以及距离，计算数据点的容忍度。
S205-4：在容忍度大于预设容忍度时，确定数据点不属于目标圆柱曲面。
S205-5：在容忍度小于或者等于预设容忍度时，确定数据点属于目标圆柱曲面，并将数据点作为第二目标数据点。
通过以下公式计算中轴线的模长：
。
针对待检测点云数据中各个数据点，分别计算各数据点与中轴线的距离，计算数据点与中轴线的距离。
计算中轴线的模长与距离的比值：
=/>。
基于以下公式计算数据点的容忍度：
；
其中，为容忍度，/>为距离，/>为比值。
将计算的容忍度与预设容忍度进行比较，在大于预设容忍度时，确定数据点不属于目标圆柱曲面。在容忍度小于或者等于预设容忍度时，确定数据点属于所述目标圆柱曲面，并将数据点作为第二目标数据点。基于各第二目标数据点进行焊接。
请参照图7，本申请实施例还提供了一种应用于图1所述电子设备100的数据检测装置110，所述数据检测装置110包括：
确定模块111，用于从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；确定所述目标圆心坐标对应的第一目标数据点；基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线；
计算模块112，用于针对每个所述数据点，计算所述数据点与所述中轴线的距离；
所述确定模块111，还用于基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到。
本申请还提供一种电子设备100，电子设备100包括处理器130以及存储器120。存储器120存储有计算机可执行指令，计算机可执行指令被处理器130执行时，实现该数据检测方法。
本申请实施例还提供一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序被处理器130执行时，实现该数据检测方法。
在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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，仅为本申请的各种实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种数据检测方法，其特征在于，所述方法包括：
从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；
确定所述目标圆心坐标对应的第一目标数据点；
基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线；
针对每个所述数据点，计算所述数据点与所述中轴线的距离；
基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到；所述待检测从点云数据中确定目标圆心坐标的步骤，包括：
确定预设的半径范围；
针对每个数据点，确定所述数据点的坐标信息以及在极坐标系中的极角和极轴角度；
基于所标信息以及所述极角和所述极轴角度，确定所述数据点在所述半径范围下对应的圆心坐标范围；
获取与各所述圆心坐标范围重合度最大的圆心作为目标圆心坐标；
确定所述目标圆心坐标对应的第一目标数据点的步骤，包括：
针对每个所述圆心坐标范围，将所述目标圆心坐标与所述圆心坐标范围进行比较；
在所述目标圆心坐标属于所述圆心坐标范围时，确定该圆心坐标范围对应的数据点，并作为第一目标数据点。
2.根据权利要求1所述的方法，其特征在于，所述圆心坐标范围满足以下公式：
；/>；
；
其中，为数据点的x轴的坐标信息，/>为数据点的y轴的坐标信息，/>为数据点的z轴的坐标信息，r为半径，r满足预设的半径范围，/>为极角，/>为极轴角度。
3.根据权利要求1所述的方法，其特征在于，所述基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线的步骤，包括：
确定所述目标圆心坐标对应的第一法向量；
确定所述第一目标数据点对应的第二法向量；
基于所述第一法向量与所述第二法向量进行叉积，得到所述目标圆心坐标的中轴线。
4.根据权利要求3所述的方法，其特征在于，所述基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于所述目标圆柱曲面的各第二目标数据点的步骤，包括：
计算所述中轴线的模长；
计算所述模长与所述距离的比值；
基于所述模长、比值以及距离，计算所述数据点的容忍度；
在所述容忍度大于预设容忍度时，确定所述数据点不属于所述目标圆柱曲面；
在所述容忍度小于或者等于预设容忍度时，确定所述数据点属于所述目标圆柱曲面，并将所述数据点作为第二目标数据点。
5.根据权利要求4所述的方法，其特征在于，所述容忍度满足以下公式：
；
其中，为容忍度，/>为距离，/>为比值。
6.一种数据检测装置，其特征在于，所述装置包括：
确定模块，用于从待检测点云数据中确定目标圆心坐标，其中，所述待检测点云数据中对应有多个数据点；确定所述目标圆心坐标对应的第一目标数据点；基于所述目标圆心坐标和所述第一目标数据点，确定所述目标圆心坐标的中轴线；
计算模块，用于针对每个所述数据点，计算所述数据点与所述中轴线的距离；
所述确定模块，还用于基于所述距离和所述中轴线，从所述待检测点云数据中确定出属于目标圆柱曲面的各第二目标数据点，其中，所述目标圆柱曲面由所述目标圆心坐标以及中轴线确定得到；
所述确定模块还用于：
确定预设的半径范围；
针对每个数据点，确定所述数据点的坐标信息以及在极坐标系中的极角和极轴角度；
基于所标信息以及所述极角和所述极轴角度，确定所述数据点在所述半径范围下对应的圆心坐标范围；
获取与各所述圆心坐标范围重合度最大的圆心作为目标圆心坐标；
针对每个所述圆心坐标范围，将所述目标圆心坐标与所述圆心坐标范围进行比较；
在所述目标圆心坐标属于所述圆心坐标范围时，确定该圆心坐标范围对应的数据点，并作为第一目标数据点。
7.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1-5任一项所述方法的步骤。
8.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-5中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311549922.3A CN117274255B (zh) | 2023-11-21 | 2023-11-21 | 数据检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311549922.3A CN117274255B (zh) | 2023-11-21 | 2023-11-21 | 数据检测方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117274255A CN117274255A (zh) | 2023-12-22 |
| CN117274255B true CN117274255B (zh) | 2024-01-30 |
Family
ID=89201246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311549922.3A Active CN117274255B (zh) | 2023-11-21 | 2023-11-21 | 数据检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117274255B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726668A (zh) * | 2024-02-07 | 2024-03-19 | 法奥意威(苏州)机器人系统有限公司 | 点云圆柱体检测方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113776452A (zh) * | 2021-07-27 | 2021-12-10 | 中国铁道科学研究院集团有限公司标准计量研究所 | 一种圆柱形筒体的圆度测量方法及装置 |
| CN114812413A (zh) * | 2022-04-27 | 2022-07-29 | 深圳市深视智能科技有限公司 | 一种圆柱体直径测量方法及测量系统 |
| WO2023165220A1 (zh) * | 2022-03-04 | 2023-09-07 | 京东鲲鹏(江苏)科技有限公司 | 一种目标物体的检测方法和装置 |
-
2023
- 2023-11-21 CN CN202311549922.3A patent/CN117274255B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113776452A (zh) * | 2021-07-27 | 2021-12-10 | 中国铁道科学研究院集团有限公司标准计量研究所 | 一种圆柱形筒体的圆度测量方法及装置 |
| WO2023165220A1 (zh) * | 2022-03-04 | 2023-09-07 | 京东鲲鹏(江苏)科技有限公司 | 一种目标物体的检测方法和装置 |
| CN114812413A (zh) * | 2022-04-27 | 2022-07-29 | 深圳市深视智能科技有限公司 | 一种圆柱体直径测量方法及测量系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117274255A (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117274255B (zh) | 数据检测方法、装置、电子设备及存储介质 | |
| KR20200045522A (ko) | 국지화를 수행하는 데에 사용되기 위한 방법 및 시스템 | |
| CN108594250B (zh) | 一种点云数据去噪点方法及装置 | |
| CN112465877B (zh) | 一种基于运动状态估计的卡尔曼滤波视觉追踪稳定方法 | |
| CN112198878B (zh) | 一种即时地图构建方法、装置、机器人及存储介质 | |
| Li et al. | Guided neighborhood affine subspace embedding for feature matching | |
| Luo et al. | Effective outlier matches pruning algorithm for rigid pairwise point cloud registration using distance disparity matrix | |
| CN112597574A (zh) | 一种建筑信息模型的构建方法及装置 | |
| CN112907671A (zh) | 点云数据生成方法、装置、电子设备及存储介质 | |
| CN117132649A (zh) | 人工智能融合北斗卫星导航的船舶视频定位方法及装置 | |
| CN114674328B (zh) | 地图生成方法、装置、电子设备、存储介质、及车辆 | |
| CN110909804A (zh) | 基站异常数据的检测方法、装置、服务器和存储介质 | |
| CN114092564B (zh) | 无重叠视域多相机系统的外参数标定方法、系统、终端及介质 | |
| CN106651950B (zh) | 一种基于二次曲线透视投影不变性的单相机位姿估计方法 | |
| CN110516641B (zh) | 一种环境地图的构建方法及相关装置 | |
| CN109284707B (zh) | 动目标检测方法及装置 | |
| CN111223139B (zh) | 目标定位方法及终端设备 | |
| CN112578369A (zh) | 一种不确定性的估计方法、装置、电子设备及存储介质 | |
| CN111368624A (zh) | 基于生成对抗网络的回环检测方法和装置 | |
| CN113227708B (zh) | 确定俯仰角的方法、装置及终端设备 | |
| Arslan | Accuracy assessment of single viewing techniques for metric measurements on single images | |
| CN112270372B (zh) | 一种确定目标对象的方法、装置、计算机设备和介质 | |
| CN117435934A (zh) | 基于二分图的运动目标轨迹的匹配方法、装置和存储介质 | |
| Yu et al. | Uncertainty estimation for random sample consensus | |
| Guo et al. | An improved Random Sample Consensus algorithm for visual indoor positioning based on angle difference |
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 |