CN117765015B - 曲面物体的轮廓度测量方法、系统、电子设备及介质 - Google Patents

Abstract

一种曲面物体的轮廓度测量方法、系统、电子设备及介质，涉及轮廓度检测技术领域。该方法包括：获取曲面物体在不同角度下拍摄的多个2D图像和深度图像；根据各所述2D图像和所述深度图像，构建三维V型槽；根据所述三维V型槽的截面参数，计算所述曲面物体的轮廓度。达到了提高轮廓检测的准确性的效果。

Description

曲面物体的轮廓度测量方法、系统、电子设备及介质

技术领域

本申请涉及轮廓度检测技术领域，具体涉及一种曲面物体的轮廓度测量方法、系统、电子设备及介质。

背景技术

随着智能手机的技术不断进步，摄像头的性能已成为消费者在选择手机时考虑的重要因素之一。特别是近年来，随着移动摄影技术的飞速发展，手机曲面物体的精度和质量对整体设备性能的影响越来越大。其中，VCM是曲面物体中的关键组件。在曲面物体中，VCM的轮廓度是一个重要的参数，影响着对焦的精确度和图像质量。轮廓度可以描述VCM的形状和尺寸的精确度，这对于保证镜头对焦的稳定性和准确性至关重要。

目前，现有轮廓度测量方法常采用机械测量工具，例如卡尺、测微器和高度计等直接测量，或根据光学测量方法，如干涉仪、激光扫描仪等进行测量。但是在实际应用中，由于曲面物体的产品结构复杂所测量的尺寸在不同的表面，现有简单的机械测量或通过光学测量方法测量，得到的测量结果较为片面，导致轮廓度测量准确性低。

发明内容

本申请提供了一种曲面物体的轮廓度测量方法、系统、电子设备及介质，具有准确测量曲面物体的轮廓度的效果。

第一方面，本申请提供了一种曲面物体的轮廓度测量方法，包括：

获取曲面物体在不同角度下拍摄的多个2D图像和深度图像；

根据各所述2D图像和所述深度图像，构建三维V型槽；

根据所述三维V型槽的截面参数，计算所述曲面物体的轮廓度。

通过采用上述技术方案，运用多视角拍摄获得包含丰富图像信息的多个2D图像及其对应的深度图像。深度图像提供了额外的三维结构数据。利用这些多角度的图像作为输入，可以构建出高精度的三维V型槽模型，使模型充分反映实物的三维几何特征。在构建出三维模型后，可以直接在模型上进行精确的尺寸测量与参数计算。三维模型包含了组件的完整三维信息，相比单视角的二维图像，可以显著提高后续分析计算的准确性。特别是在计算诸如V型槽的轮廓度这样的参数时，直接在三维模型上测量计算可以避免二维近似带来的误差。通过该方案获得的三维V型槽模型，使得后续基于模型的参数计算和质量检测达到很高的精度。运用三维模型进行检测可以直接反映组件的实际三维几何结构，相比传统二维图像分析提高了测量的准确性。该方案综合利用了多视角图像信息与三维重构技术，实现了对关键参数轮廓度的精确测量。

可选的，确定各所述2D图像中相同位置的二维特征点；将所述深度图像中对应于各特征点位置的深度信息附加至各所述二维特征点中，得到三维特征点；根据各所述二维特征点和各所述三维特征点构建所述三维V型槽。

通过采用上述技术方案，提取出共同的二维特征点，这些特征点表示了同一物体上固有的关键信息。然后根据特征点在2D图像上的位置，从对应视角的深度图像中获取每个特征点的深度值。将二维特征点与其深度值结合，就得到了三维空间中的特征点。由于这些特征点代表了同一实物体的固定信息，因此不同视角下的三维特征点可以一一对应起来。基于多组对应特征点，可以采用三维重建算法精确计算出三维点云，并在点云上构建出物体的三维模型。该方案充分利用了图像特征点的匹配信息，与深度数据相结合构建三维模型。运用特征匹配可以提高多视角三维重建的效果。且特征点包含了物体关键信息，可以使重建出的三维模型更准确反映实物体的细节几何结构。

可选的，根据所述二维特征点确定所述三维V型槽的形状、大小以及位置；根据所述三维特征点确定所述三维V型槽的深度以及斜度；根据所述形状、所述大小、所述位置、所述深度以及所述斜度，构建所述三维V型槽。

通过采用上述技术方案，二维特征点包含了图像平面上V槽的形状、大小、位置信息，决定了V槽在三维场景下的整体外形。三维特征点则提供了深度和斜面细节，丰富了三维结构信息。二维特征点确定了三维V槽的整体轮廓，三维特征点补充了三维细节。既确定了V槽的位置姿态，又建模出了丰富的三维几何结构。通过合理运用二维和三维特征点信息，该技术方案实现了对复杂三维V型槽结构的精确建模。相较于仅用二维信息建模，该方案充分利用了特征点的二三维数据，使得重构结果更加精细和准确，达到了构建高精度三维模型的效果。

可选的，确定所述三维V型槽中的目标截面，根据所述目标截面以及所述三维V型槽的顶部平面，确定多个三维点云数据；根据各所述三维点云数据，计算所述曲面物体的轮廓度。

通过采用上述技术方案，在构建好的三维V型槽模型上，首先识别出目标测量截面和顶部参考平面，这两者在三维模型上可以明确定位。针对目标截面和顶平面进行三维点云的采样，获取包含丰富三维结构信息的点云数据。基于三维模型采集点云的优势在于，点云直接反映了组件的三维几何特征，提供了精确和可靠的结构化数据，为后续的关键参数计算奠定了基础。在获得点云数据支持的情况下，可以避免二维图像分析带来的近似误差，直接在三维模型上进行高精度的测量与计算，大大提升参数结果的准确度。该方案中应用三维点云数据，通过对点云进行分析处理，有效实现了V型槽轮廓度等参数的精确计算。三维点云的引入显著提高了质量检测与参数计算的精度，达到了高效准确测量的效果。

可选的，在所述三维V型槽的末端以顶部平面为基准，构建空间坐标系，并从所述空间坐标系中确定所述目标截面；计算所述目标截面上各截面点至所述顶部平面的距离，根据各截面点的位置以及所述距离，构建所述三维点云数据。

通过采用上述技术方案，在三维V型槽模型的末端确立统一的空间坐标系，以顶部平面为基准进行定位，这样可以准确规范地选取目标测量截面。在获确定目标截面后，计算每个截面点到顶平面参考面的距离，以获得点云的精确三维坐标信息。计算距离可以直接反映三维几何结构，避免二维成像带来的近似误差。通过计算距离构建的点云集合包含了丰富而准确的三维结构数据。在后续使用该点云数据集进行参数计算时，其中的三维结构信息可以大幅提高测量与计算的准确度。因此该方案中，运用坐标系确定截面及计算距离获取点云的处理，相比直接采集点云可使重建结果更加精细和准确，为质量检测提供了可靠的三维数据支持，达到了提高测量精度的效果。

可选的，获取所述三维V型槽中所述目标截面的第一标准直线和第二标准直线；根据所述三维点云数据和所述第一标准直线的位置，确定各所述截面点至所述位置的第一距离；根据所述三维点云数据和所述第二标准直线的位置，确定各所述截面点至所述位置的第二距离；根据各所述第一距离和各所述第二距离，确定所述轮廓度。

通过采用上述技术方案，获取设计图纸中的标准槽形对应截面的两条标准直线，这两条标准直线表示了理想的槽形轮廓。在已经采集获得的三维点云数据上，分别计算每个点到两条标准直线的距离。计算距离的方式可以避免二维图像测量带来的近似误差，直接在三维结构上进行精确测量。通过分析点云到标准直线的距离分布，可以评估实际加工质量，并求取最大最小距离差值计算出最终的轮廓度参数。该方案中，运用三维点云数据与标准轮廓直线进行距离计算，相较于二维图像分析，可以获得更加准确和可靠的轮廓度结果。点云数据提供了精确的三维结构信息，是实现高精度轮廓度测量的关键。因此，该可选技术方案通过距离计算实现了基于实际三维结构的轮廓度准确测定。

可选的，获取对所述曲面物体执行扫描操作反馈的点云数据；根据所述点云数据，生成所述深度图像。

通过采用上述技术方案，执行扫描操作采集获得目标物体的三维点云数据，点云数据包含了丰富的三维结构信息。基于获得的点云，进行二维投影与深度值编码，以生成对应物体的深度图像。点云本身包含精确的三维结构细节，可直接为图像像素提供准确的深度值。相较于直接的深度摄像，利用点云数据生成深度图像可以减少图像噪声，获得清晰度更高的结果。这样得到的高质量深度图像继承了点云的三维结构优势，可为后续的三维建模与参数计算提供可靠的图像支持。该方案通过合理利用点云数据生成高精度深度图像，达到了获得清晰准确深度信息以提升图像支持质量的效果。

在本申请的第二方面提供了一种曲面物体的轮廓度测量系统。

图像获取模块，用于获取曲面物体在不同角度下拍摄的多个2D图像和深度图像；

图像处理模块，用于根据各所述2D图像和所述深度图像，构建三维V型槽；

轮廓度计算模块，用于根据所述三维V型槽的截面参数，计算所述曲面物体的轮廓度。

在本申请的第三方面提供了一种电子设备。

一种曲面物体的轮廓度测量系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序，该程序能够被处理器加载执行时实现一种曲面物体的轮廓度测量方法。

在本申请的第四方面提供了一种计算机可读存储介质。

一种计算机可读存储介质，所述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使所述处理器实现一种曲面物体的轮廓度测量方法。

综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、本申请通过运用多视角拍摄获得包含丰富图像信息的多个2D图像及其对应的深度图像。深度图像提供了额外的三维结构数据。利用这些多角度的图像作为输入，可以构建出高精度的三维V型槽模型，使模型充分反映实物的三维几何特征。在构建出三维模型后，可以直接在模型上进行精确的尺寸测量与参数计算。三维模型包含了组件的完整三维信息，相比单视角的二维图像，可以显著提高后续分析计算的准确性。特别是在计算诸如V型槽的轮廓度这样的参数时，直接在三维模型上测量计算可以避免二维近似带来的误差。通过该方案获得的三维V型槽模型，使得后续基于模型的参数计算和质量检测达到很高的精度。运用三维模型进行检测可以直接反映组件的实际三维几何结构，相比传统二维图像分析提高了测量的准确性。该方案综合利用了多视角图像信息与三维重构技术，实现了对关键参数轮廓度的精确测量。

2、本申请通过提取出共同的二维特征点，这些特征点表示了同一物体上固有的关键信息。然后根据特征点在2D图像上的位置，从对应视角的深度图像中获取每个特征点的深度值。将二维特征点与其深度值结合，就得到了三维空间中的特征点。由于这些特征点代表了同一实物体的固定信息，因此不同视角下的三维特征点可以一一对应起来。基于多组对应特征点，可以采用三维重建算法精确计算出三维点云，并在点云上构建出物体的三维模型。该方案充分利用了图像特征点的匹配信息，与深度数据相结合构建三维模型。运用特征匹配可以提高多视角三维重建的效果。且特征点包含了物体关键信息，可以使重建出的三维模型更准确反映实物体的细节几何结构。

3、本申请通过获取设计图纸中的标准槽形对应截面的两条标准直线，这两条标准直线表示了理想的槽形轮廓。在已经采集获得的三维点云数据上，分别计算每个点到两条标准直线的距离。计算距离的方式可以避免二维图像测量带来的近似误差，直接在三维结构上进行精确测量。通过分析点云到标准直线的距离分布，可以评估实际加工质量，并求取最大最小距离差值计算出最终的轮廓度参数。该方案中，运用三维点云数据与标准轮廓直线进行距离计算，相较于二维图像分析，可以获得更加准确和可靠的轮廓度结果。点云数据提供了精确的三维结构信息，是实现高精度轮廓度测量的关键。因此，该可选技术方案通过距离计算实现了基于实际三维结构的轮廓度准确测定。

附图说明

图1是本申请实施例提供的一种曲面物体的轮廓度测量方法的流程示意图；

图2是本申请实施例提供的一种曲面物体的轮廓度测量方法的截面示意图；

图3是本申请实施例提供的一种曲面物体的轮廓度测量方法的V型槽结构示意图；

图4是本申请实施例公开的一种曲面物体的轮廓度测量系统的结构示意图；

图5是本申请实施例的公开的一种电子设备的结构示意图。

附图标记说明：500、电子设备；501、处理器；502、通信总线；503、用户接口；504、网络接口；505、存储器。

具体实施方式

为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。

在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。

在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。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。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。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

为了便于理解本申请实施例提供的方法及系统，在介绍本申请实施例之前，先对本申请实施例的背景进行介绍。

目前，现有轮廓度测量方法常采用机械测量工具，例如卡尺、测微器和高度计等直接测量，或根据光学测量方法，如干涉仪、激光扫描仪等进行测量。但是在实际应用中，由于曲面物体的产品结构复杂所测量的尺寸在不同的表面，现有简单的机械测量或通过光学测量方法测量，得到的测量结果较为片面，导致轮廓度测量准确性低。

本申请实施例公开了一种曲面物体的轮廓度测量方法，通过获取曲面物体产品表面的2D图像以及深度图像，并根据该2D图像和深度图像建立三维坐标系，在该三维坐标系中计算曲面物体表面V型槽的截面参数，从而确定轮廓度，主要用于解决现有简单的机械测量或通过光学测量方法测量，得到的测量结果较为片面，导致轮廓度测量准确性低的问题。

经过上述背景内容相关介绍，本领域技术人员可以了解现有技术中存在的问题，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行详细的描述，描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。

参照图1，曲面物体的轮廓度测量方法，该方法包括S10至S40，具体包括以下步骤：

S10：获取曲面物体在不同角度下拍摄的多个2D图像和深度图像。

其中，深度图像是一种包含场景或物体表面深度信息的图像。深度图像与普通的二维RGB图像不同，它的每个像素点除了有颜色值以外，还包含了该点到相机的物理距离值，也就是深度信息。深度信息反映了成像场景或物体的三维结构。

具体的，为全方位地获取曲面物体VCM组件的三维结构信息，需要从不同角度拍摄图像。本实施例采用将曲面物体安装在转台上，通过控制转台旋转，以每隔10度的间隔拍摄一个图像。在每个角度下，先用普通摄像头拍摄获取2D图像，再使用结构光摄照相机拍摄获取对应的含有像素级深度信息的深度图像。通过这种方式，可以在全方位360度范围内，每隔10度拍摄一个2D图像和对应的深度图像。这样多角度拍摄可以获取到曲面物体外壳以及内部VCM组件在不同角度下的视图信息。2D图像包含了组件的颜色、边缘等视觉信息。而深度图像提供了图像每个像素点的空间深度坐标信息。将两者结合，就可以获得外形结构的三维信息。后续步骤可以根据拍摄得到的2D图像和深度图像，利用图像处理和三维重构算法，构建出曲面物体VCM组件完整的三维模型。最终可以从三维模型中精确计量计算出轮廓度参数。这种基于多角度拍摄的图像获取方式，可以获得组件的三维结构信息，使后续构建三维模型和计算轮廓度更准确可靠，避免了现有技术中由于测量视角单一导致的误差。

在上述实施例的基础上，深度图像的获取步骤包括11至S12：

S11：获取对曲面物体执行扫描操作反馈的点云数据。

示例性地，采用结构光三维扫描仪对曲面物体进行扫描，以获取点云数据。结构光三维扫描仪通过投射经过编码的光条纹，配合摄像头拍摄获取组件表面在不同条纹下的图像。然后利用三角测量原理，根据图像中条纹的形变计算出场景各点的三维坐标，生成组件表面点的三维点云数据。与直接测量相比，结构光扫描可以快速非接触地获取组件表面的三维数据。通过调整扫描角度，可以获得组件的全方位信息。扫描生成的点云数据包含了组件表面上成千上万个点的三维坐标值，精确反映了组件的表面几何结构特征。获取到的点云数据为后续处理提供了详实的三维数据源。基于点云数据可以高精度构建组件的三维模型，包括表面、边缘、角点等细节特征，使得后续的三维模型构建和轮廓度测量更准确可靠。

S12：根据点云数据，生成深度图像。

示例性地，设定一个与被扫描的曲面物体位置相匹配的虚拟摄像机，确定其内参和外参参数。然后，根据虚拟摄像机的视角范围，从点云数据中截取视野范围内的点，并将这些点投影到图像平面上，生成图像坐标系中的二维点集。接着，在图像坐标系对应的像素上，根据点的位置，将每个点的深度值映射到对应的像素点上，即赋予每个像素点一个深度值，最终生成与2D图像大小相同、包含各像素深度信息的深度图像。这样从点云数据中转换得到的深度图像，其视角和取景与对应的2D图像相匹配，两者存在精确的几何对应关系。后续在构建三维模型时，能够通过像素级的匹配，利用2D图像中的颜色、纹理信息，以及深度图像提供的三维结构信息，合并构建出高精度的三维模型。该步骤通过生成与2D图像对应的深度图像，实现了不同来源图像的数据融合，为后续利用图像内容构建精确三维模型提高了效率，避免了单独处理点云与2D图像后再注册配准的复杂过程，简化了操作流程。

S20：根据各2D图像和深度图像，构建三维V型槽。

其中，三维V型槽指的是具有V字形横截面结构的三维物体。在摄像头模块组件中，VCM组件的一部分常采用V型槽的结构设计。该V型槽起到精确安装和定位镜头的作用，对保证图像质量至关重要。

具体的，进行图像预处理，包括滤波、校正等，提高图像质量。在各2D图像上使用特征提取算法，检测角点、线段等视觉特征，并匹配不同视角图像之间的特征点，建立特征点对应关系。根据特征点在2D图像上的像素坐标位置，查询深度图像获取其深度值，将2D特征点扩展为包含深度信息的三维点。根据不同视角图像中匹配的三维点，采用三维重建算法，计算点云的三维坐标，进而求出点云之间的空间变换关系。应用等量化与合并算法，将所有视角的点云统一到同一坐标系下，并填充空洞，生成组件整体的三维点云。基于此点云构建出包括V型槽的三维表面模型。该方法综合利用2D图像的视觉信息和深度图像提供的三维结构，构建出准确的三维模型。与直接测量相比，能够精确反映组件的三维几何结构，提高后续轮廓度测量的准确性。

在上述实施例的基础上，构建三维V型槽的具体步骤还包括S21至S23：

S21：确定各2D图像中相同位置的二维特征点。

示例性地，在每个2D图像上运行SIFT检测器，识别出图像中的角点作为关键点。计算每个关键点的方向直方图描述子。由于SIFT描述子对视角变化具有鲁棒性，可以用来匹配不同视图之间的对应点。实现上，遍历所有2D图像，各2D图像之间依次进行SIFT描述子匹配。如果两个关键点的描述子足够相似，则确定它们为同一物理点在不同视角下的投影。得到各个图像中具有匹配关系的特征点集合。采用SIFT算法可以有效检测到图像的视角不变特征，并通过描述子匹配找到对应点。这为后续的三维重建提供了不同视图间的匹配信息，以准确构建三维模型。该步骤通过SIFT特征点检测与匹配，实现了多视角2D图像间的对应点标定，为后续三维模型重建奠定基础。

S22：将深度图像中对应于各特征点位置的深度信息附加至各二维特征点中，得到三维特征点。

示例性地，将深度图像与对应的2D图像进行配准，建立像素级的对应关系。然后对每个2D特征点，根据其在2D图像中的像素坐标位置，在对应的深度图像中查找该像素点的深度值。将该深度值作为Z轴坐标，与二维特征点的XY坐标值拼接，即构成了一个三维坐标(X，Y，Z)，这样就得到了该二维特征点的三维坐标信息。对所有2D特征点依次进行上述处理，就可以将所有二维特征点扩展为包含三维空间信息的三维特征点。这为后续利用特征点进行三维重建奠定了数据基础。

S23：根据各二维特征点和各三维特征点构建三维V型槽。

示例性地，选择一个视角作为基准视角，利用其二维特征点和三维特征点直接构建初始三维点云。逐步加入其它视角的特征点数据，通过解决视角间的旋转和平移关系，将新的三维特征点加入到全局三维点云中。加入每个新视角都会使整个三维点云更加丰富和完整。三维点云通过全局优化后，可以得到组件整体的稠密三维点云。基于得到的三维点云，以V型槽区域的点为采样，进行三维曲面重建，即可得到精确的三维V型槽模型的表面。进一步修正和优化模型，使其更准确反映实际结构。

在上述实施例的基础上，根据二维特征点和三维特征点构建三维V型槽的具体步骤还包括S231至S233：

S231：根据二维特征点确定三维V型槽的形状、大小以及位置。

示例性地，在每个2D图像上，提取出位于V型槽区域的特征点集合。分析这些特征点的轮廓形状信息，如拟合椭圆来判断V型槽开口的形状；根据特征点上下分布情况判断V型角度；通过左右特征点位置判断槽的宽度。再根据特征点所在图像的拍摄参数，将像素单位转换为实际物理尺寸。这样可以得到V型槽在当前视角下的二维形状、大小和位置信息。综合每个视角下的信息，采用多视角结合的方式确定V型槽的三维形状、大小及位置，使确定的三维模型能够符合各个二维视角的观测结果。通过二维特征点分布情况推断三维结构信息，可以基于图像内容构建初步的三维模型，然后在此基础上进行优化调整，简化三维建模的过程，从而提高构建效率。

S232：根据三维特征点确定三维V型槽的深度以及斜度。

示例性地，可以计算同一斜面上三维特征点的空间分布情况，通过拟合平面计算每个斜面平面的法向量方向。法向量方向反映了平面的倾斜情况，可以直接计算得到斜面角度。在平面法向量方向上，测量斜面上特征点的坐标值范围，即可以得到该斜面方向的深度值。对两侧斜面分别进行上述处理，即可得到V型槽的整体深度和左右斜面角度。三维特征点提供了直接的三维坐标信息，通过分析坐标值可以准确得到场景的三维结构参数。运用三维特征点有利于构建出符合实际的三维模型，提高V型槽重建的精度，为后续轮廓度测量计算奠定坚实的基础。

S233：根据形状、大小、位置、深度以及斜度，构建三维V型槽。

示例性地，根据提取的形状和大小参数创建一个初始的三维模型。设置该模型在三维空间中的位置和姿态，使它与各个二维图像观测一致。接着根据斜面参数确定左右两侧平面的法向量方向，并设置平面深度，形成V字形侧面。连接左右平面와底面，并进行光滑处理，构建出一个初始的三维V型槽模型。得到初步模型后，需要通过迭代优化调整模型参数，逐步使模型与二维图像特征以及三维点云数据达到最小误差，即模型准确反映了实际的三维结构。最终输出一个高精度的三维V型槽模型。

S30：根据三维V型槽的截面参数，计算曲面物体的轮廓度。

具体的，构建完成三维V型槽模型后，测量三维V型槽的截面参数。这些参数决定了V型槽的几何形状。根据测量得到的截面参数，可以按照轮廓度的预设计算公式进行计算：通过在三维模型上精确测量V型槽的尺寸，并将其代入公式计算，可以获得该曲面物体的VCM组件V型槽的轮廓度值。相比仅从二维图像估计的参数，三维模型可以明确反映组件的三维几何结构，确保测量参数的准确性。基于三维模型的计算可以使得轮廓度值更准确地反映曲面物体的实际结构情况。

参照图2和图3，在上述实施例的基础上，计算轮廓度的具体步骤还包括S31至S32：

S31：确定三维V型槽中的目标截面，根据目标截面以及三维V型槽的顶部平面，确定多个三维点云数据。

其中，目标截面包括斜面截面段V1和V2，V型槽顶部平面为平面Datum，每个截面点到顶面平面的距离为D。

示例性地，为准确测量V型槽的截面参数，需要在构建好的三维V型槽模型上选择合适的测量截面。本实施例选择V型槽开口中心处的横截面作为目标截面，因为该截面能够代表V型槽的整体几何特征。在确定好截面后，我们采用三维点云采样的方式获取截面数据。先通过在模型上采样顶部平面区域点云，确定V型槽顶部平面的高度位置，作为计算深度的基准面。对目标截面区域采样点云，直接获得开口形状数据。采集顶部平面点云的目的是为了计算V型槽深度参数；而截面点云用于测量开口尺寸参数。点云数据包含了丰富的三维样本信息，可以显著提高后续几何参数测量与计算的准确性。通过对模型关键区域进行点云采样，获得包含充分三维结构信息的数据。采用三维点云的方式可以大大增加测量精度，使得后续基于模型计算的V型槽轮廓度结果更加准确可靠。

在上述实施例的基础上，构建三维点云数据的具体步骤还包括S311至S312：

S311：在三维V型槽的末端以顶部平面为基准，构建空间坐标系，并从空间坐标系中确定目标截面。

示例性地，为在三维V型槽模型上规范建立测量坐标系并准确定位需测量的截面，首先需要选择一个基准面来构建坐标系统。本实施例中，选择了V型槽顶部的平面作为基准面，因为其具有水平稳定性。在确定基准面后，接下来是建立坐标轴。考虑到V型槽的长度方向代表了整个槽体的延伸方向，因此以此方向确定Z轴的正方向。结合V型槽的横向宽度确定X轴正方向。根据右手坐标系法则可以确定Y轴的方向。通过这种方式，我们在V型槽模型上建立起了一个以顶部平面为基准的空间坐标系。基于该坐标系，我们就可以用规范化的方式描述V型槽内任意平面的方位了。根据V型槽开口的中心位置，在坐标系下准确定量地定位出了测量所需的目标截面。采用坐标系定位目标截面，使得后续的尺寸分析和计算可以在统一规范的空间坐标下进行，大大提高了测量的准确性和可靠性。

S312：计算目标截面上各截面点至顶部平面的距离，根据各截面点的位置以及距离，构建三维点云数据。

示例性地，在目标截面上采样获取多个截面点，这些截面点的坐标反映了V型槽开口的轮廓形状。分别计算每个截面点到顶面平面的距离，可以采用两点之间的三维欧式距离计算公式进行计算。另外，也通过对顶面平面进行采样，获取多个点来拟合确定顶面的数学平面。计算时可投射到该拟合平面后再计算距离。当获得所有截面点到顶面的距离坐标后，再结合各截面点的XY坐标，就可以构建出包含三维坐标信息的点云数据。采样获得的顶面平面点云也可直接用于构建三维点云。获得了目标截面点云和顶面平面点云。这两组点云包含了V型槽开口和顶部平面的完整三维结构信息。在后续的尺寸分析计算中，可以充分利用点云数据实现高精度的三维测量。

S32：根据各三维点云数据，计算曲面物体的轮廓度。

示例性地，对顶部平面点云，计算所有点的z坐标均值，即获得顶平面的高度。对开口截面点云，测量开口断面轮廓的长度。计算开口断面点云的深度坐标均值。 于是V型槽的深度高度与深度坐标均值之差。由此可以获得V型槽的两参数：开口长度和深度，将测量得到的开口长度和深度参数代入公式，即可精确计算出该V型槽的轮廓度。三维点云反映了组件的实际三维几何结构，基于点云数据的计算避免了二维图像分析带来的近似误差。该步骤实现了高精度的三维测量与轮廓度计算，大大提升了结果的准确性。

在上述实施例的基础上，计算轮廓度的具体步骤还包括S321至S323：

S321：获取三维V型槽中目标截面的第一标准直线和第二标准直线。

示例性地，V型槽的设计图纸会给出标准槽形的几何尺寸，包括侧壁的倾角、底面宽度等参数。可以根据这些设计参数构建出标准V型槽的三维模型。选取与实际V型槽相同的测量截面，在标准V型槽的该截面上可以得到两个理想的标准直线，即对应该截面的左、右侧壁的轮廓线。这两个标准直线表示了理想的V型槽轮廓。获得标准直线的目的是在后续步骤中，可以通过比较实际点云数据与标准直线的偏差距离，来评估实际槽形的加工质量和误差，并最终计算出轮廓度参数。该步骤从设计图纸中提取标准参数，并转换为三维模型上的标准轮廓直线，为后续质量分析与轮廓度计算提供了理论基准。

S322：根据三维点云数据和第一标准直线的位置，确定各截面点至位置的第一距离；根据三维点云数据和第二标准直线的位置，确定各截面点至位置的第二距离。

示例性地，获得标准直线，这通过提取设计图纸中的V型槽标准参数并构建对应三维模型来实现。在获得实际V型槽的三维点云后，对每个点云数据，分别计算其距离第一标准直线和第二标准直线的最近距离。计算方式可以采用三维空间两点间的欧式距离公式来实现。重复这个过程，对所有采样得到的截面点云数据计算其到两标准直线的距离。我们就得到了点云到两标准直线的距离数据集。这组距离数据直观地反映了实际V型槽与理想设计的偏差情况，是评价加工质量的重要参考依据。后续可在此基础上进行统计分析，如计算最大偏差、平均偏差等，来全面评估V型槽的加工精度。通过计算点到标准直线的距离，为后续的质量分析和轮廓度计算提供了关键的数据支持。

S323：根据各第一距离和各第二距离，确定轮廓度。

示例性地，在获得每个测量点分别到两条标准直线距离的数据之后，为了合理计算出整个V型槽的轮廓度，需要对距离数据集进行进一步的统计分析。具体来说，对第一标准直线距离数据，找到其中的最大距离值和最小距离值，这可以反映该直线方向上的轮廓误差范围。同样对第二标准直线距离数据也找到最大最小值。将这四个距离值代入公式，来计算最终的轮廓度结果。计算公式采用最大距离值和最小距离值的差值，再取其平均数，这样可以平滑个别点的误差对结果的影响，获得整个V型槽在两轮廓方向上总体的轮廓度。本步骤通过对点云距离数据进行综合分析处理，选取特征距离值进行运算，达到了合理计算V型槽的整体轮廓度的目的。运用三维点云数据进行高精度测量，整个计算过程实现了对V型槽几何结构精确检测与轮廓度计算。

参照图4，为本申请实施例提供的一种曲面物体的轮廓度测量系统，该系统包括：图像获取模块、图像处理模块、轮廓度计算模块，其中：

图像获取模块，用于获取曲面物体在不同角度下拍摄的多个2D图像和深度图像；

图像处理模块，用于根据各2D图像和深度图像，构建三维V型槽；

轮廓度计算模块，用于根据三维V型槽的截面参数，计算曲面物体的轮廓度。

在上述实施例的基础上，图像获取模块还用于获取对曲面物体执行扫描操作反馈的点云数据；根据点云数据，生成深度图像。

在上述实施例的基础上，图像处理模块还用于确定各2D图像中相同位置的二维特征点；将深度图像中对应于各特征点位置的深度信息附加至各二维特征点中，得到三维特征点；根据各二维特征点和各三维特征点构建三维V型槽。

在上述实施例的基础上，图像处理模块还包括根据二维特征点确定三维V型槽的形状、大小以及位置；根据三维特征点确定三维V型槽的深度以及斜度；根据形状、大小、位置、深度以及斜度，构建三维V型槽。

在上述实施例的基础上，轮廓度计算模块还用于确定三维V型槽中的目标截面，根据目标截面以及三维V型槽的顶部平面，确定多个三维点云数据；根据各三维点云数据，计算曲面物体的轮廓度。

在上述实施例的基础上，轮廓度计算模块还包括在三维V型槽的末端以顶部平面为基准，构建空间坐标系，并从空间坐标系中确定目标截面；计算目标截面上各截面点至顶部平面的距离，根据各截面点的位置以及距离，构建三维点云数据。

在上述实施例的基础上，轮廓度计算模块还包括获取三维V型槽中目标截面的第一标准直线和第二标准直线；根据三维点云数据和第一标准直线的位置，确定各截面点至位置的第一距离；根据三维点云数据和第二标准直线的位置，确定各截面点至位置的第二距离；根据各第一距离和各第二距离，确定轮廓度。

需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本申请还公开一种电子设备。参照图5，图5是本申请实施例的公开的一种电子设备的结构示意图。该电子设备500可以包括：至少一个处理器501，至少一个网络接口504，用户接口503，存储器505，至少一个通信总线502。

其中，通信总线502用于实现这些组件之间的连接通信。

其中，用户接口503可以包括显示屏（Display）接口、摄像头（Camera）接口，可选用户接口503还可以包括标准的有线接口、无线接口。

其中，网络接口504可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，处理器501可以包括一个或者多个处理核心。处理器501利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器505内的指令、程序、代码集或指令集，以及调用存储在存储器505内的数据，执行服务器的各种功能和处理数据。可选的，处理器501可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器501可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面图和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器501中，单独通过一块芯片进行实现。

其中，存储器505可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器505包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器505可用于存储指令、程序、代码、代码集或指令集。存储器505可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器505可选的还可以是至少一个位于远离前述处理器501的存储装置。参照图3，作为一种计算机存储介质的存储器505中可以包括操作系统、网络通信模块、用户接口模块以及一种曲面物体的轮廓度测量方法的应用程序。

在图3所示的电子设备500中，用户接口503主要用于为用户提供输入的接口，获取用户输入的数据；而处理器501可以用于调用存储器505中存储一种曲面物体的轮廓度测量方法的应用程序，当由一个或多个处理器501执行时，使得电子设备500执行如上述实施例中一个或多个的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。

集成的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，可以存储在一个计算机可读取存储器中。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全部或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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。

本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。

Claims (6)

1.一种曲面物体的轮廓度的测量方法，其特征在于，包括：

获取曲面物体在不同角度下拍摄的多个2D图像和深度图像；

根据各所述2D图像和所述深度图像，构建三维V型槽；

根据所述三维V型槽的截面参数，计算所述曲面物体的轮廓度；

所述根据各所述2D图像和所述深度图像，构建三维V型槽，包括：

确定各所述2D图像中相同位置的二维特征点；

将所述深度图像中对应于各特征点位置的深度信息附加至各所述二维特征点中，得到三维特征点；

根据各所述二维特征点和各所述三维特征点构建所述三维V型槽；

所述根据各所述二维特征点和各所述三维特征点构建所述三维V型槽，包括：

根据所述二维特征点确定所述三维V型槽的形状、大小以及位置；

根据所述三维特征点确定所述三维V型槽的深度以及斜度；

根据所述形状、所述大小、所述位置、所述深度以及所述斜度，构建所述三维V型槽；

所述根据所述三维V型槽的截面参数，计算所述曲面物体的轮廓度，包括：

确定所述三维V型槽中的目标截面，根据所述目标截面以及所述三维V型槽的顶部平面，确定多个三维点云数据；

根据各所述三维点云数据，计算所述曲面物体的轮廓度；

所述确定所述三维V型槽中的目标截面，根据所述目标截面以及所述三维V型槽的顶部平面，确定多个三维点云数据，包括：

在所述三维V型槽的末端以顶部平面为基准，构建空间坐标系，并从所述空间坐标系中确定所述目标截面；

计算所述目标截面上各截面点至所述顶部平面的距离，根据各截面点的位置以及所述距离，构建所述三维点云数据。

2.根据权利要求1所述的曲面物体的轮廓度测量方法，其特征在于，所述根据各所述三维点云数据，计算所述曲面物体的轮廓度，包括：

获取所述三维V型槽中所述目标截面的第一标准直线和第二标准直线；

根据所述三维点云数据和所述第一标准直线的位置，确定各所述截面点至所述位置的第一距离；

根据所述三维点云数据和所述第二标准直线的位置，确定各所述截面点至所述位置的第二距离；

根据各所述第一距离和各所述第二距离，确定所述轮廓度。

3.根据权利要求1所述的曲面物体的轮廓度测量方法，其特征在于，所述获取曲面物体的深度图像，包括：

获取对所述曲面物体执行扫描操作反馈的点云数据；

根据所述点云数据，生成所述深度图像。

4.一种曲面物体的轮廓度测量系统，其特征在于，所述系统包括：

图像获取模块，用于获取曲面物体在不同角度下拍摄的多个2D图像和深度图像；

图像处理模块，用于根据各所述2D图像和所述深度图像，构建三维V型槽；

轮廓度计算模块，用于根据所述三维V型槽的截面参数，计算所述曲面物体的轮廓度；根据所述二维特征点确定所述三维V型槽的形状、大小以及位置；根据所述三维特征点确定所述三维V型槽的深度以及斜度；根据所述形状、所述大小、所述位置、所述深度以及所述斜度，构建所述三维V型槽；确定所述三维V型槽中的目标截面，根据所述目标截面以及所述三维V型槽的顶部平面，确定多个三维点云数据；根据各所述三维点云数据，计算所述曲面物体的轮廓度；在所述三维V型槽的末端以顶部平面为基准，构建空间坐标系，并从所述空间坐标系中确定所述目标截面；计算所述目标截面上各截面点至所述顶部平面的距离，根据各截面点的位置以及所述距离，构建所述三维点云数据。

5.一种电子设备，其特征在于，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1-3任意一项所述的曲面物体的轮廓度测量方法。

6.一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存储有指令，当所述指令被执行时，执行如权利要求1-3任意一项所述的曲面物体的轮廓度测量方法步骤。