首页 / 专利库 / 电脑编程 / K最近邻算法 / 一种部件表面缺陷检测方法

一种部件表面缺陷检测方法

阅读:980发布:2020-05-12

专利汇可以提供一种部件表面缺陷检测方法专利检索,专利查询,专利分析的服务。并且一种部件表面 缺陷 检测方法,包括以下步骤:步骤100,子结构分解;步骤200,法向量计算;步骤300,Surflet特征构建;步骤400,子结构权值计算;步骤500,加权特征子表达;步骤600,缺陷区域提取。本 发明 对从获取待测表面的三维点 云 分解为分片平坦的子结构集合,解算子结构的几何子特征,建立特征的权重,构建加权特征描述子,进而提取缺陷区域。采用子结构解算局部子特征,能够更好地抵抗表面自身结构变化的干扰,同时采用多子结构的加权特征描述子具有更好的鲁棒性和可区分性。,下面是一种部件表面缺陷检测方法专利的具体信息内容。

1.一种部件表面缺陷检测方法,其特征在于,包括以下步骤:
步骤100,子结构分解;
步骤200,法向量计算;
步骤300,Surflet特征构建;
步骤400,子结构权值计算;
步骤500,加权特征子表达;
步骤600,缺陷区域提取。
2.根据权利要求1所述的一种部件表面缺陷检测方法,其特征在于:所述步骤100的具体步骤为:
步骤101,k近邻提取:对于包含了C个激光测量点的三维点集合S={Pi}i=1,2,…,C中的任意一点Pi∈S,采用快速近似搜索算法,搜索Pi的k个最近邻点,记为Rk;
步骤102,RANSAC子结构拟合:对邻域Rk进行子结构分割,采用RANSAC鲁棒平面拟合方法逐次拟合平面,属于平面的内点构成子结构Mj={Pi}i=1,2,…,τ,其中τ≤k,最后构建三维点云的子结构集,即 其中n表示子结构的总数。
3.根据权利要求2所述的一种部件表面缺陷检测方法,其特征在于:所述步骤200的具体步骤为:
步骤201,子结构协方差矩阵构建:对子结构Mj={Pi}i=1,2,…,τ构建其协方差矩阵其中“·”表示向量内积运算符,
步骤202奇异值分解法向量估计:对协方差矩阵C做奇异值分解,最小特征值对应的特征向量作为法向量N的估计。
4.根据权利要求3所述的一种部件表面缺陷检测方法,其特征在于:所述步骤300的具体步骤为:
步骤301,Surflet定义:对于任意一点Pi∈S,定义向量对(P,N)为Surflet,其中P为的Pi点的位置向量,N为该点的法向量;
步骤302,Darboux坐标原点判别:搜索k2近邻点,对于邻域内的(P1,N1)和(P2,N2)Surflet对,如果|N1·(P2-P1)|≤|N2·(P2-P1)|,则P1点为坐标原点,否则P2点为坐标原点;
步骤303,Darboux坐标系构建:对于确定的坐标系原点P1,按照如下方式构建Darboux坐标系{u,v,w};
u=N1
w=u×v;
步骤304,Surflet特征计算:基于Darboux坐标系,按照如下方法计算四维Surflet特征:
θ=arctan2(w·N1·u·N2)
a=v·N2
d=||P2-P1||。
5.根据权利要求4所述的一种部件表面缺陷检测方法,其特征在于:所述步骤400的具体步骤为:
在k2领域内的所有子结构Mj∈Rk,根据该子结构的重合度设计对Surflet特征的权值,权值计算公式如下:
权值的范围为(0,1]。
6.根据权利要求5所述的一种部件表面缺陷检测方法,其特征在于:所述步骤500的具体步骤为:
步骤501,加权特征子描述:定义Surflet特征的量化宽度Δθ,Δa,Δφ,Δd,每个单项特征的量化级数记为Hθ,Ha,Hφ,Hd,加权特征子定义为HθHaHφHd级一维直方图;
步骤502,加权特征子构建。
7.根据权利要求6所述的一种部件表面缺陷检测方法,其特征在于:所述步骤502的具体步骤为:
步骤521,特征子直方图初始化:建立长度为HθHaHφHd的数组用作特征子直方图H,并将其全部初始化为零;
步骤522,Surflet特征量化:对于任一Surflet特征(θt,at,φt,dt),其中以θ为例,对应的的量化级计算方法为 其中[·]表示向上
取整操作,其他特征均采取类似方法的处理;
步骤523,加权直方图迭代更新:对于每个Surflet特征(θt,at,φt,dt),以θ为例,对应H(c(θt))更新为H(c(θt))+ρt,其中ρt为该特征对应的权值,其他特征均采取类似方法的处理;
步骤524,加权特征子归一化:完成对 个Surflet特征的加权直方图更新后,对直方图做归一化 其中S=4∑tρt。
8.根据权利要求7所述的一种部件表面缺陷检测方法,其特征在于:所述步骤600的具体步骤为:
步骤601,加权特征子相似性度量:待测部件三维点云的加权特征子H和标准模板的加T
权特征子H,对应的相似性度量为:
步骤602,缺陷点连通区域提取:设定相似度阈值ST,如果对于S<T的点,标记为缺陷点,设定距离阈值dT,缺陷点的距离小于dT,则划分到同一个连通区域Ci中;
步骤603,缺陷区域标识:设定区域点数阈值PT对于每个缺陷点连通区域Ci,如果Ci内的三维点数超过个PT的标示为最终的缺陷区域。

说明书全文

一种部件表面缺陷检测方法

技术领域

[0001] 本发明涉及表面检测技术,尤其是一种基于激光点子结构加权特征描述子的部件表面缺陷检测方法。

背景技术

[0002] 在工业检测领域,表面缺陷检测一直是一个热点问题。随着工业生产过程中对部件精度控制的要求越来越高,对部件的精细尺度的形变缺陷的自动检测需要求也随之提高。
[0003] 现有常用缺陷方法的主要基于光学图像检测,一般通过设计光照系统促进缺陷在图像中产生有效对比度,但该类方法对精细尺度下的几何形变和尺度变化等问题存在困难。激光测量技术因其非接触、可靠性高和采集方式简易等优良特点,在产品质量检测、生产过程自动控制等有着广泛的应用前景。如中国专利公开号为CN109975314A的一种基于三维激光点云数据的木材表面检测系统及检测方法,步骤一、通过上方三维激光轮廓传感器和下方三维激光轮廓传感器对木板双面进行扫描,获取三维激光点云数据;步骤2:检测系统对三维激光点云数据进行预处理,去除噪声、降低点云密度;步骤3:检测系统对缺陷点进行区域分割,将相同缺陷标记为相同序号;步骤4:计算缺陷处的体积和表面积,将同一缺陷类型的缺陷处的体积累加、表面积累加;步骤5:根据缺陷体积、表面积与阈值相比较的结果,发送不同信号到控制模;步骤6:控制模块根据检测模块发送的信号,控制第三传送装置转向,以此对不同质量等级的木材进行分类。
[0004] 对于精细尺度表面缺陷自动检测,激光点云数据存在噪声和野值干扰、点云分布密度不一、部件自身几何形状变化等干扰,都会不同程度地影响是部件表面缺陷检测的精确性和可靠性。

发明内容

[0005] 本发明所要解决的技术问题是提供一种部件表面缺陷检测方法,提高部件表面缺陷检测的精确性和可靠性。
[0006] 为解决上述技术问题,本发明的技术方案是:一种部件表面缺陷检测方法,包括以下步骤:
[0007] 步骤100,子结构分解;
[0008] 步骤200,法向量计算;
[0009] 步骤300,Surflet特征构建;
[0010] 步骤400,子结构权值计算;
[0011] 步骤500,加权特征子表达;
[0012] 步骤600,缺陷区域提取。
[0013] 本发明对从获取待测表面的三维点云分解为分片平坦的子结构集合,解算子结构的几何子特征,建立特征的权重,构建加权特征描述子,进而提取缺陷区域。采用子结构解算局部子特征,能够更好地抵抗表面自身结构变化的干扰,同时采用多子结构的加权特征描述子具有更好的鲁棒性和可区分性。
[0014] 作为改进,所述步骤100的具体步骤为:
[0015] 步骤101,k近邻提取:对于包含了C个激光测量点的三维点云集合 S={Pi}i=1,2,…,C中的任意一点Pi∈S,采用快速近似搜索算法,搜索Pi的k 个最近邻点,记为Rk;
[0016] 步骤102,RANSAC子结构拟合:对邻域Rk进行子结构分割,采用RANSAC鲁棒平面拟合方法逐次拟合平面,属于平面的内点构成子结构 Mj={Pi}i=1,2,…,τ,其中τ≤k,最后构建三维点云的子结构集,即 其中n示子结构的总数。
[0017] 作为改进,所述步骤200的具体步骤为:
[0018] 步骤201,子结构协方差矩阵构建:对子结构Mj={Pi}i=1,2,…,τ构建其协方差矩阵 其中“·”表示向量内积运算符,
[0019] 步骤202奇异值分解法向量估计:对协方差矩阵C做奇异值分解,最小特征值对应的特征向量作为法向量N估计。
[0020] 作为改进,所述步骤300的具体步骤为:
[0021] 步骤301,Surflet定义:对于任意一点Pi∈S,定义向量对(P,N)为 Surflet,其中P为的Pi点的位置向量,N为该点的法向量;
[0022] 步骤302,Darboux坐标原点判别:搜索k2近邻点,对于邻域内的 (P1,N1)和(P2,N2)Surflet对,如果|N1·(P2-P1)|≤|N2·(P2-P1)|,则P1点为坐标原点,否则P2点为坐标原点;
[0023] 步骤303,Darboux坐标系构建:对于确定的坐标系原点P1,按照如下方式构建Darboux坐标系{u,v,w};
[0024] u=N1
[0025]
[0026] w=u×v;
[0027] 步骤304,Surflet特征计算:基于Darboux坐标系,按照如下方法计算四维Surflet特征:
[0028] θ=arctan 2(w·N1·u·N2)
[0029] a=v·N2
[0030]
[0031] d=||P2-P1||。
[0032] 作为改进,所述步骤400的具体步骤为:在k2领域内的所有子结构 Mj∈Rk,根据该子结构的重合度设计对Surflet特征的权值,权值计算公式如下:
[0033]
[0034] 权值的范围为(0,1]。
[0035] 作为改进,所述步骤500的具体步骤为:
[0036] 步骤501,加权特征子描述:定义Surflet特征的量化宽度Δθ,Δa,Δφ,Δd,每个单项特征的量化级数记为Hθ,Ha,Hφ,Hd,加权特征子定义为HθHaHφHd级一维直方图;
[0037] 步骤502,加权特征子构建:
[0038] 步骤521,特征子直方图初始化:建立长度为HθHaHφHd的数组用作特征子直方图H,并将其全部初始化为零;
[0039] 步骤522,Surflet特征量化:对于任一Surflet特征(θt,at,φt,dt),其中以θ为例,对应的的量化级计算方法为 其中[·]表示向上取整操作,其他特征均采取类似方法的处理;
[0040] 步骤523,加权直方图迭代更新:对于每个Surflet特征(θt,at,φt,dt),以θ为例,对应H(c(θt))更新为H(c(θt))+ρt,其中ρt为该特征对应的权值,其他特征均采取类似方法的处理;
[0041] 步骤524,加权特征子归一化:完成对 个Surflet特征的加权直方图更新后,对直方图做归一化 其中S=4∑tρt。
[0042] 作为改进,所述步骤600的具体步骤为:
[0043] 步骤601,加权特征子相似性度量:待测部件三维点云的加权特征子H 和标准模板的加权特征子HT,对应的相似性度量为:
[0044]
[0045] 步骤602,缺陷点连通区域提取:设定相似度阈值ST,如果对于S<T 的点,标记为缺陷点,设定距离阈值dT,缺陷点的距离小于dT,则划分到同一个连通区域Ci中;
[0046] 步骤603,缺陷区域标识:设定区域点数阈值PT对于每个缺陷点连通区域Ci,如果Ci内的三维点数超过个PT的标示为最终的缺陷区域。
[0047] 本发明与现有技术相比所带来的有益效果是:
[0048] 1、本发明采用了子结构分解的方法,有效克服了表面自身形状和结构变化带来的干扰,具有良好的鲁棒性;
[0049] 2、本发明以子结构局部几何特征为基础,采用特征加权,建立了加权特征描述子,对表面形状内容具有更好适应性,因而更具有代表性和区分性。附图说明
[0050] 图1是三维点云部件表面缺陷检测算法流程图
[0051] 图2是子结构集构建流程图。
[0052] 图3是基于子结构的法向量解算流程图。
[0053] 图4是Surflet局部几何特征计算流程图。
[0054] 图5是加权特征子解算流程图。
[0055] 图6是加权直方图构建方法图。
[0056] 图7是缺陷区域提取流程图。
[0057] 图8是Surflet特征总体框架图。
[0058] 图9是Darboux坐标系图。
[0059] 图10是加权特征子相似性度量方法图。

具体实施方式

[0060] 下面结合说明书附图对本发明作进一步说明。
[0061] 如图1所示,一种基于激光点云子结构加权特征描述子的部件表面缺陷检测方法,包括以下步骤:
[0062] S100,如图2所示,子结构分解
[0063] S101,k近邻提取:对于包含了C个激光测量点的三维点云集合 S={Pi}i=1,2,…,C中的任意一点Pi∈S,采用较为成熟的Muja,M.提出的快速近似搜索算法(Muja,M.and David G.Lowe."Fast Approximate Nearest Neighbors with Automatic Algorithm Configuration".In VISAPP International Conference on Computer Vision Theory and Applications.2009. pp.331–340.),搜索Pi的k个最近邻点,记为Rk;
该快速算法在Matlab 和PCL(Point Cloud Library)中均有实现;
[0064] S102,RANSAC子结构拟合:为了区分缺陷的形变和部件自身存在形状和拓扑变化,对邻域Rk进行子结构分割;采用RANSAC(Random Sample Consensus)鲁棒平面拟合方法逐次拟合平面,属于平面的内点构成子结构Mj={Pi}i=1,2,…,τ,其中τ≤k,最后构建三维点云的子结构集,即 其中n表示子结构的总数。
[0065] S200,如图3所示,法向量计算
[0066] S201,子结构协方差矩阵构建:对子结构Mj={Pi}i=1,2,…,τ构建其协方差矩阵其中“·”表示向量内积运算符,
[0067] S202奇异值分解法向量估计:对协方差矩阵C做奇异值分解 (singularity value decomposition),小特征值对应的特征向量作为法向量 N的估计。
[0068] S300,如图4所示,Surflet特征构建
[0069] S301,Surflet定义:对于任意一点Pi∈S,定义向量对(P,N)为Surflet,其中P为的Pi点的位置向量,N为该点的法向量;
[0070] S302,Darboux坐标原点判别:如图8所示,搜索k2近邻点,对于邻域内的(P1,N1)和(P2,N2)Surflet对,如果|N1·(P2-P1)|≤|N2·(P2-P1)|,则P1点为坐标原点,否则P2点为坐标原点;
[0071] S303,如图9所示,Darboux坐标系构建:对于确定的坐标系原点P1,按照如下方式构建Darboux坐标系{u,v,w};
[0072] u=N1
[0073]
[0074] w=u×v;
[0075] S304,Surflet特征计算:基于Darboux坐标系,按照如下方法计算四维Surflet特征,
[0076] θ=arctan 2(w·N1·u·N2)
[0077] a=v·N2
[0078]
[0079] d=||P2-P1||。
[0080] S400,如图5所示,子结构权值计算
[0081] 在k2领域内的所有子结构Mj∈Rk,根据该子结构的重合度设计对 Surflet特征的权值,权值计算公式如下:
[0082]
[0083] 显然,权值的范围为(0,1]。由于权值描述了子结构的参与度,对三维点云的自身的结构几何形状具有更好的表达性,同时对自身结构结合形状的变化具有更好的适应性。
[0084] S500,如图5所示,加权特征子表达
[0085] 基于上述方法计算可得Rk2邻域的Surflet特征(θ,a,φ,d)共 个,以及对应的权值ρ;
[0086] S501,加权特征子描述:定义Surflet特征的量化宽度Δθ,Δa,Δφ,Δd,每个单项特征的量化级数记为Hθ,Ha,Hφ,Hd,加权特征子定义为HθHaHφHd级一维直方图;
[0087] S502,如图6所示,加权特征子构建:
[0088] S521,特征子直方图初始化:建立长度为HθHaHφHd的数组用作特征子直方图H,并将其全部初始化为零;
[0089] S522,Surflet特征量化:对于任一Surflet特征(θt,at,φt,dt),其中以θ为例,对应的的量化级计算方法为 其中[·]表示向上取整操作,其他特征均采取类似方法的处理;
[0090] S523,加权直方图迭代更新:对于每个Surflet特征(θt,at,φt,dt),以θ为例,对应H(c(θt))更新为H(c(θt))+ρt,其中ρt为该特征对应的权值,其他特征均采取类似方法的处理;
[0091] S524,加权特征子归一化:完成对 个Surflet特征的加权直方图更新后,对直方图做归一化 其中S=4∑tρt。
[0092] S600,如图7所示,缺陷区域提取
[0093] S601,加权特征子相似性度量:如图10所示,待测部件三维点云的[0094] 加权特征子H和标准模板的加权特征子HT,对应的相似性度量为:
[0095]
[0096] S602,缺陷点连通区域提取:设定相似度阈值ST,如果对于S<T的点,标记为缺陷点,设定距离阈值dT,缺陷点的距离小于dT,则划分到同一个连通区域Ci中;
[0097] S603,缺陷区域标识:设定区域点数阈值PT对于每个缺陷点连通区域Ci,如果Ci内的三维点数超过个PT的标示为最终的缺陷区域。
[0098] 本实施例所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈