论文部分内容阅读
三维场景中的几何形貌检测与识别一直是计算机图像和模式识别领域中的一个热门话题,其对复杂场景的描述能力更强,特征也更丰富。然而在实际应用下相比接触式或二维图像的检测方法,仍存在着数据冗余、计算量大、密度变化等问题。本文针对普通检测方法难以应对的立体零部件表面设计了一种基于光切轮廓的多视角立体零部件检测方法,并完成了以下内容:首先,针对不同的三维重建方法,经过对目前主流方法的调研并在综合考虑实际应用的条件后,选择合适的线激光传感器和多自由度运动控制平台用于立体零部件的表面三维重建。通过对点云数据的降噪与拓扑关系的建立,并通过全局注册完成对复杂表面零部件的多视角立体(Multi-view Stereo,MVS)三维重建,此外,为了提高系统的整体精度,本文提出了一种基于三维点云数据的自动标定方法,通过点云的处理算法对误差进行补偿,有效的提高了系统的重建质量,为后续识别与检测提供了保障。其次,对于复杂表面零部件的识别与检测,本文通过已有算法进行对比,引入了SHOT(Signature of Histograms of Orientations)特征作为点云特征描述子,在点云精简采样的基础上,分别提取和匹配零部件的目标点云和测量点云的特征,再通过假设生成与假设验证进行二次筛选,对不同的匹配结果进行评价,最终选出匹配误差最小的目标点云。实现了根据测量点云的识别自动匹配该零部件的CAD(Computer Aided Design)模型信息。在零部件表面的缺陷检测方面,文中采用点云切片对比的方法代替点云的三维比较,根据点云轮廓的插值方法进行改进,从而计算出零部件表面的整体误差分布情况。同时,本文通过密度聚类与分割根据误差进一步定位出缺陷位置,提高了立体零部件表面误差检测的精度与速度。最后,为了验证本文提出的算法有效性,文中搭建了用于立体零部件识别与检测的多视角三维扫描系统,并对系统测量精度进行了评价。由实验结果可知,所搭建的系统的平面距离误差可达5μm,球体拟合误差可达0.012mm,系统的平均测量精度为0.08mm,可以满足普通模具加工的公差标准。此外,文中选用了常见的立体电极模具作为具体案例。实验结果表明,本文提出的复杂几何表面的三维检测与识别方法能够识别不同零部件并计算出缺陷程度和部位,具有一定鲁棒性,完成了三维检测与识别的目标。