三维点云数据的处理方法及其用途、电子设备、存储介质技术

本发明专利技术公开了一种三维点云数据的处理方法及其用途、电子设备、存储介质，所述处理方法包括：S1，对待测工件和标准工件的点云数据进行直通滤波；S2，以线扫相机到各点云的距离值为像素值，获得待测工件点云数据对应的第一深度图像和标准工件点云数据对应的第二深度图像；S3，计算第一深度图像和第二深度图像的偏移量和旋转角度，据此对待测工件点云数据进行配准；降低了三维点云数据处理的难度，提升了数据处理的速度和效率。数据处理的速度和效率。数据处理的速度和效率。

【技术实现步骤摘要】
三维点云数据的处理方法及其用途、电子设备、存储介质


[0001]本专利技术属于自动化检测
，特别是涉及一种三维点云数据的处理方法及其用途、电子设备、存储介质。

技术介绍

[0002]产品的焊缝主要包括最小宽度、最大宽度、平均宽度、最小高度、最大高度和平均高度等，通过评估宽度、高度与标准工件之间的差别，可以判断当前工件是否合格；产品的弧度主要包括上弧度、下弧度等，通过评估弧度与标准弧度之间的差别，可以判断当前工件是否合格。
[0003]目前，焊缝的检测和弧度的检测主要分为人工检测和自动化检测，其中人工检测是工人使用标准工具进行测量并记录，最后对数据进行统计比较，检测的效率较低，且工人的工作精度会随工作强度的提升与工作时间的延长而不断下降；自动化检测主要是通过参数测量技术获取产品的表面数据，然后根据相应的算法对产品的表面数据进行统计和计算来获取感兴趣区域的高度参数、宽度参数和弧度参数。
[0004]在现有的产品参数测量技术中，有二维视觉检测和三维视觉检测两种方式，使用传统的二维视觉检测方法对三维物体进行检测时，由于三维物体的结构复杂、参数众多，因此会存在较大的限制，难以对三维物体的高度、宽度等信息进行测量；三维视觉检测技术运用了很多先进的视觉处理技术和物体采像设备，在对三维物体的高度、宽度及弧度的测量方面有着快速准确的特点，然而相比于二维图像算法，三维图像算法处理的数据量较大，处理耗时较长、效率较低，且在三维空间内很难圈取感兴趣区域。

技术实现思路

[0005]本专利技术实施例的目的在于提供一种三维点云数据的处理方法及其用途，通过线扫相机获取待测试件的三维点云数据，并对点云数据进行一系列处理，将三维点云数据精简后进行二维映射，方便对三维点云数据中的感兴趣区域进行统计计算，降低了三维点云数据的处理难度，提升了数据处理的速度和效率。
[0006]本专利技术实施例的目的还在于提供一种电子设备、存储介质。
[0007]为解决上述技术问题，本专利技术所采用的技术方案是，三维点云数据的处理方法，包括以下步骤：
[0008]S1，获取待测工件的点云数据和标准工件的点云数据，对点云数据进行直通滤波使其Z轴坐标为0～1；
[0009]S2，将线扫相机到各点云的距离值作为像素值，获得待测工件点云数据对应的第一深度图像和标准工件点云数据对应的第二深度图像；
[0010]S3，计算第一深度图像相较于第二深度图像的偏移量和旋转角度，据此对待测工件点云数据进行配准。
[0011]进一步的，所述S3包括以下步骤：
[0012]S31，使用下采样分别获取第一深度图像的第一图像金字塔和第二深度图像的第二图像金字塔；
[0013]S32，使用矩形框圈取第一图像金字塔最底层中纹理特征明显的区域作为感兴趣区域ROI1，对感兴趣区域ROI1的坐标、宽度和高度分别进行逐层转换，获得第一图像金字塔每一层中的感兴趣区域ROI
i
，以及ROI
i
内各像素点的像素值和特征向量；
[0014]ROI
i
＝(P
i
(x
i
,y
i
)，W
i
，H
i
)，其中i表示第一图像金字塔和第二图像金字塔的层数变量，i＝1，
…
,I，I表示第一图像金字塔和第二图像金字塔的总层数，第I层即最高层，P
i
(x
i
,y
i
)表示第一图像金字塔第i层感兴趣区域左上角点，W
i
表示第一图像金字塔第i层感兴趣区域宽度，H
i
表示第一图像金字塔第i层感兴趣区域高度；
[0015]S33，以第二图像金字塔最高层中每个像素点为中心点，以W
I
、H
I
为宽高构造匹配区域，获得各匹配区域在不同旋转角度下的新匹配区域，将各匹配区域及其在不同旋转角度下的新匹配区域作为元素共同构成数据集合；
[0016]根据第一图像金字塔最高层感兴趣区域ROI
I
内像素点的像素值和特征向量，获得与ROI
I
对应的数据集合中的最优匹配区域，将其中心点作为最优匹配点，对最优匹配点进行扩充和坐标值转换得到其在第二图像金字塔第I
‑
1层的最优匹配点集合；
[0017]S34，遍历第二图像金字塔第I
‑
1层中的每个最优匹配点，以各最优匹配点为中心，以W
I
‑1、H
I
‑1为宽、高构建匹配区域，并获取各匹配区域在不同旋转角度下的新匹配区域，共同构成匹配区域数据集合；
[0018]根据第一图像金字塔第I
‑
1层感兴趣区域ROI
I
‑1内像素点的像素值和特征向量，获得第二图像金字塔第I
‑
1层中与感兴趣区域ROI
I
‑1对应的最优匹配区域和最优匹配点，对最优匹配点进行扩充和坐标值转换获得第二图像金字塔第I
‑
2层的最优匹配点集合；
[0019]重复S34得到第二图像金字塔最底层中最优匹配点的坐标值；
[0020]S35，根据感兴趣区域ROI1内中心点的坐标值与第二图像金字塔最底层中最优匹配点的坐标值，计算第一深度图像相对于第二深度图像的偏移量和旋转角度；
[0021]S36，根据偏移量和旋转角度获取待测工件点云数据与标准工件点云数据间的变换矩阵，基于此对待测工件点云数据进行配准。
[0022]进一步的，所述最优匹配区域的获取过程如下：
[0023]遍历第二图像金字塔第i层中的每个最优匹配点，以各最优匹配点为中心，以W
i
、H
i
为宽、高构建匹配区域，并获取各匹配区域在不同旋转角度下的新匹配区域，共同构成匹配区域数据集合；
[0024]计算匹配区域数据集合中各匹配区域与感兴趣区域ROI
i
的相似度S，若所有匹配区域与ROI
i
的相似度均小于等于0.9，则匹配失败，若匹配区域与ROI
i
的相似度大于0.9，则该匹配区域为最优匹配区域，其中心点为最优匹配点。
[0025]进一步的，所述对最优匹配点进行扩充和坐标值转换的过程如下：
[0026]对第二图像金字塔第i层中的最优匹配点进行扩充得到对中各匹配点进行坐标值转换，得到第二图像金字塔中上一层深度图像的最优匹配点集合U，集合U中的元素为P
i
‑1(m
i
‑1,n
i
‑1,θ)；
[0027]所述坐标值转换公式如下：
[0028]P
i
‑1(m
i
‑1,n
i
‑1,θ)＝k
·
P
i
(m
i
,n
i...

【技术保护点】

【技术特征摘要】
1.三维点云数据的处理方法，其特征在于，包括以下步骤：S1，获取待测工件的点云数据和标准工件的点云数据，对点云数据进行直通滤波使其Z轴坐标为0～1；S2，将线扫相机到各点云的距离值作为像素值，获得待测工件点云数据对应的第一深度图像和标准工件点云数据对应的第二深度图像；S3，计算第一深度图像相较于第二深度图像的偏移量和旋转角度，据此对待测工件点云数据进行配准。2.根据权利要求1所述的三维点云数据的处理方法，其特征在于，所述S3包括以下步骤：S31，使用下采样分别获取第一深度图像的第一图像金字塔和第二深度图像的第二图像金字塔；S32，使用矩形框圈取第一图像金字塔最底层中纹理特征明显的区域作为感兴趣区域ROI1，对感兴趣区域ROI1的坐标、宽度和高度分别进行逐层转换，获得第一图像金字塔每一层中的感兴趣区域ROI
i
，以及ROI
i
内各像素点的像素值和特征向量；ROI
i
＝(P
i
(x
i
,y
i
)，W
i
，H
i
)，其中i表示第一图像金字塔和第二图像金字塔的层数变量，i＝1，
…
,I，I表示第一图像金字塔和第二图像金字塔的总层数，第I层即最高层，P
i
(x
i
,y
i
)表示第一图像金字塔第i层感兴趣区域左上角点，W
i
表示第一图像金字塔第i层感兴趣区域宽度，H
i
表示第一图像金字塔第i层感兴趣区域高度；S33，以第二图像金字塔最高层中每个像素点为中心点，以W
I
、H
I
为宽高构造匹配区域，获得各匹配区域在不同旋转角度下的新匹配区域，将各匹配区域及其在不同旋转角度下的新匹配区域作为元素共同构成数据集合；根据第一图像金字塔最高层感兴趣区域ROI
I
内像素点的像素值和特征向量，获得与ROI
I
对应的数据集合中的最优匹配区域，将其中心点作为最优匹配点，对最优匹配点进行扩充和坐标值转换得到其在第二图像金字塔第I
‑
1层的最优匹配点集合；S34，遍历第二图像金字塔第I
‑
1层中的每个最优匹配点，以各最优匹配点为中心，以W
I
‑1、H
I
‑1为宽、高构建匹配区域，并获取各匹配区域在不同旋转角度下的新匹配区域，共同构成匹配区域数据集合；根据第一图像金字塔第I
‑
1层感兴趣区域ROI
I
‑1内像素点的像素值和特征向量，获得第二图像金字塔第I
‑
1层中与感兴趣区域ROI
I
‑1对应的最优匹配区域和最优匹配点，对最优匹配点进行扩充和坐标值转换获得第二图像金字塔第I
‑
2层的最优匹配点集合；重复S34得到第二图像金字塔最底层中最优匹配点的坐标值；S35，根据感兴趣区域ROI1内中心点的坐标值与第二图像金字塔最底层中最优匹配点的坐标值，计算第一深度图像相对于第二深度图像的偏移量和旋转角度；S36，根据偏移量和旋转角度获取待测工件点云数据与标准工件点云数据间的变换矩阵，基于此对待测工件点云数据进行配准。3.根据权利要求2所述的三维点云数据的处理方法，其特征在于，所述最优匹配区域的获取过程如下：计算匹配区域数据集合中各匹配区域与感兴趣区域ROI
i
的相似度S，若所有匹配区域与ROI
i
的相似度均小于等于0.9，则匹配失败，若匹配区域与ROI
i
的相似度大于0.9，则该匹配
区域为最优匹配区域，其中心点为最优匹配点。4.根据权利要求2所述的三维点云数据的处理方法，其特征在于，所述对最优匹配点进行扩充和坐标值转换的过程如下：对第二图像金字塔第i层中的最优匹配点进行扩充得到对中各匹配点进行坐标值转换，得到第二图像金字塔中上一层深度图像的最优匹配点集合U，集合U中的元素为P
i
‑1(m
i
‑1,n
i
‑1,θ)；所述坐标值转换公式如下：P
i
‑1(m
i
‑1,n
i
‑1,θ)＝k
·
P
i
(m
i
,n
i
,θ)其中P
i...

【专利技术属性】
技术研发人员：张亮，李新霖，朱光明，叶林杰，朱炉明，
申请(专利权)人：杭州自适应科技有限公司，
类型：发明
国别省市：