一种新能源汽车模具用夹具质量检测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及一种新能源汽车模具用夹具质量检测方法；首先获取待检测夹具和标准夹具的点云数据集，根据点云数据集中数据点与预设邻域范围内其他数据点的距离特征获得近邻密度；根据数据点与预设邻域范围内其他数据点的近邻密度获得近邻相对密度差异指数。根据近邻相对密度差异指数和曲率获得数据点的结构信息差异指数；根据点云数据集中结构信息差异指数的大小分布获得删除数量；根据删除数量以及数据点的预设邻域范围内其他数据点的数量特征和距离特征获得待删除数据点以及去冗余点云数据集。根据去冗余点云数据集进行点云匹配获得匹配率，根据匹配率分析夹具质量，提高了夹具检测的效率以及准确性。确性。确性。

【技术实现步骤摘要】
一种新能源汽车模具用夹具质量检测方法


[0001]本专利技术涉及图像处理
，具体涉及一种新能源汽车模具用夹具质量检测方法。

技术介绍

[0002]随着新能源汽车工业的不断普及与发展，对于汽车零部件的要求越来越高。汽车模具用夹具作为重要的生产设备之一，夹具的质量对汽车零部件制造的精度和效率存在直接的影响关系。
[0003]对夹具的质量检测可通过计算机视觉的方法实现，计算机视觉的方法有着无损高效的特点，但部分夹具的结构较为复杂，且可能存在多种缺陷，需要投入较多的时间和算力对图像进行处理；其中可以通过点云匹配算法将待检测夹具和标准夹具的点云数据进行匹配，根据匹配结果分析待检测夹具的质量以及缺陷。但点云数量较多时，匹配效率较低，影响夹具质量检测的效率；同时点云数量较多时容易存在噪声，导致匹配结果不准确，影响夹具质量检测的准确性。

技术实现思路

[0004]为了解决上述夹具的点云数量较多时，影响夹具质量检测的准确性的技术问题，本专利技术的目的在于提供一种新能源汽车模具用夹具质量检测方法，所采用的技术方案具体如下：分别获取待检测夹具和标准夹具的点云数据集；根据所述点云数据集中数据点与预设邻域范围内其他数据点之间的距离特征获得所述数据点的近邻密度；根据所述数据点和预设邻域范围内其他数据点的所述近邻密度的差异特征获得所述数据点的近邻相对密度差异指数；根据所述数据点与预设邻域范围内其他数据点所组成的曲面获得所述数据点的曲率；根据所述数据点的所述曲率和所述近邻相对密度差异指数获得所述数据点的结构信息差异指数；根据所述点云数据集中每个所述数据点的所述结构信息差异指数获得结构信息差异指数直方图；根据预设比例获得所述结构信息差异指数直方图中不同区间的数据点的删除数量；根据所述删除数量、所述结构信息差异指数直方图中与每个所述数据点区间相同的预设邻域范围内的其他数据点的数量特征和距离特征，获得待删除数据点；将所述点云数据集中所述待删除数据点剔除获得去冗余点云数据集；将待检测夹具的所述去冗余点云数据集和标准夹具的所述去冗余点云数据集进行匹配获得匹配率，根据所述匹配率分析所述待检测夹具的质量。
[0005]进一步地，所述根据所述点云数据集中数据点与预设邻域范围内其他数据点之间的距离特征获得所述数据点的近邻密度的步骤包括：分别计算所述数据点和预设邻域范围内每个其他数据点的欧氏距离，计算预设第
一极小正数与所述数据点和预设邻域范围内任意一个其他数据点的欧氏距离的和，获得所述数据点的距离表征值；计算所述数据点的所述距离表征值的倒数的平均值，获得所述近邻密度，平均值和近邻密度呈正相关关系。
[0006]进一步地，所述根据所述数据点和预设邻域范围内其他数据点的所述近邻密度的差异特征获得所述数据点的近邻相对密度差异指数的步骤包括：对于所述数据点和预设邻域范围内的任意一个其他数据点，计算二者中最大的所述近邻密度和最小的所述近邻密度的比值，获得近邻密度差异度；计算常数一与所述近邻密度差异度的差值，获得近邻密度差异表征值，计算所述数据点和预设邻域范围内所有其他数据点的所述近邻密度差异表征值的平均值并正相关映射，获得近邻相对密度值，计算常数一与所述近邻相对密度值的差值，获得所述数据点的所述近邻相对密度差异指数。
[0007]进一步地，所述根据所述数据点的所述曲率和所述近邻相对密度差异指数获得所述数据点的结构信息差异指数的步骤包括：计算所述数据点的所述曲率与预设第二极小正数的和，计算所述数据点的所述曲率与预设第二极小正数的和与对应的所述近邻相对密度差异指数的乘积，获得所述结构信息差异指数。
[0008]进一步地，所述根据所述点云数据集中每个所述数据点的所述结构信息差异指数获得结构信息差异指数直方图的步骤包括：根据所述点云数据集中所述数据点的所述结构信息差异指数的大小范围和预设区间数量，构建所述点云数据集中所述数据点与所述结构信息差异指数的结构信息差异指数直方图，其中横轴为不同的所述结构信息差异指数的等长范围区间，纵轴为对应的所述数据点的数量，获得所述结构信息差异指数直方图。
[0009]进一步地，所述根据预设比例获得所述结构信息差异指数直方图中不同区间的数据点的删除数量的步骤包括：计算不同预设比例与所述结构信息差异指数直方图中每个所述等长范围区间中的数据点的数量的乘积，获得所述结构信息差异指数直方图中不同区间的数据点的删除数量；其中所述结构信息差异指数越大的所述等长范围区间所对应的所述预设比例越小。
[0010]进一步地，所述获得待删除数据点的步骤包括：对于任意一个所述数据点，统计所述数据点的预设邻域范围内的其他数据点与所述数据点在相同的所述等长范围区间的数量，获得每个所述数据点的相同区间数量值；对于任意一个所述等长范围区间中对应的所有数据点，根据对应的所述相同区间数量值从大到小排序获得序列，根据所述删除数量在所述序列中从第一位开始遍历选取所述数据点，且后续选取的数据点与所有已选取的所述数据点之间的欧氏距离需要大于预设距离，直至获得所述删除数量的数据点后，停止选取，获得所述待删除数据点。
[0011]进一步地，所述根据所述匹配率分析所述待检测夹具的质量的步骤包括：根据点云匹配算法将待检测夹具的所述去冗余点云数据集和标准夹具的所述去冗余点云数据集进行匹配获得匹配率，当所述匹配率超过预设匹配阈值时，所述待检测夹具的质量合格；当所述匹配率不超过预设匹配阈值时，所述待检测夹具的质量不合格。
[0012]本专利技术具有如下有益效果：在本专利技术实施例中，获取近邻密度能够反映数据点与其预设邻域范围内的其他数
据点的距离特征，通过近邻密度可初步表征夹具在数据点位置处的结构复杂程度；近邻相对密度差异指数能够表征数据点和其预设邻域范围内其他数据点的近邻密度的差异，通过近邻密度的差异反映不同位置夹具结构上的差异。因曲率能够反映表面弯曲的程度，故通过曲率和近邻相对密度差异指数获得结构信息差异指数，更准确地表征数据点位置处的结构复杂程度，根据结构信息差异指数能够初步分析数据点能够删除的概率。结构信息差异指数直方图能够直观反映点数据点的结构信息差异指数的分布情况，根据结构信息差异指数直方图可准确合理地获得不同结构信息差异指数的区间的删除数量。待删除数据点表示夹具表面重要程度低的数据点，删除后获得的去冗余点云数据集可提高点云匹配的效率且对准确性没有影响。通过匹配率能够反映待检测夹具和标准夹具的表面结构差异，实现夹具质量的检测；最终提高了夹具质量检测的效率和准确性。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0014]图1为本专利技术一个实施例所提供的一种新能源汽车模具用夹具质量检测方法流程图。
具体实施方式
[0015]为了更进一步阐述本专利技术为达成预定专利技术目的所采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源汽车模具用夹具质量检测方法，其特征在于，所述方法包括以下步骤：分别获取待检测夹具和标准夹具的点云数据集；根据所述点云数据集中数据点与预设邻域范围内其他数据点之间的距离特征获得所述数据点的近邻密度；根据所述数据点和预设邻域范围内其他数据点的所述近邻密度的差异特征获得所述数据点的近邻相对密度差异指数；根据所述数据点与预设邻域范围内其他数据点所组成的曲面获得所述数据点的曲率；根据所述数据点的所述曲率和所述近邻相对密度差异指数获得所述数据点的结构信息差异指数；根据所述点云数据集中每个所述数据点的所述结构信息差异指数获得结构信息差异指数直方图；根据预设比例获得所述结构信息差异指数直方图中不同区间的数据点的删除数量；根据所述删除数量、所述结构信息差异指数直方图中与每个所述数据点区间相同的预设邻域范围内的其他数据点的数量特征和距离特征，获得待删除数据点；将所述点云数据集中所述待删除数据点剔除获得去冗余点云数据集；将待检测夹具的所述去冗余点云数据集和标准夹具的所述去冗余点云数据集进行匹配获得匹配率，根据所述匹配率分析所述待检测夹具的质量。2.根据权利要求1所述的一种新能源汽车模具用夹具质量检测方法，其特征在于，所述根据所述点云数据集中数据点与预设邻域范围内其他数据点之间的距离特征获得所述数据点的近邻密度的步骤包括：分别计算所述数据点和预设邻域范围内每个其他数据点的欧氏距离，计算预设第一极小正数与所述数据点和预设邻域范围内任意一个其他数据点的欧氏距离的和，获得所述数据点的距离表征值；计算所述数据点的所述距离表征值的倒数的平均值，获得所述近邻密度，平均值和近邻密度呈正相关关系。3.根据权利要求1所述的一种新能源汽车模具用夹具质量检测方法，其特征在于，所述根据所述数据点和预设邻域范围内其他数据点的所述近邻密度的差异特征获得所述数据点的近邻相对密度差异指数的步骤包括：对于所述数据点和预设邻域范围内的任意一个其他数据点，计算二者中最大的所述近邻密度和最小的所述近邻密度的比值，获得近邻密度差异度；计算常数一与所述近邻密度差异度的差值，获得近邻密度差异表征值，计算所述数据点和预设邻域范围内所有其他数据点的所述近邻密度差异表征值的平均值并正相关映射，获得近邻相对密度值，计算常数一与所述近邻相对密度值的差值，获得所述数据点的所述近邻相对密度差异指数。4.根据权利要求1所述的一种新能源汽车模具用夹具质量检测方...

【专利技术属性】
技术研发人员：程伟，杨丽丹，杨顺作，杨丽香，杨金燕，杨丽霞，
申请(专利权)人：深圳市欣精艺科技有限公司，
类型：发明
国别省市：