【技术实现步骤摘要】
本专利技术涉及机器视觉的检测，具体为一种基于机器视觉的3d模型表面检测方法。
技术介绍
1、随着3d打印技术的飞速发展，市场上涌现出各种各样的3d打印模型。然而，3d打印得到的模型的表面通常存在一些瑕疵，比如表面粗糙度较高或平整性不佳。因此通常需要对3d模型表面进行检测，得到模型表面准确的瑕疵位置，进一步对这些瑕疵进行加工处理，以获得质量更好的3d模型。
2、现有技术通常根据图像处理的方法，利用点云配准算法对3d模型表面进行检测，但是传统的点云配准算法通常根据欧氏距离来获取匹配点对，忽略了3d模型的缺陷结构以及细节特征，容易产生一定数量的错误点对，导致点云配准的准确度较低，从而使得对3d模型表面瑕疵检测的准确度较低。
技术实现思路
1、本专利技术的目的在于提供通过待测3d模型点云图像与对应的标准3d模型点云图像之间的3d结构变化强度差异，以及3d模型粗糙程度差异对点云配准算法中的度量距离进行改进的方法，对应点云配准的准确度更高，从而使得对3d模型表面瑕疵检测的准确度更高的一种基于机器视觉的3d模型表面检测方法。
2、本专利技术是这样实现的：
3、一种基于机器视觉的3d模型表面检测方法，
4、包括：获取待测3d模型点云图像和对应的标准3d模型点云图像；
5、在3d模型点云图像中，任选一个模型点云数据点作为目标模型点云数据点；将目标模型点云数据点及其近邻的模型点云数据点，作为参考模型点云数据点；根据参考模型点云数据点在所有参考
6、根据法向量夹角的分布情况以及对应模型夹角相似度的差异分布情况，得到目标模型点云数据点对应的3d结构变化强度；根据所有参考模型点云数据点的空间位置分布情况以及对应的法向量夹角差异分布情况，得到目标模型点云数据点对应的3d模型粗糙程度；根据待测3d模型点云图像与对应的标准3d模型点云图像之间的3d结构变化强度差异，以及3d模型粗糙程度差异对点云配准算法中的度量距离进行改进，得到每个度量距离对应的改进度量距离；根据改进度量距离通过点云配准算法进行3d模型表面检测。
7、进一步地，所述3d结构变化强度的获取方法包括：
8、将所有突变夹角随机排列，得到突变夹角序列；将每个法向量夹角与所有突变夹角之间的模型夹角相似度以突变夹角序列的顺序排列，得到每个法向量夹角的模型夹角相似度序列；将所有法向量夹角随机排列，得到法向量夹角序列；将法向量夹角序列中所有法向量夹角的角度值的变异系数，作为目标模型点云数据点的模型差异特征值；
9、在法向量夹角序列中，将最后一个法向量夹角作为第一个法向量夹角的前一个法向量夹角，根据每个法向量夹角与前一个法向量夹角对应的模型夹角相似度序列之间的动态时间弯曲距离，得到每个法向量夹角的模型整体相似指数；将每个法向量夹角对应的所有模型夹角相似度的负相关映射值的均值，作为每个法向量夹角的模型平均相似指数；将每个法向量夹角的模型整体相似指数与模型平均相似指数的乘积，作为每个法向量夹角的模型参考相似指数；将所有法向量夹角的模型参考相似指数的累加值，作为目标模型点云数据点的模型相似特征值；
10、根据所述模型差异特征值与所述模型相似特征值得到目标模型点云数据的3d结构变化强度，所述模型差异特征值与所述模型相似特征值均与所述3d结构变化强度呈正相关。
11、进一步地，所述3d模型粗糙程度的获取方法包括：
12、对3d模型点云图像通过sift算法进行特征点检测，得到3d模型点云图像中的所有特征点；
13、若参考模型点云数据点中的特征点数量少于两个，则根据角度值最小的法向量夹角与角度值最大的法向量夹角，构成目标模型点云数据点的特征点夹角序列；若参考模型点云数据点中的特征点数量大于或等于两个，则根据其中所有特征点的法向量夹角，构成目标模型点云数据点的特征点夹角序列；
14、获取特征点夹角序列的差分序列，将差分序列中所有数据的数据熵，作为目标模型点云数据点的局部混乱程度；将差分序列中数值相等的数据作为一种数据，将所有种类数据对应的数据数量的负相关映射值的累加值，作为目标模型点云数据点的离散程度；根据所述离散程度和所述局部混乱程度得到目标模型点云数据点的3d模型粗糙程度，所述离散程度和所述局部混乱程度均与所述3d模型粗糙程度呈正相关。
15、进一步地，所述改进度量距离的获取方法包括：
16、在待测3d模型点云图像中，任选一个模型点云数据点作为参考待测模型点云数据点；在标准3d模型点云图像中，任选一个模型点云数据点作为参考标准模型点云数据点；
17、将根据点云配准算法得到的参考待测模型点云数据点与参考标准模型点云数据点之间的度量距离，作为参考度量距离；将参考待测模型点云数据点与参考标准模型点云数据点之间的3d结构变化强度的差异，作为参考3d结构变化强度差异；将参考待测模型点云数据点与参考标准模型点云数据点之间的3d模型粗糙程度的差异，作为参考3d模型粗糙程度差异；将所述参考3d结构变化强度差异和所述参考3d模型粗糙程度差异之间的乘积与所述参考度量距离的和值，作为参考度量距离对应的改进度量距离。
18、进一步地，所述根据改进度量距离通过点云配准算法进行3d模型表面检测的方法包括：
19、将改进度量距离作为icp点云配准算法中的度量距离继续进行点云配准，得到点云配准结果；根据点云配准结果中配准失败的模型点云数据点进行3d模型表面检测。
20、进一步地，所述模型夹角相似度的获取方法包括：
21、将每个法向量夹角与每个突变夹角之间的角度差异的负相关映射值，作为每个法向量夹角与每个突变夹角之间的模型夹角相似度。
22、进一步地，所述法向量夹角的获取方法包括：
23、将每个参考模型点云数据点在对应拟合曲面上的法向量，作为每个参考模型点云数据点对应的参考法向量；将任意两个参考法向量之间的夹角，作为法向量夹角。
24、进一步地，所述突变夹角的获取方法包括：
25、将所有法向量夹角随机排列，得到法向量夹角序列；
26、对所述法向量夹角序列进行突变点检测，若突变点检测结果中存在突变点，则将法向量夹角序列中的突变点对应的法向量夹角作为突变夹角；若突变点检测结果中不存在突变点，则将法向量夹角序列中角度值最大的法向量夹角作为突变夹角。
27、进一步地，所述根据所述模型差异特征值与所述模型相似特征值得到目标模型点云数据的3d结构变化强度的方法包括：
28、将所述模型差异特征值与所述模型相似特征值的乘积向下取整，得到目标模型点云数据的3d结构变化强度。
2本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的3D模型表面检测方法，其特征在于：方法包括：
2.根据权利要求1所述的一种基于机器视觉的3D模型表面检测方法，其特征在于，所述3D结构变化强度的获取方法包括：
3.根据权利要求1所述的一种基于机器视觉的3D模型表面检测方法，其特征在于，所述3D模型粗糙程度的获取方法包括：
4.根据权利要求1所述的一种基于机器视觉的3D模型表面检测方法，其特征在于，改进度量距离的获取方法包括：
5.根据权利要求1所述的一种基于机器视觉的3D模型表面检测方法，其特征在于，根据改进度量距离通过点云配准算法进行3D模型表面检测的方法包括：
6.根据权利要求1所述的一种基于机器视觉的3D模型表面检测方法，其特征在于，所述模型夹角相似度的获取方法包括：
7.根据权利要求1所述的一种基于机器视觉的3D模型表面检测方法，其特征在于，所述法向量夹角的获取方法包括：
8.根据权利要求1所述的一种基于机器视觉的3D模型表面检测方法，其特征在于，所述突变夹角的获取方法包括：
9.根据权利要求2所述的一种
10.根据权利要求3所述的基于机器视觉的3D模型表面检测方法，其特征在于，所述离散程度和所述局部混乱程度得到目标模型点云数据点的3D模型粗糙程度的方法包括：
...【技术特征摘要】
1.一种基于机器视觉的3d模型表面检测方法，其特征在于：方法包括：
2.根据权利要求1所述的一种基于机器视觉的3d模型表面检测方法，其特征在于，所述3d结构变化强度的获取方法包括：
3.根据权利要求1所述的一种基于机器视觉的3d模型表面检测方法，其特征在于，所述3d模型粗糙程度的获取方法包括：
4.根据权利要求1所述的一种基于机器视觉的3d模型表面检测方法，其特征在于，改进度量距离的获取方法包括：
5.根据权利要求1所述的一种基于机器视觉的3d模型表面检测方法，其特征在于，根据改进度量距离通过点云配准算法进行3d模型表面检测的方法包括：
6.根据权利要求1所述的一种基于机器视觉的3d...
【专利技术属性】
技术研发人员：陆杰，
申请(专利权)人：苏州伯克利克科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。