基于特征分割识别的点云配准

针对大型工业零件难以一次扫描点云模型的问题,基于工业零件包含大量规则面(平面、柱面、锥面)的特点设计了一种点云的自动配准方法.首先,提出一种基于生长区域算法的点云配准预处理算法并实现,将点云基于曲率变化和连续性分割成多个子点云,再基于特征面提取出子点云的特征属性(法线、轴线);其次,设计出一种点云粗配准方法并完成粗配准...     

三维模型重建中点云ICP拼接算法的改进

提出一种以不同视野下的点云为处理对象,自动进行点云配准的拼接算法.该算法首先利用点云的曲率、法矢量等几何信息,计算出初次拼接变换,并用几何哈希的方法筛选出最优的变换,完成初次拼接.然后改进最近点迭代法(iterative closest point,ICP)中最近点的选取方法:对点云A中的测点,先求出另一点云B中与其最近的3个点,并由这3个点构成一个三角形,把测点到三角形的垂足作为测点的最近点.并用该算法对点云进行再次拼接.最后基于该算法实现了对车头模型的配准.结果表明,该算法具有较高的配准精度.     

基于点云深度学习的散乱堆叠轴承圈位姿检测

为解决工业应用中散乱堆叠轴承圈的难识别、分割与抓取问题，提出一种分层递进随机下采样算法对采集的点云模型进行下采样操作，并结合提出的基于RGB阈值自动标注算法完成数据集的制作，利用PointNet++网络预测并分割出可抓取轴承圈上表面，进而使用RANSAC算法精确分割出待抓取轴承圈上表面，最后采用防干涉的抓取点选取策略完成待抓取轴承圈的位姿检测。实际场景下三组抓取实验得到的成功率均在98%以上，验证了其有效性。     

基于三维图像处理的车刀磨损缺陷检测方法研究

针对目前车刀磨损检测中所获取的二维图像处理无法提取车刀磨损区域三维特征的问题，提出一种基于结构光投影技术的方法，提取车刀磨损区域三维特征信息。对获取的信息进行分割，分离车刀中的垫片点云和刀头部分点云；然后对垫片点云进行最小二乘拟合平面处理，将拟合的平面与刀头部分点云进行最大距离求解，并用标准量块进行实际物理距离换算；最终获得刀头的最大实际磨损量，为工人更换刀头提供数据参考。实验结果表明：在对车刀进行磨损区域量化处理中，该方法可以获取车刀刀头的具体磨损量值，且具有较高的精度和较低的经济成本，该系统的误差小于0.05 mm,可满足实际生产需求。     

基于改进图像结构算法的钣金件特征点识别

针对平面钣金件轮廓特征点识别中，特征点受边缘噪声影响，易出现伪特征点、切点难识别及特征点识别定位精度低等问题，提出了一种基于改进图像结构算法的平面钣金件轮廓特征点识别方法。首先，对特征点进行粗提取，通过判断轮廓点两相邻轮廓段的类型，并计算轮廓点间斜率差的绝对值，将斜率差的绝对值和阈值比较，分别获取切点和角点的候选特征点集；其次，进行特征点精确识别，将候选特征点进行分组融合，并引入直线度指标对线段轮廓上的伪特征点进行滤除，最终完成特征点的准确识别。实验结果表明改进的识别算法可以准确地识别平面钣金件轮廓特征点，能够滤除掉所有伪特征点，识别精度更高。     

Z-map模型点云的边界提取及光顺处理

针对一组具有型腔曲面特征的点云,利用分层切削法,并借鉴刘炉山提出的求解截面数据点的算法,提出分层提取边界的算法.将点云网格化,确定分层平面,在每个分层平面上求出边界点集,并区分出分别属于型腔和岛屿的边界点,利用B样条曲线拟合技术进行光顺处理.实际应用结果表明:采用该方法进行边界线的提取,运算速度快,效果较好.     

基于有向点云数据的二次曲面拟合算法

针对有向点云数据的特点,提出了一种基于几何距离的二次曲面（如平面、球面、圆柱面）拟合算法。该算法利用非线性最小二乘法Levenberg-Marquardt进行求解,并基于二次曲面的高斯图特性给出了拟合算法的初始值估计方法。实验证明所提出的拟合算法能够有效地解决有向点云数据的二次曲面拟合问题。     

基于结构光的焊缝表面质量检测

焊接质量检测是保证焊接质量的重要技术手段,人工检测焊接质量存在主观性强、效率低、准确率低等问题,为此提出了一种基于结构光的焊缝表面质量检测方法.首先,搭建了基于工业机器人和面结构光传感器的焊缝质量检测系统;其次,分析了焊接件的表面点云,采用随机采样一致性算法拟合平面以分割出焊缝点云,利用主成分分析算法得到焊缝点云的主方...     

基于点云三维重建的装配件尺寸测量系统北大核心

针对机械加工偏差和人为因素,造成装配面间几何尺寸信息不匹配,而采用人工检测效率低、重复性差,难以满足工厂在线实时检测要求等问题,提出一种基于点云三维重建的装配件实时在线测量系统。以点与点间存在的内在约束作为先验引导信息,提出改进的RANSAC算法来检测并剔除异常数据点,显著减少算法耗时同时大幅提高了平面特征的提取准确率;再利用最小二乘法对剩余有效点进行拟合,对法兰盘工件重建三维模型并进行关键尺寸测量。实验结果表明,基于点云三维重建的工件尺寸测量方法有较好的准确性和检测效率,法兰盘工件测量过程耗时约5.6 s,测量标准误差在±0.16 mm以内,测量误差不超过0.30 mm,满足了工件测量的实时性和准确性要求。     

带有矩形参照物的可程序化点云精确拼接算法

针对带有矩形参照物的待拼接点云,提出了一种确立参照点的矩形对角点拼接点云算法,即使用参照物顶面平面方程,缩小寻求顶面点云的范围,然后使用划分平面保留顶面点云;通过去除噪声点及最大值算法,较准确地确定了参照物顶面的四个对角参照点,并初步估计了精度;通过这些参照点,可以获得拼接变换矩阵的参数。本算法是一种数值算法,有利于结合逆向工程软件与编程软件进行程序化实现。     

面向铸件自动化打磨的点云精简方法

由于铸件自动化打磨作业中存在点云数据过冗余等问题，导致数据处理时间过长，影响加工效率。为了提高点云处理的计算效率，提出一种基于线性耦合曲率的点云精简方法，以兼具效率和精度。对源扫描点云构建K-d树数据结构，并提出更稳健的线性耦合曲率特征模型以提取特征域；在此基础上，利用改进空间二分法快速精简非特征域；最后融合特征域和精简后的非特征域，得到最终精简结果。结果表明：该方法可得准确的精简比，拟合曲面模型仅存在微小的数据空洞。在90%精简比、2.7%噪声比条件下，保形性误差为0.867 mm，优于传统的点云精简方法，能够实现铸件点云的高效精简。     

快速成型中STL模型直接切片新算法研究

提出基于快速成型中STL模型直接切片新算法。读取二进制STL模型信息,创建三角面片矩阵;采用二分查找算法实现三角面片与切平面相交分组;再对每一组中三角面片与相交切平面求其交点获得相交线段,去除相交线段间的冗余节点;最后用深度优先搜索算法对切平面中相交线段优化创建轮廓线路径。此算法避免了切平面与三角面片位置关系的判断和建立三角面片之间拓扑信息关系,在切片耗时上具有明显的优势。     

基于VMD混合域特征和SSA-SVM的滚动轴承故障诊断

滚动轴承早期故障信号易受噪声干扰,故障冲击成分难以提取,故障识别困难。为从多角度提取故障轴承振动信号特征参数,利用变分模态分解(VMD)将振动信号分解为若干本征模态分量(IMFs),基于包络熵、相关系数、峭度筛选IMF分量。提取所选IMF的时域和频域特征、信号VMD能量熵及各IMF能量比组成特征向量,从时域、频域和能量角度反映故障信息。使用麻雀搜索算法(SSA)优化SVM参数,确定最优参数,克服参数选择难题。将样本特征向量输入SSA-SVM中进行故障分类,轴承故障实验数据表明：该方法故障识别平均准确率在98.71%以上;与单一域特征相比,该方法对故障类型和损伤程度识别效果更佳。     

基于NV-SEC的复杂箱体特征尺寸提取方法及应用

为了实现导弹发射箱的自动化打磨工序,必须提取复杂箱体的特征尺寸。通过三维激光扫描技术得到发射箱的点云数据后,对其进行分析,提出了一种基于法向量和排序欧式聚类(Normal Vector and Sorted Euclidean Clustering,NV-SEC)的箱体类零件特征尺寸快速提取方法。该方法首先以箱体点云模型中各点法向量的不同为判断依据,将箱体所有的环筋边缘信息提取出来,并采用改进的排序欧式聚类分割算法,得到有序的单根环筋的边缘信息,从而进一步求得箱体的宽度尺寸。实验结果表明,该方法可以满足箱体自动化打磨的要求,可以大幅度提高箱体环筋与纵筋装配质量,提高箱体加工效率。     

一种基于点云的机械手抓取方法

针对传统的机械手抓取方法难以获得可靠抓取位姿的问题，提出一种基于点云的抓取方法。通过深度相机获得工作空间的部分点云；采用GPD法在点云空间采样候选抓取位姿；最后，通过自主设计的评估模型筛选出高质量的抓取位姿。基于所提方法，搭建了完整的自主抓取系统，对多种物体进行实际抓取实验。结果表明：算法能有效地检测出可靠的抓取位姿，且对未知物体的泛化性良好，抓取成功率和抓取完成度较传统方法有明显提升，能够满足各类抓取任务的需求。     

复杂型面链轨节实体模型重构研究

为了获取某型面复杂且具有配合精度要求的链轨节实体模型,对其实体模型重构方法进行研究。运用遗传算法优化的BP神经网络修补点云孔洞,通过精确曲面创建得到的链轨节实体模型不能满足销轴孔和螺栓孔的配合精度要求。提出了在Geomagic Design X软件中,基于面片草图拟合约束对精度要求较高的两类孔进行参数化修正,完成该链轨节实体模型重构。通过分析点云数据与实体模型的偏差,验证了利用该建模方法能够获得满足精度要求的链轨节实体模型,对具有相似特征零件的模型重构具有借鉴意义。     

基于多尺度几何分析的区域分割算法研究

针对逆向工程基于种子增长区域分割法中种子区域选择和种子增长问题,提出了一种将多尺度理论与区域增长法相结合的点云自动分割方法.采用曲率尺度空间实现多尺度几何分析和特征检测;以多尺度特征检测中大尺度下特征检测作为初始种子区域;基于多尺度特征检测结果之间的相关性,提出按照多尺度特征检测结果进行种子增长;利用转角作为种子是否增长的度量标准;通过特征融合实现特征分割的优化.用多尺度几何分析代替传统单一尺度分析,保证了种子区域选择的稳定性和种子增长方式的可靠性.激光扫描曲面点云分割实例表明:提出的方法可以有效地实现逆向工程特征分割.     

基于YOLOv7-mask和ORB-SLAM2的语义八叉树地图构建

针对传统视觉SLAM构建的地图不具有语义信息的问题，提出一种基于深度学习算法的八叉树地图构建方法。该方法采用YOLOv7-mask对图像进行实例分割，得到像素所属类别信息，生成语义灰度图，并结合ORB-SLAM2,将新关键帧投影生成语义点云地图，最终将语义点云地图转换成语义八叉树地图进行存储。通过搭建实验平台，构建了不同状况下实验室场景的语义八叉树地图，验证了所提方法的可行性。     

立体视觉测量中的摄像机优化布局

通过合理布置摄像机的安装方位,可迸一步提高立体视觉测量系统的测量精度.将遗传算法应用于求解摄像机优化布局的问题,以摄像机安装方位参数为优化变量,并将摄像机优化布局的目标确定为:寻求最佳的摄像机安装方位参数,使空间点目标的三维重构不确定度最小.采用三维重构不确定度两阶估计方法,即同时考虑摄像机标定和空间点目标三维重构过程中的不确定度传递问题.在Matlab环境下,利用GATBX遗传算法工具箱对该方法进行验证.仿真实验结果表明:经过50代遗传迭代后,可得到优化变量的最优解.