[發明專利]一種基于降維和點云數據匹配的電池外觀缺陷檢測方法在審
| 申請號： | 201810401076.3 | 申請日： | 2018-04-28 |
| 公開（公告）號： | CN109523501A | 公開（公告）日： | 2019-03-26 |
| 發明（設計）人： | 羅印升;李小妹;宋偉 | 申請（專利權）人： | 江蘇理工學院 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06T7/50;G06T3/00;G06K9/62;G01N21/88 |
| 代理公司： | 常州佰業騰飛專利代理事務所(普通合伙) 32231 | 代理人： | 劉松 |
| 地址： | 213001 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 點云數據 電池外觀 缺陷區域 配準 匹配 二維圖像 剛性變換 檢測電池 缺陷檢測 降維 機器視覺檢測 三維點云數據 標準電池 檢測技術 匹配搜索 平面缺陷 三維圖像 特征點 約束性 檢測 準確率 采樣 算法 優化 驗證 | ||
1.一種基于降維和點云數據匹配的電池外觀缺陷檢測方法，其特征在于，包括如下步驟：
步驟1：用3D相機獲取待檢測電池的三維點云數據；
步驟2：采用PCA降維算法將點云數據進行降維；
步驟3：采用二維平面缺陷檢測技術，得到待檢測電池的缺陷區域，提取缺陷區域的點云數據；
步驟4：根據待檢測電池的缺陷區域，提取出標準電池相同區域的點云數據；
步驟5：讀入采集到的待檢測電池缺陷區域的點云P和標準電池相同區域的點云Q；
步驟6：分別計算點云P和點云Q的密度，并從點云P中隨機選取若干個點構成特征點集S1，從點云Q中隨機選取若干個點構成特征點集S2；
步驟7：分別計算特征點集S1和S2中每個特征點的局部旋轉平移不變坐標系；
步驟8：根據局部旋轉平移不變坐標系計算每個特征點的高維特征描述，對點云Q與點云P進行特征點匹配，獲得初匹配點集C；
步驟9：利用隨機采樣一致算法去除初匹配點集C中的誤匹配，利用奇異值分解法計算獲得旋轉矩陣R和平移矩陣T，得到待檢測電池缺陷區域的點云和標準電池相同區域的點云的粗配準結果；
步驟10：判斷粗配準結果是否滿足剛性變換一致性條件，若是，則進入步驟11；若否，則判定配準失敗，電池有缺陷，不符合要求；
步驟11：采用ICP算法優化所述旋轉矩陣R和平移矩陣T，獲得待檢測電池缺陷區域的點云P和標準電池相同區域的點云Q的精確配準結果。
2.如權利要求1所述的一種基于降維和點云數據匹配的電池外觀缺陷檢測方法，其特征在于，步驟2中，采用PCA降維算法將點云數據進行降維包括如下步驟：
步驟2.1：采用PCA降維算法，設有m條3維數據，將點云數據按列組成3行m列矩陣X；
將矩陣X的每一行進行零均值化，即減去這一行的均值；
求出協方差矩陣根據協方差矩陣求出它的特征值λ及其對應特征向量r；
步驟2.2：將特征向量r按對應特征值大小從上到下按行排列成矩陣，取前2行組成矩陣P，Y＝PX即為降維到2維后的數據。
3.如權利要求1所述的一種基于降維和點云數據匹配的電池外觀缺陷檢測方法，其特征在于，步驟3中，對圖像進行預處理，采用二維圖像檢測技術，分析出手機電池表面的缺陷區域，再對該缺陷區域進行點云數據獲取。
4.如權利要求1所述的一種基于降維和點云數據匹配的電池外觀缺陷檢測方法，其特征在于，步驟6具體包括如下步驟：
步驟6.1：采用最鄰近搜索方法計算待檢測電池缺陷區域的點云P和標準電池相同區域的點云Q中每個點的最鄰近點；
并計算每個點云的點云密度計算點-最鄰近點||/N；
步驟6.2：設定特征點采樣比例h1和h2，從待檢測電池缺陷區域的點云P和標準電池相同區域的點云Q中分別隨機采樣，得到待檢測電池缺陷區域的點云P的特征點集和標準電池相同區域的點云Q的特征點集
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于江蘇理工學院，未經江蘇理工學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810401076.3/1.html，轉載請聲明來源鉆瓜專利網。
