[發明專利]基于刀尖三維重建的磨損檢測方法、裝置、終端及介質

在審

• 申請號: 202210096485.3
• 申請日: 2022-01-26
• 公開（公告）號: CN114596261A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 王濤;覃樹聰;彭業萍;陳偉;羅顯博;王浩賢;胡翊浠;林德權;羅沚晴
• 申請（專利權）人: 深圳職業技術學院;深圳大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/593;G06T7/62;G06T7/73;G06T17/20
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 朱陽波

1.基于刀尖三維重建的磨損檢測方法，其特征在于，包括：

采集刀尖的序列圖像；

基于所述序列圖像，獲得所述刀尖的深度信息；

基于所述深度信息，構建所述刀尖的三維點云封閉模型；

對所述三維點云封閉模型進行曲面重建，獲得所述刀尖的三維網格模型；

基于所述三維網格模型，獲得所述刀尖的體積；

比較所述體積和預先獲取的標準體積，獲得所述刀尖的磨損結果，所述標準體積為所述刀尖未磨損時的體積。

2.如權利要求1所述的基于刀尖三維重建的磨損檢測方法，其特征在于，所述基于所述序列圖像，獲得所述刀尖的深度信息，包括：

依次獲取所述序列圖像中每一圖像幀的每個像素點的清晰度值；

基于所述像素點的位置，在所述序列圖像的所有圖像幀中依次獲得每個位置的清晰度值最大的像素點；

基于所述清晰度值最大的像素點所屬圖像幀在所述序列圖像中的位置，獲得所述清晰度值最大的像素點的深度值；

基于所有位置的深度值，獲得所述刀尖的深度信息。

3.如權利要求2所述的基于刀尖三維重建的磨損檢測方法，其特征在于，所述依次獲取所述序列圖像中每一圖像幀的每個像素點的清晰度值，包括：

根據非下采樣剪切波變換獲得所述圖像幀的高頻信息；

基于所述高頻信息，根據拉普拉斯算法獲得所述圖像幀的每個像素點不同尺度和不同剪切方向的梯度值；

對不同尺度和不同剪切方向的梯度值進行加權平均，獲得清晰度值。

4.如權利要求1所述的基于刀尖三維重建的磨損檢測方法，其特征在于，所述采集刀尖的序列圖像，包括：

設定拍攝裝置的傾斜角度；

基于所述傾斜角度，連續拍攝所述刀尖的圖像獲得所述序列圖像。

5.如權利要求1所述的基于刀尖三維重建的磨損檢測方法，其特征在于，所述基于所述深度信息，構建所述刀尖的三維點云封閉模型，包括：

基于所述深度信息，構建所述刀尖的三維點云模型；

在所述三維點云模型的底部和側面增加點云信息，獲得所述封閉三維點云模型。

6.如權利要求5所述的基于刀尖三維重建的磨損檢測方法，其特征在于，所述基于所述深度信息，構建所述刀尖的三維點云模型，包括：

基于所述深度信息和所述深度信息對應的像素點的位置，生成點云三維坐標；

基于所述點云三維坐標，獲得所述刀尖的三維點云模型。

7.如權利要求1所述的基于刀尖三維重建的磨損檢測方法，其特征在于，所述基于所述三維網格模型，獲得所述刀尖的體積，包括：

基于所述三維網格模型，根據點云最小包絡多面體法獲得所述刀尖的體積。

8.基于刀尖三維重建的磨損檢測裝置，其特征在于，所述裝置包括：

圖像獲取模塊，用于采集刀尖的序列圖像；

深度信息獲取模塊，用于基于所述序列圖像，獲得所述刀尖的深度信息；

三維模型獲取模塊，用于基于所述深度信息，構建所述刀尖的三維點云封閉模型；

曲面重建模塊，用于對所述三維點云封閉模型進行曲面重建，獲得所述刀尖的三維網格模型；

刀尖體積獲取模塊，用于基于所述三維網格模型，獲得所述刀尖的體積；

磨損結果獲取模塊，用于比較所述體積和預先獲取的標準體積，獲得所述刀尖的磨損結果，所述標準體積為所述刀尖未磨損時的體積。

9.智能終端，其特征在于，所述智能終端包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上運行的基于刀尖三維重建的磨損檢測程序，所述基于刀尖三維重建的磨損檢測程序被所述處理器執行時實現如權利要求1-7任意一項所述基于刀尖三維重建的磨損檢測方法的步驟。

10.計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有基于刀尖三維重建的磨損檢測程序，所述基于刀尖三維重建的磨損檢測程序被處理器執行時實現如權利要求1-7任意一項所述基于刀尖三維重建的磨損檢測方法的步驟。