[发明专利]一种基于点云数据的轮胎胎角性质检测方法

说明书

本发明属于化工行业中轮胎生产领域，具体涉及一种基于点云数据的轮胎胎角性质检测方法，步骤如下:1)利用三维点云激光成像设备扫描生产线中待检测的轮胎；2)根据采集的轮胎点云数据通过图像处理方法定位轮胎胎角位置；3)根据扫描的轮胎点云数据通过计算轮胎胎角位置的主方向曲率判定轮胎胎角性质。本发明解决了现有技术中轮胎胎角性质判别准确度低、误差大的问题，大大降低了劳动强度，提高了检测效率。

技术领域

本发明属于化工行业中轮胎生产领域，具体涉及一种基于点云数据的轮胎胎角性质检测方法。

背景技术

在轮胎生产过程中，需要在生产线上根据轮胎胚胎的胎角性质选择相应的刮刀将轮胎胎角切割成成品轮胎所需要的形状。轮胎胚胎胎角性质的判定对于刮刀类型的选择起着决定性作用，如果胎角性质判断错误将导致生产线选择错误的刮刀，进而使得生产出来的轮胎不符合要求，最终导致轮胎报废。

目前，尚未有在基于点云数据的轮胎胎角性质检测方面的文献出现。

发明内容

本发明的目的是为了提高轮胎胎角性质判定的准确性，提高轮胎生产线的自动化程度。

为此，本发明提供了一种基于点云数据的轮胎胎角性质检测方法，包括如下步骤：

步骤1)，利用三维点云激光成像设备扫描生产线中待检测的轮胎；

步骤2)，根据采集的轮胎点云数据通过图像处理方法定位轮胎胎角位置；

步骤3)，根据采集的轮胎点云数据通过计算轮胎胎角位置的主方向曲率判定轮胎胎角性质。

步骤2)中所述通过图像处理方法定位轮胎胎角位置按如下步骤进行：

(1)根据采集的点云数据中各数据点的位置关系剔除不属于轮胎部分的点云数据；

(2)以轮胎点云数据中的y坐标均值y₀为基准点，选取y坐标处于[y₀-Δy,y₀+Δy]范围内的轮胎点云数据；

其中，Δy为采样距离，为整数值，根据点云数据y坐标的最大值y_max和最小值y_min确定，一般满足即可；

(3)在选中的轮胎点云数据中沿着y轴，以间隔1mm为单位切割点云数据，共得到2*Δy+1个二维切片点云数据，即2*Δy+1幅图像；

(4)对于每一幅图像，根据胎角位置一般与图像边界距离较近的特性，利用连通分量标记的方法提取连通分量最大的区域作为胎角位置区域；

(5)在每一幅图像中，对胎角位置区域进行细化处理，将该区域处理成为单像素宽度的曲线；

(6)在每一幅图像中，利用Harris角点检测方法检测细化后的曲线中的角点，将检测到的角点坐标(x_i,z_i)作为该图像中的轮胎胎角位置，同时根据该图像所对应的y坐标值y_i确定点云数据中的轮胎胎角位置(x_i,y_i,z_i)；

其中，下标i指的是图像的序号。

步骤3)中所述通过计算轮胎胎角位置的主方向曲率判定轮胎胎角性质按如下步骤进行：

(1)在选中的点云数据中，计算每个数据点对应的法向量；

(2)在选中的点云数据中，根据所计算的法向量计算每个数据点的高斯曲率k_Gaussian和均值曲率k_Mean；

(3)利用高斯曲率和均值曲率计算每个数据点的两个主方向曲率中的较大值