[发明专利]基于点云数据的三维曲面监控方法、系统及可读介质

权利要求书

1.一种基于点云数据的三维曲面监控方法，其特征在于，包括以下步骤：

步骤1：表面数据测量；通过高清测量设备对三维表面进行测量，获表面高密度点云数据；

步骤2：曲面点云分离；对获得的点云数据中的噪点进行去除，提取曲面边界，从而将曲面点云分离出来；

步骤3：子区域特征计算；对曲面进行子区域划分，分别计算每个子区域的特征；

步骤4：曲面质量特征提取；以数模点云为参考，识别测量点云的不合格子区域，对不合格子区域进行聚类，根据聚类结果定义曲面的质量特征参数；以曲面数模的小波包熵和法矢偏移角度为参考，识别测量点云中超出界限的子区域；对超出界限的子区域进行聚类分析，根据聚类结果定义曲面的质量特征参数，从而实现曲面质量特征提取；

步骤5：曲面监控；通过监控曲面质量特征参数实现对曲面制造过程的监控，并根据聚类结果识别曲面缺陷的位置。

2.根据权利要求1所述的基于点云数据的三维曲面监控方法，其特征在于，所述步骤2包括：

通过孤立点法和k近邻法，去除由表面反光和测量环境导致的噪点；在边界提取中，根据测量点的Z坐标值在曲面上和平面上存在大于预设阈值的差异特点，提取曲面边界，然后以该边界为限定区域，将曲面点云分离出来。

3.根据权利要求2所述的基于点云数据的三维曲面监控方法，其特征在于，步骤2：曲面点云分离，首先通过孤立点法和K近邻法对于点云数据中的噪点进行去除；精加工抛光面反光产生的噪点表现出数量少且孤立的特点；由于高清测量设备在扫描过程中存在未采集到的点并标记为NAN，计算标记为NAN的相邻点之间非NAN点的数量；如果数量小于设定的阈值，则将这些非NAN点视为噪点并去除；K近邻法去除不明显的噪点；对于点云数据的一个点P_i，统计点P_i最近邻的K个点，即P_i1,P_i2...,P_iK，并计算点P_i与这K个最近邻点的距离；考虑到最近邻点可能包含噪点或缺失点，K的取值通常为K≤4；曲面点云各点的K近邻距离符合高斯分布的3σ规律，但是噪点不满足高斯分布的3σ规律；σ是均方误差，其计算公式为：

其中，Num是曲面点云数据点的数量；点云中每个点的平均K最近邻距离dist通过计算得到；将[dist-3σ，dist+3σ]设置为标准区间，K近邻距离在标准区间范围内的点为离群点并去除这些离群点；

然后通过曲面边界提取实现曲面点云数据分离；测量点的Z坐标值在曲面上和平面上存在较大差异：如果测量点位于曲面边界所在的平面上，则该点的Z坐标值近似于零；否则，则该点属于曲面上的点；类似地，如果点云中一行测量点都在曲面边界所在的平面上，则该行测量点的Z坐标平均值也近似为零；否则，该行测量点包含曲面上的点；点云中第k行测量点的Z坐标平均值Z_kmean的计算公式为：

Z_kmean＝(∑Z_km)/n_k

其中，Z_km表示点云中第k行的第m个点的Z坐标值，n_k表示点云中第k行点的个数；每一行/列的边界点范围内的点为曲面上的点，边界点范围外的点为平面上的点；按照该规律遍历点云的全部行/列，即可实现平面点云和曲面点云的分离。

4.根据权利要求3所述的基于点云数据的三维曲面监控方法，其特征在于，

步骤3：子区域特征评；首先，将曲面分成M×N个子区域，M和N都是整数，每个子区域包含几十个点；然后，以小波包熵和法矢偏移角度为评价指标评价子区域的特征；小波包熵的计算是基于表面的小波包变换进行的，其计算公式为：

其中，{p_i|i＝1,2,…,m}是小波包各尺度的能量序列分布，m是小波包分解的尺度；

通过最小二乘法对子区域进行拟合，子区域最小二乘面的表达式为z＝a₁x+a₂y+a₃，可以得到子区域的法向矢量为(a₁，a₂，-1)；法向矢量偏移角度是测量曲面子区域的法向矢量与数模曲面相同子区域的法向矢量之间的夹角，取其中的锐角作为子区域的偏移角度。