[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

说明书

本发明提供了一种基于点云数据的三维曲面监控方法、系统及可读介质，包括：对三维表面进行测量，获得测量点的三维坐标数据；对测量噪点进行去除，并将曲面点云从测量点云中分离出来；通过曲面划分将三维曲面点云分割成若干平面子区域，计算平面子区域的小波包熵和法矢偏移角度；以曲面数模点云为参考，识别测量三维曲面点云的不合格子区域，对不合格子区域进行聚类，根据聚类结果定义三维曲面的质量特征参数；通过监控曲面质量特征参数实现对三维曲面制造过程的监控，并根据聚类结果识别三维曲面缺陷的位置。本发明可以应用于任意形状的三维曲面，能够准确监控三维曲面制造过程并检测制造过程失控状态下曲面缺陷的位置。

技术领域

本发明涉及零件表面的制造过程监控，具体地，涉及一种基于点云数据的三维曲面监控方法、系统及可读介质。

背景技术

零件表面质量对产品性能非常重要，通过对表面质量特征进行监控可以为表面质量改善提供依据。目前关于表面监控的研究主要集中在平面，主要方法包括：1)图像监控，即通过图像采集系统实时可靠地获取与制造产品质量有关的重要信息并用于产品制造过程监控，现有基于图像监控的研究集中在通过空间控制图检测故障的位置/大小和通过统计监控方法快速检测故障两个方面。虽然图像监控方法能够检测图像中出现多个故障的情况，并且估计故障的大小、位置以及变化点，但是该类方法只适用于二维图像数据，难以扩展到三维曲面监控。2)轮廓监控，加工产品的质量通常与受几何公差约束的表面形状有关，通过统计质量监控可以快速检测与标称模式的不需要的偏差。这类方法通常通过空间信息对二维/三维表面的空间特征或轮廓进行建模，实现过程故障快速检测和故障原因准确识别，为过程改进提供诊断信息。但是大多数文献都侧重于统计轮廓监控，而对表面监控的研究却很少。

随着高清晰测量技术的发展，通过测量高密度点云数据可以反映整个表面轮廓，为表面质量监控提供了机会。基于这种测量的点云数据进行分析，可以提升三维曲面的监控性能，为产品质量控制提供更加丰富的信息。

Colosimo等在论文“From profile to surface monitoring：SPC forcylindricalsurfaces via Gaussian Processes”(《Journal of Quality Technology》2014年第2期，95-113页)中将轮廓监控方法推广到表面监控应用中，通过高斯过程模型对制造表面进行建模，并监控实际表面与阶段I中估计的目标模式的偏差。但是该方法仅适用于由参数模型表征的表面(例如圆柱形表面)，而且模型是基于采样数据建立的，难以推广到基于高密度点云数据的不规则(非线性)曲面监控。

Wells等在论文“Statistical process monitoring approach for high-density point clouds”(《Journal of Intelligent Manufacturing》2013年第6期，1267-1279页)中提出了一种基于3D激光扫描仪获得的点云数据的SPC方法，通过Q-Q图将高密度点云数据转换为线性轮廓，并通过成熟的轮廓监控技术对曲面进行监控。该方法虽然可以处理基于点云数据的三维曲面监控问题，但是容易丢失曲面的空间相关性，无法检测缺陷在曲面上的位置。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于点云数据的三维曲面监控方法、系统及可读介质。

根据本发明提供的一种基于点云数据的三维曲面监控方法，包括如下步骤：

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；