[发明专利]基于点云数据的三维曲面质量分类方法、系统及存储介质

权利要求书

1.一种基于点云数据的三维曲面质量分类方法，其特征在于，

步骤1：表面测量，通过高清测量设备，对三维曲面表面进行测量，获得三维点云数据，得到每个测量点的坐标值；

步骤2：数据处理，对获得的点云数据中的离群点进行剔除，并通过旋转和平移变换将所有测量样本的点云数据匹配到同一坐标系下；

步骤3：曲面分割，根据测量点的几何特征，对三维曲面进行分割；包括：所述曲面分割的方法采用基于区域的分割方法，对点云法向量和曲率进行计算，通过预先给定的法向量和曲率阈值，得到满足要求的子区域分割数量；

步骤4：根据三维曲面分割结果，建立并联神经网络，提取子区域特征，即输入数据为步骤3中得到的子区域点云坐标，对每一个子区域，首先进行点云重采样，即对不同的子区域点云随机采样相同数量的n个点，然后通过卷积层和池化层对子区域进行特征提取，得到每个子区域的特征；

步骤5：对每个子区域提取的特征进行一维连接，通过全连接层对特征进行处理，输出分类结果，判定质量是否合格；对提取的子区域特征进行整合和处理，最终得到三维曲面的质量分类结果。

2.根据权利要求1所述的基于点云数据的三维曲面质量分类方法，其特征在于，所述步骤2包括：

通过3σ准则，识别点云数据中的离群点，并进行剔除；在坐标轴配准中，基于主成分分析PCA对曲面点云进行配准；由主成分分析PCA计算曲面点云的主方向，然后对曲面坐标轴进行旋转和平移以在同一坐标系中对齐。

3.根据权利要求2所述的基于点云数据的三维曲面质量分类方法，其特征在于，步骤2中，所述数据处理，对测量产生的点云数据中的离群点进行剔除；对于每个测量点坐标值P(x，y，z)，首先计算k个最近邻点与该点的平均距离；考虑最近邻点处于边界点，k的值为4；得到每个测量点与相邻点的平均距离值为：

其中，P_i为第i个测量点的坐标，P_ij为与P_i最近的第j个点的坐标，|P_iP_ij|为点P_i和P_ij的距离；

因离群点数相对于整体点云数据很小，则每个测量点与相邻点的平均距离服从正态分布，由3σ准则对异常值进行剔除；σ是均方误差，其计算公式为：

其中，n为测量点的个数，d_i为第i个测量点的与相邻点的平均距离值，d_Mean为所有测量点与相邻点的平均距离值的均值，即对于第i个测量点，如果|d_i-d_Mean|＞3σ，则认为该点为离群点并予以剔除；

对于剔除离群点后的点云数据通过旋转和平移变换将所有样本的点云匹配到同一坐标系；具体为：

对于每个样本，首先计算点云中心点坐标：将中心点坐标移动到原点处，得到新的点云坐标值：

对于新的点云坐标值计算协方差矩阵：对于协方差矩阵M计算其特征向量其中是相互正交的特征向量；即点云P_c的主成分方向；

对此特征向量的方向进行修正，在第一主成分方向和第二主成分方向上分别找到距原点最大距离的点：p_{max_x}和p_{max_y}；第一主成分方向修正为：第二主成分方向修正为：第三主成分方向修正为：

点云的旋转矩阵记为：通过此旋转矩阵对点云进行旋转以获得新坐标系中的点云坐标：P_new＝P_cR；

对所有点云样本执行此数据处理步骤，以统一样本坐标系，对曲面点云进行配准。

4.根据权利要求1所述的基于点云数据的三维曲面质量分类方法，其特征在于，在步骤1中使用高清测量仪在三维曲面表面采样，获得高密度的三维点云数据。