[发明专利]一种非连续区域的角球面球心空间位置检测方法

说明书

本发明公开了一种非连续区域的角球面球心空间位置检测方法，包括以下步骤：获取角球面目标区域的点云；根据所述点云获取所述角球面的球体轴线空间方程；采用K‑means聚类算法对所述点云中各个点对应的端点进行聚类，得到端点的聚类中心；根据所述球体轴线空间方程和所述聚类中心获取所述角球面的球心。本发明的目的在于提供一种非连续区域的角球面球心空间位置检测方法，检测过程中不与产品表面接触，不会对产品造成损伤。

技术领域

本发明涉及工业测量技术领域，具体涉及一种非连续区域的角球面球心空间位置检测方法。

背景技术

异构产品具有多个支角，每个支角表现为一个小角球面，如图1所示，在装配过程中，需对多个角球面形成的球心空间位置进行检测。非完整、小区域测量属于测量领域的难点，是以局部可利用信息来描述全局参数，传统上多采用接触式三坐标测量方法，存在效率较低、易损伤产品表面等情况。

发明内容

本发明的目的在于提供一种非连续区域的角球面球心空间位置检测方法，检测过程中不与产品接触，不会对产品表面造成损伤。

本发明通过下述技术方案实现：

一种非连续区域的角球面球心空间位置检测方法，包括以下步骤：

获取角球面目标区域的点云；

根据所述点云获取所述角球面的球体轴线空间方程；

采用K-means聚类算法对所述点云中各个点对应的端点进行聚类，得到端点的聚类中心；

根据所述球体轴线空间方程和所述聚类中心获取所述角球面的球心。

考虑到角球面的球心位于球体的轴线上，而角球面上各个点的端点位于球心的周围，因此，在本方案中，首先对角球面的球体轴线进行拟合，得到角球面的球体轴线；其次，对各个点的端点进行聚类，得到各聚类中心，减少数据处理量的同时减小系统误差；最后，计算各聚类中心相对于轴线的空间距离，选取空间距离最小的聚类中心做为待测角球面球心。由于球心位于球体的轴线上，各聚类中心位于球心的周围，因此，通过求取各聚类中心到球体轴线的距离便可以获得角球面的球心。

本方案借助高精度线激光轮廓传感器扫描产品表面获取点云信息，通过对点云进行数据处理、算法计算，从而得到全局参数，具有更高的测量效率、测量一致性和准确性，对推进高效测量、数字化测量、智能测量等具有重要意义，在自动化装配、智能装配等行业具有重要应用价值。

优选地，获取角球面目标区域的点云包括以下子步骤：

在所述角球面目标区域内，用线激光扫描所述角球面，以获取所述点云；

对所述点云进行滤波处理，得到滤波后的点云。

优选地，根据所述点云获取所述角球面的球体轴线空间方程包括以下子步骤：

采用最小二乘法依次对位于同一个平面内的所述点云进行椭圆拟合；其中，所述点云所在的各个平面相互平行；

获取每一个平面拟合的椭圆的中心坐标；

采用最小二乘法对所述中心坐标进行轴线拟合，得到所述球体轴线空间方程。

优选地，采用K-means聚类算法对所述点云中各个点对应的端点进行聚类，得到端点的聚类中心包括以下子步骤：

采用主成分分析法获取所述点云中各个点的法向量；

根据所述角球面的球半径和各个点的法向量获取对应点的端点；

采用K-means聚类算法对端点进行聚类，得到端点的聚类中心。

优选地，采用主成分分析法获取所述点云中各个点的法向量包括以下子步骤：