[发明专利]一种高精度螺纹锥度测量方法

权利要求书

1.一种高精度螺纹锥度测量方法，其特征在于，包括步骤如下：

S1、对采集到的螺纹数据进行预处理获取螺纹点云轮廓；

S2、将步骤S1获取的螺纹点云轮廓进行点云轮廓聚类，对分割后的数据按轮廓连续性分别进行聚类提取锥度特征点，对于在端面一侧采集得到的轮廓断续点云和在螺纹一侧采集得到的轮廓连续点云分别使用DBSCAN聚类算法与拟合分割聚类算法对待测数据进行聚类；

S3、进行特征点提取，对轮廓点云进行聚类后，通过数学模型提取每类中锥度特征点，将得到的特征点进行拟合获得最终的测量结果。

2.根据权利要求1所述的一种高精度螺纹锥度测量方法，其特征在于，步骤S1包括步骤如下：

S1-01、进行点云摆正工作，获取摆正螺纹点云；

S1-02、确定分割平面；

S1-03、获取螺纹点云轮廓。

3.根据权利要求2所述的一种高精度螺纹锥度测量方法，其特征在于，步骤S1-01包括步骤如下：

Step1、读入原始螺纹点云A，使用快速k近邻算法提取点云轮廓并分析得到端面点集i；

Step2、使用随机抽样一致算法RANSAC对i进行平面拟合并通过拉依达3σ准则滤除端面点集i中噪点提升平面拟合精度及端面点集信噪比，得到平面l；

Step3、计算得出平面l与平面xoy的旋转矩阵R1，将A乘以旋转矩阵R1进行坐标变换成为A′，同理将端面数据i变化为i′；

Step4、对i′进行椭圆拟合得到圆心并计算与坐标原点的变换矩R2，将A′乘以R2变换为中轴线为z轴的摆正点云A″。

4.根据权利要求2所述的一种高精度螺纹锥度测量方法，其特征在于，步骤S1-02包括步骤如下：

使用圆的参数方程x＝R*cos(θ)，y＝R*sin(θ)，其中θ∈[0，2π)定义圆心在空间坐标原点的正圆点云O；

取O的圆心坐标为p1，取z轴方向上的任意点作为p2；

对O上依次取点作为p3即可获得沿z轴旋转的平面；

将已知三点p1(x1，y1，z1)，p2(x2，y2，z2)，p3(x3，y3，z3)，做向量p1p2(x2-x1，y2-y1，z2-z1)，p1p3(x3-x1，y3-y1，z3-z1)，平面法线和这两个向量垂直，法向量由上式解出A，B，C，D得到平面p的一般式方程为Ax+By+Cz+D＝0。

5.根据权利要求2所述的一种高精度螺纹锥度测量方法，其特征在于，步骤S1-03包括步骤如下：

选取距离小于阈值的点组成轮廓点云，任取平面内一点P(x，y，z)连接PQ，过P做平面的法向量n＝(A，B，C)，Q到平面的距离d为PQ在法向量上的投影长度，点云离散点Q到分割平面的距离d的计算公式如下:

对得到的所有分割平面进行点云轮廓提取获得点云轮廓，对得到的点云轮廓后使用如下公式进行二维映射:

y＝z

对得到的二维点集进行聚类作为分离螺纹顶部与底部的数据。

6.根据权利要求1所述的一种高精度螺纹锥度测量方法，其特征在于，步骤S2包括步骤如下：

Step1、读入点云轮廓S，通过曲率分析去除端面数据与管面无螺纹数据，得到待聚类数据S′；

Step2、对S′进行拟合得到粗分割线slice，采用粗分割线slice将待聚类数据S′分割为顶部数据St′与底部数据Sb′；

Step3、对St′与Sb′分别进行聚类后将聚类结果进行边界归纳得到聚类分割线；

Step4、按聚类分割线对点云轮廓S按x值进行分割得到聚类后点集Si(1＜i＜n)。

7.根据权利要求1所述的一种高精度螺纹锥度测量方法，其特征在于，步骤S3的步骤如下：

S3-01、选取特征点建立模型，特征点选取模型如下:

提取顶部特征点：

提取底部特征点：

min(x)_i为第i类x最小值；min(x)_i为顶部第i类特征点；bottom_i(x，y)为底部第i类特征点；u为修改系数；s为总类数，通过以下算式将各点集取得到数据拟合点集:

S3-02、进行数据拟合，使用直接最小二乘法分别对最终得到的顶部特征点集top(x，y)与底部特征点集bottom(x，y)进行直线拟合，得到各自的斜率k_t与k_b，结合顶底特征点数num_t与num_b由下式得到最终测量结果k: