[发明专利]基于点云数据处理技术的球、圆柱、椭圆锥模型识别方法

说明书

【技术领域】

本发明涉及三维点云数据处理技术领域，特别涉及一种基于点云数据处理技术的球、圆柱、椭圆锥模型识别方法。

【背景技术】

球、圆柱、椭圆锥模型是形状识别领域中一种典型的被识别对象，其具有相对规则的空间轴对称图形。形状识别技术在航空航天、汽车制造业以及国防工业中起到非常重要作用。如何快速、准确的识别出球、圆柱、椭圆锥模型是三维空间内形状识别领域内的一项急需解决的重要问题。

目前，针对球、圆柱、椭圆锥模型进行检测所采用的主要是直接测量法，包括游标卡尺测量、角度样板检测、正弦规测量等。这些传统测量方法均属于接触式测量方法，在测量过程中，会引发被测物体产生弹性形变，从而引入测量误差。且上述接触式测量方法的测量过程耗时较长，已难满足实际生产检测过程中日益提高的测量需求。在宋海鹰、岑健、谢敏、周卫、冯家辉申请的发明专利(申请号：201610856719.4)所述方法中，对球体的检测采用的是轮廓识别球形目标的检测方法，该方法首先获取球体区域原始图像，利用原始图像的灰度值计算出球体的质心坐标，利用球体的质心坐标得到目标图像区域的偏心度，对当前图像进行二值化处理，利用Prewitt算子对二值化的图像轮廓点进行检测，从而确定球体是否存在。该方法采用的Prewitt算子对噪声比较敏感，对于混合多复杂的噪声图像，处理效果不理想。在郭坡、柯有勇申请的发明专利(申请号：201610854390.8)所述的方法中，采用面阵相机采集圆柱侧面图像，从而计算出圆柱直径和高度。该方法对相机的安装位置以及相机的精度要求很高，测量圆柱面的效率较低。在傅前进、赵纯锋、纪庆高、吴慎高、王继磊、李猛、王安柱、潘登申请的实用新型专利(申请号：201620105044.5)所述方法中，利用锥形支架(固定、移动)对椭圆形钢管夹紧固定，利用支架上的旋转手柄对椭圆形钢管的移动进行控制，利用椭圆度检测仪实现对椭圆形钢管的椭圆度检测。由于现场环境的影响，对测量设备的初期准备工作要求很高，测量椭圆锥体的耗时较长、效率较低。

【发明内容】

针对现有技术中的上述问题，本发明提供了一种基于点云数据处理技术的球、圆柱、椭圆锥模型识别方法，以实现对球、圆柱、椭圆锥模型的识别目的。

为实现上述发明目的，本发明提供一种基于点云数据处理技术的球、圆柱、椭圆锥模型识别方法，包括以下步骤，

步骤一：利用高精度三维扫描仪对标准的球、圆柱、椭圆锥模型进行扫描并获取球、圆柱、椭圆锥模型的点云数据；

步骤二：利用Delaunay网格划分方法对步骤一中所得到的球、圆柱、椭圆锥模型的点云数据进行处理，获取球、圆柱、椭圆锥模型点云数据的不规则三角网格模型，即，TIN网格模型；

步骤三：利用最小二乘拟合方法对步骤二中所获得的球、圆柱、椭圆锥模型TIN网格模型上的各空间点最近邻域点集内的各个点进行计算，获得球、圆柱、椭圆锥模型点云数据内各空间点的最近邻域平面法向量在法向量空间内的分布规律；

步骤四：利用高精度扫描仪对被测模型进行高精度扫描，获取被测模型的点云数据，利用Delaunay网格划分方法对得到的被测模型的点云数据进行处理，获取被测模型的不规则三角网格模型，利用最小二乘拟合方法对获得的被测模型TIN网格模型上的各空间点最近邻域点集内的各个点进行计算，获得被测模型点云数据内各空间点的最近邻域平面法向量在法向量空间内的分布规律；

步骤五：将步骤四中获得的被测模型点云数据内各空间点的最近邻域平面法向量在法向量空间内的分布规律与步骤三中获得的球、圆柱、椭圆锥模型点云数据内各空间点的最近邻域平面法向量在法向量空间内的分布规律进行对比，实现对被测模型的识别。

进一步地，步骤三还包括对得到的球、圆柱、椭圆锥模型点云数据内各空间点的最近邻域平面法向量在法向量空间内的分布点进行滤波处理，使用多项式拟合方法对球、圆柱、椭圆锥模型点云数据内各空间点的最近邻域平面法向量在法向量空间内的分布点进行多项式拟合，获得球、圆柱、椭圆锥模型点云数据内各空间点的最近邻域平面法向量在法向量空间内的分布规律。

进一步地，球模型点云数据内各空间点的最近邻域平面法向量分布于一个球面上。

进一步地，圆柱模型点云数据内各空间点的最近邻域平面法向量分布于y＝0的圆环上。

进一步地，椭圆锥模型点云数据内各空间点的最近邻域平面法向量分布于与椭圆锥点云数据中y存在一定对应关系的二次曲线内。