[发明专利]一种基于降维和点云数据匹配的电池外观缺陷检测方法

摘要

本发明公开了一种基于降维和点云数据匹配的电池外观缺陷检测方法，属于机器视觉检测技术领域，获取待检测电池的三维点云数据，将点云数据进行降维；得到待检测电池的缺陷区域，提取缺陷区域点云数据；提取出标准电池相同区域的点云数据；对两片点云数据进行采样并匹配搜索；得到优化的特征点对应关系，计算大致刚性变换关系，实现粗配准；对粗配准结果进行约束性检测，进行正确性的验证；优化点云数据间的刚性变换关系，实现自动精确配准，判断电池外观是否合格。本发明通过降维算法将三维图像变为二维图像，在二维图像中利用平面缺陷检测技术，得到缺陷区域点云数据，将点云数据进行匹配，缩小检测范围，减少运行时间，提高准确率。

主权项

1.一种基于降维和点云数据匹配的电池外观缺陷检测方法，其特征在于，包括如下步骤：步骤1：用3D相机获取待检测电池的三维点云数据；步骤2：采用PCA降维算法将点云数据进行降维；步骤3：采用二维平面缺陷检测技术，得到待检测电池的缺陷区域，提取缺陷区域的点云数据；步骤4：根据待检测电池的缺陷区域，提取出标准电池相同区域的点云数据；步骤5：读入采集到的待检测电池缺陷区域的点云P和标准电池相同区域的点云Q；步骤6：分别计算点云P和点云Q的密度，并从点云P中随机选取若干个点构成特征点集S1，从点云Q中随机选取若干个点构成特征点集S2；步骤7：分别计算特征点集S1和S2中每个特征点的局部旋转平移不变坐标系；步骤8：根据局部旋转平移不变坐标系计算每个特征点的高维特征描述，对点云Q与点云P进行特征点匹配，获得初匹配点集C；步骤9：利用随机采样一致算法去除初匹配点集C中的误匹配，利用奇异值分解法计算获得旋转矩阵R和平移矩阵T，得到待检测电池缺陷区域的点云和标准电池相同区域的点云的粗配准结果；步骤10：判断粗配准结果是否满足刚性变换一致性条件，若是，则进入步骤11；若否，则判定配准失败，电池有缺陷，不符合要求；步骤11：采用ICP算法优化所述旋转矩阵R和平移矩阵T，获得待检测电池缺陷区域的点云P和标准电池相同区域的点云Q的精确配准结果。