1.一种基于数字孪生技术的工件缺陷检测方法,其特征在于,包括如下步骤:获取待检测工件的模板点云和包含待检测工件的工业产品的标准场景点云;
根据点云数据中不同点之间法向量的差异和欧式距离,分别计算所述模板点云和所述标准场景点云的特征描述子;
根据所述模板点云和所述标准场景点云的特征描述子进行模板匹配,得到多个感兴趣区域,生成感兴趣区域集合;
根据所述感兴趣区域集合计算每个感兴趣区域对应的外包盒;
通过激光设备扫描获取包含待检测工件的工业产品的实际场景点云;
根据所述外包盒对所述实际场景点云进行过滤,得到待检测工件对应的目标点云;
根据所述待检测工件对应的目标点云,得到待检测工件的缺陷检测结果。
2.根据权利要求1所述的工件缺陷检测方法,其特征在于,所述根据点云数据中不同点之间法向量的差异和欧式距离,分别计算所述模板点云和所述标准场景点云的特征描述子,包括:根据模板点云和标准场景点云的点云密度,为模板点云和标准场景点云分别选择一个邻域范围;
根据邻域范围,得到模板点云或标准场景点云中每个点的邻域;
将模板点云或标准场景点云中任一点设为主点,以主点为原点建立局部坐标系,遍历主点的邻域内每个相邻点,得到每个相邻点在局部坐标系下的坐标:;
其中, , , 为局部坐标系下相邻点s的三维坐标, 为相邻点s对应的法线向量,、 分别为主点t和相邻点s在其对应点云中的三维坐标, , 为主点t邻域内点的总数;
根据每个相邻点在局部坐标系下的坐标,计算主点与相邻点之间的法向量差异和欧氏距离,得到主点的邻域内每个相邻点的特征值:;
其中,为主点t的法向量与相邻点s的法向量之间的夹角,为相邻点s至主点t的连线与相邻点s的法向量之间的夹角,为主点t的法向量和相邻点s的法向量所在平面与局部坐标系中v轴和w轴所在平面之间的夹角, 为相邻点s和主点t之间的欧氏距离, 为主点t对应的法线向量;
将每个相邻点的四个特征值组成一个四维向量( , , , ),作为该相邻点的特征向量;
根据每个主点的邻域内所有相邻点的特征向量生成一个直方图,作为该主点的特征描述子。
3.根据权利要求1所述的工件缺陷检测方法,其特征在于,所述根据所述模板点云和所述标准场景点云的特征描述子进行模板匹配,得到多个感兴趣区域,生成感兴趣区域集合,包括:(1)根据模板点云中每个点的特征描述子与标准场景点云中每个点的特征描述子,计算模板点云与标准场景点云中任意两点之间的相似度;
(2)根据预设的相似阈值对所述相似度进行度量,得到多个匹配点对,其中,每个匹配点对包含一个模板点云中的点和一个标准场景点云中的点;
(3)对所有匹配点对进行一致性筛选,得到筛选后的匹配点对;
(4)从筛选后的匹配点对中随机选择N对匹配点,按来源划分为模板匹配点云和目标匹配点云;
(5)对模板匹配点云进行旋转与平移,计算旋转平移后的模板匹配点云和目标匹配点云之间的误差,通过最小化误差得到一个感兴趣区域;
(6)将步骤(5)输出的感兴趣区域从标准场景点云中删除,得到更新后的标准场景点云;
(7)返回步骤(1),直至无法匹配出误差小于预设的误差阈值的模板匹配点云,得到多个感兴趣区域,生成感兴趣区域集合。
4.根据权利要求3所述的工件缺陷检测方法,其特征在于,所述对模板匹配点云进行旋转与平移,计算旋转平移后的模板匹配点云和目标匹配点云之间的误差,通过最小化误差得到一个感兴趣区域,包括:(501)计算模板匹配点云和目标匹配点云的中心点,计算公式如下:;
其中, 、 分别为模板匹配点云和目标匹配点云的中心点, 表示模板匹配点云中第i个点的三维坐标, 表示目标匹配点云中第i个点的三维坐标;
(502)根据模板匹配点云和目标匹配点云的中心点对模板匹配点云和目标匹配点云重新中心化,得到新的模板匹配点云和目标匹配点云:;
其中, 、 分别表示新的模板匹配点云和目标匹配点云中第i个点的三维坐标;
(503)根据新的模板匹配点云和目标匹配点云计算两者之间的协方差矩阵H:;
(504)通过SVD方法将协方差矩阵H转换成3个矩阵的乘积,令H=U*S*V,其中,U为左奇异向量矩阵,S为奇异值矩阵,V为右奇异向量矩阵的转置;
根据U、V计算模板匹配点云和目标匹配点云之间的旋转矩阵R:;
(505)通过旋转矩阵R得到转移矩阵T:
;
(506)根据旋转矩阵R和转移矩阵T对模板匹配点云进行旋转和平移,得到旋转平移后的模板匹配点云,根据旋转平移后的模板匹配点云和目标匹配点云,计算N对匹配点之间的差值并求和,得到当前迭代的误差值;
(507)重复步骤(501)步骤(506),直到满足最大迭代数目,输出最小误差,当最小误差~小于预设的误差阈值时,得到最小误差对应的旋转矩阵R和转移矩阵T,以及最小误差对应的旋转平移后的模板匹配点云,将最小误差对应的旋转平移后的模板匹配点云作为一个感兴趣区域。
5.根据权利要求1所述的工件缺陷检测方法,其特征在于,所述根据所述感兴趣区域集合计算每个感兴趣区域对应的外包盒,包括:初始化外包盒的边界值,将外包盒的最小边界 设置为正无穷大,将最大边界 设置为负无穷大;
针对感兴趣区域集合中每个感兴趣区域,遍历感兴趣区域中每个点的三维坐标,更新外包盒的最小边界和最大边界,得到感兴趣区域对应的外包盒的边界数据;
其中,外包盒的最小边界和最大边界的更新公式为:;
其中, 为感兴趣区域中点的三维坐标;
根据感兴趣区域的点云密度对每个外包盒的边界数据进行增扩处理得到增扩后的外包盒边界数据。
6.根据权利要求1所述的工件缺陷检测方法,其特征在于,所述根据所述外包盒对所述实际场景点云进行过滤,得到待检测工件对应的目标点云,包括:遍历实际场景点云中所有点,判断每个点的三维坐标是否落入同一个外包盒的边界内,判断方程为:;
其中, 为实际场景点云中点P落入外包盒B的判断方程, 为实际场景点云中点P在x轴的坐标值, 为实际场景点云中点P在y轴的坐标值, 为实际场景点云中点P在z轴的坐标值, 为外包盒B的最小边界, 为外包盒B的最大边界;
将落入同一个外包盒边界内的所有点组成一个目标点云。
7.一种基于数字孪生技术的工件缺陷检测装置,其特征在于,包括:标准点云获取模块,用于获取待检测工件的模板点云和包含待检测工件的工业产品的标准场景点云;
特征计算模块,用于根据点云数据中不同点之间法向量的差异和欧式距离,分别计算所述模板点云和所述标准场景点云的特征描述子;
模板匹配模块,用于根据所述模板点云和所述标准场景点云的特征描述子进行模板匹配,得到多个感兴趣区域,生成感兴趣区域集合;
外包盒计算模块,用于根据所述感兴趣区域集合计算每个感兴趣区域对应的外包盒;
实际点云获取模块,用于通过激光设备扫描获取包含待检测工件的工业产品的实际场景点云;
目标点云过滤模块,用于根据所述外包盒对所述实际场景点云进行过滤,得到待检测工件对应的目标点云;
工件缺陷检测模块,用于根据所述待检测工件对应的目标点云,得到待检测工件的缺陷检测结果。
8.根据权利要求7所述的工件缺陷检测装置,其特征在于,所述特征计算模块具体用于:根据模板点云和标准场景点云的点云密度,为模板点云和标准场景点云分别选择一个邻域范围;
根据邻域范围,得到模板点云或标准场景点云中每个点的邻域;
将模板点云或标准场景点云中任一点设为主点,以主点为原点建立局部坐标系,遍历主点的邻域内每个相邻点,得到每个相邻点在局部坐标系下的坐标:;
其中, , , 为局部坐标系下相邻点s的三维坐标, 为相邻点s对应的法线向量,、 分别为主点t和相邻点s在其对应点云中的三维坐标, , 为主点t邻域内点的总数;
根据每个相邻点在局部坐标系下的坐标,计算主点与相邻点之间的法向量差异和欧氏距离,得到主点的邻域内每个相邻点的特征值:;
其中,为主点t的法向量与相邻点s的法向量之间的夹角,为相邻点s至主点t的连线与相邻点s的法向量之间的夹角,为主点t的法向量和相邻点s的法向量所在平面与局部坐标系中v轴和w轴所在平面之间的夹角, 为相邻点s和主点t之间的欧氏距离, 为主点t对应的法线向量;
将每个相邻点的四个特征值组成一个四维向量( , , , ),作为该相邻点的特征向量;
根据每个主点的邻域内所有相邻点的特征向量生成一个直方图,作为该主点的特征描述子。
9.根据权利要求7所述的工件缺陷检测装置,其特征在于,所述模板匹配模块具体用于:(1)根据模板点云中每个点的特征描述子与标准场景点云中每个点的特征描述子,计算模板点云与标准场景点云中任意两点之间的相似度;
(2)根据预设的相似阈值对所述相似度进行度量,得到多个匹配点对,其中,每个匹配点对包含一个模板点云中的点和一个标准场景点云中的点;
(3)对所有匹配点对进行一致性筛选,得到筛选后的匹配点对;
(4)从筛选后的匹配点对中随机选择N对匹配点,按来源划分为模板匹配点云和目标匹配点云;
(5)对模板匹配点云进行旋转与平移,计算旋转平移后的模板匹配点云和目标匹配点云之间的误差,通过最小化误差得到一个感兴趣区域;
(6)将步骤(5)输出的感兴趣区域从标准场景点云中删除,得到更新后的标准场景点云;
(7)返回步骤(1),直至无法匹配出误差小于预设的误差阈值的模板匹配点云,得到多个感兴趣区域,生成感兴趣区域集合。
10.根据权利要求9所述的工件缺陷检测装置,其特征在于,所述对模板匹配点云进行旋转与平移,计算旋转平移后的模板匹配点云和目标匹配点云之间的误差,通过最小化误差得到一个感兴趣区域,包括:(501)计算模板匹配点云和目标匹配点云的中心点,计算公式如下:;
其中, 、 分别为模板匹配点云和目标匹配点云的中心点, 表示模板匹配点云中第i个点的三维坐标, 表示目标匹配点云中第i个点的三维坐标;
(502)根据模板匹配点云和目标匹配点云的中心点对模板匹配点云和目标匹配点云重新中心化,得到新的模板匹配点云和目标匹配点云:;
其中, 、 分别表示新的模板匹配点云和目标匹配点云中第i个点的三维坐标;
(503)根据新的模板匹配点云和目标匹配点云计算两者之间的协方差矩阵H:;
(504)通过SVD方法将协方差矩阵H转换成3个矩阵的乘积,令H=U*S*V,其中,U为左奇异向量矩阵,S为奇异值矩阵,V为右奇异向量矩阵的转置;
根据U、V计算模板匹配点云和目标匹配点云之间的旋转矩阵R:;
(505)通过旋转矩阵R得到转移矩阵T:
;
(506)根据旋转矩阵R和转移矩阵T对模板匹配点云进行旋转和平移,得到旋转平移后的模板匹配点云,根据旋转平移后的模板匹配点云和目标匹配点云,计算N对匹配点之间的差值并求和,得到当前迭代的误差值;
(507)重复步骤(501)步骤(506),直到满足最大迭代数目,输出最小误差,当最小误差~小于预设的误差阈值时,得到最小误差对应的旋转矩阵R和转移矩阵T,以及最小误差对应的旋转平移后的模板匹配点云,将最小误差对应的旋转平移后的模板匹配点云作为一个感兴趣区域。