1.一种基于张量投票的工业零件检测方法,其特征在于,所述方法包括以下步骤:
S1:扫描工业零件得到点云集,采用张量投票算法对所述点云集进行分类,得到不同类别的点集;
S2:采用优化的Delaunay三角剖分算法,对所述不同类别的点集分别进行Del aunay三角剖分,得到各类别点集的Delaunay三角网格;
S3:对所述Delaunay三角网格进行融合与优化,重建所述工业零件的曲面;
S4:基于所述曲面进行所述工业零件的缺陷检测;所述采用张量投票算法对所述点云集进行分类,得到不同类别的点集包括:针对每个点,在其局部邻域内使用张量投票算法计算主曲率、法向量、曲率,利用计算的法向量估算张量场,计算张量的特征值,根据特征值的曲率对点云进行分类;所述采用优化的Delaunay三角剖分算法,对所述不同类别的点集分别进行Delaunay三角剖分包括:采用贪婪投影算法,将所有平面上的点,划分为若干平面点云集,在每个平面点云集中选择一个起始点,并沿着法线方向进行投影,以生成三角形网格;所述对所述不同类别的点集分别进行Delaunay三角剖分包括:通过计算每个点组成的三角形的最小内接圆,实现对所有平面内部点进行Delaunay三角剖分;对形成的三角形,检查是否其满足Delaunay条件,如果不满足,则进行边翻转操作,直到满足Delaunay条件;所述对所述Delaunay三角网格进行融合与优化包括:对于检测到的棱上的点,在其周围添加额外点的位置重新进行三角网格化,将平面网格和棱上的三角网格进行拼接融合,在类别边界进行过渡处理,对整体网格进行平滑、简化处理,得到优化后的三角网格。
2.一种基于张量投票的工业零件检测系统,其特征在于,所述系统包括:
分类模块,用于扫描工业零件得到点云集,采用张量投票算法对所述点云集进行分类,得到不同类别的点集;
划分模块,用于采用优化的Delaunay三角剖分算法,对所述不同类别的点集分别进行Delaunay三角剖分,得到各类别点集的Delaunay三角网格;
重建模块,用于对所述Delaunay三角网格进行融合与优化,重建所述工业零件的曲面;
检测模块,用于基于所述曲面进行所述工业零件的缺陷检测;所述分类模块采用张量投票算法对所述点云集进行分类,得到不同类别的点集包括:针对每个点,在其局部邻域内使用张量投票算法计算主曲率、法向量、曲率,利用计算的法向量估算张量场,计算张量的特征值,根据特征值的曲率对点云进行分类;所述划分模块采用优化的Delaunay三角剖分算法,对所述不同类别的点集分别进行Delaunay三角剖分包括:采用贪婪投影算法,将所有平面上的点,划分为若干平面点云集,在每个平面点云集中选择一个起始点,并沿着法线方向进行投影,以生成三角形网格;所述划分模块对所述不同类别的点集分别进行Delaunay三角剖分包括:通过计算每个点组成的三角形的最小内接圆,实现对所有平面内部点进行Delaunay三角剖分;对形成的三角形,检查是否其满足Delaunay条件,如果不满足,则进行边翻转操作,直到满足Delaunay条件;所述重建模块对所述Delaunay三角网格进行融合与优化包括:对于检测到的棱上的点,在其周围添加额外点的位置重新进行三角网格化,将平面网格和棱上的三角网格进行拼接融合,在类别边界进行过渡处理,对整体网格进行平滑、简化处理,得到优化后的三角网格。