【技術實現步驟摘要】
本專利技術涉及點云圖像處理，具體涉及一種基于三維點云的發動機零部件識別方法。
技術介紹
1、航空發動機是飛機的心臟，負責提供動力以推動飛機前進，而航空發動機的零部件質量直接影響到發動機的效率和性能。并且航空發動機的安全性直接關系到飛機的飛行安全。零部件質量不良可能導致發動機失效或故障，進而引發嚴重的事故。因此，高質量的零部件對于保障發動機的可靠性和安全性至關重要。
2、現有技術中，常通過點云數據對發動機零部件的物理特征進行檢測，獲得點云數據檢測結果，并結合圖像檢測結果對發動機零部件進行缺陷識別；然而通過點云數據得到的檢測結果具有一定局限性，無法應對多種缺陷，以及不同材料特性的發動機零部件，而圖像檢測結果容易受到光照影響；對點云數據檢測結果與圖像檢測結果分別進行分析可能會導致無法準確對缺陷異常區域與正常區域進行分割，從而影響到發動機零部件異常識別的準確率。
技術實現思路
1、為了解決對點云數據檢測結果與圖像檢測結果分別進行分析可能會無法考慮到發動機零部件圖像的光照影響、零部件的缺陷以及零部件的不同的材料特性，導致無法準確對缺陷異常區域與正常區域進行分割，從而影響到發動機零部件異常識別的準確率的技術問題，本專利技術的目的在于提供一種基于三維點云的發動機零部件識別方法，所采用的技術方案具體如下：
2、一種基于三維點云的發動機零部件識別方法，所述方法包括：
3、獲取發動機零部件圖像以及所述發動機零部件圖像中每個像素點對應的點云數據；
4、根據
5、根據每幅所述零部件分塊圖像中的灰度級分布特征、點云數據分布特征以及所述像素點缺陷表達因子，對所述零部件分塊圖像進行分割，獲得每幅所述零部件分塊圖像中的所有零部件分割區域；根據每個所述零部件分割區域內的灰度分布特征、點云數據分布特征，以及像素點對應點云數據的梯度分布，獲得所述零部件分割區域的區域異常概率；
6、根據所述區域異常概率對發動機零部件進行異常識別。
7、進一步地，所述零部件分塊圖像的獲取方法包括：
8、在每幅所述發動機零部件圖像中，對所有點云數據的高程值進行聚類，獲得所有點云數據聚類簇；
9、將每個所述點云數據聚類簇中所有點云數據在所述發動機零部件圖像中對應的像素點，組合成每幅零部件分塊圖像。
10、進一步地，所述像素點缺陷表達因子的獲取方法包括：
11、根據每幅所述零部件分塊圖像中像素點與像素點對應點云數據的梯度分布特征，獲得每幅所述零部件分塊圖像中像素點與像素點對應點云數據的梯度相關程度；
12、根據所述梯度相關程度與所述零部件分塊圖像中像素點的灰度方差，獲得每幅零部件分塊圖像的像素點缺陷表達因子，其中，所述像素點缺陷表達因子與所述梯度相關程度、所述灰度方差均呈正相關關系。
13、進一步地，所述梯度相關程度的獲取方法包括：
14、在每幅所述零部件分塊圖像中，將所有像素點的梯度值按照預設空間順序進行排序，獲得像素點梯度值序列；將所有像素點對應點云數據的梯度值按照預設空間順序進行排序，獲得點云數據梯度值序列；
15、獲取所述像素點梯度值序列與所述點云數據梯度值序列之間的相關系數；將所述相關系數的絕對值作為每幅所述零部件分塊圖像中像素點與像素點對應點云數據的梯度相關程度。
16、進一步地，獲得每幅所述零部件分塊圖像中的所有零部件分割區域，包括：
17、根據每幅零部件分塊圖像中的灰度值，將每幅零部件分塊圖像中的所有像素點分為第一像素點集合與第二像素點集合；
18、獲得所述第一像素點集合與所述第二像素點集合之間的灰度值類間方差與點云數據類間方差；
19、根據所述像素點缺陷表達因子、所述灰度值類間方差與所述點云數據類間方差，獲得每幅所述零部件分塊圖像中的所有零部件分割區域。
20、進一步地，根據每幅零部件分塊圖像中的灰度值，將每幅零部件分塊圖像中的所有像素點分為所述第一像素點集合與所述第二像素點集合，包括：
21、在每幅零部件分塊圖像中，選取任意一個像素點的灰度值作為目標灰度值；
22、將所述零部件分塊圖像的其他像素點中灰度值大于等于目標灰度值的所有像素點作為第一像素點集合，將其他像素點中小于目標灰度值的所有像素點作為第二像素點集合。
23、進一步地，根據所述像素點缺陷表達因子、所述灰度值類間方差與所述點云數據類間方差，獲得每幅所述零部件分塊圖像中的所有零部件分割區域，包括：
24、將像素點缺陷表達因子與灰度值類間方差的乘積作為灰度評估比重；將像素點缺陷表達因子進行負相關映射并與點云數據類間方差之間的乘積作為點云數據評估比重；
25、根據所述灰度評估比重與所述點云數據評估比重，獲得第一像素點集合與第二像素點集合之間的分割評估指標；所述灰度評估比重與所述點云數據，均與所述分割評估指標呈正相關關系；
26、改變目標灰度值，將分割評估指標最大時對應的目標灰度值作為最優灰度值；將所述最優灰度值對應的所述第一像素點集合與所述第二像素點集合作為每幅所述零部件分塊圖像分割后的兩個零部件分割區域。
27、進一步地，所述區域異常概率的獲取方法包括：
28、計算所述零部件分割區域中每個像素點的灰度值與點云數據高程值之間的比值作為像素點綜合特征值；將零部件分割區域中所有像素點的像素點綜合特征值求平均，并進行負相關映射歸一化處理，獲得第一異常參數；
29、根據所述零部件分割區域中的灰度混亂程度與點云數據混亂程度，獲得所述零部件分割區域的第二異常參數；
30、將所述第一異常參數與所述第二異常系數的乘積作為每個零部件分割區域的區域異常概率。
31、進一步地，所述第二異常系數的獲取方法包括：
32、計算所述零部件分割區域中的像素點梯度值信息熵與點云數據梯度值信息熵；
33、根據所述零部件分割區域中的像素點梯度值信息熵與點云數據梯度值信息熵，獲得第二異常系數；所述第二異常系數與所述像素點梯度值信息熵與所述點云數據梯度值信息熵呈正相關關系。
34、進一步地，根據所述區域異常概率對發動機零部件進行異常識別，包括：
35、將所述區域異常概率大于預設第一閾值的所有零部件分割區域作為發動機零部件的異常部分。
36、本專利技術具有如下有益效果：
37、本專利技術由于發動機零部件的缺陷常出現于表面，且異常區域內與正常平面區域之間的圖像特征與點云數據存在一定差異，所以獲取發動機零部件圖像以及發動機零部件圖像中每個像素點對應的點云數據；由于對于整個發動機零部件圖像進行缺陷識別，部分本文檔來自技高網...
【技術保護點】
1.一種基于三維點云的發動機零部件識別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，所述零部件分塊圖像的獲取方法包括：
3.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，所述像素點缺陷表達因子的獲取方法包括：
4.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，獲得每幅所述零部件分塊圖像中的所有零部件分割區域，包括：
5.根據權利要求4所述的一種基于三維點云的發動機零部件識別方法，其特征在于，根據每幅零部件分塊圖像中的灰度值，將每幅零部件分塊圖像中的所有像素點分為所述第一像素點集合與所述第二像素點集合，包括：
6.根據權利要求5所述的一種基于三維點云的發動機零部件識別方法，其特征在于，根據所述像素點缺陷表達因子、所述灰度值類間方差與所述點云數據類間方差，獲得每幅所述零部件分塊圖像中的所有零部件分割區域，包括：
7.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，所述區域異常
8.根據權利要求7所述的一種基于三維點云的發動機零部件識別方法，其特征在于，所述第二異常系數的獲取方法包括：
9.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，根據所述區域異常概率對發動機零部件進行異常識別，包括：
...【技術特征摘要】
1.一種基于三維點云的發動機零部件識別方法，其特征在于，所述方法包括：
2.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，所述零部件分塊圖像的獲取方法包括：
3.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，所述像素點缺陷表達因子的獲取方法包括：
4.根據權利要求1所述的一種基于三維點云的發動機零部件識別方法，其特征在于，獲得每幅所述零部件分塊圖像中的所有零部件分割區域，包括：
5.根據權利要求4所述的一種基于三維點云的發動機零部件識別方法，其特征在于，根據每幅零部件分塊圖像中的灰度值，將每幅零部件分塊圖像中的所有像素點分為所述第一像...
【專利技術屬性】
技術研發人員：鐘堂，梁曉濤，楊一軒，田興霞，梁艷，
申請(專利權)人：陜西炎恒高科工貿有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。