基于激光再制造机器人的表面浅斑缺陷识别研究

机器视觉系统对于提高激光机器人再制造质量有重要作用。针对浅斑类缺陷无法在点云数据中定位的问题,开发了专用识别系统,将二维图片和三维点云结合起来实现该类缺陷的三维检测。对灰度图片进行处理,包括图像频域增强、区域标记和区域合并等,实现了二维图片中的缺陷定位;利用双目立体视觉系统对再制造零件表面进行扫描,获取零件表面三维点云数据,同时将二维缺陷边界转换为三维缺陷边界,实现了点云数据中缺陷的定位。实验结果表明,该系统能有效识别浅斑类缺陷,并且再制造精度高。     

基于光栅投影和点云体积计算的过度包装检测系统

为了实现商品过度包装的无接触检测,本文设计了一种基于光栅投影的商品过度包装检测系统。首先利用投影仪和两个高分辨率摄像头,实现物体三维点云的获取,再提出物体点云的包围盒获取算法,计算物体的包围盒体积及三维点云体积,最后根据容积率和空隙率,检测商品包装是否过度。实验结果表明,系统能有效基于点云形状生成包围盒,点云体积计算准确度能达到95%,耗时比广泛使用的Poisson方法明显减少。     

基于主动式全景视觉的管道形貌缺陷检测系统

针对现有的管道缺陷检测技术不能同时对管道的形、貌缺陷进行检测与评估这一工程难题,在前期研究工作的基础上,设计了一种基于主动式全景视觉的管道内部缺陷检测系统,能够快速获取管壁密集点云的三维坐标,同时对内壁表面缺陷进行检测与评估。首先利用主动式全景视觉传感器（AODVS）实时获取内壁全景图像和激光横断面扫描全景图像,然后对管道内壁全景图像进行柱状展开、预处理和缺陷检测及分类等处理;然后对激光横断面扫描全景图像处理,计算管道内壁点云的三维坐标,进一步对管道缺陷部分进行定量分析,最后利用三维建模技术重构带有真实纹理信息的管道模型。实验结果表明:文中设计的检测系统能够对管道凹凸形变、孔洞、管壁裂缝、腐蚀等缺陷进行检测与分析,具有较高的检测精度,为管道内表面三维测量和重构提供了一种新的手段。     

一种工业构件螺栓孔空间位置高精度检测方法

针对目前工业用螺栓孔空间位置检测难度大、精度低等问题,提出了一种基于空间位置点云坐标的检测方法,通过三维激光扫描仪扫描带有24孔的构件,获取所有数据点并进行拟合,构建螺栓孔的位置点云坐标值,对螺栓位置点云坐标进行计算和转换,从而判断螺栓的安装位置,通过构件点云的扫描试验发现,坐标值的平均误差仅为0.4ｍｍ左右,该检测方法能很好的实现螺栓孔空间位置的检测,具备一定的市场推广价值。     

面向自动装车的来车检测和规划系统

为解决自动装车车辆检测和码垛规划问题,设计基于三维激光成像的车辆特征识别和码垛规划系统.设计实现了激光三维扫描系统,提出点云检校方法,获取高精度三维点云;设计基于点云的开放式货车车厢全特征识别算法,经点云分割、特征识别和参数化,获取车辆完整的特征参数检测;基于检测结果设计了码垛规划器,可直接用于装车机使用;基于Linu...     

基于激光雷达的室内玻璃三维重建算法

针对激光雷达在室内地图重建过程中,扫描不到透明玻璃的问题,文章提出了一种玻璃检测三维重建算法,实现了三维地图中玻璃的重建。该方法将三维激光雷达扫描的点云经过点云滤波、分割、聚类以及运动匹配,提取出感兴趣的透明玻璃上的点云,从而识别出室内场景中的透明玻璃。实验结果显示,该算法能有效地使用激光雷达数据检测玻璃并进行三维地图重建。     

基于机器人与激光传感器的点云快速拼接

三维激光扫描技术作为一种快速获取物体表面模型的技术,具有采集速度快,无需接触测量目标等优势。介绍了一种工业机器人结合三维激光扫描获取点云数据的系统的搭建方法,通过激光器获取得到点云数据,然后利用机器人给出的四元数得到两组点云之间的刚体变换关系使两组点云数据统一到相同的坐标系下,完成点云数据的快速拼接,方法简单快速,不受被扫描物形状大小的限制,可实现被测物的快速扫描及点云数据的快速拼接。     

基于线扫描的管路三维重建技术研究与实现

针对航空发动机管路装配过程中,装配质量难以保证、检测效率低的问题,提出一种基于线结构光的管路三维重建测量方法。该方法通过线结构光扫描技术,获取管路表面三维轮廓数据,利用三维点云数据提取管路脊线和半径值。针对离散的脊线坐标值,采取NURBS算法对其拟合,利用管路脊线和半径值重建管路三维模型。通过线结构光扫描测量系统,获取管路轮廓点云数据,重构管路三维模型。实验结果证明,该方法和测量系统可以实现管路三维的快速重建,重建数据可用于管路间隙测量。     

基于掩膜投影和双参数CFAR的圆周扫描GBSAR三维点云提取方法

圆周扫描地基合成孔径雷达（Ground based Synthetic Aperture Radar, GBSAR）通过在竖直面做圆周旋转扫描，具备三维成像的重要优势。但是其圆周观测几何会产生强旁瓣，造成目标点云提取困难。目前未见圆周扫描GBSAR三维点云提取方法的相关研究，经典的双参数恒虚警率（Constant False Alarm Rate,CFAR）算法虽然能够提取三维点云，但需要对三维像不同高度逐层进行检测，由于强旁瓣的影响，无法准确提取三维点云。针对上述问题，本文提出基于掩膜投影和双参数CFAR的圆周扫描GBSAR三维点云提取方法，该方法利用掩膜投影和两次双参数CFAR实现强旁瓣影响下的点云精确提取。该方法首先对SAR三维图像应用最大值投影获取三视图，然后对三视图进行第一次双参数CFAR获取三视图掩膜；然后利用三视图掩膜投影，通过SAR三维像取交集去掉空间位置旁瓣，得到潜在目标区域数据；最后对潜在目标区域的数据应用第二次双参数CFAR实现点云提取。该方法利用实际数据进行实验，结果表明，所提方法与经典的双参数CFAR逐层检测算法相比，可更准确地提取出三维SAR图像目标点云。     

基于自适应形态学滤波的目标检测方法

本文针对三维激光雷达进行目标检测过程中,激光雷达点云的稀疏性、数量非固定性、分布的任意性,会带来点云空洞引起分割错误的问题,提出了一种点云自适应形态学滤波方法。不同于传统的形态学滤波对所有的像素点统一进行二值化、开闭运算等进行矫正,本方法能够根据像素点与周边像素点信息,决定是否对该像素点采取运算以及采取何种运算,补充缺失的点云信息的同时避免了传统形态学滤波带来的边界和形态改变问题。实验结果表明,该方法用于稀疏激光点云的障碍物检测中具有更强的鲁棒性。     

3D defect detection of connectors based on structured light

In order to realize the rapid detection of three-dimensional defects of connectors, this paper proposes a method for detecting connector defects based on structured light. This method combines structured light with binocular stereo vision to obtain three-dimensional data for the connector. Point cloud registration is used to identify defects and decision trees are used to classify defects. The accuracy of the 3D reconstruction results in this paper is 0.01 mm, the registration accuracy of the point cloud reaches the sub-millimeter level, and the final defect classification accuracy is 94%. The experimental results prove the effectiveness of the proposed three-dimensional connector defect detection method in connector defect detection and classification.     

三维激光扫描技术在新疆地区的发展及应用现状分析

三维激光扫描技术是近年来国际上测绘行业快速发展起来的一项高新技术,其原理是通过激光测距原理(包括脉冲激光和相位激光)快速的扫描被测物体,整个过程不需要反射棱镜便可以直接获得高精度的扫描点云数据,即时快速的测出目标物体的三维空间坐标值.本文主要针对目前新疆地区该项技术的发展及应用现状展开分析,以期该技术可以在更多领域发挥其作用.     

基于体素化图卷积网络的三维点云目标检测方法

针对激光雷达点云的稀疏性和空间离散分布的特点,通过结合体素划分和图表示方法设计了新的图卷积特征提取模块,提出一种基于体素化图卷积神经网络的激光雷达三维点云目标检测算法。该方法通过消除传统3D卷积神经网络的计算冗余性,不仅提升了网络的目标检测能力,并且提高了点云拓扑信息的分析能力。文中设计的方法在KITTI公开数据集的车辆、行人、骑行者的3D目标检测和鸟瞰图目标检测任务的检测性能相比基准网络均有了有效提升,尤其在车辆3D目标检测任务上最高提升了13.75%。实验表明:该方法采用图卷积特征提取模块有效提高了网络整体检测性能和数据拓扑关系的学习能力,为三维点云目标检测任务提供了新的方法。     

基于改进欧式聚类算法的双目主动视觉点云目标检测研究

双目视觉立体匹配时,在同色调表面因为缺乏纹理信息,不仅计算量大且匹配度低, 而且生成的 场景中的点云又具有非结构化、近密远疏的性质, 因此,提高双目视觉匹配的精度与速度, 以及准确分割点 云目标, 一直是点云获取及目标检测中的难点问题。 针对以上问题, 本文首先提出了一种融合主动激光 的 3D 点云目标采集方法, 快速准确地获得原始点云数据; 其次提出了一种基于欧式聚类的改进算法, 使用距离阈值和角度阈值作为阈值分割判断条件进行分段聚类, 得到边界明确的 3D 点云目标检测框。 实验结果表明:所设计的 3D 点云成像系统能够有效获取前方物体的 3D 点云信息,且具有比激光雷达成 本低、易实现、信息丰富等优势;改进后的欧式聚类算法能有效改善传统算法对阈值较为敏感导致的物 体易出现欠分割或过分割的问题, 提高了目标检测的准确率, 在室内场景下具有良好的检测效果。     

基于交叉自注意力机制的LiDAR点云三维目标检测

针对基于深度学习的激光雷达(light detection and ranging, LiDAR)点云三维(3D)目标检测对小目标的检测精度较低和噪声干扰问题,提出一种基于交叉自注意力机制的3D点云目标检测方法CSA-RCNN (cross self-attention region convolutional neural network)。利用交叉自注意力(cross self-attention, CSA)同时学习点云的坐标和特征,并设计多尺度融合(multi-scale fusion, MF)模块自适应捕捉各层级多尺度特征。此外,还设计重叠采样策略对感兴趣目标区域选择性地重采样以获得更多前景点,有效降低了噪声采样。在广泛使用的KITTI数据集上进行算法性能测试,结果表明,本文方法对行人等小目标的检测精度有较大提升,平均精度均值相比PointRCNN等4种经典算法均获得提升,显著提高3D点云目标的检测性能。     

基于主动式全景视觉的管道形变检测及重构技术的研究

研究了一种采用主动式全景视觉传感器(ASODVS)的 管道内表面全方位检测方法。基于主动式全景视觉检测原理, 提出了一种能够快速、全方位获取管道内壁三维点云信息,实现视觉检测管道形变的全景激 光视觉系统; 利用携带有ASODVS的爬行机器人进入管道内部,采集激光横断扫描全 景图像;然后根据提 取的管道内壁三维点云数据计算最小直径、横断面面积等几何特征判断变形率;最后根据三 维点云圆周分 布的特征,采用三角格网模型进行三维重构。实验结果表明:基于主动式全景视觉的管道内 壁全方位检测 系统能够实时完成对管道凹凸形变的检测和识别,并恢复管道内壁的三维形貌,具有较高的 检测精度。     

GridNet-3D:A Novel Real-Time 3D Object Detection Algorithm Based on Point Cloud

3D object detection based on point cloud has an important application prospect in automatic driving technology.Aiming at the low precision of 3D object detectio...     

别汉棱镜角度误差对光轴一致性影响的研究

在周视扫描成像系统中,需要通过特定光学元件进行消像旋.别汉棱镜是最常用的消像旋元件之一,由于棱镜的角度误差对系统光轴的影响较大,因此对别汉棱镜的角度误差要求非常严格.本文通过分析推导反射光线、折射光线以及三维坐标系旋转的矢量形式表达式,建立了别汉棱镜的角度误差模型,在此基础上分析了入射光轴经别汉棱镜折反射之后出射光轴的...     

三维激光扫描测体积技术及其应用进展

三维激光扫描技术因具有准确性强、检测效率高、无损等优势而被应用于各行各业的物体体积测量。本文概括了利用三维激光扫描技术获取物体轮廓表面信息的几种光学原理;综述了三维激光扫描测体积系统中点云数据获取、点云数据预处理、三维重建与体积计算的研究进展;对三维激光扫描测体积技术在各类行业中的应用现状进行总结分析;最终展望了三维激光扫描技术在不规则体体积测量上面临的挑战和未来的发展趋势。