← 返回列表

轮毂缺陷的检测方法及装置、存储介质

申请号: CN202311358727.2
申请人: 深圳市信润富联数字科技有限公司
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 轮毂缺陷的检测方法及装置、存储介质
专利类型 发明授权
申请号 CN202311358727.2
申请日 2023/10/19
公告号 CN117095002B
公开日 2024/2/6
IPC主分类号 G06T7/00
权利人 深圳市信润富联数字科技有限公司
发明人 杨超; 黄雪峰; 蔡恩祥
地址 广东省深圳市罗湖区桂园街道老围社区深南东路5016号蔡屋围京基一百大厦A座2001-06

摘要文本

深圳市信润富联数字科技有限公司取得“一种透气窗帘布”专利技术,本发明提供了一种轮毂缺陷的检测方法及装置、存储介质,其中,该方法包括:采用2D相机采集目标轮毂的2D图像,以及采用3D相机采集所述目标轮毂的3D点云,其中,所述2D相机和所述3D相机的位置固定,所述2D相机和所述3D相机的视野区域相同;计算所述2D相机和所述3D相机之间的变换矩阵;采用深度学习算法检测所述2D图像中的缺陷位置,采用所述变换矩阵将所述缺陷位置的缺陷像素点对齐至所述3D点云;截取所述3D点云中所述缺陷像素点覆盖的缺陷点云,基于所述缺陷点云计算所述缺陷位置的缺陷尺寸。通过本发明实施例,解决了相关技术中采用2D相机检测轮毂误检率高的技术问题。

专利主权项内容

来自:马 克 团 队 1.一种轮毂缺陷的检测方法,其特征在于,包括:采用2D相机采集目标轮毂的2D图像,以及采用3D相机采集所述目标轮毂的3D点云,其中,所述2D相机和所述3D相机的位置固定,所述2D相机和所述3D相机的视野区域相同;计算所述2D相机和所述3D相机之间的变换矩阵;采用深度学习算法检测所述2D图像中的缺陷位置,采用所述变换矩阵将所述缺陷位置的缺陷像素点对齐至所述3D点云;截取所述3D点云中所述缺陷像素点覆盖的缺陷点云,基于所述缺陷点云计算所述缺陷位置的缺陷尺寸;其中,计算所述2D相机和所述3D相机之间的变换矩阵包括:采用所述2D相机采集标定板的2D参考图像,以及采用所述3D相机采集所述标定板的3D参考点云,其中,所述标定板上开设有多个均匀分布的标定圆,每个标定圆上贴有标定图案;读取所述2D参考图像中每个标定图案的圆心坐标,并为每个圆心坐标添加单位长度的深度值,得到第一圆心点集,以及读取所述3D参考点云中每个标定图案的圆心坐标,得到第二圆心点集;计算所述第一圆心点集变换至所述第二圆心点集的旋转矩阵和平移矩阵;将所述旋转矩阵和所述平移矩阵确定为所述2D相机和所述3D相机之间的变换矩阵;其中,计算所述第一圆心点集变换至所述第二圆心点集的旋转矩阵和平移矩阵包括:计算所述第一圆心点集的第一质心坐标,以及计算所述第二圆心点集的第二质心坐标;采用所述第一圆心点集除以所述第一质心坐标,得到第三圆心点集,采用所述第二圆心点集除以所述第二质心坐标,得到第四圆心点集;基于所述第三圆心点集和所述第四圆心点集构建旋转矩阵计算和平移矩阵的误差函数;对所述误差函数进行求迹运算,得到协方差矩阵;对所述协方差矩阵进行奇异值分解SVD,计算得到旋转矩阵;基于所述第一质心坐标和所述第二质心坐标构建所述旋转矩阵与所述平移矩阵之间的变换表达式,并将所述旋转矩阵代入所述变换表达式得到平移矩阵;其中,采用所述变换矩阵将所述缺陷位置的缺陷像素点对齐至所述3D点云包括:针对所述缺陷位置中每个二维的缺陷像素点(u,v),采用以下公式将(u,v)对齐转换为所述3D点云中的三维点(x, y, z):;其中,所述变换矩阵包括旋转矩阵R和平移矩阵/>;其中,基于所述第三圆心点集和所述第四圆心点集构建旋转矩阵计算和平移矩阵/>的误差函数包括:采用以下公式构建旋转矩阵/>计算和平移矩阵/>的误差函数:;其中,/>为第i个点的权重,/>为旋转矩阵,/>为平移矩阵,为所述第三圆心点集/>中的第i个点,/>为所述第四圆心点集/>中的第i个点,/>为转置符,n为所述第三圆心点集或所述第四圆心点集中的点的总数;其中,基于所述第一质心坐标和所述第二质心坐标构建所述旋转矩阵与所述平移矩阵之间的变换表达式包括:基于所述第一圆心点集和所述第二圆心点集构建旋转矩阵和平移矩阵/>的初始误差函数/>,其中,/>为第i个点的权重,为所述第一圆心点集中的第i个点,/>为所述第二圆心点集中的第i个点,n为所述第一圆心点集或所述第二圆心点集中的点的总数;采用所述初始误差函数对平移矩阵/>求偏导,得到误差偏导函数/>;将所述第一质心坐标和所述第二质心坐标代入所述误差偏导函数,得到所述旋转矩阵与所述平移矩阵之间的变换表达式:/>,其中,/>为第一质心坐标,/>为第二质心坐标。