[发明专利]一种基于降维和点云数据匹配的电池外观缺陷检测方法

说明书

本发明公开了一种基于降维和点云数据匹配的电池外观缺陷检测方法，属于机器视觉检测技术领域，获取待检测电池的三维点云数据，将点云数据进行降维；得到待检测电池的缺陷区域，提取缺陷区域点云数据；提取出标准电池相同区域的点云数据；对两片点云数据进行采样并匹配搜索；得到优化的特征点对应关系，计算大致刚性变换关系，实现粗配准；对粗配准结果进行约束性检测，进行正确性的验证；优化点云数据间的刚性变换关系，实现自动精确配准，判断电池外观是否合格。本发明通过降维算法将三维图像变为二维图像，在二维图像中利用平面缺陷检测技术，得到缺陷区域点云数据，将点云数据进行匹配，缩小检测范围，减少运行时间，提高准确率。

技术领域

本发明涉及一种电池外观缺陷检测方法，特别是涉及一种基于降维和点云数据匹配的电池外观缺陷检测方法，属于机器视觉检测技术领域。

背景技术

随着现代工厂生产量的增加及元件、零件等的微型化，很多人选择视觉检测系统来对大批量生产的工业零件产品进行检验，如：电子连接件、汽车零部件、SMT电路板和螺钉等产品，通过采集被检测物体的图像与标准品或计算机辅助设计时编制的检查程序进行比较，从而检验出瑕疵或缺陷，目前二维图像检测比较普遍，但二维图像检测非常容易受光源的影响，同样，手机电池表面检测非常容易受光源等因素的影响，有时不能有效地反映电池表面凹坑或凸节等缺陷信息，因为这些缺陷涉及到深度信息，二维图像处理无法检测出缺陷的深度信息，导致定位和提取这些缺陷特征比较困难，从而不能很好的检测出电池是否符合要求。

三维激光扫描技术可以连续、自动、不接触、快速地采集大量的目标物表面三维点数据，即建点云，三维模型在工业检测、文物保护、生物医学等领域都具有重要的意义，随着三维技术的发展，对点云模型的处理技术已经成为近年来研究的热点，点云处理中一个重要步骤就是将同一场景中不同视点获得的点云数据统一到同一坐标系，即点云配准。

现有的点云配准方法通常采用粗配准和精确配准相结合的方式，其中，粗配准一般通过计算点的特征寻找对应点，估计得到两幅点云间的初始位置关系；精确配准是采用ICP及其改进算法对粗配准结果进行进一步优化，实现点云数据的精确配准。

发明内容

本发明的主要目的是为了提供一种基于降维和点云数据匹配的电池外观缺陷检测方法，简化点云的数据量，提高点云特征匹配可靠性。

本发明的目的可以通过采用如下技术方案达到：

一种基于降维和点云数据匹配的电池外观缺陷检测方法，包括如下步骤：

步骤1：用3D相机获取待检测电池的三维点云数据；

步骤2：采用PCA降维算法将点云数据进行降维；

步骤3：采用二维平面缺陷检测技术，得到待检测电池的缺陷区域，提取缺陷区域的点云数据；

步骤4：根据待检测电池的缺陷区域，提取出标准电池相同区域的点云数据；

步骤5：读入采集到的待检测电池缺陷区域的点云P和标准电池相同区域的点云Q；

步骤6：分别计算点云P和点云Q的密度，并从点云P中随机选取若干个点构成特征点集S₁，从点云Q中随机选取若干个点构成特征点集S₂；

步骤7：分别计算特征点集S₁和S₂中每个特征点的局部旋转平移不变坐标系；

步骤8：根据局部旋转平移不变坐标系计算每个特征点的高维特征描述，对点云Q与点云P进行特征点匹配，获得初匹配点集C；

步骤9：利用随机采样一致算法去除初匹配点集C中的误匹配，利用奇异值分解法计算获得旋转矩阵R和平移矩阵T，得到待检测电池缺陷区域的点云和标准电池相同区域的点云的粗配准结果；