[发明专利]一种管路结构的识别方法及装置

说明书

本发明提供了一种管路结构的识别方法及装置，该管路结构的识别方法，包括：获取管路结构的边界轮廓；根据所述边界轮廓，获得表示所述管路结构的结构特征的特征信号数据；根据预设神经网络和所述特征信号数据，确定管路上的管路结构。本发明实施例通过管路结构的边界轮廓得到特征信号数据，并通过预设神经网络和特征信号数据，确定管路上的管路结构，实现了管路结构的自动识别，且准确率高。

技术领域

本发明涉及管路装配技术领域，特别涉及一种管路结构的识别方法及装置。

背景技术

管路零件是航空航天产品中压力系统、动力系统、冷却系统和控制系统的重要组成零件，它连接着各系统的阀门和贮箱等零件，是介质和能量传输的重要载体。管路系统的稳定性与航空航天产品的性能和生命周期直接相关，管路问题会引发产品故障甚至报废。管路零件通常由导管和各种零部件焊接装配而成，具有复杂的走向和结构。为确保管路制造质量和实现无应力装配，需要对管路实物检测。相较于三坐标和扫描式测量方法，基于机器视觉的测量方法更加高效准确，此外还具有非接触和自动化程度高的优点。

基于机器视觉的管路测量设备属于测量结构的近景摄影测量设备，现有的设备和方法仅能对导管的直线段和弯曲段进行识别和测量。Tangelder利用不同参数的圆柱体构造CSG模型，通过拟合圆柱实现管路直线段或直角弯曲段的测量；Jones和Navab通过构造管路直线段与弯曲段参数模型，通过投影拟合边缘的方式求解参数实现导管测量。这类方法无法对管路的结构进行识别与分割，通常需要借助光学编码符号或者人工交互的方式对管路结构进行分别测量。

工业生产中，通过视觉手段检测、识别被测零件类型和结构的方法可以分为基于二维图像特征的方法和基于三维数据的方法。基于二维图像特征的零件检测方法多利用基本几何元素，如角点、直线等；或简单几何形状，如圆形、矩形等进行检测、识别。这类方法多应用于结构、外形简单的零件，例如薄片零件检测、板孔检测与测量以及轴承检测等。而对于形状、结构复杂的零件，可通过基本几何元素与简单几何形状构成模板，或采用高等的先验轮廓特征，通过拟合、模式识别与匹配等手段完成检测、识别。这类方法通常采用点、线以及圆等几何特征进行识别，因此常采用Harris检测角点、Hough直线变换检测直线以及Hough圆检测圆形获得基本几何特征。在实际应用中，这类方法多采用单目相机检测，具有速度快、效率高的特点，常用于在线检测。但是由于单目相机无法获取深度数据，通常固定了相机到测量平面的距离，而且多为垂直拍摄，拍摄场景简单，少混杂、少遮挡与少重叠的情况。此外，被测的工业零件也多为几何形状特征突出的零件，几何形状过于复杂的零件难以利用二维图像特征进行识别、分割与检测。

基于三维数据的零件检测方法可对复杂的场景以及复杂特征零件进行更加准确的识别与分割三维数据多为离散的、非结构化的数据，所以大部分研究都是通过拟合的方法从三维数据中识别、分割基本几何形状的数据，例如圆柱、圆锥、球与圆环等。这类方法计算量大、效率低，而且仅能识别结构简单、特征明显的零件，而管路类零件结构复杂、少特征，难以利用这类方法识别、分割。

针对管路零件，Baucer等提出了一种基于离散中心线的分割方法，通过移动最小二乘细化三维点云数据，然后将中心线点云序列化，利用迭代拟合圆弧，判断最优的圆弧拟合结果从而完成结构分割。Jin等提出了根据直线与圆弧的拟合误差识别与分割管路结构的方法，该方法利用圆柱形几何基本元素拟合管路边缘，重建管路离散模型，由于管路圆弧段也采用短直线拟合，当圆弧曲率半径较大时，拟合误差增大，利用这种拟合误差的差异变化可用于识别与分割导管直线段和圆弧段结构。Baucer和Jin的方法都是导管直线段和圆弧段自动识别与分割方法，但是计算量大，而且容易受到噪声干扰，导致分割结果不准确。此外，这两种方法都无法判断直线段和圆弧段以外的结构。