[发明专利]一种非完整车身R角小圆弧视觉测量方法及系统

权利要求书

1.一种非完整车身R角小圆弧视觉测量方法，其特征在于：包括，

利用线结构光相机拍摄车身R角非完整小圆弧，获得拍摄后的点云轮廓数据；

根据所述点云轮廓数据，进行最小二乘法直线拟合；

对拟合后的点云进行斜率筛选，去除点云轮廓曲线中筛选出的直线点云，得到第一筛选点云；

对所述第一筛选点云进行曲率筛选，去除与圆弧相连的直线点云以及其余直线点云，完成圆弧特征粗提取，得到第二筛选点云；

利用算法对第二筛选点云进行精确圆弧特征点云提取，并用最小二乘法拟合得到圆弧半径及圆心坐标。

2.如权利要求1所述的非完整车身R角小圆弧视觉测量方法，其特征在于：所述斜率筛选包括，

斜率差值的阈值：

W＝H₂*m

σ＝tanθ

其中，θ为斜率筛选前后组直线夹角阈值角度，σ为两直线斜率差的阈值，H为前后组直线拟合区域宽度，m为构成线段的点，W为投影距离，H₂为相机精度。

3.如权利要求1或2所述的非完整车身R角小圆弧视觉测量方法，其特征在于：所述曲率筛选包括，

曲率阈值

其中，为曲率阈值，s为待测件曲率筛选阈值角度内的弧长，α为曲率阈值角度，曲率筛选每组点云跨度为斜率筛选的一半，α为斜率筛选阈值角度θ的一半，I为取样间隔点数，H为前后组直线拟合区域宽度，H₂为相机精度。

4.如权利要求3所述的非完整车身R角小圆弧视觉测量方法，其特征在于：所述精确圆弧特征点云提取包括，

设置RANSAC算法的迭代次数和内点距离阈值；

由三点拟合圆构建模型，用其它点来测试该模型，并统计内点数目；

重复迭代，提取内点数目最多的模型。

5.如权利要求4所述的非完整车身R角小圆弧视觉测量方法，其特征在于：所述斜率筛选还包括，若前后两组点云数据拟合的斜率差小于σ，则认为后一组是点云轮廓曲线中的直线，予以剔除，否则予以保留。

6.如权利要求5所述的非完整车身R角小圆弧视觉测量方法，其特征在于：所述曲率筛选还包括，三点拟合曲线，得到曲线参数方程，并计算曲线曲率，且以中间点作为曲线估计曲率；设置曲率阈值将小于曲率阈值的点云去除。

7.如权利要求4～6任一所述的非完整车身R角小圆弧视觉测量方法，其特征在于：所述最小二乘法直线拟合包括，

将所有点云数据进行滚动分组，每组m个离散点云，使得后组数据包含前组数据的一半，在分组时出现数据量少于m/2个点的小组，直接去除，防止数据量过少拟合误差过大。

8.一种非完整车身R角小圆弧视觉测量系统，其特征在于：包括数据获取模块、数据拟合模块、第一点云筛选模块、第二点云筛选模块和特征提取与处理模块，

数据获取模块，所述数据获取模块用于获取外部拍摄设备拍摄车身R角非完整小圆弧后的点云轮廓数据；

数据拟合模块，所述数据拟合模块用于根据所述数据获取模块获取的云轮廓数据，进行最小二乘法直线拟合；

第一点云筛选模块，所述第一点云筛选模块用于对拟合后的直线进行斜率筛选，去除点云轮廓曲线中筛选出的直线点云，得到第一筛选点云；

第二点云筛选模块，所述第二点云筛选模块用于对所述第一筛选点云进行曲率筛选，去除与圆弧相连的直线点云以及其余直线点云，完成圆弧特征粗提取，得到第二筛选点云；

特征提取与处理模块，特征提取与处理模块用于利用算法对第二筛选点云进行精确圆弧特征点云提取，并用最小二乘法拟合得到圆弧半径及圆心坐标。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。