基于M估计算法的三维点云平面拟合方法研究

通过激光传感器获取的三维点云难免混入噪声和异常点,导致点云平面的拟合精度降低。为解决该问题,本文提出了一种结合M估计样本一致性(MSAC)算法和主成分分析(PCA)法拟合点云平面的方法。该方法首先通过MSAC算法去除点云数据中的异常点,获得较为理想的点云平面,然后使用PCA方法对保留的点云数据进行平面拟合,以获取更加精确的点云平面参数。使用电池托盘作为被测物,应用3D线激光轮廓传感器扫描被测物并将点云数据传输到计算机进行处理。通过设定的仿真数据和电池托盘点云数据进行实验,发现本文方法与随机采样一致性(RANSAC)结合PCA、最小平方中值(LMedS)结合PCA的方法相比,在耗时接近的情况下,能够显著降低异常点对点云平面拟合的影响,获得更精确的平面拟合参数。对两个部分的电池托盘点云滤波处理后进行平面拟合时,能够发现本文方法与其他两种方法相比,标准差分别降低了28.6%和22.5%%、24.0%和29.0%,该方法具有较高的平面拟合精度和实用性。

目标检测与图像分类网络融合的金属化陶瓷环缺陷检测

针对金属化陶瓷环缺陷面积小、可利用信息少的特点和缺陷检测精度低的问题,提出一种目标检测与图像分类网络融合的金属化陶瓷环缺陷检测方法。首先,使用针对小面积目标检测特点改进的Faster-RCNN目标检测网络实现对缺陷的初步识别与定位。接着,使用插值方法将定位到的缺陷区域放大,利用图像相邻像素之间的信息关联,增加缺陷检测的特征信息量。然后,使用ResNet图像分类网络对放大后的区域进行缺陷类别判断。最后,融合目标检测网络和图像分类网络的结果,获得最终的缺陷检测结果。实验结果表明,所提方法能在保障缺陷检测查全率的同时有效提升查准率,且能准确定位缺陷区域。