一种基于主成分分析的耐火砖三维测量方法

1.本发明涉及机器视觉技术领域，具体涉及一种基于主成分分析的耐火砖三维测量方法。


背景技术：

2.随着工业、建筑业等相关行业的不断发展，我国已经成为世界最大的耐火材料生产国、消费国和出口国，在国际耐火材料领域占有重要的地位。耐火砖是具有一定形状和尺寸的耐火材料，用耐火黏土等耐火原料烧制而成，能在高温下经受各种机械作用和物理化学变化，广泛应用于冶金、化工、石油、发电等工业领域。高温的使用环境对耐火砖的质量提出了特殊的要求，其尺寸误差、表面缺陷以及内部结构等都必须符合相应的质量标准。然而，长期以来，我国多数耐火砖生产厂家大都是利用卷尺等简单的工具通过手工操作的方法对耐火砖进行检测，检测效率低下，精测精度不高，易受主观影响，并且很难建立统一的评判标准。近年来，随着机器视觉技术的快速发展，将机器视觉应用于耐火砖表面质量检测的方法逐渐增多，然而，这些方法大多集中于对二维图像进行特征提取与分类，忽略了对耐火砖的长宽高、平整度、缺角等三维参数、缺陷的测量与检测。但是，如果直接采用耐火砖的三维点云数据并进行处理又存在着计算量过大、效率低、检测系统造价昂贵等问题。


技术实现要素：

3.针对现有技术中的缺陷，本发明提供的一种基于主成分分析的耐火砖三维测量方法，该方法能准确、快速检测出耐火砖的三维参数。
4.本发明提供的一种基于主成分分析的耐火砖三维测量方法，包括：
5.获取待测耐火砖的点云数据；
6.将所述点云数据根据高度进行筛选，去除待测耐火砖外的点云数据，并对待测耐火砖表面的点云数据进行滤波，得到处理后的上表面点云；
7.对所述上表面点云使用主成分分析法进行数据降维处理，将三维点云转化为二维点云；
8.根据所述二维点云计算待测耐火砖的长度和宽度；
9.对二维点云进行透视投影并转换为灰度图像，在灰度图像中进行角点检测得到角点数量；
10.根据角点数量、图像角点与二维点云的投影关系以及二维点云与三维点云在主成分分析方法中的对应关系找到图像角点对应的耐火砖的三维顶点，根据所述三维顶点到基准平面的距离计算待测耐火砖的厚度；
11.输出待测耐火砖的长度、宽度和厚度。
12.可选地，方法还包括：判断所述角点数量是否大于4；
13.若大于4，则判断待测耐火砖有缺角；
14.若小于等于4，则判断待测耐火砖无缺角。
15.可选地，方法还包括：根据所述三维顶点，拟合三维平面方程，计算待测耐火砖上表面点云中所有三维点到拟合平面的距离，对得到的所有距离计算均值和标准差，得到待测耐火砖的平整度。
16.可选地，将所述点云数据根据高度进行筛选的具体方法包括：
17.按照设定高度范围筛选出点；
18.对筛选出的点进行连通域处理；
19.保留相同连通域的点云，去除干扰点云。
20.可选地，对所述上表面点云使用主成分分析法进行数据降维处理的具体方法包括：使坐标系xoy面与砖面重合，且坐标系原点与砖面中心重合，保留三维数据中的两个主要成分。
21.可选地，所述根据所述二维点云计算待测耐火砖的长度和宽度的具体方法包括：
22.从二维点云中找出横坐标的最大值和横坐标的最小值；
23.从二维点云中找出纵坐标的最大值和纵坐标的最小值；
24.将横坐标的最大值减去横坐标的最小值得到待测耐火砖的长度；
25.将纵坐标的最大值减去纵坐标的最小值得到待测耐火砖的宽度。
26.可选地，所述获取待测耐火砖的点云数据具体方法包括：
27.将待测耐火砖放置在参考面上，将3d智能传感器置于参考面上方预设高度，使用3d智能传感器采集待测耐火砖的点云数据。
28.可选地，所述预设高度为765mm。
29.可选地，所述设定高度范围为距离3d传感器650mm-725m。
30.本发明的有益效果：
31.本发明实施例提供的一种基于主成分分析的耐火砖三维测量方法，将耐火砖三维点云数据进行降维，去除三维数据中的冗余信息，使数据处理过程更加简单有效，提升数据处理速度，该方法能自动检测耐火砖的三维参数，测量精度高、检测速度快。
附图说明
32.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
33.图1示出了本发明第一实施例所提供的一种基于主成分分析的耐火砖三维测量方法的流程示意图。
34.图2示出了本发明实施例中采集点云数据的设备结构示意图。
35.图3是本发明实施例中经过滤波处理后的耐火砖上表面点云示意图。
36.图4是本发明实施例中耐火砖上表面点云数据降维后的二维点云图。
37.图5是本发明实施例中利用灰度图像进行角点检测的示意图。
38.图中标识：1:3d智能传感器，2:待测耐火砖，3:实验桌。
具体实施方式
39.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
41.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
42.还应当进一步理解，本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
43.如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0044]
需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
[0045]
请参阅图1～5,本发明第一实施例所提供的一种基于主成分分析的耐火砖三维测量方法包括以下步骤：
[0046]
步骤s1：获取待测耐火砖的点云数据。
[0047]
在图2中，将3d智能传感器1置于参考面上方预设高度，将待测耐火砖2放置在参考面上，在本实施例中参考面为实验桌3。使用3d智能传感器1采集待测耐火砖2的点云数据。
[0048]
步骤s2：对步骤s1中采集到的点云数据根据高度进行筛选，去除待测耐火砖外的点云数据，并对待测耐火砖表面的点云进行滤波，得到处理后的上表面点云。
[0049]
步骤s3：对步骤s2中得到的处理后的待测耐火砖上表面点云使用主成分分析(principal component analysis,pca)法，进行数据降维处理，使坐标系的xoy面与砖面重合，且坐标系原点与砖面中心重合，保留三维数据中的两个最主要成分，从而将三维点云转化为二维点云。达到降低数据复杂度、提升数据处理速度的目的。调整二维点云图像坐标位置，使坐标系原点与砖面中心重合，方便后续计算。
[0050]
步骤s4：对步骤s3中得到的降维点云，找出横纵坐标的最大值和最小值，得出降维点云中四个顶点的坐标，通过计算顶点之间的距离得到待测耐火砖的长度和宽度。
[0051]
步骤s5：将步骤s3中得到的降维点云进行透视投影，转换为灰度图像，在该灰度图像中进行角点检测得到角点数量。
[0052]
步骤s6：根据步骤s5中灰度图像的角点检测结果，利用图像角点与降维点云的投影关系，以及降维点云与三维点云在pca操作中的对应关系，得出与图像角点对应的待测耐火砖三维顶点，根据三维顶点到基准平面的距离测算待测耐火砖的厚度。
[0053]
步骤s7：对步骤s6中的三维顶点，拟合三维平面方程，计算待测耐火砖上表面点云中所有三维点到该拟合平面的距离的均值与方差，由此计算待测耐火砖的平整度；
[0054]
步骤s8：保存并输出检测结果。
[0055]
上述步骤中，将耐火砖三维点云数据进行降维，去除三维数据中的冗余信息，使数据处理过程更加简单有效，提升数据处理速度，该方法能自动检测耐火砖的三维参数，测量精度高、检测速度快。
[0056]
进一步地，为了检测耐火砖是否有缺角，可以根据检测到的角点数量是否大于4，来判断耐火砖是否有缺角产生。具体的方法包括：
[0057]
角点数量若大于4，则判断待测耐火砖有缺角；
[0058]
角点数量若小于等于4，则判断待测耐火砖无缺角。
[0059]
具体地，在步骤s1中，使用3d智能传感器采集待测耐火砖的点云数据时，使3d智能传感器距离参考面765mm。
[0060]
具体地，在步骤s2中，对采集到的点云根据高度进行筛选处理，获得待测耐火砖表面点云的具体步骤包括：
[0061]
在参考面放置耐火砖后，先筛选出距离3d智能传感器650mm-725mm的点，对筛选的点进行连通域处理，两个点之间的距离不超过1mm，则认为是相同的连通域，将其他连通域的干扰点云去除掉。
[0062]
在步骤s2中，对待测耐火砖表面的点云数据进行滤波的具体方法为：对待测耐火砖上表面所有点云的z坐标求均值m，设置范围(m-1.2,m+1.2)，对点云进行滤波，保留范围内的点，单位为mm。
[0063]
在步骤s3中，对步骤s2中得到的处理后的待测耐火砖上表面点云使用主成分分析法，进行数据降维处理的方法具体包括：
[0064]
首先，耐火砖上表面点云数据格式为：
[0065][0066]
式(1)中，是由待测耐火砖上表面n个三维数据点构成的点云矩阵，代表每个点都含有三维空间信息，s是由n个特征元素组成的三维点云集合，在点云矩阵sm中，每行表示一个点；进一步的采用如下公式(2)计算每个点在三个维度上的零均值归一化：
[0067][0068]
式(2)中，采用如下公式(3)计算样本特征的协方差矩阵：
[0069][0070]
式(3)中，为样本特征的协方差矩阵；进一步地计算协方差矩阵cm的特征值λ和特征向量υ
λ
；将特征向量按照对应的特征值从大到小按行排列成矩阵，取第一列和第二列组成变换矩阵k；进一步采用如下公式(4)计算即可得到降维后的点云矩阵：
[0071][0072]
在步骤s4中，根据二维点云计算待测耐火砖的长度和宽度的具体方法包括：
[0073]
由于二维平面中坐标原点恰好位于平面中心，所以非常方便找出横纵坐标的最大值和最小值，进一步通过两点之间的距离公式计算耐火砖的长度和宽度，即如果将公式(4)中得到的降维后的点云矩阵详细表示为式(5)：
[0074][0075]
那么，就可以将x'方向的最大值和最小值、y'方向的最大值和最小值，分别表示为x'
max
，x'
min
，y'
max
，y'
min
，于是耐火砖的长度length和宽度width可以按照公式(6)进行计算：
[0076][0077]
在步骤s5中，由降维后的点云矩阵得到灰度图像的过程为：
[0078]
设定相机的焦距f，像元尺寸du，dv，主点位置cu，cv，旋转矩阵r，平移向量t以后，可以得到相机的投影矩阵为：
[0079][0080]
如果假设降维后点云矩阵中每个点的z’坐标为0，则相机投影矩阵可以转化为：
[0081]
h'＝[h
1 h
2 h4]
ꢀꢀꢀꢀ
，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0082]
于是可以建立起降维后的点云矩阵与图像像素的对应关系为：
[0083][0084]
其中，为图像像素的齐次坐标，为降维后点云的齐次坐标，i＝1,2,...,n，n为自然数。
[0085]
在步骤s5中，采用harris角点检测的具体步骤包括：
[0086]
首先，对二维耐火砖图像进行灰度化处理，将其转为灰度图像，进一步的采用如下公式(10)计算图像在u方向和v方向的梯度：
[0087][0088]
式(10)中，i为图像矩阵，iu为图像在u方向的梯度，iv为图像在v方向的梯度，进一步的采用如下公式(11)计算两个方向梯度的乘积：
[0089][0090]
进一步的采用如下公式(12)对三者进行高斯加权，生成矩阵m的元素a,b,c：
[0091][0092]
式(12)中m是互相关矩阵，ω(u,v)是以点(u,v)为中心的高斯加权函数，进一步的采用如下公式(13)计算角点响应函数r，并将小于某一特定阈值t的r值置为零：
[0093]
r＝{r:det(m)-k trace(m)2《t}，
ꢀꢀꢀꢀꢀ
(13)
[0094]
对r进行非极大值抑制，其中得到的局部最大值点即为图像的角点；根据边缘角点数量是否大于4来判断是否有缺角产生。
[0095]
进一步地，在步骤s6中，根据图像角点确定耐火砖三维顶点的具体步骤为：
[0096]
假设通过角点检测得到的图像角点集合为m
corner
，其所对应的降维点云角点集合用s’corner
表示，于是可以根据公式(9)确立二者之间的关系如下：
[0097][0098]
式(14)中，为图像角点集合的齐次坐标形式，为降维点云集合的齐次坐标形式。由公式(14)得到的降维点云角点集合s’corner
后，可以进一步根据公式(2)和公式(4)得到耐火砖三维顶点集合s
corner
，即有：
[0099][0100]
式(15)中，k
+
表示变换矩阵k的伪逆矩阵，符号表示矩阵中对应行逐元素相加。
[0101]
在一些实施例中，在步骤s7中，具体包括如下步骤：
[0102]
首先，根据步骤s6中的三维顶点坐标，拟合三维平面方程；
[0103]
其次，根据步骤s2得到的耐火砖上表面点云，利用点到三维平面方程的距离公式，求所有三维点到拟合平面的距离；
[0104]
再次，对前一步中求得的所有距离，求均值和标准差，并将3倍标准差内的三维点视为内点，记作inliers，超出此范围的三维点视作离群点，记作outliers，利用内点集合拟合平面方程，并在此基础上计算耐火砖表面的平整度，记作smoothness，它可以表示为：
[0105]
[0106]
最后，判断由公式(16)中得到的平整度值是否超过预设的允许值，若没有超过则判定合格，否则判定为不合格。
[0107]
另外，步骤s8中，保存检测结果指将上述步骤中耐火砖的长度、宽度、高度、是否有缺角产生以及平整度存入数据库文件；输出检测结果具体指将检测结果按照约定协议发送到接收端。
[0108]
本发明实施例通过主成分分析对由3d智能传感器获得的耐火砖三维点云数据进行降维，去除三维数据中的冗余信息，使数据处理过程变得更加简单高效，从而达到提升数据处理速度的目的。本发明实施例所提供的方法测量精度高，检测速度快，并且可以实现多种耐火砖(包括直型耐火砖、楔形耐火砖)的几何外观三维尺寸的测量。
[0109]
综上所述，本发明实施例提供的一种基于主成分分析的耐火砖三维测量方法，使用3d智能传感器采集耐火砖的点云数据，通过主成分分析方法实现数据降维，去除三维点云数据中的冗余信息，简化了数据处理步骤，能够准确测量耐火砖长、宽、高三维尺寸。还能对耐火砖是否存在缺角、是否平整等质量缺陷做出判断，既减少了工人的工作量，又提高了测量精度与效率，为现有的耐火砖三维尺寸测量与缺陷检测问题提供了新的解决方案。
[0110]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

技术特征：
1.一种基于主成分分析的耐火砖三维测量方法，其特征在于，包括：获取待测耐火砖的点云数据；将所述点云数据根据高度进行筛选，去除待测耐火砖外的点云数据，并对待测耐火砖表面的点云数据进行滤波，得到处理后的上表面点云；对所述上表面点云使用主成分分析法进行数据降维处理，将三维点云转化为二维点云；根据所述二维点云计算待测耐火砖的长度和宽度；对二维点云进行透视投影并转换为灰度图像，在灰度图像中进行角点检测得到角点数量；根据角点数量、图像角点与二维点云的投影关系以及二维点云与三维点云在主成分分析方法中的对应关系找到图像角点对应的耐火砖的三维顶点，根据所述三维顶点到基准平面的距离计算待测耐火砖的厚度；输出待测耐火砖的长度、宽度和厚度。2.如权利要求1所述的方法，其特征在于，所述方法还包括：判断所述角点数量是否大于4；若大于4，则判断待测耐火砖有缺角；若小于等于4，则判断待测耐火砖无缺角。3.如权利要求1所述的方法，其特征在于，所述方法还包括：根据所述三维顶点，拟合三维平面方程，计算待测耐火砖上表面点云中所有三维点到拟合平面的距离，对得到的所有距离计算均值和标准差，得到待测耐火砖的平整度。4.如权利要求1所述的方法，其特征在于，将所述点云数据根据高度进行筛选的具体方法包括：按照设定高度范围筛选出点；对筛选出的点进行连通域处理；保留相同连通域的点云，去除干扰点云。5.如权利要求1所述的方法，其特征在于，对所述上表面点云使用主成分分析法进行数据降维处理的具体方法包括：使坐标系xoy面与砖面重合，且坐标系原点与砖面中心重合，保留三维数据中的两个主要成分。6.如权利要求1所述的方法，其特征在于，所述根据所述二维点云计算待测耐火砖的长度和宽度的具体方法包括：从二维点云中找出横坐标的最大值和横坐标的最小值；从二维点云中找出纵坐标的最大值和纵坐标的最小值；将横坐标的最大值减去横坐标的最小值得到待测耐火砖的长度；将纵坐标的最大值减去纵坐标的最小值得到待测耐火砖的宽度。7.如权利要求1所述的方法，其特征在于，所述获取待测耐火砖的点云数据具体方法包括：将待测耐火砖放置在参考面上，将3d智能传感器置于参考面上方预设高度，使用3d智能传感器采集待测耐火砖的点云数据。8.如权利要求7所述的方法，其特征在于，所述预设高度为765mm。
9.如权利要求4所述的方法，其特征在于，所述设定高度范围为距离3d传感器650mm-725m。

技术总结
本发明公开了一种基于主成分分析的耐火砖三维测量方法,方法包括：获取待测耐火砖的点云数据；将点云数据进行滤波和筛选，得到处理后的上表面点云；对上表面点云使用PCA进行数据降维处理，将三维点云转化为二维点云；根据二维点云计算耐火砖的长度和宽度；对二维点云进行透视投影并转换为灰度图像，在灰度图像中进行角点检测得到角点数量；根据角点数量、图像角点与二维点云的投影关系以及二维点云与三维点云在主成分分析方法中的对应关系找到图像角点对应的耐火砖的三维顶点，根据三维顶点到基准平面的距离计算耐火砖的厚度；输出耐火砖的长度、宽度和厚度。该方法能准确、快速检测出耐火砖的三维参数。检测出耐火砖的三维参数。检测出耐火砖的三维参数。


技术研发人员：陈鹏 白勇 张东岳 陈海永 刘卫朋
受保护的技术使用者：河北工业大学
技术研发日：2023.04.13
技术公布日：2023/8/14