技术特征：
1.一种球面栅极组件间距的测量方法，其特征在于包括以下步骤：步骤一、获取栅极组件的点云数据并进行预处理，去除噪声点；步骤二、利用密度搜索法，区分点云数据中的边缘点和非边缘点，获取边缘点集合e，再利用聚类分析法对边缘点集合e进行分类，获取聚类簇集合c＝{c
l
|c
l
,l＝1,2,3,
…
,m}，c
l
表示第l个聚类簇；步骤三、利用最大距离分析法，根据任意两点之间的距离情况获取每个聚类簇c
l
内部点的最大距离分布情况，利用非参数估计法对基于最大距离分布情况拟合得到的概率密度函数进行优化，获得最优的区间宽度，进而提取最大距离分布中的特征点，以此组成的区域即为稳定区域，然后对所述稳定区域进行圆孔识别；步骤四、利用协方差矩阵对各个稳定区域中的圆孔进行上下层圆孔区分，获取上层圆孔的圆心集，再利用坐标变换找到与上层圆孔的圆心集对应的下层圆孔的圆心集，从而完成栅极组件的间矩测量。2.根据权利要求1所述的球面栅极组件间距的测量方法，其特征在于最大距离分析法包括以下步骤：设所述聚类簇c
l
中有n个点，|p
i
(c
l
)-p
j
(c
l
)|表示点p
i
(c
l
)与点p
j
(c
l
)之间的距离，其中p
i
(c
l
)、p
j
(c
l
)分别表示聚类簇c
l
中的第i、j个点，步骤
①
、建立聚类簇c
l
对应的距离矩阵p，计算距离矩阵p的无穷范数也就是求取距离矩阵p中各个元素的最大值即最大距离；步骤
②
、将最大距离提取出来保存在集合maxd中，同时将最大距离对应的两个点p
i
(c
l
)、p
j
(c
l
)分别保存在集合a和b中，建立点和最大距离对应关系f(a,b)
→
maxd，然后将最大距离对应的点从聚类簇c
l
中剔除；步骤
③
、重复步骤
①‑②
，直到点个数小于二时，完成最大距离提取，从而获取聚类簇c
l
内部点的距离分布情况。3.根据权利要求2所述的球面栅极组件间距的测量方法，其特征在于非参数估计法包括以下步骤：步骤
⑴
、记集合maxd中的元素为d1，d2…
d
n*
，使用集合maxd中的元素为样本数据建立密度直方图；步骤
⑵
、通过拟合建立概率密度函数为了使样本数据分布的整体概率为1，对密度直方图进行整体归一化处理，设所述密度直方图的分布区间均为b
k*
＝[t
k*
,t
k*+1
]，且对于所有k*而言，h＝t
k*+1-t
k*
表示区间宽度，v
k*
表示分布区间b
k*
的概率函数即分布区间b
k*
内堆叠点的个数，则单个最大距离d的概率密度权重应为1/(h n*)，对应拟合得到概率密度函数为：
步骤
⑶
、建立误差函数err(d)，以所述误差函数作为优化标准对概率密度函数进行非参数优化，计算获得区间宽度h的最优解h*；由于每一个样本数据仅可存在于一个分布区间b
k*
中，则分布区间b
k*
的概率函数v
k*
满足二项分布，设p
k
为分布区间b
k*
的概率，即：所以可得概率密度函数在分布区间b
k*
上的方差和偏差为：上的方差和偏差为：则对应的误差函数其中，y表示实际的概率密度函数，当误差函数err(d)最小时，即可获得区间宽度h的最优解h*的值，从而完成非参数估计的优化过程。4.根据权利要求3所述的球面栅极组件间距的测量方法，其特征在于：依据所述最优解h*，重新计算概率密度函数，进而能够计算出每个样本数据对应的概率密度，再将大于概率密度阈值的样本数据提取出来，然后将提取出的样本数据对应的点从集合a和b中提取出来即为特征点，获得对应的稳定区间。5.根据权利要求4所述的球面栅极组件间距的测量方法，其特征在于：记所述特征点为q
i
(maxd)，共n个，利用如下方程式计算所有特征点对应的中心o
l
(x
l
,y
l
,z
l
)，然后，利用如下方程式，计算聚类簇c
l
中的各个点到中心o
l
(x
l
,y
l
,z
l
)的均值和方差，进而判定所述稳定区域是否符合圆孔特征即当j为1时，识别为圆孔特征。而判定所述稳定区域是否符合圆孔特征即当j为1时，识别为圆孔特征。而判定所述稳定区域是否符合圆孔特征即当j为1时，识别为圆孔特征。
6.根据权利要求5所述的球面栅极组件间距的测量方法，其特征在于所述步骤四中的上下层圆孔区分和坐标变换包括以下步骤：步骤
ⅰ
、对于识别出为圆孔特征的聚类簇，利用协方差矩阵计算每个圆孔对应的轴向向量，判断任意两个轴向向量的夹角是否小于夹角阈值，若是，则判定为上下层对应的圆孔，再根据圆孔中心的坐标关系，筛选出上层圆孔，进而计算获得上层圆心集合o
s
，其对应的聚类簇集合为c
s
；步骤
ⅱ
、利用如下方程式对上层圆孔逐个进行坐标变换，t
s
＝[v3,v2,v1]-1
(e-o
s
)式中，t
s
为边缘点集合e坐标变换后的数据集，v1，v2，v3为当前坐标变换的圆孔对应协方差矩阵的特征向量，记数据集t
s
中的点坐标为(xs，ys，zs)，所处坐标系以当前坐标变换的圆孔的中心为原点，以特征向量v1为zs轴，特征向量v2，v3分别为xs轴、ys轴，其点到坐标轴zs的垂直距离为若就可以识别出当前坐标变换的圆孔所对应的下层圆孔的点云数据，从而完成所有上层圆孔所对应的下层圆孔的点云数据识别；步骤
ⅲ
、对于识别出下层圆孔的点云数据，利用如权利要求2-4所述的最大距离分析法和非参数估计法找出稳定区域，求出对应的圆心集合，设下层圆孔的圆心集合为o
a
，利用方程式d＝|o
s-o
a
|计算栅极组件的间距。7.根据权利要求1所述的球面栅极组件间距的测量方法，其特征在于密度搜索法包括以下步骤：步骤ⅰ、根据实际情况，设置点云数据中点p
i
的近邻点数量k，计算近邻点与点p
i
的最大距离为r
max
，则点p
i
的密度可表示为步骤ⅱ、使用k-means++算法得到密度阈值ρ
e
，计算公式为：式中，ρ1，ρ2为k-means++计算后的密度中心，假设ρ1>ρ2，分布表示非边缘点密度和边缘点密度，则d(ρ1)和d(ρ2)分别代表非边缘点数据集和边缘点数据集；步骤ⅲ、判断点p
i
是否为边缘点，当点云密度ρ(p
i
)小于密度阈值ρ
e
时，则该点为边缘点，记边缘点集合为e；反之该点为非边缘点。8.根据权利要求7所述的球面栅极组件间距的测量方法，其特征在于：使用dbscan聚类算法对得到的边缘点集合e进行聚类，获得m个聚类簇，对应的聚类簇集合表示为c＝{cl|cl,l＝1,2,3,
…
,m}，其中c
l
表示第l个聚类簇。
技术总结
本发明公开了一种球面栅极组件间距的测量方法，利用密度搜索法区分点云数据中的边缘点和非边缘点，获取边缘点集合E，再利用聚类分析法对边缘点集合E进行分类，获取聚类簇集合C；利用最大距离分析法，根据任意两点之间的距离情况获取每个聚类簇C
技术研发人员：崔晨阳 方宇 王明红 杨皓 杨蕴杰 李皓宇
受保护的技术使用者：上海工程技术大学
技术研发日：2022.06.06
技术公布日：2022/9/27