一种大长径比曲面内腔表面的三维重建方法

1.本发明涉及三维重建技术领域，具体为一种大长径比曲面内腔表面的三维重建方法。


背景技术：

2.三维模型是物体的多边形表示，通常用计算机或者其它视频设备进行显示。显示的物体可以是现实世界的实体，也可以是虚构的物体。任何物理自然界存在的东西都可以用三维模型表示，现有的二维图像转变为三维模型的过程中表面的形貌可能会产生缺陷，却缺少对缺陷的识别，也缺少为后续提供的三维模型数据进行优化的作用。


技术实现要素：

3.(一)解决的技术问题
4.针对现有技术的不足，本发明提供了一种大长径比曲面内腔表面的三维重建方法，解决了上述背景技术所提出的问题。
5.(二)技术方案
6.为实现上述目的，本发明提供如下技术方案：一种大长径比曲面内腔表面的三维重建方法，其特征在于，包括以下步骤：
7.步骤1、采集二维图像信息，通过运用ga-bp神经网络噪声检测自适应滤波算法，对采集的二维图像信息进行预处理，抑制无用图像信息；
8.步骤2、利用加权平均harris-laplace特征点提取算法与sift特征匹配算法，对预处理后的二维图像信息特征点的进行检测与匹配；
9.步骤3、通过归一化点算法与ransac算法计算正常的预处理后的二维图像基础矩阵与本质矩阵，其中基础矩阵是对双目视觉采集得到的两幅图像间约束关系的数学描述，是在未标定图像系列中存在的集合结构约束信息，隐式地包含了相机所有内外参数；
10.步骤4、通过平面投影法与直接剖分法对基础矩阵与本质矩阵实现网格化，之后即可得到图像的三维重构模型；
11.步骤5、采集一定量的已抛涂的内腔衬层表面图像，并把图像分为两大类，分别是衬层覆盖完整的图像和存在缺陷的图像；
12.步骤6、利用卷积神经网络对图像进行训练处理，得到训练好的模型，将调用训练好的模型对步骤1中得到预处理后的二维图像信息进行识别，以判断其属于正常或者缺陷(流挂、堆积、漏涂、气泡)；
13.步骤7、利用图像处理软件opencv编写算法找出图像中缺陷点的中心坐标，并且通过设置算法中函数的参数，能够同时找出多个缺陷点坐标，另外，相机拍照时，图像与实际物体为相似形，计算出相似比后，根据图像中缺陷点坐标和相似比即可计算出缺陷点在内腔表面的位置。
14.优选的，所述步骤2的具体实现原理是针对特征点的16
×
16的邻域计算该邻域各
点梯度，通过计算特征点的128维特征描述符的欧氏距离，判断距离最小点为正确匹配点。
15.优选的，所述内腔表面三维重构所用的主要硬件为相机、镜头、光源配置、图像采集卡等其他与相机适配的硬件；所述内腔表面三维重构所用的主要软件为在qt环境下，使用c++语言开发大长径比变光照环境下内腔抛涂完整性检测软件，实现抛涂完整性检测、内腔形貌三维重构、衬层缺陷检测与识别分类功能，并具有组态界面友好，后续维护、操作简单的特点。
16.(三)有益效果
17.本发明提供了一种大长径比曲面内腔表面的三维重建方法，具备以下有益效果：
18.本发明通过三维智能传感器采集的图像信息可进行壳体内表面形貌特征的三维重构，得到三维模型后，可依据表面形貌凹凸情况实现对抛涂衬层缺陷的识别。除此之外，还可为后续其他模块提供三维模型数据：其一是可以为抛涂过程的曲面段与直线段抛涂间的衔接提供数据参照，实现更准确的控制，以更好地确保抛涂质量；其二可为后续数字化孪生提供参数化内表面形貌信息，对其具有基础性作用。
附图说明
19.图1为本发明的工作流程图。
具体实施方式
20.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，所描述的实施例仅仅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。
21.如图1所示，本发明提供一种技术方案：一种大长径比曲面内腔表面的三维重建方法，其特征在于，包括以下步骤：
22.步骤1、采集二维图像信息，通过运用ga-bp神经网络噪声检测自适应滤波算法，对采集的二维图像信息进行预处理，抑制无用图像信息；
23.步骤2、利用加权平均harris-laplace特征点提取算法与sift特征匹配算法，对预处理后的二维图像信息特征点的进行检测与匹配；
24.步骤3、通过归一化点算法与ransac算法计算正常的预处理后的二维图像基础矩阵与本质矩阵，其中基础矩阵是对双目视觉采集得到的两幅图像间约束关系的数学描述，是在未标定图像系列中存在的集合结构约束信息，隐式地包含了相机所有内外参数；
25.步骤4、通过平面投影法与直接剖分法对基础矩阵与本质矩阵实现网格化，之后即可得到图像的三维重构模型；
26.步骤5、采集一定量的已抛涂的内腔衬层表面图像，并把图像分为两大类，分别是衬层覆盖完整的图像和存在缺陷的图像；
27.步骤6、利用卷积神经网络对图像进行训练处理，得到训练好的模型，将调用训练好的模型对步骤1中得到预处理后的二维图像信息进行识别，以判断其属于正常或者缺陷(流挂、堆积、漏涂、气泡)；
28.步骤7、利用图像处理软件opencv编写算法找出图像中缺陷点的中心坐标，并且通
过设置算法中函数的参数，能够同时找出多个缺陷点坐标，另外，相机拍照时，图像与实际物体为相似形，计算出相似比后，根据图像中缺陷点坐标和相似比即可计算出缺陷点在内腔表面的位置。
29.进一步的，所述步骤2的具体实现原理是针对特征点的16
×
16的邻域计算该邻域各点梯度，通过计算特征点的128维特征描述符的欧氏距离，判断距离最小点为正确匹配点。
30.进一步的，所述内腔表面三维重构所用的主要硬件为相机、镜头、光源配置、图像采集卡等其他与相机适配的硬件；所述内腔表面三维重构所用的主要软件为在qt环境下，使用c++语言开发大长径比变光照环境下内腔抛涂完整性检测软件，实现抛涂完整性检测、内腔形貌三维重构、衬层缺陷检测与识别分类功能，并具有组态界面友好，后续维护、操作简单的特点。
31.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
32.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。


技术特征：
1.一种大长径比曲面内腔表面的三维重建方法，其特征在于，包括以下步骤：步骤1、采集二维图像信息，通过运用ga-bp神经网络噪声检测自适应滤波算法，对采集的二维图像信息进行预处理，抑制无用图像信息；步骤2、利用加权平均harris-laplace特征点提取算法与sift特征匹配算法，对预处理后的二维图像信息特征点的进行检测与匹配；步骤3、通过归一化点算法与ransac算法计算正常的预处理后的二维图像基础矩阵与本质矩阵，其中基础矩阵是对双目视觉采集得到的两幅图像间约束关系的数学描述，是在未标定图像系列中存在的集合结构约束信息，隐式地包含了相机所有内外参数；步骤4、通过平面投影法与直接剖分法对基础矩阵与本质矩阵实现网格化，之后即可得到图像的三维重构模型；步骤5、采集一定量的已抛涂的内腔衬层表面图像，并把图像分为两大类，分别是衬层覆盖完整的图像和存在缺陷的图像；步骤6、利用卷积神经网络对图像进行训练处理，得到训练好的模型，将调用训练好的模型对步骤1中得到预处理后的二维图像信息进行识别，以判断其属于正常或者缺陷(流挂、堆积、漏涂、气泡)；步骤7、利用图像处理软件opencv编写算法找出图像中缺陷点的中心坐标，并且通过设置算法中函数的参数，能够同时找出多个缺陷点坐标，另外，相机拍照时，图像与实际物体为相似形，计算出相似比后，根据图像中缺陷点坐标和相似比即可计算出缺陷点在内腔表面的位置。2.根据权利要求1所述的一种大长径比曲面内腔表面的三维重建方法，其特征在于：所述步骤2的具体实现原理是针对特征点的16
×
16的邻域计算该邻域各点梯度，通过计算特征点的128维特征描述符的欧氏距离，判断距离最小点为正确匹配点。3.根据权利要求1所述的一种大长径比曲面内腔表面的三维重建方法，其特征在于：所述内腔表面三维重构所用的主要硬件为相机、镜头、光源配置、图像采集卡等其他与相机适配的硬件；所述内腔表面三维重构所用的主要软件为在qt环境下，使用c++语言开发大长径比变光照环境下内腔抛涂完整性检测软件，实现抛涂完整性检测、内腔形貌三维重构、衬层缺陷检测与识别分类功能，并具有组态界面友好，后续维护、操作简单的特点。

技术总结
本发明涉及三维重建技术领域，且公开了一种大长径比曲面内腔表面的三维重建方法，其特征在于，包括以下步骤：步骤1、采集二维图像信息，通过运用GA-BP神经网络噪声检测自适应滤波算法，对采集的二维图像信息进行预处理，抑制无用图像信息；步骤2、利用加权平均Harris-Laplace特征点提取算法与SIFT特征匹配算法，对预处理后的二维图像信息特征点的进行检测与匹配；通过三维智能传感器采集的图像信息可进行壳体内表面形貌特征的三维重构，得到三维模型后，可依据表面形貌凹凸情况实现对抛涂衬层缺陷的识别。除此之外，还可为后续其他模块提供三维模型数据：其一是可以为抛涂过程的曲面段与直线段抛涂间的衔接提供数据参照。面段与直线段抛涂间的衔接提供数据参照。面段与直线段抛涂间的衔接提供数据参照。


技术研发人员：吴琼 赵一凡 高瀚君 杜学钦
受保护的技术使用者：北京航空航天大学
技术研发日：2022.11.17
技术公布日：2023/3/24