一种基于点云数据的产品检测方法及装置与流程

本发明属于数据处理的，尤其涉及一种基于点云数据的产品检测方法及装置。

背景技术：

1、点云数据是通过一系列点来表示三维几何信息的数据形式，在机器人、计算机视觉和自动驾驶等各种应用中广泛使用。比较两组点云数据之间的距离对于目标识别、形状匹配和配准等任务至关重要。近年来，深度学习技术在准确计算点云之间的距离方面展现出巨大潜力。

2、例如pointnet、pointnet++和pointcnn等模型，可以直接在点云之间进行有效的距离估计。然而，由于点云数据的特性，传统的深度学习模型，无法很好地提取点云数据的特征，进而无法实现高精度的点云数据比对，这是一个亟需解决的技术问题。

技术实现思路

1、有鉴于此，本技术实施例提供了一种基于点云数据的产品检测装置、基于点云数据的产品检测方法、装置、终端设备及计算机可读存储介质，以解决由于点云数据的特性，传统的深度学习模型，无法很好地提取点云数据的特征，进而无法实现高精度的点云数据比对的技术问题。

2、本技术实施例的第一方面提供了一种基于点云数据的产品检测装置，所述一种基于点云数据的产品检测装置包括格式转换模块、编辑模块和检测模块；

3、所述格式转换模块用于获取原始点云文件，将所述原始点云文件转换为目标格式，得到初始点云文件；

4、所述编辑模块用于将所述初始点云文件进行渲染，并向用户展示所述初始点云文件对应的原始三维点云数据；

5、所述编辑模块用于响应于由用户触发编辑操作指令，对所述原始三维点云数据进行编辑操作，得到待检测三维点云数据；

6、所述检测模块用于将待检测三维点云数据所处的三维空间体分割为多个第一子空间体；

7、所述检测模块用于基于所述第一子空间体中的所述待检测三维点云数据进行去噪处理，得到目标三维点云数据；

8、所述检测模块用于提取所述第一子空间体对应的目标三维点云数据中的关键点，并计算所述关键点对应的特征数据；

9、所述检测模块用于根据所述特征数据构建的第一特征矩阵和多个预存的第二特征矩阵之间的第一相似度，筛选目标第二特征矩阵；所述第二特征矩阵是预先根据标准产品对应的标准三维点云数据生成的特征矩阵；

10、所述检测模块用于获取所述第二特征矩阵对应的标准三维点云数据；

11、所述检测模块用于基于所述第一子空间体中点云数据的密度，筛选第一目标子空间体；基于所述第二子空间体中点云数据的密度，筛选第二目标子空间体；所述第二子空间体是基于所述标准三维点云数据所处的三维空间体分割而来；

12、所述检测模块用于分别将所述第一目标子空间体与多个所述第二目标子空间体进行匹配，得到多个子空间体对，并计算所述子空间体对中两个子空间体的第一匹配误差；

13、所述检测模块用于分别将所述子空间体对中第一子空间体的第一点云数据与所述第二子空间体中的多个第二点云数据进行匹配，并计算第二匹配误差；

14、所述检测模块用于根据所述第一匹配误差和所述第二匹配误差，计算所述目标三维点云数据和所述标准三维点云数据之间的第二相似度；

15、所述检测模块用于若所述第二相似度小于第二阈值，则确定原始点云文件对应的产品符合标准。

16、本技术实施例的第二方面提供了一种基于点云数据的产品检测方法，所述基于点云数据的产品检测方法，包括：

17、将待检测三维点云数据所处的三维空间体分割为多个第一子空间体；

18、基于所述第一子空间体中的所述待检测三维点云数据进行去噪处理，得到目标三维点云数据；

19、提取所述第一子空间体对应的目标三维点云数据中的关键点，并计算所述关键点对应的特征数据；

20、根据所述特征数据构建的第一特征矩阵和多个预存的第二特征矩阵之间的第一相似度，筛选目标第二特征矩阵；所述第二特征矩阵是预先根据标准产品对应的标准三维点云数据生成的特征矩阵；

21、获取所述第二特征矩阵对应的标准三维点云数据；

22、基于所述第一子空间体中点云数据的密度，筛选第一目标子空间体；基于所述第二子空间体中点云数据的密度，筛选第二目标子空间体；所述第二子空间体是基于所述标准三维点云数据所处的三维空间体分割而来；

23、分别将所述第一目标子空间体与多个所述第二目标子空间体进行匹配，得到多个子空间体对，并计算所述子空间体对中两个子空间体的第一匹配误差；

24、分别将所述子空间体对中第一子空间体的第一点云数据与所述第二子空间体中的多个第二点云数据进行匹配，并计算第二匹配误差；

25、根据所述第一匹配误差和所述第二匹配误差，计算所述目标三维点云数据和所述标准三维点云数据之间的第二相似度；

26、若所述第二相似度小于第二阈值，则确定原始点云文件对应的产品符合标准。

27、进一步地，所述根据所述特征数据构建的第一特征矩阵和多个预存的第二特征矩阵之间的第一相似度，筛选目标第二特征矩阵的步骤，包括：

28、根据多个所述特征数据计算所述子空间体的特征值；

29、将多个所述子空间体各自对应的特征值，构建为第一特征矩阵；

30、获取标准产品对应的第二特征矩阵，并计算所述第一特征矩阵与第二特征矩阵之间的第一相似度；所述第二特征矩阵是预先根据标准产品对应的标准三维点云数据生成的特征矩阵；

31、根据所述第一相似度在多个预存的第二特征矩阵中筛选所述目标第二特征矩阵。

32、进一步地，所述分别将所述子空间体对中第一子空间体的第一点云数据与所述第二子空间体中的多个第二点云数据进行匹配，并计算第二匹配误差的步骤，包括：

33、计算所述第一点云数据与多个所述第二点云数据之间的第一距离；

34、将最小第一距离对应的第二点云数据作为目标点云数据；

35、计算所述第一点云数据的第一空间特征矩阵；

36、获取预存的所述目标点云数据的第二空间特征矩阵；

37、计算所述第一空间特征矩阵和所述第二空间特征矩阵之间的第二距离，得到所述第二匹配误差。

38、进一步地，所述计算所述第一点云数据的第一空间特征矩阵的步骤，包括：

39、以多个所述第一点云数据的平均坐标为圆心，预设长度为半径，形成圆球体；

40、将所述圆球体中的点云数据作为邻接点云数据；

41、计算所述平均坐标的第一法向量，计算所述平均坐标到所述邻接点云数据的向量的投影，计算所述第一法向量与所述投影之间的第一夹角；

42、计算所述邻接点云数据的第二法向量，计算所述第一法向量和所述第二法向量之间的第二夹角；

43、计算所述平均坐标与所述邻接点云数据之间的分布特征值；

44、将多个所述邻接点云数据各自对应的所述第一夹角、所述第二夹角和所述分布特征值，构建为所述第一空间特征矩阵。

45、进一步地，所述计算所述平均坐标与所述邻接点云数据之间的分布特征值的步骤，包括：

46、计算所述圆球体中邻接点云数据的旋转矩阵和平移向量；

47、将所述第一法向量、所述第二法向量、所述平均坐标、所述邻接点云数据、所述旋转矩阵和所述平移向量代入如下公式一，得到所述分布特征值；

48、公式一：

49、

50、其中，fh(i)表示第i个所述邻接点云数据的分布特征值，ns表示所述第一法向量，nt表示所述第二法向量，p表示所述平均坐标，pi表示第i个所述邻接点云数据，r表示所述旋转矩阵，t表示平移向量。

51、进一步地，所述基于所述第一子空间体中的所述待检测三维点云数据进行去噪处理，得到目标三维点云数据的步骤，包括：

52、根据多个所述待检测三维点云数据各自对应的坐标值，匹配对应的所述第一子空间体；

53、计算所述第一子空间体中所有待检测三维点云数据的第一平均坐标值；

54、计算所述第一平均坐标值与所述所有待检测三维点云数据对应的第二坐标值之间的第二距离；

55、在所述所有待检测三维点云数据中，将所述第二距离大于第二阈值的待检测三维点云数据剔除，得到多个当前三维点云数据；

56、基于法向量，对多个当前三维点云数据进行去噪处理，得到多个目标三维点云数据。

57、进一步地，所述基于法向量，对多个当前三维点云数据进行去噪处理，得到多个目标三维点云数据的步骤，包括：

58、计算所述第一子空间体中所有当前三维点云数据与所述第一平均坐标值之间的当前向量；

59、将所述当前向量构建为点云矩阵，对所述点云矩阵进行奇异值分解，得到最小特征值对应的特征向量，并将所述特征向量作为目标法向量；

60、计算所有当前三维点云数据对应的当前法向量；

61、若所述目标法向量和所述点云法向量之间的夹角超过第三阈值，则剔除所述点云法向量对应的当前三维点云数据，得到多个目标三维点云数据。

62、进一步地，所述提取所述第一子空间体对应的目标三维点云数据中的关键点，并计算所述关键点对应的特征数据的步骤，包括：

63、基于主成分分析，提取所述第一子空间体对应的目标三维点云数据中的多个关键点；

64、获取所述第一子空间体内目标三维点云数据的分布密度；

65、获取多个所述关键点的对应的关键点坐标值；

66、计算多个所述关键点的第二平均坐标值，并计算多个所述关键点坐标值与所述第二平均坐标值之间的第二距离；

67、将所述分布密度、所述第二平均坐标值、多个所述关键点坐标值和多个所述第二距离，作为所述特征数据。

68、进一步地，所述根据多个所述特征数据计算所述子空间体的特征值的步骤，包括：

69、将所述分布密度、所述第二平均坐标值、多个所述关键点坐标值和多个所述第二距离代入如下公式二，得到所述特征值；

70、公式二：

71、

72、其中，σ表示所述特征值，q表示所述分布密度，xi和yi表示第i个所述关键点坐标值，x0和y0表示所述第二平均坐标值，di表示第i个所述第二距离，n表示关键点数量。

73、本技术实施例的第二方面提供了一种基于点云数据的产品检测装置，所述一种基于点云数据的产品检测装置包括格式转换模块、编辑模块和检测模块；

74、所述格式转换模块用于获取原始点云文件，将所述原始点云文件转换为目标格式，得到初始点云文件；

75、所述编辑模块用于将所述初始点云文件进行渲染，并向用户展示所述初始点云文件对应的原始三维点云数据；

76、所述编辑模块用于响应于由用户触发编辑操作指令，对所述原始三维点云数据进行编辑操作，得到待检测三维点云数据；

77、所述检测模块用于将待检测三维点云数据所处的三维空间体分割为多个第一子空间体；

78、所述检测模块用于基于所述第一子空间体中的所述待检测三维点云数据进行去噪处理，得到目标三维点云数据；

79、所述检测模块用于提取所述第一子空间体对应的目标三维点云数据中的关键点，并计算所述关键点对应的特征数据；

80、所述检测模块用于根据所述特征数据构建的第一特征矩阵和多个预存的第二特征矩阵之间的第一相似度，筛选目标第二特征矩阵；所述第二特征矩阵是预先根据标准产品对应的标准三维点云数据生成的特征矩阵；

81、所述检测模块用于获取所述第二特征矩阵对应的标准三维点云数据；

82、所述检测模块用于基于所述第一子空间体中点云数据的密度，筛选第一目标子空间体；基于所述第二子空间体中点云数据的密度，筛选第二目标子空间体；所述第二子空间体是基于所述标准三维点云数据所处的三维空间体分割而来；

83、所述检测模块用于分别将所述第一目标子空间体与多个所述第二目标子空间体进行匹配，得到多个子空间体对，并计算所述子空间体对中两个子空间体的第一匹配误差；

84、所述检测模块用于分别将所述子空间体对中第一子空间体的第一点云数据与所述第二子空间体中的多个第二点云数据进行匹配，并计算第二匹配误差；

85、所述检测模块用于根据所述第一匹配误差和所述第二匹配误差，计算所述目标三维点云数据和所述标准三维点云数据之间的第二相似度；

86、所述检测模块用于若所述第二相似度小于第二阈值，则确定原始点云文件对应的产品符合标准。

87、本技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。

88、本技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。

89、本技术实施例与现有技术相比存在的有益效果是：通过将待检测三维点云数据所处的三维空间体分割为多个第一子空间体；基于所述第一子空间体中的所述待检测三维点云数据进行去噪处理，得到目标三维点云数据；提取所述第一子空间体对应的目标三维点云数据中的关键点，并计算所述关键点对应的特征数据；根据所述特征数据构建的第一特征矩阵和多个预存的第二特征矩阵之间的第一相似度，筛选目标第二特征矩阵；所述第二特征矩阵是预先根据标准产品对应的标准三维点云数据生成的特征矩阵；获取所述第二特征矩阵对应的标准三维点云数据；基于所述第一子空间体中点云数据的密度，筛选第一目标子空间体；基于所述第二子空间体中点云数据的密度，筛选第二目标子空间体；所述第二子空间体是基于所述标准三维点云数据所处的三维空间体分割而来；分别将所述第一目标子空间体与多个所述第二目标子空间体进行匹配，得到多个子空间体对，并计算所述子空间体对中两个子空间体的第一匹配误差；分别将所述子空间体对中第一子空间体的第一点云数据与所述第二子空间体中的多个第二点云数据进行匹配，并计算第二匹配误差；根据所述第一匹配误差和所述第二匹配误差，计算所述目标三维点云数据和所述标准三维点云数据之间的第二相似度；若所述第二相似度小于第二阈值，则确定原始点云文件对应的产品符合标准。上述技术方案，采用粗计算和精计算结合，以提高点云数据的比对精度。其中，粗计算通过分割三维空间体、去噪处理、关键点提取、特征值计算和相似度计算，筛选与待检测三维点云数据对应的第一特征矩阵相似的第二特征矩阵。精计算通过计算第二特征矩阵对应的标准三维点云数据与待检测三维点云数据之间的第二相似度，得到比对结果。其中，第二相似度通过不同子空间体之间的差异性和子空间体内点云数据的差异性共同计算而得，进而从多个维度上判断原始点云文件对应的产品符合标准。大大提高了点云数据的比对精度。