閱讀目錄

[1] Zong, Yulong, et al. An intelligent and automated 3D surface defect detection system for quantitative 3D estimation and feature classification of material surface defects. Optics and Lasers in Engineering 144 (2021): 106633.
[2] Jovan?evi?, Igor, et al. “3D point cloud analysis for detection and characterization of defects on airplane exterior surface.” Journal of Nondestructive Evaluation 36.4 (2017): 1-17.
[3] He, Yan, et al. “An Octree-Based Two-Step Method of Surface Defects Detection for Remanufacture.” International Journal of Precision Engineering and Manufacturing-Green Technology (2022): 1-16.
[4] Li, Xurui, et al. “Contour detection and salient feature line regularization for printed circuit board in point clouds based on geometric primitives.” Measurement 185 (2021): 109978.
[5] Cao, Xiaohui, et al. “Defect detection method for rail surface based on line-structured light.” Measurement 159 (2020): 107771.
[6] A Method for Automatic Surface Inspection Using a Model-Based 3D Descriptor

1. 3C相關(guān)

1.電路板輪廓檢測(cè)

1.1完成部件分割任務(wù)

首先對(duì)電路板進(jìn)行濾波處理—計(jì)算法向量—雙邊法向量濾波—基于高斯的歐幾里得聚類（ECGM）
將濾波后的法向量進(jìn)行高斯映射，轉(zhuǎn)到高斯球中。關(guān)于高斯映射參考 高斯映射

ECGM方法：計(jì)算點(diǎn)p臨近點(diǎn)（KD-tree得到），是否滿足以下條件：加入了距離條件和角度條件。

1.2 檢測(cè)PCB板的邊緣部分

將點(diǎn)P附近的查詢點(diǎn)進(jìn)行投影，并將投影后的點(diǎn)和點(diǎn)P計(jì)算角度，將角度從小到大排序。
就算角度之間的差值存在>90,如果有，則說明為邊界；反之。

2. 其他缺陷

1. 文物修復(fù) —文獻(xiàn)【1】

(一種智能、自動(dòng)化的三維表面缺陷檢測(cè)系統(tǒng)，用于材料表面缺陷的定量三維估計(jì)和特征分類)

作者針對(duì)文物修復(fù)工作設(shè)計(jì)了一套3D缺陷檢測(cè)系統(tǒng)。

系統(tǒng)由兩個(gè)單色相機(jī)、一個(gè)彩色相機(jī)和一個(gè)投影儀組成。

作者首先采用彩色相機(jī)行缺陷檢測(cè)，檢測(cè)出缺陷部分，并對(duì)缺陷部分進(jìn)行標(biāo)記。

然后對(duì)雙目結(jié)構(gòu)光相機(jī)采集數(shù)據(jù)進(jìn)行匹配，完成對(duì)深度信息的提取。

建議圖像和點(diǎn)云的映射關(guān)系，完成在點(diǎn)云中缺陷部分的標(biāo)記。

如何建立映射關(guān)系：圖像平面坐標(biāo)系與世界坐標(biāo)系的幾何關(guān)系取決于從三維空間到圖像的投影。根據(jù)相機(jī)標(biāo)定計(jì)算出的投影矩陣，計(jì)算出彩色圖像與三維點(diǎn)之間的點(diǎn)像映射關(guān)系。

2.飛機(jī)表面缺陷 —參考文獻(xiàn)【2】

2.1 最小二乘法知識(shí)

可參考 最小二乘法理論 L2正則化
關(guān)于MLS移動(dòng)最小二乘法演化過程：MLS演化過程
作者采用MLS 移動(dòng)最小二乘法進(jìn)行點(diǎn)云去噪處理。

2.2處理步驟

點(diǎn)云的法向量：
求區(qū)域點(diǎn)云的特征值和特征向量，將點(diǎn)云最小的特征值對(duì)應(yīng)的特征向量當(dāng)作法向量。
點(diǎn)云的曲率
取計(jì)算后的最小的三個(gè)特征值

如何發(fā)現(xiàn)缺陷區(qū)域：
將原始點(diǎn)云進(jìn)行MLS，數(shù)據(jù)平滑；計(jì)算點(diǎn)云的法向量和曲率；利用類似區(qū)域生長(zhǎng)的方法進(jìn)行判斷缺陷區(qū)域。
先選取種子點(diǎn)，然后計(jì)算種子點(diǎn)附近的法向量。如果法向量<閾值,將新計(jì)算的法向量納入到種子點(diǎn)區(qū)域。
評(píng)估缺陷的信息
先將原始點(diǎn)云進(jìn)行投影，將3D信息—>2D信息。
采用加權(quán)最小二乘法進(jìn)行3D點(diǎn)重建。（重建后的點(diǎn)云平面光滑）
比較原始點(diǎn)云和缺陷點(diǎn)云之間的關(guān)系，進(jìn)而評(píng)估缺陷的具體信息。

3.八叉樹—表面缺陷檢測(cè)方法

3.1檢測(cè)的基本流程

4 鋼軌表面缺陷檢測(cè)

4.1檢測(cè)流程

采集點(diǎn)云數(shù)據(jù)—去點(diǎn)云數(shù)據(jù)的（X,Z）平面數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行擬合；
作者針對(duì)鋼軌表面采用的二次曲線擬合。衡量擬合效果：殘差置信區(qū)間。
作者將點(diǎn)云數(shù)據(jù)，假設(shè)有27個(gè)點(diǎn)。選取點(diǎn) 2，10，19。利用這三個(gè)點(diǎn)進(jìn)行數(shù)據(jù)擬合；下次選取3，11，20這三個(gè)點(diǎn)進(jìn)行數(shù)據(jù)擬合。擬合完的數(shù)據(jù)和原始數(shù)據(jù)做差值計(jì)算。計(jì)算出可疑點(diǎn)，計(jì)算方法為
P=n1/epoch.其中n1為記錄為缺陷的點(diǎn)數(shù)，epoch為迭代擬合的輪次。當(dāng)P大于設(shè)定的閾值，則認(rèn)為該點(diǎn)處為缺陷區(qū)域。

5 MPFH描述符下的表面缺陷檢測(cè)

MPFH獲取描述符的步驟：

首先采用J-linkage層次聚類方法完成對(duì)點(diǎn)云的模型分類，將分類模型記為,M。
借助周圍鄰域的點(diǎn)，計(jì)算點(diǎn)P的描述符：


采用上述描述符即可完成對(duì)缺陷的檢測(cè)。
如何將特征放到特征直方圖內(nèi)：
個(gè)人理解如下：首先將某個(gè)特則分割為n份，比如某個(gè)特征最大為1，最小為0.我們可以分為5份[0-1]，計(jì)算點(diǎn)Pn和臨近點(diǎn)Pt（假設(shè)有M個(gè)）的特征，統(tǒng)計(jì)計(jì)算后的特征落在劃分區(qū)間的個(gè)數(shù)。完成特征直方圖的繪制。

上述圖片為無缺陷和空洞缺陷在各個(gè)模型M中的占比。

3D-2D的投影

總結(jié)

以上是生活随笔為你收集整理的3D缺陷检测---小论文的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。