一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法

1.本发明涉及焊接检测技术领域，特别是涉及一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法。


背景技术：

2.随着社会经济水平的发展，自动化和机器人技术也在快速发展，而焊接机器人则被广泛应用于焊接环境，取代人工工作。钢筋在建筑物当中的存在形式不仅仅是交叉排布，且包含了大量的并排钢筋结构。机器人在钢筋焊接过程当中，主要的识别特征方法包括基于传统几何的识别交叉焊点，及基于图像的深度学习的方式识别焊点焊缝特征。
3.现有钢筋焊接特征提取主要是通过3d扫描仪扫描提供的点云数据，计算其空间几何信息，并处理得到想要的交叉焊点特征。基于图像深度学习的方法可以很好的识别出交叉焊点、焊缝特征。
4.现有技术主要缺点为：
5.1)具有较强的针对性。目前传统的基于几何方式交叉焊点特征提取只适用于交叉焊点特征的提取，具有较强的针对性，并不能同时提取出焊缝特征。
6.2)计算量大。对钢筋点云的欧式聚类后的点集分类合并会涉及大量的圆柱参数计算以及轴线关系的计算，增加计算量。
7.3)焊缝特征提取比较困难。基于传统欧式聚类是无法分割具有焊缝特征的并排钢筋点云，无法对其进行焊缝特征的提取。目前为止，在焊缝特征提取方面的方法，研究较少。
8.4)基于图像深度学习的方法，其存在稳定性和识别率不能达到百分之百的问题以及由于图像识别缺乏深度信息，且像素级分割时易受背景影响，识别的焊接特征准确率不高。


技术实现要素：

9.本发明的目的是提供一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法，实现了钢筋交叉焊点和焊缝特征的同步提取。
10.为实现上述目的，本发明提供了如下方案：
11.一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法，所述同步提取方法包括：
12.基于3d扫描仪获取待测钢筋的钢筋点云；
13.对所述钢筋点云进行预处理得到无离散点点云；
14.基于聚类点数的最值，对无离散点点云进行欧式聚类，多个完整钢筋点集和多个不完整钢筋点集；
15.对多个不完整钢筋点集进行合并处理，得到对应的完整钢筋点集；
16.从所有完整钢筋点集中筛选出包含焊缝特征的完整钢筋点集；
17.对任一包含焊缝特征的完整钢筋点集进行分割得到对应的钢筋点集及余下钢筋
点集；
18.根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征及最终钢筋点集；
19.根据每两个最终钢筋点集得到焊点空间坐标。
20.可选地，对所述钢筋点云进行预处理得到无离散点点云，具体包括：
21.对所述钢筋点云进行直通滤波和点云平面分割，得到焊接特征点点云；
22.基于统计分析技术对所述焊接特征点点云移除离群点得到无离散点点云。
23.可选地，所述对多个不完整钢筋点集进行合并处理，得到对应的完整钢筋点集，具体包括：
24.基于pca主成成分分析法根据多个不完整钢筋点集构建多个结构体；每个结构体包括不完整钢筋点集及钢筋点集端点信息；每个所述钢筋点集包括两个端点信息及轴线信息；
25.对多个结构体进行分类得到完整钢筋点集。
26.可选地，所述对多个结构体进行分类得到完整钢筋点集，具体包括：
27.对任一结构体分别与余下的结构体进行类别条件的判别；将符合判别条件的结构体合并为一个完整钢筋点集；不符合判别条件的结构体为剩余结构体；
28.将剩余结构体中任一结构体分别与余下结构体进行类别条件的判别；将符合判别条件的结构体合并为另一完整钢筋点集；
29.重复执行，直至剩余结构体执行完类别条件的判别或结构体全部合并。
30.可选地，所述类别条件，具体为：
31.任一结构体与余下任一结构体相邻最近的两端点距离小于端点距离阈值；
32.任一结构体与余下任一结构体的轴线向量的夹角角度小于角度阈值。
33.可选地，对任一包含焊缝特征的完整钢筋点集进行分割对应的钢筋点集及余下钢筋点集，具体包括：
34.对包含焊缝特征的完整钢筋点集进行直通滤波得到完整不带其他特征信息的钢筋点集；
35.针对任一完整不带其他特征信息的钢筋点集，根据最小二乘法得到钢筋中心轴线向量及半径；
36.针对任一完整不带其他特征信息的钢筋点集，分别判断点到轴线的距离是否小于点线距离阈值；若否，则剔除该点；若是，则得到钢筋点集；
37.基于任一钢筋点集根据八叉树得到余下钢筋点集。
38.可选地，所述根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征，具体包括：
39.基于pca算法，根据每一对钢筋点集及余下钢筋点集得到四个点；四个点分别为钢筋点集中两个最远的点，与余下钢筋点集中两个最远的点；
40.基于最小二乘法得到所述四个点的的投影坐标；
41.将所述四个点的投影坐标投影至任一中心轴上，基于出现焊缝区域的两点得到此焊缝区域的焊缝特征。
42.可选地，所述根据每一对钢筋点集及余下钢筋点集，得到最终钢筋点集，具体包
括：
43.基于pca算法，根据每一对钢筋点集及余下钢筋点集得到四个点；四个点分别为钢筋点集中两个最远的点，与余下钢筋点集中两个最远的点；最终钢筋点集包括四个点。
44.可选地，所述根据每两个最终钢筋点集得到焊点空间坐标，具体包括：
45.对每一最终钢筋点集进行圆柱拟合得到轴线、半径及轴线一点；
46.根据任一最终钢筋点集上轴线一点与另一距离最近的最终钢筋点集上轴线一点得到焊点空间坐标。
47.根据本发明提供的具体实施例，本发明公开了以下技术效果：
48.本发明公开了一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法，包括基于3d扫描仪获取待测钢筋的钢筋点云；并进行预处理得到无离散点点云；基于聚类点数的最值，对无离散点点云进行欧式聚类，多个完整钢筋点集和多个不完整钢筋点集；对多个不完整钢筋点集进行合并处理，得到对应的完整钢筋点集；从所有完整钢筋点集中筛选出包含焊缝特征的完整钢筋点集；对任一包含焊缝特征的完整钢筋点集进行分割得到对应的钢筋点集及余下钢筋点集；根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征及最终钢筋点集；根据每两个最终钢筋点集得到焊点空间坐标。与现有技术只适用于交叉焊点特征的提取，不能同时提取焊缝特征相比，本发明实现了钢筋交叉焊点和焊缝特征的同步提取。
49.与现有技术基于图像深度学习的方法识别的焊接特征准确率不高相比，本发明通过3d扫描仪提供点云数据保证了坐标的准确性。
附图说明
50.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
51.图1为本发明一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法的方法流程示意图；
52.图2为本发明一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法的点端投影示意图；
53.图3为本发明一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法的焊缝特征求解示意图；
54.图4为本发明一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法的焊接特征结构图；
55.图4(a)为第一焊接特征结构图；
56.图4(b)为第二焊接特征结构图；
57.图4(c)为第三焊接特征结构图；
58.图5为本发明一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法的步骤s4实施例流程示意图。
具体实施方式
59.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。
60.本发明的目的是提供一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法，实现了钢筋交叉焊点和焊缝特征的同步提取。
61.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
62.如图1所示，本发明一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法，所述同步提取方法包括：
63.s1：基于3d扫描仪获取待测钢筋的钢筋点云。
64.s2：对所述钢筋点云进行预处理得到无离散点点云。
65.步骤s2具体包括：
66.s21：对所述钢筋点云进行直通滤波和点云平面分割，得到焊接特征点点云。
67.s22：基于统计分析技术对所述焊接特征点点云移除离群点得到无离散点点云。
68.s3：基于聚类点数的最值，对无离散点点云进行欧式聚类，多个完整钢筋点集和多个不完整钢筋点集。
69.s4：对多个不完整钢筋点集进行合并处理，得到对应的完整钢筋点集。
70.步骤s4具体包括：
71.s41：基于pca主成成分分析法根据多个不完整钢筋点集构建多个结构体；每个结构体包括不完整钢筋点集及钢筋点集端点信息；每个所述钢筋点集包括两个端点信息及轴线信息。
72.s42：对多个结构体进行分类得到完整钢筋点集。
73.步骤s42具体包括：
74.s421：对任一结构体分别与余下的结构体进行类别条件的判别；将符合判别条件的结构体合并为一个完整钢筋点集；不符合判别条件的结构体为剩余结构体。
75.s422：将剩余结构体中任一结构体分别与余下结构体进行类别条件的判别；将符合判别条件的结构体合并为另一完整钢筋点集。
76.s423：重复执行，直至获取所有完整钢筋点集，其中任一完整钢筋点集至少包括两个结构体。
77.其中，所述类别条件，具体为：
78.任一结构体与余下任一结构体相邻最近的两端点距离小于端点距离阈值。
79.任一结构体与余下任一结构体的轴线向量的夹角角度小于角度阈值。
80.s5：从所有完整钢筋点集中筛选出包含焊缝特征的完整钢筋点集。
81.s6：对任一包含焊缝特征的完整钢筋点集进行分割得到对应的钢筋点集及余下钢筋点集。
82.步骤s6具体包括：
83.s61：对包含焊缝特征的完整钢筋点集进行直通滤波得到完整不带其他特征信息
的钢筋点集。
84.s62：针对任一完整不带其他特征信息的钢筋点集，根据最小二乘法得到钢筋中心轴线向量及半径。
85.s63：针对任一完整不带其他特征信息的钢筋点集，分别判断点到轴线的距离是否小于点线距离阈值；若否，则剔除该点；若是，则得到钢筋点集。
86.s64：基于任一钢筋点集根据八叉树得到余下钢筋点集。
87.s7：根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征及最终钢筋点集。
88.步骤s7具体包括：
89.s71：基于pca算法，根据每一对钢筋点集及余下钢筋点集得到四个点；四个点分别为钢筋点集中两个最远的点，与余下钢筋点集中两个最远的点。其中，最终钢筋点集包括四个点。
90.s72：基于最小二乘法得到所述四个点的的投影坐标。
91.s73：将所述四个点的投影坐标投影至任一中心轴上，基于出现焊缝区域的两点得到此焊缝区域的焊缝特征。
92.s8：根据每两个最终钢筋点集得到焊点空间坐标。
93.步骤s8具体包括：
94.s81：对每一最终钢筋点集进行圆柱拟合得到轴线、半径及轴线一点。
95.s82：根据任一最终钢筋点集上轴线一点与另一距离最近的最终钢筋点集上轴线一点得到焊点空间坐标。
96.本发明通过在欧式聚类合并同方向的钢筋点集运用类似kd-tree搜寻机制，通过聚类端点以及点集轴线方向几何信息快速查找标记分类得到同方向的钢筋点集，实现钢筋点云同方向快速分类合并。
97.以下列具体实施例为例：
98.如图4所示，本发明的焊接特征包括：如图4(a)所示，1、交叉焊点特征；如图4(b)所示，2、焊缝特征；如图4(c)所示，3、遮挡焊缝特征。
99.基于3d扫描仪获取待测钢筋的钢筋点云。
100.对所述钢筋点云进行预处理，采用直通滤波，过滤掉没有焊接特征的点，然后通过点云平面分割去除背景点云，得到焊接特征点点云。最后采用statistical outlier removal滤波器移除离群点得到无离散点点云。具体为：使用统计分析技术，对每个点的邻域进行一个统计分析，并修剪掉一些不符合一定标准的点，稀疏离群点移除方法基于在输入数据中对点到临近点的距离分布的计算；对每一个点计算其与所有临近点的平均距离，假设得到的结果是一个高斯分布，高斯分布的形状是由均值和标准差决定，平均距离在标准范围之外的点，可以被定义为离群点，并从数据中去除。
101.基于聚类点数的最值，对无离散点点云进行欧式聚类，多个完整钢筋点集和多个不完整钢筋点集p1,p2,p3…
pn，n为不完整钢筋点集的数量。
102.对多个不完整钢筋点集进行合并处理。如图5所示，运用pca主成成分分析法根据多个不完整钢筋点集构建多个结构体；每个结构体包括不完整钢筋点集及钢筋点集端点信息；每个所述钢筋点集包括两个端点信息及轴线信息。通过对每一个不完整钢筋点集与周
围的不完整钢筋点集进行轴线与端点的几何关系分析，即通过查询的方式查找到两钢筋点集中最近的两个端点；同时此两个端点的距离小于端点距离阈值；轴线向量的夹角角度小于角度阈值；将两钢筋点集所在的结构体标为同一类。随后根据上述条件将所有近似同向的钢筋点集的结构体合并成同一个完整钢筋点集；最后得到多个完整钢筋点集q1,q2,q3…
qr，r为完整钢筋点集的数量。
103.对任一包含焊缝特征的完整钢筋点集进行分割得到对应的钢筋点集及余下钢筋点集。首先进行直通滤波将包含焊缝特征的完整钢筋点集进行分段筛选出完整不带其他特征信息的钢筋点集qi，1＜i≤r，i为第i个完整不带其他特征信息的钢筋点集；利用最小二乘法计算圆柱拟合求解钢筋中心轴以及半径。根据最小二乘原理，使得各点到拟合直线距离的平方和最小，具体公式为：k表示钢筋点集qi中点的个数；ds表示第s个点到拟合直线的距离；其中，l2+m2+n2＝1；l，m，n分别表示拟合直线的方向向量的三个分量。
104.轴线通过各点的重心，求解得：
[0105][0106]
其中δ
x
，δy，δz分别为重心x，y，z方向上的增量。
[0107]
经过方程变换得到：
[0108]
f(l,m,n)＝(1-l2)b
11
+(1-m2)b
22
+(1-n2)b
33-2lmb
12-2nlb
13-2mnb
23
。
[0109]
其中，转换求解min f(l,m,n)。当(l,m,n)为矩阵b的最大特征值λmax(b)对应的单位特征向量时，f(l,m,n)可以取最小值，这个单位特征向量即为圆柱轴线单位方向向量；其中，λ表示矩阵b的特征值。
[0110]
设多个完整钢筋点集q1,q2,q3…
qr当中第i个点(xi,yi,zi)所在的坐标系为{o-xyz}，i为完整钢筋点集中的任一点，对点q进行旋转变换，设变换后的坐标系为{o-x’y’z’}，使得z’轴与向量(l,m,n)重合，其旋转变换矩阵r为：
[0111][0112]
求解出变换过后的点集坐标点newxyz＝r
×
(xi,yi,zi)。
[0113]
此时的圆柱垂直于{o-xy}平面，在{o-xy}平面上投影为一个圆。故可以只考虑x，y坐标，使用最小二乘法求解这个圆的半径和圆心坐标。假设最小二乘法拟合圆曲线为r2＝(y-b)2+(x-a)2，运用带入参数求解圆心坐标为(a,b)，半径为r。根据坐标转换后的坐标求解出的投影圆的半径r和圆心(a,b)，坐标系{o-x’y’z’}下的圆心z＝0，再对坐标系{o-x’y’z’}下的圆心坐标(a,b,0)进行坐标反变换即得到圆柱轴线上一点q。
[0114]
根据以上求出的钢筋点集的轴线向量以及半径，设置点与轴线的距离阈值，根据点到轴线的距离小于阈值的限制条件distance＜r，从点集qi当中计算提取第一个钢筋点集q
c1
，再通过octree point cloud change detector无组织点云数据的空间变化检测方法(octree是一种管理稀疏3d数据的树状结构，利用octree实现多个无序点云之间的空间变化检测，这些点云可能在尺寸、分辨率、密度和点顺序等方面有所差异，通过递归的比较octree的树结构，可以鉴定出由octree产生的体素组成的区别所代表的空间变化)快速提取出钢筋点集q
c1
构建的八叉树当中没有的点集q
c2
，即余下钢筋点集q
c2
，将点集q
c1
，q
c2
输出。
[0115]
根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征及最终钢筋点集。具体为：根据具有焊缝特征的两个钢筋点集q
c1
，q
c2
的中心轴端点的空间位置提取相应的焊缝两个端点。首先运用pca算法计算点集q
c1
两个最远点q1，q2，再通过前面的最小二乘法计算点集q
c1
的向量为(l,m,n)的轴线α以及轴线上面坐标为(a,b,c)的点q，求解参数t＝α
·
(q-q1)/α2；如图2所示，q1投影的q'1的坐标为(lt+a,mt+b,nt+c)，q'2坐标同理。同理求出q
c2
中q'3，q'4的坐标。最后通过计算q1'，q'2，q'3，q'4投影到任意一个中心轴上面；如图3所示，求解出出现焊缝区域的两点p1，p2就可计算得到焊缝区域的焊缝特征。其中p1，p2分别为焊缝特征线的两个端点(与不平行)。
[0116]
最后完成所有完整钢筋点集qi的焊缝特征的提取分割，得到焊缝特征及最终钢筋点集t1,t2,t3…
te，e为最终钢筋点集的数量。
[0117]
对每一最终钢筋点集进行圆柱拟合得到轴线、半径及轴线一点；根据任一最终钢筋点集上轴线一点与另一距离最近的最终钢筋点集上轴线一点得到焊点空间坐标。具体计算公式为：算公式为：其中(p
2-p1)
v32
表示某两个最终钢筋点集的点云轴线上面点的向量在v
32
向量上面的投影，v
32
为垂直于v2以及两个钢筋轴线v1×
v2的轴线；同理v
31
垂直于v1以及两个钢筋轴线v1×
v2的轴线。t1，t2分别是求得两个轴线最近的两个点；(t1+t2)/2即为所求交叉焊点。
[0118]
为了验证交叉焊点的准确性。假设t3计算得出的钢筋点集ta，tb的焊接交叉点，一定同时在钢筋点集ta，tb的中心轴上面，点集ta，tb的中心轴端点分别为t
a1
，t
a2
，t
b1
，t
b2
，分别计算(t
3-t
a1
)2+(t
3-t
a2
)2≤(t
a1-t
a2
)2；同理(t
3-t
b1
)2+(t
3-t
b2
)2≤(t
b1-t
b2
)2，满足两个条件即可确定所求焊接交叉点t3位置正确。
[0119]
本发明在对钢筋并排焊缝特征提取过程当中，根据半径阈值的方法分割其中一个钢筋点集，并运用八叉树体素网格去背景点的方法分割其余部分的钢筋点集并通过几何的方式计算并排钢筋之间的焊缝特征，实现快速提取焊缝起始坐标。
[0120]
本发明基于三维点云传统几何的方式计算交叉焊点，以及焊缝特征，能够在多种
情况实现单一交叉焊特征快速提取，单一焊缝特征的快速提取，以及复合交叉焊点，一般焊缝特征，以及被钢筋部分遮挡的焊缝特征的同时提取。
[0121]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0122]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

技术特征：
1.一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，所述同步提取方法包括：基于3d扫描仪获取待测钢筋的钢筋点云；对所述钢筋点云进行预处理得到无离散点点云；基于聚类点数的最值，对无离散点点云进行欧式聚类，多个完整钢筋点集和多个不完整钢筋点集；对多个不完整钢筋点集进行合并处理，得到对应的完整钢筋点集；从所有完整钢筋点集中筛选出包含焊缝特征的完整钢筋点集；对任一包含焊缝特征的完整钢筋点集进行分割得到对应的钢筋点集及余下钢筋点集；根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征及最终钢筋点集；根据每两个最终钢筋点集得到焊点空间坐标。2.根据权利要求1所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，对所述钢筋点云进行预处理得到无离散点点云，具体包括：对所述钢筋点云进行直通滤波和点云平面分割，得到焊接特征点点云；基于统计分析技术对所述焊接特征点点云移除离群点得到无离散点点云。3.根据权利要求1所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，所述对多个不完整钢筋点集进行合并处理，得到对应的完整钢筋点集，具体包括：基于pca主成成分分析法根据多个不完整钢筋点集构建多个结构体；每个结构体包括不完整钢筋点集及钢筋点集端点信息；每个所述钢筋点集包括两个端点信息及轴线信息；对多个结构体进行分类得到完整钢筋点集。4.根据权利要求3所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，所述对多个结构体进行分类得到完整钢筋点集，具体包括：对任一结构体分别与余下的结构体进行类别条件的判别；将符合判别条件的结构体合并为一个完整钢筋点集；不符合判别条件的结构体为剩余结构体；将剩余结构体中任一结构体分别与余下结构体进行类别条件的判别；将符合判别条件的结构体合并为另一完整钢筋点集；重复执行，直至剩余结构体执行完类别条件的判别或结构体全部合并。5.根据权利要求3所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，所述类别条件，具体为：任一结构体与余下任一结构体相邻最近的两端点距离小于端点距离阈值；任一结构体与余下任一结构体的轴线向量的夹角角度小于角度阈值。6.根据权利要求1所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，对任一包含焊缝特征的完整钢筋点集进行分割对应的钢筋点集及余下钢筋点集，具体包括：对包含焊缝特征的完整钢筋点集进行直通滤波得到完整不带其他特征信息的钢筋点集；针对任一完整不带其他特征信息的钢筋点集，根据最小二乘法得到钢筋中心轴线向量及半径；针对任一完整不带其他特征信息的钢筋点集，分别判断点到轴线的距离是否小于点线
距离阈值；若否，则剔除该点；若是，则得到钢筋点集；基于任一钢筋点集根据八叉树得到余下钢筋点集。7.根据权利要求1所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，所述根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征，具体包括：基于pca算法，根据每一对钢筋点集及余下钢筋点集得到四个点；四个点分别为钢筋点集中两个最远的点，与余下钢筋点集中两个最远的点；基于最小二乘法得到所述四个点的的投影坐标；将所述四个点的投影坐标投影至任一中心轴上，基于出现焊缝区域的两点得到此焊缝区域的焊缝特征。8.根据权利要求1所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，所述根据每一对钢筋点集及余下钢筋点集，得到最终钢筋点集，具体包括：基于pca算法，根据每一对钢筋点集及余下钢筋点集得到四个点；四个点分别为钢筋点集中两个最远的点，与余下钢筋点集中两个最远的点；最终钢筋点集包括四个点。9.根据权利要求1所述的基于点云的钢筋交叉焊点和焊缝特征同步提取方法，其特征在于，所述根据每两个最终钢筋点集得到焊点空间坐标，具体包括：对每一最终钢筋点集进行圆柱拟合得到轴线、半径及轴线一点；根据任一最终钢筋点集上轴线一点与另一距离最近的最终钢筋点集上轴线一点得到焊点空间坐标。

技术总结
本发明公开一种基于点云的钢筋交叉焊点和焊缝特征同步提取方法，涉及焊接检测技术领域，包括基于3D扫描仪获取待测钢筋的钢筋点云；并进行预处理得到无离散点点云；基于聚类点数的最值，对无离散点点云进行欧式聚类，多个完整钢筋点集和多个不完整钢筋点集；对多个不完整钢筋点集进行合并处理，得到对应的完整钢筋点集；从所有完整钢筋点集中筛选出包含焊缝特征的完整钢筋点集；对任一包含焊缝特征的完整钢筋点集进行分割得到对应的钢筋点集及余下钢筋点集；根据每一对钢筋点集及余下钢筋点集，得到待测钢筋的焊缝特征及最终钢筋点集；根据每两个最终钢筋点集得到焊点空间坐标。本发明实现了钢筋交叉焊点和焊缝特征的同步提取。步提取。步提取。


技术研发人员：蒲华燕 张海俊 王刚 王富豪 刘鸿亮 吴浪 肖登宇 罗均
受保护的技术使用者：重庆大学
技术研发日：2023.05.08
技术公布日：2023/8/4