用于钢卷塔型缺陷的检测方法、设备、系统及存储介质与流程

1.本发明属于自动化加工领域，尤其是涉及一种用于钢卷塔型缺陷的检测方法、设备、系统及存储介质。


背景技术：

2.传统钢厂在生产钢卷时，钢卷在成卷的过程中，由于制造问题可能导致冷轧带钢板(卷)的端部不齐，导致端面部分圈高于其他圈，呈现不同程度的宝塔形或面包形，这种情况的出现称之为钢卷塔型缺陷。
3.塔型的工艺缺陷会对后续的加工环节带来重要影响，极大降低钢卷产品的质量。目前传统的厂家均采用人工判别，由于钢卷的外形缺陷常常较为细微，在人工识别的情况下常常存在识别误差，无法及时对缺陷进行针对性的工艺操作。也有部分厂家所采用图像识别或者3d点云的方式判断钢卷塔型，但是前者所采用的图像识别，摄像头拍摄图像无法获取准确的3d信息，通过判断塔型凸出当前钢卷端面的高度判断是否需要对该钢卷进行返工处理，判断常常不精准；后者所提到的点云采集装置，则需要设计紧密的工装，如在下卷时通过安装支架固定钢卷并进行精准的定位，实现的成本高且受到区域限制。
4.由此，亟需一种新的钢卷塔型缺陷的检测方法。


技术实现要素：

5.为解决现有技术中提出的技术问题，本发明提供了一种用于钢卷塔型缺陷的检测方法、设备、系统及存储介质。
6.在本技术的第一方面提供一种用于钢卷塔型缺陷的检测方法，检测方法包括：获取钢卷点云集；通过3d点云算法在钢卷点云集中分割出钢卷点云模型；提取钢卷点云模型中的平面区域；计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷。
7.在本技术进一步的方案中，通过3d点云算法将钢卷点云集分割出钢卷点云模型包括：通过3d点云算法将钢卷点云集分割出钢卷点云模型；对钢卷数据采用聚类分割算法得到钢卷点云模型。
8.在本技术进一步的方案中，计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云包括：根据钢卷的直径信息及中心点坐标分割钢卷的圆柱表面点云并删除圆柱表面点云以剩余待计算点云；通过距离算法获取待计算点云到平面区域的垂直距离；提取垂直距离大于预设的距离阈值的目标点云。
9.在本技术进一步的方案中，通过距离算法获取待计算点云到平面区域的垂直距离包括：将平面区域的沿圆周平均划分成预设的第一数量的扇形；计算每个扇形的区域内待计算点云到平面区域的垂直距离。
10.在本技术进一步的方案中，对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷包括：对目标点云进行主成分分析，求取目标点云所围合的边长；当边长超过预设的边
长阈值，确定钢卷存在塔型缺陷。
11.在本技术进一步的方案中，检测方法在获取钢卷点云集之前还包括：获取一帧钢卷的端面图像；计算端面图像的圆度；根据圆度调整点云采集装置的方向，循环获取端面图像并计算圆度，直至圆度满足预设的圆度阈值；计算钢卷的中心坐标；移动点云采集装置至中心坐标完成初始化。
12.在本技术第二方面还提供一种用于钢卷塔型缺陷的检测设备，检测设备包括：点云采集装置，用于采集钢卷点云集；上位机，和点云采集装置电性连接，上位机被配置成：控制点云采集装置获取钢卷点云集；通过3d点云算法在钢卷点云集中分割出钢卷点云模型；提取钢卷点云模型中的平面区域；计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷。
13.在本技术进一步的方案中，检测设备还包括：pwm控制器，用于通过脉宽调制控制驱动装置；驱动装置，连接在点云采集装置一侧，用于驱动点云采集装置旋转/移动；图像采集装置，设置在点云采集装置一侧，用于获取图像；上位机在获取钢卷点云集之前还被配置成：控制图像采集装置获取一帧钢卷的端面图像；计算端面图像的圆度；控制驱动装置调整点云采集装置的方向，循环获取端面图像并计算圆度，直至圆度满足预设的圆度阈值；计算钢卷的中心坐标；移动点云采集装置至中心坐标完成初始化。
14.在本技术的第三方面还提供一种用于钢卷塔型缺陷的检测系统，包括：点云采集模块，用于接收获取钢卷点云集并通过3d点云算法在钢卷点云集中分割出钢卷点云模型；提取模块，用于提取钢卷点云模型中的平面区域；计算模块，用于计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；判断模块，用于对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷；初始化模块，用于接收钢卷的端面图像；计算端面图像的圆度；控制驱动装置调整点云采集装置的方向，循环获取端面图像并计算圆度，直至圆度满足预设的圆度阈值后停止控制点云采集装置移动；计算钢卷的中心坐标；移动点云采集装置至中心坐标完成初始化。
15.最终，本技术还提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，一个或多个程序可被一个或者多个处理器执行，以实现如上的检测方法。
16.有益效果：
17.本发明所提供一种钢卷塔型缺陷的检测方法，该钢卷塔型缺陷的检测方法通过建立钢卷点云模型，在钢卷点云模型中分割其平面区域，即对应钢卷的两个端面，通过计算点云到平面区域的垂直距离并阈值判断，从而提取出目标点云，随后通过对目标点云进行主成分分析以确定钢卷是否存在塔型缺陷，该方法相对于目前的图像识别多了一个维度，直接的3d坐标信息更为精准，受外界光照变化和成像距离影响较小，根据塔型缺陷的特点，对于该缺陷需要获取到精确的3d信息，通过判断溢出的距离的大小判断是否需要对该钢卷进行返工处理，可实现钢卷缺陷的全自动化识别，减少人力物力，提高产品的良率。
18.另外，本发明还通过将点云采集装置设置成具备转动自由度和移动自由度，融合2d图像识别，使得点云采集装置所建立的原点坐标系精准，从而提高通过3d点云判断钢卷塔型缺陷的可靠性。同时钢卷可不受到环境和场地的限制，无需设计精密的工装夹具，具备更高的通用性。
19.本发明实施例的其他特征和优点将在随后的具体实施方式部分予以说明。
附图说明
20.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1为本发明实施例所提供的钢卷塔型缺陷的检测方法的流程图；
22.图2为本发明实施例所提供的钢卷塔型缺陷的检测方法中步骤s4的具体流程图；
23.图3为本发明实施例所提供的钢卷塔型缺陷的检测方法中步骤s42的具体流程图；
24.图4为本发明实施例所提供的钢卷塔型缺陷的检测方法中步骤s5的具体流程图；
25.图5为本发明实施例所提供的钢卷塔型缺陷的检测方法的另一流程图；
26.图6为本发明实施例所提供的钢卷塔型缺陷的检测方法的逻辑图；及
27.图7为本发明实施例所提供的检测设备的连接拓扑图；
28.图8为本发明实施例所提供的检测系统的模块示意图。
29.附图标记
30.具体实施方式
31.为了使本发明的上述以及其他特征和优点更加清楚，下面结合附图进一步描述本发明。应当理解，本文给出的具体实施例是出于向本领域技术人员解释的目的，仅是示例性的，而非限制性的。
32.承前，为解决现有技术中所存在的技术问题，无论是采用人工、图像识别或者3d深度识别等方式，均存在精准程度不够的技术缺陷，本发明实施例所提供一个总的发明构思，即一种用于钢卷塔型缺陷的检测方法。
33.【检测方法】
34.请参阅图1～图2，图1为本发明实施例所提供的钢卷塔型缺陷的检测方法的流程图；
35.本发明实施例提供用于钢卷塔型缺陷的检测方法，该检测方法包括以下步骤：
36.步骤s1、获取钢卷点云集；
37.步骤s2、通过3d点云算法在钢卷点云集中分割出钢卷点云模型；
38.步骤s3、提取钢卷点云模型中的平面区域；
39.步骤s4、计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取
目标点云；
40.步骤s5、对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷。
41.可以理解，步骤s1～步骤s2所阐述的为通过点云数据获得钢卷点云模型，本发明实施例中的点云即点的集合。其相对于图像点云包括深度参数，也就是说三维点云直接提供了三维空间的数据，相对比现有技术中的图像识别其需要通过透视几何来反推三维数据，透视几何可能推出来的数据并不符合要求，存有一些偏差；由此采用钢卷点云模型可大幅度提高检测的精准程度。
42.在一个具体的方案中，通过激光雷达按照预设路线扫描钢卷以获取钢卷点云集；根据钢卷特征从钢卷点云集中特征提取出点云特征；对钢卷数据采用聚类分割算法得到钢卷点云模型。
43.可以理解，步骤s1中的钢卷点云模型需要从所采集的钢卷点云集中进行目标提取，目标提取关键性的两步为：特征提取与选择、分类；通过激光雷达按照扫描路线依次扫描钢卷，可获得整体的钢卷点云集；由于要识别的钢卷通常一般是在一个环境场景下，各种点云相互混杂，在对钢卷点云模型目标进行识别时，需要有一个指标或者数值来最大化钢卷点云模型和其他点云之间的区别，即上述所提到的目标特征；
44.在本技术中优选采用圆柱体拟合进行分割，通过pcl(point cloud library：点云库)中所提供的sacmodel_cylinder(点云库中所定义的圆柱体)模型，通过随机参数估计方法进行圆柱体分割，从而提取处钢卷点云模型。示例性的如：加载钢卷点云集，根据随机参数估计方法迭代计算法线实行圆柱体分割。
45.在另一可行的示例中，如每个点云除三维坐标(x，y，z)还包括rgb信息，可以根据点云颜色进行提取，先对钢卷点云集进行滤波、降采样等预处理，通过钢卷的颜色进行聚类分割，从而获得钢卷点云模型。
46.可以理解，目标提取的方法可以不予限制，因钢卷结构为简单的柱体，可以通过边缘提取等其他方式，主要实现去除钢卷点云集中的背景杂点获得钢卷点云模型即可。
47.在步骤s3中，通过将钢卷点云模型中的平面区域提取出，具体的方式通过基于同一平面的切向量具备相同的特征，如平面曲线y＝g(x)的切线斜率y'＝frac{y'}{1}，故切向量均为为(1,y')，可根据这一特征进行聚类；具体方式可以为：在钢卷点云模型中的x、y方向(以钢卷的轴向方向为y方向，和轴向方向垂直的方向为x方向)创建两个切向量，用积分图像计算切向量，根据2个切向量计算钢卷点云模型中的点云法线，将点云法线中的点投影到球坐标系重进行聚类，得到候选平面聚类，最终在距离空间(平面与原点的距离)中聚类局部表面法向相似的平面，从而提取出钢卷点云模型中平面区域，并建立和该平面区域所对应的平面方程。
48.在步骤s3的另一可选方案中，也可以利用点到平面的距离相等这一特征进行平面拟合，在钢卷点云模型中的钢卷端面随机选取一个点以及和该点最近的点构成点集，自动寻找到距离这个点集最近的目标点，并计算目标点到预设的坐标系yz平面的距离和均方误差。满足距离相等则加入当前点集，点集数大于阈值为有效(则证明有平面)，直到遍历完所有点即可得到同一平面的所有点云，并建立平面方程。
49.请参阅图2，图2为本发明实施例所提供的钢卷塔型缺陷的检测方法中步骤s4的具体流程图。在上述的步骤s4中计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值
判断以提取目标点云包括：
50.步骤s41、根据钢卷的直径信息及中心点坐标分割钢卷的圆柱表面点云并删除圆柱表面点云以剩余待计算点云；
51.步骤s42、通过距离算法获取待计算点云到平面区域的垂直距离；
52.步骤s43、提取垂直距离大于预设的距离阈值的目标点云。
53.可以理解，步骤s41中可以根据钢卷的直径信息及中心点坐标，将待计算点云分割出来，如钢卷钢卷的内直径和外直径分别为d1和d2，中心点坐标为i，分别围绕i以直径d1+
△
l和d1
‑△
l作第一圆周和第二圆周，筛选坐标系在第一圆周和第二圆周之类的点云，从而将圆柱内表面的点云剔除，外圆表面同理，使得钢卷点云模型中仅剩下剩余待计算点云。
54.此时计算剩余待计算点云到平面区域的距离，通过点到平面方程的垂直距离公式进行运算，遍历所有的剩余待计算点云。
55.最终提取垂直距离大于距离阈值的目标点云，通常来说，以当前的工艺要求距离阈值设置在6cm左右。
56.步骤s41目的在于减少算力，提高响应速度。
57.请继续参阅图3，图3为本发明实施例所提供的钢卷塔型缺陷的检测方法中步骤s42的具体流程图。在上述的步骤s42通过距离算法获取待计算点云到平面区域的垂直距离包括：
58.步骤s421、将平面区域的沿圆周平均划分成预设的第一数量的扇形；
59.步骤s422、计算每个扇形的区域内待计算点云到平面区域的垂直距离。
60.可以理解，步骤s421～步骤s422的目的在于一者方便提高计算速度，另一者方便后续进行主成分分析。
61.请参阅图4，图4为本发明实施例所提供的钢卷塔型缺陷的检测方法中步骤s5的具体流程图。在步骤s5中对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷包括：
62.步骤s51、对目标点云进行主成分分析，求取目标点云所围合的边长；
63.步骤s52、当边长超过预设的边长阈值，确定钢卷存在塔型缺陷。
64.本发明实施例提供一种步骤s5的可选方式，将目标点云拟合成线条，并计算其边长，当边长超过预设的边长阈值时，则证明钢卷某一圈突兀，存在塔型缺陷。
65.可以理解，也可以采用上述步骤s421所划分的扇形数量进行统计，当存在目标点云的扇形数量超过所设定的数量阈值时，则判定钢卷存在塔型缺陷。
66.综上，本发明实施例所提供一种钢卷塔型缺陷的检测方法，该钢卷塔型缺陷的检测方法通过建立钢卷点云模型，在钢卷点云模型中分割其平面区域，即对应钢卷的两个端面，通过计算点云到平面区域的垂直距离并阈值判断，从而提取出目标点云，随后通过对目标点云进行主成分分析以确定钢卷是否存在塔型缺陷，该方法相对于目前的图像识别多了一个维度，直接的3d坐标信息更为精准，受外界光照变化和成像距离影响较小，根据塔型缺陷的特点，对于该缺陷需要获取到精确的3d信息，通过判断溢出的距离的大小判断是否需要对该钢卷进行返工处理，可实现钢卷缺陷的全自动化识别，减少人力物力，提高产品的良率。
67.请参阅图5，图5为本发明实施例所提供的钢卷塔型缺陷的检测方法的另一流程图。在执行步骤s1检测方法在获取钢卷点云集之前还包括：
68.步骤s101、获取一帧钢卷的端面图像；
69.步骤s102、计算端面图像的圆度；
70.步骤s103、根据圆度调整点云采集装置的方向，循环获取端面图像并计算圆度，直至圆度满足预设的圆度阈值；
71.步骤s104、计算钢卷的中心坐标；
72.步骤s105、移动点云采集装置至中心坐标完成初始化。
73.可以理解，本发明实施例还提供一种结合图像识别来控制点云采集装置初始化的方法，基于获取钢卷点云集之前执行，以确保原点坐标系的精准，从而提高上述通过点云判断钢卷是否存在塔型缺陷的可靠性。
74.请参阅图6，图6为本发明实施例所提供的钢卷塔型缺陷的检测方法的逻辑图；具体地，其运动控制可以采用移动式的多轴机械臂，将图像采集装置和点云采集装置在机械臂的端部同轴安装；在每次进行点云判定前，首先将机械臂移动至钢卷的端面处，随后执行以下步骤：
75.步骤a、获取一帧钢卷图像，进入步骤b；
76.步骤b、从钢卷图像中分割处钢卷端面图像；
77.步骤c、计算端面图像的圆度；
78.步骤d、对圆度进行圆度阈值判断，当圆度满足圆度阈值范围时，进入步骤e，当圆度不满足圆度阈值范围时，进入步骤g；
79.步骤e、计算端面图像的中心坐标；
80.步骤f、移动点云采集装置至中心坐标；
81.步骤g、调整点云采集装置的角度；循环进入a。
82.其中，步骤a为获取一帧钢卷图像，该钢卷图像包括背景和目标，步骤b采用边缘检测分割，将钢卷的端面图像从背景中分割出来，完成特征提取。
83.在步骤c中，通过图形识别，提取当前钢卷端面的各项特征数据，可以采取4*pi*a/p^2计算圆度；其中pi表示π，a表示区域面积，p表示区域周长。
84.随后执行步骤d，对所获取的圆度值进行圆度阈值判断，当圆度满足圆度阈值时，则确定当前点云采集装置位置摆正，此时点云采集装置的中轴移动至所计算得到的中心坐标处对齐，完成初始化。
85.如圆度不满足圆度阈值，此时通过控制点云采集装置的激光发射头的角度，重新循环步骤a～步骤d。
86.当前所测量的圆度不满足圆度阈值，在调整角度时，首先向第一方向上调整角度，如果圆度朝偏离圆度阈值的方向上变化，则在下次调整角度时朝第一方向上的反方向调整，直至所测量的圆度满足圆度阈值。
87.进一步地，在步骤s103(步骤g)中还包括：
88.计算当前所测量的圆度和圆度阈值的差值，根据差值调整调整点云采集装置当前所要调整的角度值。
89.具体地，本发明实施例在控制时采用pwm脉冲控制点云采集装置的角度，每次可控制调整预设的角度可以根据差值变化，在当前测量的圆度和圆度阈值的差值较大时，可以点云采集装置转动调整5
°
～15
°
，当差值较小时，角度值可以在1
°
～5
°
，差值接近于0时则开
始微调，角度可设置在1
°
以下。
90.更进一步地，在点云采集装置的激光采集头至中心坐标对齐后，通过移动点云采集装置朝钢卷端面的方向上，即当前激光采集头所朝向的方向上开始平移，直至激光采集头和端面位于同一水平面，此时激光采集头的端部作为原点坐标系。
91.可以理解，通过将点云采集装置设置成具备转动自由度和移动自由度，融合2d图像识别，使得点云采集装置所建立的原点坐标系精准，从而提高通过3d点云判断钢卷塔型缺陷的可靠性。同时钢卷可不受到环境和场地的限制，无需设计精密的工装夹具，具备更高的通用性。
92.【检测设备】
93.请参阅图7，图7为本发明实施例所提供的检测设备的连接拓扑图。
94.在本技术的第二方面还提供一种用于钢卷塔型缺陷的检测设备100，该检测设备包括：
95.点云采集装置101，包括激光采集头，用于采集钢卷点云集；
96.上位机102，和点云采集装置101电性连接，上位机102中封装有程序，该程序通过编译被配置成执行以上钢卷塔型缺陷的检测方法。
97.可以理解，通过点云采集装置101可获得相对图像更为精准的三维信息，在钢卷塔型缺陷识别上具备优势。同时上述的方法可减少人力物力，提高自动化程度。
98.在本发明实施例中，检测设备100还包括pwm控制器103、驱动装置104及图像采集装置105；
99.其中，pwm控制器103用于通过脉宽调制控制驱动装置104；驱动装置104可采用机械臂，点云采集装置101连接在驱动装置104的端部，驱动装置104用于驱动点云采集装置101旋转/移动；
100.图像采集装置105，和点云采集装置101同样设置在驱动装置104的端部，用于获取二维图像；
101.上位机在获取钢卷点云集之前还被配置成：
102.控制图像采集装置获取一帧钢卷的端面图像；
103.计算端面图像的圆度；
104.控制驱动装置调整点云采集装置的方向，循环获取端面图像并计算圆度，直至圆度满足预设的圆度阈值；
105.计算钢卷的中心坐标；
106.移动点云采集装置至中心坐标完成初始化。
107.同上述，通过将点云采集装置设置成具备转动自由度和移动自由度，融合2d图像识别，使得点云采集装置所建立的原点坐标系精准，从而提高通过3d点云判断钢卷塔型缺陷的可靠性。同时钢卷可不受到环境和场地的限制，无需设计精密的工装夹具，具备更高的通用性。
108.【检测系统】
109.请参阅图8，图8为本发明实施例所提供的检测系统200的模块示意图。
110.本发明实施例还提供一种用于钢卷塔型缺陷的检测系统200，包括：
111.点云采集模块201，用于接收获取钢卷点云集并通过3d点云算法在钢卷点云集中
分割出钢卷点云模型；
112.提取模块202，用于提取钢卷点云模型中的平面区域；
113.计算模块203，用于计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；
114.判断模块204，用于对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷；
115.初始化模块205，用于接收钢卷的端面图像；计算端面图像的圆度；控制驱动装置调整点云采集装置的方向，循环获取端面图像并计算圆度，直至圆度满足预设的圆度阈值后停止控制点云采集装置移动；计算钢卷的中心坐标；移动点云采集装置至中心坐标完成初始化
116.可以理解，通过将以上的检测方法通过程序封装在不同的模块，从而建立系统。其有益效果同上，本处不重复阐述。
117.进一步，本领域技术人员应当理解，如果将本发明实施例所提供的检测系统200各产品所涉及到的全部或部分子模块通过稠合、简单变化、互相变换等方式进行组合、替换，如各组件摆放移动位置；或者将其所构成的产品一体设置；或者可拆卸设计；凡组合后的组件可以组成具有特定功能的设备/装置/系统，用这样的设备/装置/系统代替本发明相应组件同样落在本发明的保护范围内。
118.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
119.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种用于钢卷塔型缺陷的检测方法，其特征在于，所述检测方法包括：获取所述钢卷点云集；通过3d点云算法在所述钢卷点云集中分割出钢卷点云模型；提取所述钢卷点云模型中的平面区域；计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷。2.根据权利要求1所述的检测方法，其特征在于，所述通过3d点云算法将所述钢卷点云集分割出钢卷点云模型包括：通过3d点云算法将所述钢卷点云集分割出钢卷点云模型；对所述钢卷数据采用聚类分割算法得到钢卷点云模型。3.根据权利要求1所述的检测方法，其特征在于，所述计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云包括：根据所述钢卷的直径信息及所述中心点坐标分割钢卷的圆柱表面点云并删除圆柱表面点云以剩余待计算点云；通过距离算法获取所述待计算点云到平面区域的垂直距离；提取所述垂直距离大于预设的距离阈值的目标点云。4.根据权利要求1所述的检测方法，其特征在于，所述通过距离算法获取所述待计算点云到平面区域的垂直距离包括：将平面区域的沿圆周平均划分成预设的第一数量的扇形；计算每个所述扇形的区域内待计算点云到所述平面区域的垂直距离。5.根据权利要求1所述的检测方法，其特征在于，所述对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷包括：对目标点云进行主成分分析，求取所述目标点云所围合的边长；当所述边长超过预设的边长阈值，确定钢卷存在塔型缺陷。6.根据权利要求1～5任一项所述的检测方法，其特征在于，所述检测方法在获取所述钢卷点云集之前还包括：获取一帧钢卷的端面图像；计算所述端面图像的圆度；根据圆度调整点云采集装置的方向，循环获取端面图像并计算圆度，直至所述圆度满足预设的圆度阈值；计算钢卷的中心坐标；移动所述点云采集装置至所述中心坐标完成初始化。7.一种用于钢卷塔型缺陷的检测设备，其特征在于，所述检测设备包括：点云采集装置，用于采集钢卷点云集；上位机，和所述点云采集装置电性连接，所述上位机被配置成：控制点云采集装置获取所述钢卷点云集；通过3d点云算法在所述钢卷点云集中分割出钢卷点云模型；提取所述钢卷点云模型中的平面区域；计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；
对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷。8.根据权利要求1～5任一项所述的检测设备，其特征在于，所述检测设备还包括：pwm控制器，用于通过脉宽调制控制驱动装置；驱动装置，连接在所述点云采集装置一侧，用于驱动所述点云采集装置旋转/移动；图像采集装置，设置在所述点云采集装置一侧，用于获取图像；所述上位机在获取所述钢卷点云集之前还被配置成：控制图像采集装置获取一帧钢卷的端面图像；计算所述端面图像的圆度；控制驱动装置调整点云采集装置的方向，循环获取端面图像并计算圆度，直至所述圆度满足预设的圆度阈值；计算钢卷的中心坐标；移动所述点云采集装置至所述中心坐标完成初始化。9.一种用于钢卷塔型缺陷的检测系统，其特征在于，包括：点云采集模块，用于接收获取所述钢卷点云集并通过3d点云算法在所述钢卷点云集中分割出钢卷点云模型；提取模块，用于提取所述钢卷点云模型中的平面区域；计算模块，用于计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；判断模块，用于对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷；初始化模块，用于接收钢卷的端面图像；计算所述端面图像的圆度；控制驱动装置调整点云采集装置的方向，循环获取端面图像并计算圆度，直至所述圆度满足预设的圆度阈值后停止控制点云采集装置移动；计算钢卷的中心坐标；移动所述点云采集装置至所述中心坐标完成初始化。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，一个或多个所述程序可被一个或者多个处理器执行，以实现如权利要求1～6任一项的检测方法。

技术总结
本发明实施例提供一种用于钢卷塔型缺陷的检测方法、设备、系统及存储介质。检测方法包括：获取钢卷点云集；通过3D点云算法在钢卷点云集中分割出钢卷点云模型；提取钢卷点云模型中的平面区域；计算钢卷点云模型中点云到平面区域的垂直距离并进行阈值判断以提取目标点云；对目标点云进行主成分分析以判断钢卷是否存在塔形缺陷。该方法相对于目前的图像识别多了一个维度，直接的3D坐标信息更为精准，受外界光照变化和成像距离影响较小，根据塔型缺陷的特点，对于该缺陷需要获取到精确的3D信息，通过判断溢出的距离的大小判断是否需要对该钢卷进行返工处理，可实现钢卷缺陷的全自动化识别，减少人力物力，提高产品的良率。提高产品的良率。提高产品的良率。


技术研发人员：孙银健 蒋开文 刘石岩 郭敬 汪冻 邓彪 向丽丽 田奕宏 陈仁
受保护的技术使用者：北京瓦特曼智能科技有限公司
技术研发日：2023.02.07
技术公布日：2023/8/5