針對目前滾動接觸疲勞試驗不能檢測缺陷的三維形貌特征的問題,提出了一種基于點云數(shù)據(jù)的疲勞滾子表面三維重建方法。首先采用三維激光掃描儀采集疲勞滾子表面的點云原始數(shù)據(jù);使用梯度分割的方法實現(xiàn)疲勞接觸面的分割;利用Statistical Outlier Removal濾波器中的Kd-Tree算法去除離群噪點;并實現(xiàn)了平鋪點云的卷曲化;最后對卷曲化后的點云進行了貪婪三角化和孔洞修復(fù)重建。實驗結(jié)果表明:疲勞接觸面的分割精度在97.7%以上,點云卷曲化誤差率為0.09%,重建后的疲勞滾子表面最大偏差為0.019 9 mm,能夠為分析滾子試件在模擬工況條件下的接觸疲勞性能提供依據(jù)。 

【文章來源】：傳感器與微系統(tǒng). 2020,39(09)CSCD

【文章頁數(shù)】：4 頁

【部分圖文】：

疲勞滾子原始圖片及原始點云圖

利用三維激光掃描儀采集點云數(shù)據(jù)的過程中，由于光線、振動、遮擋以及其他一些外界的因素的影響，獲取的點云數(shù)據(jù)中不可避免會有一些稀疏的離群噪點，特別是在疲勞缺陷處，離群噪點最多，如圖2所示。這些噪點對于后期疲勞滾子表面的三維重建有較大的干擾，因此需要對采集的點云數(shù)據(jù)進行去噪處理。本文獲取的疲勞滾子點云數(shù)據(jù)中的每個點到其對應(yīng)的K個臨近點的平均距離近似服從高斯分布，概率密度函數(shù)為

本文對分割后的點云圖進行了多次去噪實驗，從表1中的數(shù)據(jù)分析發(fā)現(xiàn)，K值越大，α值越小，被判定為離群噪點的噪聲越多，實驗效果如圖3所示，其中當(dāng)K=60，α=1時，點蝕缺陷處部分點云被作為噪點過去噪;當(dāng)K=20，α=3時，點蝕缺陷處的離群噪點未被完全去除;當(dāng)K=30，α=2時，離群噪點去除效果最佳。2 疲勞滾子表面三維重建

【參考文獻】：
期刊論文
[1]高鐵車體表面三維重建及瑕疵點檢測[J]. 李榮華,王振宇,盧祺,劉新華.  傳感器與微系統(tǒng). 2020(01)
[2]果樹重建與果實識別方法在采摘場景中的應(yīng)用[J]. 熊龍燁,王卓,何宇,劉灑,楊長輝.  傳感器與微系統(tǒng). 2019(08)
[3]基于RGB-D相機的蔬菜苗群體株高測量方法[J]. 楊斯,高萬林,米家奇,吳夢柳,王敏娟,鄭立華.  農(nóng)業(yè)機械學(xué)報. 2019(S1)
[4]滾動接觸疲勞缺陷檢測的改進Otsu算法[J]. 許洪斌,馮柯茹,黃琳,熊龍燁,楊長輝.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2019(07)
[5]極限學(xué)習(xí)機在散亂點云孔洞修補中的應(yīng)用[J]. 王春香,張勇,梁亮,王巖輝.  現(xiàn)代制造工程. 2018(11)
[6]基于三維點云的蘋果樹葉片三維重建研究[J]. 張偉潔,劉剛,郭彩玲,宗澤,張雪.  農(nóng)業(yè)機械學(xué)報. 2017(S1)
[7]鋼軌表面缺陷檢測的圖像預(yù)處理改進算法[J]. 袁小翠,吳祿慎,陳華偉.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2014(05)
[8]基于機器視覺的凸輪軸表面缺陷檢測系統(tǒng)[J]. 孫雪晨,姜肖楠,傅瑤,韓誠山,文明.  紅外與激光工程. 2013(06)
[9]基于Kinect的三維重建技術(shù)綜述[J]. 艾達,倪國斌,王苗,楊珍.  傳感器與微系統(tǒng). 2017(08)



本文編號：3394483