發(fā)布時(shí)間：2021-09-12 15:32

　　針對目前滾動(dòng)接觸疲勞試驗(yàn)不能檢測缺陷的三維形貌特征的問題,提出了一種基于點(diǎn)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(diǎn)云原始數(shù)據(jù);使用梯度分割的方法實(shí)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(diǎn);并實(shí)現(xiàn)了平鋪點(diǎn)云的卷曲化;最后對卷曲化后的點(diǎn)云進(jìn)行了貪婪三角化和孔洞修復(fù)重建。實(shí)驗(yàn)結(jié)果表明:疲勞接觸面的分割精度在97.7%以上,點(diǎn)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?yàn)榉治鰸L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(diǎn)云圖

利用三維激光掃描儀采集點(diǎn)云數(shù)據(jù)的過程中，由于光線、振動(dòng)、遮擋以及其他一些外界的因素的影響，獲取的點(diǎn)云數(shù)據(jù)中不可避免會(huì)有一些稀疏的離群噪點(diǎn)，特別是在疲勞缺陷處，離群噪點(diǎn)最多，如圖2所示。這些噪點(diǎn)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(diǎn)云數(shù)據(jù)進(jìn)行去噪處理。本文獲取的疲勞滾子點(diǎn)云數(shù)據(jù)中的每個(gè)點(diǎn)到其對應(yīng)的K個(gè)臨近點(diǎn)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(diǎn)云圖進(jìn)行了多次去噪實(shí)驗(yàn)，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(diǎn)的噪聲越多，實(shí)驗(yàn)效果如圖3所示，其中當(dāng)K=60，α=1時(shí)，點(diǎn)蝕缺陷處部分點(diǎn)云被作為噪點(diǎn)過去噪;當(dāng)K=20，α=3時(shí)，點(diǎn)蝕缺陷處的離群噪點(diǎn)未被完全去除;當(dāng)K=30，α=2時(shí)，離群噪點(diǎn)去除效果最佳。2 疲勞滾子表面三維重建

【參考文獻(xiàn)】：
期刊論文
[1]高鐵車體表面三維重建及瑕疵點(diǎn)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(shí)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(jī)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(jī)械學(xué)報(bào). 2019(S1)
[4]滾動(dòng)接觸疲勞缺陷檢測的改進(jìn)Otsu算法[J]. 許洪斌,馮柯茹,黃琳,熊龍燁,楊長輝.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(07)
[5]極限學(xué)習(xí)機(jī)在散亂點(diǎn)云孔洞修補(bǔ)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(diǎn)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(jī)械學(xué)報(bào). 2017(S1)
[7]鋼軌表面缺陷檢測的圖像預(yù)處理改進(jìn)算法[J]. 袁小翠,吳祿慎,陳華偉.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2014(05)
[8]基于機(jī)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(dá),倪國斌,王苗,楊珍.  傳感器與微系統(tǒng). 2017(08)



本文編號：3394483