基于点云数据的疲劳滚子表面三维重建研究

发布时间：2021-09-12 15:32

　　针对目前滚动接触疲劳试验不能检测缺陷的三维形貌特征的问题,提出了一种基于点云数据的疲劳滚子表面三维重建方法。首先采用三维激光扫描仪采集疲劳滚子表面的点云原始数据;使用梯度分割的方法实现疲劳接触面的分割;利用Statistical Outlier Removal滤波器中的Kd-Tree算法去除离群噪点;并实现了平铺点云的卷曲化;最后对卷曲化后的点云进行了贪婪三角化和孔洞修复重建。实验结果表明:疲劳接触面的分割精度在97.7%以上,点云卷曲化误差率为0.09%,重建后的疲劳滚子表面最大偏差为0.019 9 mm,能够为分析滚子试件在模拟工况条件下的接触疲劳性能提供依据。 

【文章来源】：传感器与微系统. 2020,39(09)CSCD

【文章页数】：4 页

【部分图文】：

疲劳滚子原始图片及原始点云图

利用三维激光扫描仪采集点云数据的过程中，由于光线、振动、遮挡以及其他一些外界的因素的影响，获取的点云数据中不可避免会有一些稀疏的离群噪点，特别是在疲劳缺陷处，离群噪点最多，如图2所示。这些噪点对于后期疲劳滚子表面的三维重建有较大的干扰，因此需要对采集的点云数据进行去噪处理。本文获取的疲劳滚子点云数据中的每个点到其对应的K个临近点的平均距离近似服从高斯分布，概率密度函数为

本文对分割后的点云图进行了多次去噪实验，从表1中的数据分析发现，K值越大，α值越小，被判定为离群噪点的噪声越多，实验效果如图3所示，其中当K=60，α=1时，点蚀缺陷处部分点云被作为噪点过去噪;当K=20，α=3时，点蚀缺陷处的离群噪点未被完全去除;当K=30，α=2时，离群噪点去除效果最佳。2 疲劳滚子表面三维重建

【参考文献】：
期刊论文
[1]高铁车体表面三维重建及瑕疵点检测[J]. 李荣华,王振宇,卢祺,刘新华.  传感器与微系统. 2020(01)
[2]果树重建与果实识别方法在采摘场景中的应用[J]. 熊龙烨,王卓,何宇,刘洒,杨长辉.  传感器与微系统. 2019(08)
[3]基于RGB-D相机的蔬菜苗群体株高测量方法[J]. 杨斯,高万林,米家奇,吴梦柳,王敏娟,郑立华.  农业机械学报. 2019(S1)
[4]滚动接触疲劳缺陷检测的改进Otsu算法[J]. 许洪斌,冯柯茹,黄琳,熊龙烨,杨长辉.  计算机辅助设计与图形学学报. 2019(07)
[5]极限学习机在散乱点云孔洞修补中的应用[J]. 王春香,张勇,梁亮,王岩辉.  现代制造工程. 2018(11)
[6]基于三维点云的苹果树叶片三维重建研究[J]. 张伟洁,刘刚,郭彩玲,宗泽,张雪.  农业机械学报. 2017(S1)
[7]钢轨表面缺陷检测的图像预处理改进算法[J]. 袁小翠,吴禄慎,陈华伟.  计算机辅助设计与图形学学报. 2014(05)
[8]基于机器视觉的凸轮轴表面缺陷检测系统[J]. 孙雪晨,姜肖楠,傅瑶,韩诚山,文明.  红外与激光工程. 2013(06)
[9]基于Kinect的三维重建技术综述[J]. 艾达,倪国斌,王苗,杨珍.  传感器与微系统. 2017(08)



本文编号：3394483