基于点云特征的无缝钢管微小缺陷精准提取方法与流程

本发明涉及工业无损检测，具体涉及一种基于点云特征的无缝钢管微小缺陷精准提取方法。

背景技术：

1、无缝钢管在穿孔、轧制、定径、矫直和冷拔等工序中，其外表面难免产生各类缺陷。在各类缺陷中，深度在0.1mm~0.3mm、宽度在0.2mm量级的微小浅层缺陷（以浅划伤、青线最为典型），长期以来是行业漏检的重灾区。漏检并非因为现场操作人员不重视，而是现有检测手段检不出这类微小浅层缺陷。

2、其一，人工目检。0.1mm级的凹陷或凸起在管面上几乎不形成肉眼可辨的光影差异，检验员需要在产线节奏下盯视移动中的钢管，这类缺陷漏看是常态。此外，检验员的不同班组之间的判断标准不一致，而且在检验员疲劳状态下漏检进一步加剧。

3、其二，二维机器视觉。灰度成像依赖光照在缺陷处产生的明暗反差，而浅层缺陷造成的高度变化太小，成像对比度贴近噪声水平。更棘手的是，管面的氧化色、水渍和油斑在图像上呈现为大片灰度异常，误报与漏报此消彼长，检测阈值无论怎样设定都难以两全。

4、其三，电磁类检测（涡流、漏磁）。此类方法对内部缺陷或较深的体积型缺陷有效，但对开口细小、深度极浅的表面缺陷灵敏度不够；即便能够检出，也给不出缺陷的准确轮廓与尺寸，无法支撑精细化分级。

5、其四，三维点云检测的既有尝试。激光三角测量能获取管面三维形貌，不受表面颜色干扰，理论上是最有希望的路线。但落地过程中会遇到三个问题：

6、（1）钢管不是理想圆柱。整管弯曲、椭圆度、局部瓢曲造成的宏观起伏大，且幅值比微小缺陷大一到两个数量级，缺陷信号直接被淹没；

7、（2）轧制辊印、螺旋纹理等规则的中尺度起伏，与微小缺陷在频带上部分重叠，单一滤波手段顾此失彼；

8、（3）点云是离散采样，缺陷边界只能确定到采样点一级。以0.2mm的点间距为例，边界定位误差就接近微小缺陷本身的宽度，尺寸测量失去意义，判定阈值也无从设准。

9、由此形成了行业内的尴尬局面：点云采得到，微小缺陷提取不出来。要把这类微小缺陷稳定地“抠”出来，必须同时解决三件事——把复杂背景剥干净、把微弱的缺陷信号增强到可稳定分割的程度、把边界和深度测到采样间隔以下。

技术实现思路

1、为克服现有技术所存在的缺陷，现提供一种基于点云特征的无缝钢管微小缺陷精准提取方法，以解决现有无缝钢管的缺陷检测技术无法稳定检测微小缺陷的问题。

2、为实现上述目的，提供一种基于点云特征的无缝钢管微小缺陷精准提取方法，包括以下步骤：

3、采集无缝钢管的圆周面的三维点云，并将所述三维点云转换至管坐标系获得以周向角度、轴向位置和径向测值表示的点集；

4、以管轴为基准对所述点集沿周向和轴向重采样以形成网格化的高度图，所述高度图中的网格点的数值为所述径向测值，所述网格点与所述三维点云形成索引映射；

5、对所述高度图依次执行第一级、第二级和第三级背景抑制以获得底图，所述第一级背景抑制采用滑动窗口鲁棒拟合局部基准面并取残差以剥离宏观形貌，所述第二级背景抑制采用多尺度分解舍弃低频背景成分以剥离中尺度起伏，所述第三级背景抑制采用频域高通滤波与自适应陷波以剥离周期纹理；

6、基于所述底图构建高度域增强通道，基于所述三维点云构建几何域增强通道，将所述几何域增强通道的响应映射至所述底图并与所述高度域增强通道的响应加权融合获得缺陷显著图；

7、对所述缺陷显著图进行自适应阈值分割以获得候选缺陷区域；

8、沿所述候选缺陷区域边界的法线方向在一维剖面上进行亚像素边界定位，并在所述候选区域内进行亚像素深度定位以输出微小缺陷的亚像素级边界与深度；

9、根据所述亚像素边界与深度计算获得所述微小缺陷的几何特征，并基于所述几何特征判断所述微小缺陷的类型。

10、进一步的，所述高度域增强通道包括斑点增强子通道和线状增强子通道；

11、基于所述底图提取高度相关特征，所述斑点增强子通道采用多尺度高斯差分算子对所述高度相关特征进行滤波，输出斑点响应；

12、所述线状增强子通道采用海森矩阵算子对所述高度相关特征进行多方向滤波，输出线状响应。

13、进一步的，所述几何域增强通道包括法向偏转角子通道和曲率异常子通道；

14、所述法向偏转角子通道根据所述三维点云的每个点的法向量与理想管面法向量的空间夹角输出偏转角响应；

15、所述曲率异常子通道根据所述三维点云的每个点的主曲率与理想管面曲率的偏离程度输出曲率异常响应。

16、进一步的，在执行所述第一级背景抑制时，沿轴向开设滑动窗口，所述滑动窗口内采用ransac随机采样一致性拟合获得所述局部基准面，缺陷点作为离群点被排除，相邻两所述滑动窗口的基准参数经插值平滑过渡，逐点取所述高度图相对于所述局部基准面的残差以获得残差图。

17、进一步的，在执行所述第二级背景抑制时，对所述残差图采用二维小波分解，舍弃低频近似子带，利用中高频细节子带重构获得中高频图。

18、进一步的，在执行所述第三级背景抑制时，对所述中高频图进行二维傅里叶变换，再经高通滤波后自动检测频谱尖峰位置，对基频与谐波做窄带陷波处理获得所述底图。

19、进一步的，沿所述候选缺陷区域边界的法线方向在一维剖面上进行亚像素边界定位的步骤包括：

20、沿所述候选缺陷区域边界的各点的法线方向在所述底图上取所述一维剖面；

21、所述一维剖面经插值加密后对边沿段做曲线拟合，求拟合曲线与局部背景水平的交点作为亚像素边缘点；

22、遍历所述候选缺陷区域边界的各点并将全部的所述亚像素边缘点连成闭合的所述亚像素边界。

23、进一步的，在所述候选区域内进行亚像素深度定位的步骤包括在所述候选缺陷区域内部对所述底图做局部曲面拟合，取拟合曲面的极值作为所述亚像素深度。

24、本发明提供一种电子设备，包括：

25、一个或多个处理器；

26、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述任意一项设计中所述的基于点云特征的无缝钢管微小缺陷精准提取方法。

27、本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任意一项设计中所述的基于点云特征的无缝钢管微小缺陷精准提取方法。

28、本发明的有益效果在于，本发明的基于点云特征的无缝钢管微小缺陷精准提取方法全周向采集钢管点云，经预处理、三级背景抑制、增强融合、分割及亚像素提取均按分段流水并行处理，实现“边过边检”，可直接替代高强度人工目检岗位，大幅提升检测效率与一致性。

29、本发明的基于点云特征的无缝钢管微小缺陷精准提取方法中的网格化高度图便于使用成熟的二维图像算法，而法向量、曲率等几何量始终在原始三维点云上计算，两者通过索引映射保持严格对应，既保证了信号处理的便捷性，又避免了网格化带来的几何信息损失，是该技术方案区别于常规纯图像或纯点云方法的实质性创新之一。

30、本发明的基于点云特征的无缝钢管微小缺陷精准提取方法的三级背景抑制分别针对钢管弯曲、椭圆度、局部瓢曲（毫米级宏观形变）、辊印与波浪纹（中尺度起伏）以及螺旋轧制纹理（周期性干扰）逐级剥离，各手段各管一个尺度段且串联次序经优化确定，使得算法对钢管规格更换、批次差异、产线速度波动等现场条件不敏感，误报率可控，维护成本低。

31、本发明的基于点云特征的无缝钢管微小缺陷精准提取方法构建“高度域+几何域”互补增强通道，提供双重证据链。在底图基础上，高度域增强与几何域增强并行融合，其中几何通道直接利用原始三维点云的法向量和曲率信息，对深度极浅但边缘坡面仍有数度偏转的缺陷（如浅划伤、青线）具有远高于高度图的对比度。该多维度融合机制使浅缺陷在显著图上获得稳定响应，克服了单一高度信号微弱导致分割不可靠的根本问题。

32、本发明的基于点云特征的无缝钢管微小缺陷精准提取方法突破点云采样间距限制，实现亚像素级边界与深度测量。在候选缺陷区域边界沿法线方向取一维剖面，经插值加密与曲线拟合，求取拟合曲线与背景水平的交点作为亚像素边缘点，边界定位精度可达采样间距的1/5～1/10；同时在缺陷内部进行局部曲面拟合，极值定位深度分辨率同样达到亚像素级。这使得缺陷的长、宽、面积、深度等几何尺寸首次可以在线准确量化，为后续缺陷分级与判定提供了可靠的量化依据。