一种基于多尺度曲率特征提取的航空构件边缘缺陷检测方法

本发明属于航空构件三维视觉检测，具体涉及一种基于多尺度曲率特征提取的航空构件边缘缺陷检测方法。

背景技术：

1、随着航空制造向高精度、数字化和自动化检测的方向发展，航空构件的表面质量和边缘完整性对装配精度、服役安全及结构可靠性具有重要影响。航空构件边缘区域通常包含倒角、圆角、薄壁边界、连接孔边缘及复杂轮廓交汇等结构特征，在加工、装配、转运和服役过程中容易产生毛刺、边缘裂纹、边缘缺损及局部变形等缺陷。因此，对航空构件边缘缺陷进行准确检测和几何量化，是航空制造质量控制中的重要环节。

2、现有的航空构件缺陷检测方法主要包括人工目视检测、二维图像检测和三维点云检测方法。其中，人工目视检测方法依赖检测人员经验，检测效率较低，且对细微边缘缺陷的识别稳定性不足。二维图像检测方法能够较快获取构件表面图像，但容易受到光照、反光、拍摄角度和表面纹理影响，对于毛刺、边缘缺损、局部变形等具有三维几何形貌变化的缺陷，难以准确获得缺陷深度和空间偏离量。三维点云检测方法能够直接反映构件表面的空间几何信息，适合用于缺陷定位和尺寸测量，但现有方法多面向平面、曲面或一般表面缺陷检测，对边缘区域复杂几何结构下的缺陷识别和量化仍存在不足。

3、航空构件边缘区域本身具有曲率突变和法向量变化，正常边缘、倒角或圆角也会表现出较强的几何响应。因此，若仅依赖单尺度曲率、单一法向变化或固定阈值进行判断，容易将正常边缘结构误判为缺陷，也可能在点云噪声、采样密度不均或局部遮挡条件下漏检细微缺陷。此外，部分现有点云边缘提取方法更侧重于提取边缘轮廓本身，缺少面向边缘缺陷的多尺度几何特征表达、区域自适应异常判别以及相对于正常边缘基准的几何量化机制。

技术实现思路

1、本发明所要解决的技术问题是针对上述现有技术的不足，提供一种基于多尺度曲率特征提取的航空构件边缘缺陷检测方法，在现有三维点云检测方法基础上，进一步结合多尺度曲率特征、主曲率方向特征、跨尺度法向差分特征、局部统计分布基准和局部基准边缘模型等信息，增强正常边缘几何变化与缺陷异常变化之间的区分能力，提高航空构件边缘缺陷检测的稳定性和几何量化能力。

2、为实现上述技术目的，本发明采取的技术方案为：

3、一种基于多尺度曲率特征提取的航空构件边缘缺陷检测方法，包括：

4、s1、获取包含航空构件边缘及其相邻表面区域的三维点云数据并进行离群点去除、下采样、平滑去噪和法向量估计处理，得到带法向量属性的航空构件点云数据；

5、s2、对所述航空构件点云数据中的各点构建预设尺度的局部邻域及局部协方差矩阵，以计算各点的局部表面变化度和同尺度邻域法向量差异，并据此计算对应点的边缘响应值，基于所述边缘响应值提取航空构件边缘候选区域；

6、s3、针对每一边缘候选区域中的各点进行多尺度局部几何分析计算，得到各点的多尺度曲率特征、主曲率方向变化特征和跨尺度法向差分特征，构成对应点的多尺度几何特征描述子；

7、s4、基于所述多尺度几何特征描述子构建边缘缺陷描述子，针对任一所述边缘候选区域，基于该区域内各点的边缘缺陷描述子建立局部统计分布基准，并计算各点的边缘缺陷描述子相对于所述局部统计分布基准的偏离度，作为对应点的区域自适应异常评分，以识别航空构件边缘缺陷候选点；

8、s5、对所述边缘缺陷候选点进行连通聚类，得到边缘缺陷区域，并基于所述边缘缺陷区域周围未被判定为边缘缺陷候选点的相邻边缘点拟合局部基准边缘模型，以建立局部坐标系，计算并输出航空构件边缘缺陷检测结果。

9、为优化上述技术方案，采取的具体措施还包括：

10、上述的s1具体包括：

11、s101、获取航空构件待检测区域的原始三维点云数据，所述待检测区域包括航空构件边缘及其相邻表面区域，将所述原始三维点云数据记为点云集p0={pi | pi =(xi, yi, zi), i=1,2,...,n}，其中pi表示点云集p0中的第i个点，(xi, yi, zi)表示pi的三维坐标，n表示点云数量；

12、s102、针对点云集p0中的任一点pi，统计其在预设邻域半径r0内的邻域点数量ni，当ni < n0时，将pi判定为离群点并剔除，得到去除离群点的点云集p1，n0为预设邻域点数量阈值；

13、s103、将点云集p1的点云空间划分为多个边长为lv的体素网格，对于任一非空体素网格，采用该非空体素网格内所有点的重心点作为该非空体素网格对应的下采样点，由所有下采样点构成下采样后的点云集p2；

14、s104、对点云集p2进行平滑去噪，得到平滑去噪后的点云集p3；

15、s105、估计点云集p3中各点的法向量ni，由点云集p3及其对应法向量集合构成带法向量属性的航空构件点云数据p={(,)∣i=1,2,...,m}；

16、其中，表示点对应的法向量，m表示预处理后带法向量属性的航空构件点云数量。

17、上述的s2具体包括：

18、s201、基于带法向量属性的航空构件点云数据p={(,)∣i=1,2,...,m}，为任一点构建预设尺度的局部邻域点集，m表示预处理后带法向量属性的航空构件点云数量；

19、s202、基于局部邻域点集计算邻域质心，并构建局部协方差矩阵，进行特征值分解得到特征值、、，且满足；

20、s203、根据所述特征值、、计算点的局部表面变化度；

21、s204、根据点的法向量及其同一预设尺度局部邻域内邻域点的法向量，计算点的同尺度邻域法向量差异vi；

22、s205、根据所述局部表面变化度和同尺度邻域法向量差异vi计算点的边缘响应值，其中，和为权重系数；

23、s206、根据边缘响应值ei与预设边缘响应阈值te进行比较，当eite时，将点确定为边缘候选点，由所有边缘候选点构成边缘候选点集pe；

24、s207、根据边缘候选点之间的空间邻接关系对所述边缘候选点集pe进行连通聚类，得到航空构件边缘候选区域集合re={r1,r2,...,rk}，其中rk表示第k个边缘候选区域，k=1,2,...,k，k表示边缘候选区域数量。

25、上述的s204所述点的同尺度邻域法向量差异vi的计算公式为：

26、

27、其中，表示点的邻域点，表示邻域点对应的法向量。

28、上述的s206所述预设边缘响应阈值te为：

29、

30、其中，表示边缘响应值的均值，表示边缘响应值的标准差，为阈值调节系数。

31、上述的s3具体包括：

32、s301、针对边缘候选区域集合re={r1,r2,...,rk}中的任一边缘候选区域rk中的任一点，设定多个尺度参数r1,r2,...,rl，其中，尺度数量l≥2，且r1

33、s302、以rk中任一点为中心，在预处理后带法向量属性的航空构件点云数据p中分别构建不同尺度下的局部邻域点集；

34、其中，表示点在第l个尺度下的局部邻域点集，rl表示第l个尺度对应的邻域半径；

35、s303、针对构建局部协方差矩阵并进行特征值分解，将最小特征值对应的特征向量确定为点在第l个尺度下的法向量；

36、s304、基于点在第l个尺度下的局部邻域点集及其对应法向量进行曲率估计处理，得到点在第l个尺度下的两个主曲率值、及其对应的主曲率方向、；

37、s305、根据所述两个主曲率值、确定点si在第l个尺度下的曲率特征，并将与对应的主曲率方向确定为点在第l个尺度下的主曲率方向特征；

38、s306、根据点在相邻尺度下的法向量差异，计算点的跨尺度法向差分特征：

39、, l=1,2,...,l-1

40、其中，表示点在第l个尺度与第l+1个尺度之间的法向差分特征；

41、s307、根据点在相邻尺度下的主曲率方向差异，计算主曲率方向变化特征 ：

42、, l=1,2,...,l-1

43、其中，表示点在第l个尺度与第l+1个尺度之间的主曲率方向变化特征；

44、s308、将点在多个尺度下的曲率特征、主曲率方向变化特征和跨尺度法向差分特征进行组合，得到其多尺度几何特征描述子fi：

45、。

46、上述的s4具体包括：

47、s401、从各点的多尺度几何特征描述子fi中提取在多个尺度下的曲率特征序列、主曲率方向变化特征序列和跨尺度法向差分特征序列，l为尺度数量；

48、s402、基于曲率响应特征序列，计算点的曲率响应持续性系数：

49、

50、其中，表示预设曲率响应阈值，表示指示函数；为点在第l个尺度下的曲率特征；

51、s403、根据主曲率方向变化特征序列，计算点的主曲率方向变化持续性系数：

52、

53、其中，表示预设主曲率方向变化阈值；表示点在第l个尺度与第l+1个尺度之间的主曲率方向变化特征；

54、s404、根据跨尺度法向差分特征序列，计算点的跨尺度法向差分持续性系数：

55、

56、其中，表示预设主曲率方向变化阈值；表示点在第l个尺度与第l+1个尺度之间的法向差分特征；

57、s405、基于曲率特征序列、主曲率方向变化特征序列、跨尺度法向差分特征序列、曲率持续性系数、主曲率方向变化持续性系数和跨尺度法向差分持续性系数，构建点的边缘缺陷描述子gi：

58、

59、其中，和分别表示点在多个尺度下曲率特征的均值和最大值，和分别表示相邻尺度之间主曲率方向变化特征的均值和最大值，和分别表示相邻尺度之间跨尺度法向差分特征的均值和最大值；

60、s406、针对任一边缘候选区域，由该边缘候选区域内各点的边缘缺陷描述子构成描述子集合，基于所述描述子集合计算区域统计中心和区域尺度参数，建立所述边缘候选区域的局部统计分布基准；

61、s407、根据点的边缘缺陷描述子相对于所述局部统计分布基准的偏离程度，计算点的区域自适应异常评分：

62、

63、其中，m表示边缘缺陷描述子的维度，表示边缘缺陷描述子的第d个分量，和分别表示边缘候选区域内第d个描述子分量的统计中心和尺度参数，表示第d个描述子分量对应的权重系数，为防止分母为零的常数；

64、s408、将点的区域自适应异常评分ai与预设异常评分阈值ta进行比较，当ai ta时，将点确定为边缘缺陷候选点，由所有边缘缺陷候选点构成边缘缺陷候选点集pd。

65、上述的s5具体包括：

66、s501、根据边缘缺陷候选点之间的空间邻接关系对所述边缘缺陷候选点进行连通聚类，得到边缘缺陷区域集合；

67、s502、针对边缘缺陷区域集合q中任一边缘缺陷区域，确定其所属的边缘候选区域rk，并基于的预设领域范围选取参考点集，包括：从rk中选取位于边缘缺陷区域的预设邻域范围内、且未被判定为边缘缺陷候选点的相邻边缘点，构成边缘参考点集；从预处理后的航空构件点云数据中选取位于边缘缺陷区域的预设邻域范围内、未被判定为边缘候选点且边缘缺陷候选点的相邻表面点，构成表面参考点集；

68、s503、拟合局部基准边缘模型，包括基于所述边缘参考点集得到的局部基准边缘线或基于所述表面参考点集得到的局部基准边缘面；

69、s504、计算边缘缺陷区域中各缺陷点相对于所述局部基准边缘模型的几何偏离量：

70、,

71、其中，表示点到局部基准边缘模型的距离；

72、s505、根据中各缺陷点的空间坐标计算缺陷位置，并基于局部基准边缘模型建立局部坐标系，计算边缘缺陷区域的缺陷长度xh、缺陷宽度wh以及缺陷深度，输出航空构件边缘缺陷检测结果，其中，表示第h个边缘缺陷区域的位置。

73、上述的s503中，基于所述边缘参考点集确定局部基准边缘线上的点以及单位方向向量，得到局部基准边缘线：

74、

75、基于所述表面参考点集确定局部基准边缘面上的点以及单位法向量，得到局部基准边缘面：

76、

77、上述的s505中缺陷长度、缺陷宽度的计算过程包括：

78、以边缘缺陷区域的几何中心作为局部坐标原点；选取局部基准边缘方向或缺陷区域主方向作为第一坐标轴e1，选取与局部基准边缘模型相关的法向方向作为第三坐标轴e3，并令；

79、将边缘缺陷区域中点投影到局部坐标系中：，，其中表示点相对于局部坐标原点在第一坐标轴e1方向上的投影坐标，表示点相对于局部坐标原点在第二坐标轴e2方向上的投影坐标，和均为标量；

80、则第h个边缘缺陷区域的缺陷长度为：缺陷宽度为：。

81、本发明具有以下有益效果：

82、1.本发明基于航空构件三维点云数据，先提取航空构件边缘候选区域，再在边缘候选区域内进行多尺度几何特征分析计算，避免直接在整体点云上进行缺陷判断，能够减少普通表面区域对边缘缺陷检测的干扰，并降低后续多尺度特征计算的范围。

83、2.本发明将多尺度曲率特征、主曲率方向变化特征和跨尺度法向差分特征结合，构成对应点的多尺度几何特征描述子使用，不仅能够表征边缘区域局部弯曲程度，还能够表征边缘结构在不同尺度下的方向变化和法向变化，从而增强对边缘缺损、毛刺、崩边、局部变形等不同形态缺陷的识别能力。

84、3.本发明针对每个边缘候选区域建立局部统计分布基准，并以点的边缘缺陷描述子相对于该局部统计分布基准的偏离程度作为区域自适应异常评分，以识别航空构件边缘缺陷候选点，能够降低正常倒角、圆角、边缘过渡区等固有几何突变被误判为缺陷的概率，提高复杂边缘结构下缺陷识别的稳定性。

85、4.本发明在识别边缘缺陷候选点后，进一步通过空间连通聚类得到边缘缺陷区域，并基于周围未被判定为边缘缺陷候选点的相邻边缘点拟合局部基准边缘模型，计算缺陷区域相对于该局部基准边缘模型的几何偏离量，能够输出缺陷位置、范围、长度、宽度和深度等量化结果，实现从缺陷识别到几何量化的完整检测过程。

86、5.本发明不依赖大量缺陷样本训练，适用于航空构件边缘点云数据中缺陷样本较少、缺陷形态多变以及检测结果需要几何解释的应用场景。