摘要
本发明公开了一种基于三维点云数据的工业表面缺陷检测方法,首先对输入的三维点云数据进行噪声去除和点云降采样,再通过多个前景提取器对预处理后的点云数据进行分析,提取出候选缺陷点集;接着,通过多个空间聚类器将提取的候选缺陷点集进行空间聚类,生成多个候选缺陷实例簇;再对每个候选缺陷实例簇进行分类并计算为缺陷的概率,筛选出可能为真实缺陷的候选实例;去除重叠和冗余的缺陷实例簇,最终输出检测出的三维表面缺陷实例簇。本发明显著提高了缺陷检测的准确性,并能够有效处理噪声和误差。
技术关键词
三维点云数据
表面缺陷检测方法
特征值
邻域
方差特征
工业
建立分类模型
聚类
特征向量值
离群点
神经网络算法
缺陷类别
核心
冗余
标记
成分分析
噪声
平面度
分类器
系统为您推荐了相关专利信息
炸药
支持向量机算法
支持向量机分类
机器学习算法
加速度
诱发脑电信号
识别方法
脑电信号采集系统
独立成分分析算法
过采样技术
数据采集优化方法
网络流量数据
特征值
实时数据采集
指纹特征
遥感应急监测
公路路面视频图像
障碍物
无人机
曲面重建算法
异常检测方法
神经网络单元
图像处理
关键点
空间金字塔池化