(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210560333.4 (22)申请日 2022.05.23 (71)申请人 中联钢信电子商务有限公司 地址 100000 北京市东城区崇文门外大街 16号1幢5层5 09 (72)发明人 张勇　 (74)专利代理 机构 北京博识智 信专利代理事务 所(普通合伙) 16067 专利代理师 轩青涛 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/30(2017.01) G06T 5/00(2006.01) G06T 7/11(2017.01) G06V 10/762(2022.01)G06V 10/77(2022.01) G06K 9/62(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于三维点云数据的金属超尺寸件自 动检测方法 (57)摘要 本发明公开了一种基于三维点云数据的金 属超尺寸件自动检测方法， 包括以下步骤： 对配 准后的点云数据进行精简和去噪； 对点云数据执 行超体素分割， 根据结果构建邻接图B； 对每一个 顶点vi进行区域增长， 对顶点vi进行聚类以得到 边界， 根据结果构建邻接图C； 用主成分分析法计 算相邻两个顶 点共有边界的主方向， 通过投影对 边界进行合并分类； 遍历C， 合并聚类并更新边 界； 迭代合并， 直到聚类结果个数不变停止迭代； 依据分类后金属有向包围盒的尺寸大小得到金 属超尺寸件。 本发明基于 反映物体表 面三维信息 的点云数据， 综合利用超体素分割的分割方法和 区域增长的聚类方法， 在大量而细致地采样基础 上对金属超尺 寸件进行自动检测， 提高精度及泛 化性。 权利要求书1页 说明书3页 附图2页 CN 114820572 A 2022.07.29 CN 114820572 A 1.一种基于三维点云数据的金属超尺寸件自动检测方法， 其特 征在于， 包括以下步骤： S101、 输入经 过粗配准和icp精配准的整体废钢点云数据P； S102、 对点云数据P进行精简和去噪； S103、 对点云数据P进行超体素分割； S104、 根据超体素分割的结果构建邻接图B； S105、 对邻接图B中的每一个顶点vi进行区域增长， 得到聚类边界； S106、 根据聚类后的结果构建邻接图C； S107、 以邻接图C中边的属性 为条件， 使用主成分 分析法对边界进行合并分类； S108、 遍历邻接图C， 将所有满足条件的聚类进行合并， 合并后更新 边界和共有边界； S109、 迭代合并， 直到最终的聚类结果个数不变停止迭代； S110、 对分类后的金属件求有向包围盒， 依据有向包围盒的尺寸大小得到金属超尺寸 件。 2.如权利要求1所述的一种基于三维点云数据的金属超尺寸件自动检测方法， 其特征 在于， 所述区域增长的方法具体内容如下： 从邻接图B中的一个顶点开始， 将其标记为被访 问， 依次对顶点进行分类： 如果某一个顶点vi与其出边所在邻域顶点vj构成的边的属性是 true， 则将vj顶点保存到一个聚类set_class里， 并把vj放到seed队列里， 如果属性为 false， 则把它放到得该聚类的边界set _bou里， 同时将vi从seed队列里删除， 执行直到seed 队列为空； 最终得到该聚类的边界为set_bou_clas s＝set_clas s‑set_bou。 3.如权利要求1所述的一种基于三维点云数据的金属超尺寸件自动检测方法， 其特征 在于， 所述对边界进 行合并分类的方法包括如下步骤： 确定邻接图C中边的属性作为第二次 的合并条件， 对于相邻两个顶点即两个聚类a， b， 已知它们的两条共有边界,用主成分分析 法分别计算它们共有边界的主 方向v1和v2， 将a投影到v1方向的直线上， 线 段长度为l 1， 将b 投影到v2方向的直线上， 线段长度为l2， 两个边界也分别投影到各自主方向所在的直线上 得到线段l3和l4,判断l3/l2和l4/l1是否大于都大于预设阈值， 如果满足这将边的属性赋 值为ture， 否则为false； 所有满足条件的聚类进行合并。 4.根据权利要求1所述的一种基于三维点云数据的金属超尺寸件自动检测方法， 其特 征在于， 所述金属为废钢金属。权　利　要　求　书 1/1 页 2 CN 114820572 A 2一种基于三维点 云数据的金属超尺寸件自动检测方 法 技术领域 [0001]本发明涉及利用点云数据处理对金属材料检测进行分级的技术领域。 具体而言， 涉及一种基于三维点云数据对废钢的超尺寸件进行自动化检测的方法。 背景技术 [0002]本发明主要应用于对一些金属废料的自动化检测， 比如废钢。 所谓 废钢， 指的是钢 铁厂生产过程中不成为产品的钢铁废料以及使用后报废的设备、 构件中的钢铁材料。 在近 些年以来,我国的铁矿石进口议价能力明显不 足， 成本居高不下， 废钢成为炼钢的重要原材 料。 对于废钢的分级来说， 废钢超尺 寸件是非常重要的判定因素。 在各大钢铁厂的废钢回收 环节中,多数还是采用人工判别的方式对废钢进行判级,但是受 限于不同员工之间存在的 认知差异,员工精力等主观状态因素 的影响,故而废钢回收过程中的判别结果也会出现偏 差和波动。 [0003]随着技术的发展， 目前废钢的分级流程也有向自动化、 智能化发展的趋势。 有些钢 铁厂采用基于深度学习的废钢智能判级系统， 他们采用深度学习或者机器学习的方式来提 取废钢样品、 训练判别算法,并在部署后直接预测判别结果。 但这类方法对不同种类的废钢 泛化能力差， 对废钢超尺寸件的检测精准度较低,难以准确判定废钢的分类等级,导致废钢 回收效率低下。 [0004]针对废钢超尺寸件的自动化检测， 目前尚无泛化性很强、 效率更高、 识别准确率更 符合生产实际需要的算法。 发明内容 [0005]本发明为克服上述现有技术的不足之处， 提供了一种基于三维点云数据的金属超 尺寸件自动检测方法。 以期解决现有技术中的废钢金属识别方案存在 对废钢超尺寸件识别 精准度较低， 难以准确判定废钢的分类等级， 导 致废钢回收效率低下的技 术问题。 [0006]本发明提出的一种基于三维点云数据的金属超尺寸件自动检测方法， 包括以下步 骤： [0007]S101、 输入经 过粗配准和icp精配准的整体废钢点云数据P； [0008]S102、 对点云数据P进行精简和去噪； [0009]S103、 对点云数据P进行超体素分割； [0010]S104、 根据超体素分割的结果构建邻接图B； [0011]S105、 对邻接图B中的每一个顶点vi进行区域增长， 得到聚类边界； [0012]S106、 根据聚类后的结果构建邻接图C； [0013]S107、 以邻接图C中边的属性 为条件， 使用主成分 分析法对边界进行合并分类； [0014]S108、 遍历邻接图C， 将所有满足条件的聚类进行合并， 合并后更新边界和共有边 界； [0015]S109、 迭代合并， 直到最终的聚类结果个数不变停止迭代；说　明　书 1/3 页 3 CN 114820572 A 3