一种薄壁零件铆钉边界提取方法及装置

本技术属于点云特征提取，更具体地，涉及一种薄壁零件铆钉边界提取方法及装置。

背景技术：

1、在飞机蒙皮装配中，蒙皮铆接质量直接决定了飞机的气动性能和使用寿命，这也使得蒙皮铆接质量的检测至关重要。铆钉齐平度作为铆接质量中重要的检测指标之一，它直接反应了铆钉与蒙皮的结合程度，然而，铆钉齐平度检测仍存在两大难题。首先，在飞机制造中，蒙皮铆接质量的检测主要以人工检测为主，通过三坐标测量仪等在每个铆钉表面进行齐平度检测，检测效率和质量不高。其次，由于飞机骨架类型各异，蒙皮铆接中使用的铆钉直径和类型不一，且数量很大，依靠人工的肉眼识别耗时费力，其检测效果差，漏检率高，因此采用自动化检测的需求日益增加。

2、目前，在铆钉齐平度自动化检测中，采用点云和机器视觉方法的研究越来越多。在机器视觉中，通过图像处理算法，对图像中的铆钉特征进行识别，在一定程度上能够进行自动化铆钉质量检测。但是大部分基于图像的方法，其检测质量受采集图像的分辨率、噪声和采光度影响。相比之下，点云可以更好的反应铆钉在空间上的三维特征，其包含了更多的信息，便于对铆钉进行识别和提取。采用3-d扫描技术可以快速准确的获取铆钉与蒙皮的三维点云。利用该点云，可以实现对铆钉齐平度的定量检测。

3、在蒙皮铆接的扫描点云中，由于其数据具有特殊性，直接采用聚类的方法是具有挑战的。首先，由于受外部环境和扫描仪内部参数的影响，初始输入点云可能存在密度不均和离群点的影响，直接采用圆结构拟合的方法效果较差。其次，目前，对原始点云处理以铆钉轮廓为提取目标将蒙皮表面的点当作离群值，但是蒙皮区域占据了扫描点云数据的大部分空间，而采用密度聚类的方法对全局点云的采样敏感程度高，因此很难直接通过全局密度进行特征提取。

4、因此，如何解决相关技术中存在的对铆钉边界的提取准确度差的问题是目前亟需解决的问题。

技术实现思路

1、针对现有技术的缺陷，本技术的目的在于提供一种薄壁零件铆钉边界提取方法及装置，旨在解决相关技术中存在的对铆钉边界的提取准确度差的问题。

2、为实现上述目的，第一方面，本技术提供了一种薄壁零件铆钉边界提取方法，包括：

3、获取n个样本数据和所述n个样本数据对应的各个聚类的聚类中心之间的第一加权马氏距离，所述各个聚类的聚类中心根据所述n个样本数据中随机选择的预设数量个样本数据确定，所述预设数量根据所述n个样本数据包括的聚类总数确定，所述样本数据根据目标点云数据的局部自适应密度和所述目标点云数据的法向量与第一数据之间的法向量夹角确定，所述第一数据为所述目标点云数据的邻域中的数据，所述目标点云数据为铆钉表面的离散点云数据中的任一点云数据，所述第一数据为所述目标点云数据对应的邻域中的任一数据，n为大于1的整数；

4、执行至少一次更新过程，直至满足预设条件为止，获取最后一次更新过程后的所述n个样本数据对应的各个聚类，所述预设条件包括达到预设更新次数或矩阵范数小于预设值，所述矩阵范数根据第一聚类中心矩阵和第二聚类中心矩阵确定，所述第一聚类中心矩阵根据第l次更新过程后的所述n个样本数据对应的各个聚类的聚类中心确定，所述第二聚类中心矩阵根据第l-1次更新过程后的所述n个样本数据对应的各个聚类的聚类中心确定，l为小于或等于所述预设更新次数的正整数；

5、根据最后一次更新过程后的所述n个样本数据对应的各个聚类，确定铆钉的边界；

6、其中，所述更新过程包括：

7、根据隶属度系数，对所述各个聚类的聚类中心进行更新，获取更新后的所述各个聚类的聚类中心，所述隶属度系数为目标样本数据属于目标聚类的程度，所述目标样本数据为n个样本数据中的任一样本数据，所述目标聚类为所述n个样本数据对应的各个聚类中的任一聚类，第一次更新过程中的所述隶属度系数根据所述第一加权马氏距离确定；

8、对第一聚类和第二聚类进行合并，并根据第一聚类的聚类中心和第二聚类的聚类中心，确定合并后的第三聚类的聚类中心，所述第一聚类和所述第二聚类为所述n个样本数据对应的各个聚类中相交的两个聚类，所述第一聚类的聚类中心和所述第二聚类的聚类中心根据更新后的所述n个样本数据对应的各个聚类的聚类中心确定；

9、根据所述第三聚类的聚类中心、第四聚类的聚类中心和第五聚类的聚类中心，确定更新后的n个样本数据对应的各个聚类的聚类中心，所述第四聚类和所述第五聚类为所述n个样本数据对应的各个聚类中正切或相离的两个聚类，所述第四聚类的聚类中心和所述第五聚类的聚类中心根据更新后的所述n个样本数据对应的各个聚类的聚类中心确定；

10、根据n个样本数据和更新后的n个样本数据对应的各个聚类的聚类中心之间的第二加权马氏距离，对所述隶属度系数进行更新，并将更新后的隶属度系数作为下一次更新过程中的所述隶属度系数。

11、在一些实施例中，所述目标点云数据的局部自适应密度获取方式，包括：

12、根据所述邻域中的各第一数据的密度的平均值、各第一数据的密度的方差和预设放大系数，确定所述局部自适应密度，所述各第一数据的密度的平均值根据所述邻域中的第一数据的总数和所述各第一数据的密度确定。

13、在一些实施例中，所述目标点云数据与第一数据之间的法向量夹角的获取方式，包括：

14、根据所述目标点云数据的法向量与所述各第一数据的法向量的夹角以及所述邻域中的第一数据的总数，确定所述夹角。

15、在一些实施例中，所述获取n个样本数据和所述n个样本数据对应的各个聚类的聚类中心之间的第一加权马氏距离，包括：

16、根据n个样本数据和所述n个样本数据对应的各个聚类的聚类中心之间的差异程度，确定n个样本数据和各个聚类中心之间的马氏距离；

17、根据所述马氏距离和加权因子，确定所述第一加权马氏距离，所述加权因子根据目标协方差矩阵对应的特征值和特征向量确定，所述目标协方差矩阵为所述n个样本数据和各个聚类中心所服从的同一分布对应的协方差矩阵。

18、在一些实施例中，所述第一聚类和第二聚类的确定方式，包括：

19、根据第一候选聚类中的样本数据个数、所述第一候选聚类的聚类中心、所述隶属度系数、预设加权指数和所述第一候选聚类中的样本数据，确定第一候选聚类的半径的度量；

20、根据第二候选聚类中的样本数据个数、所述第二候选聚类的聚类中心、所述隶属度系数、预设加权指数和所述第二候选聚类中的样本数据，确定第二候选聚类的半径的度量；

21、根据所述第一候选聚类的半径的度量、所述第二候选聚类的半径的度量以及所述第一候选聚类与所述第二候选聚类之间的相似度，确定所述第一候选聚类与所述第二候选聚类之间的第一模糊聚类相似参数；

22、在所述第一模糊聚类相似参数小于预设值的情况下，根据所述第一候选聚类和所述第二候选聚类，确定所述第一聚类和所述第二聚类。

23、第一模糊聚类相似参数小于预设值在一些实施例中，所述第四聚类和第五聚类的确定方式，包括：

24、根据第三候选聚类中的样本数据个数、所述第三候选聚类的聚类中心、所述隶属度系数、预设加权指数和所述第三候选聚类中的样本数据，确定第三候选聚类的半径的度量；

25、根据第四候选聚类中的样本数据个数、所述第四候选聚类的聚类中心、所述隶属度系数、预设加权指数和所述第四候选聚类中的样本数据，确定第四候选聚类的半径的度量；

26、根据所述第三候选聚类的半径的度量、所述第四候选聚类的半径的度量以及所述第三候选聚类与所述第四候选聚类之间的相似度，确定所述第三候选聚类与所述第四候选聚类之间的第二模糊聚类相似参数；

27、在所述第二模糊聚类相似参数大于或等于预设值的情况下，根据所述第三候选聚类和所述第四候选聚类，确定所述第四聚类和所述第五聚类。

28、在一些实施例中，所述离散点云数据的获取方式，包括：

29、控制搭载扫描仪的移动式机械臂按照预设规划路径进行在轨运动，获取所述扫描仪扫描到的铆钉表面的离散点云数据。

30、第二方面，本技术提供一种薄壁零件铆钉边界提取装置，包括：

31、数据获取模块，用于获取n个样本数据和所述n个样本数据对应的各个聚类的聚类中心之间的第一加权马氏距离，所述各个聚类的聚类中心根据所述n个样本数据中随机选择的预设数量个样本数据确定，所述预设数量根据所述n个样本数据包括的聚类总数确定，所述样本数据根据目标点云数据的局部自适应密度和所述目标点云数据的法向量与第一数据之间的法向量夹角确定，所述第一数据为所述目标点云数据的邻域中的数据，所述目标点云数据为铆钉表面的离散点云数据中的任一点云数据，所述第一数据为所述目标点云数据对应的邻域中的任一数据，n为大于1的整数；

32、更新模块，用于执行至少一次更新过程，直至满足预设条件为止，获取最后一次更新过程后的所述n个样本数据对应的各个聚类，所述预设条件包括达到预设更新次数或矩阵范数小于预设值，所述矩阵范数根据第一聚类中心矩阵和第二聚类中心矩阵确定，所述第一聚类中心矩阵根据第l次更新过程后的所述n个样本数据对应的各个聚类的聚类中心确定，所述第二聚类中心矩阵根据第l-1次更新过程后的所述n个样本数据对应的各个聚类的聚类中心确定，l为小于或等于所述预设更新次数的正整数；

33、边界提取模块，用于根据最后一次更新过程后的所述n个样本数据对应的各个聚类，确定铆钉的边界；

34、其中，所述更新过程包括：

35、根据隶属度系数，对所述各个聚类的聚类中心进行更新，获取更新后的所述各个聚类的聚类中心，所述隶属度系数为目标样本数据属于目标聚类的程度，所述目标样本数据为n个样本数据中的任一样本数据，所述目标聚类为所述n个样本数据对应的各个聚类中的任一聚类，第一次更新过程中的所述隶属度系数根据所述第一加权马氏距离确定；

36、对第一聚类和第二聚类进行合并，并根据第一聚类的聚类中心和第二聚类的聚类中心，确定合并后的第三聚类的聚类中心，所述第一聚类和所述第二聚类为所述n个样本数据对应的各个聚类中相交的两个聚类，所述第一聚类的聚类中心和所述第二聚类的聚类中心根据更新后的所述n个样本数据对应的各个聚类的聚类中心确定；

37、根据所述第三聚类的聚类中心、第四聚类的聚类中心和第五聚类的聚类中心，确定更新后的n个样本数据对应的各个聚类的聚类中心，所述第四聚类和所述第五聚类为所述n个样本数据对应的各个聚类中正切或相离的两个聚类，所述第四聚类的聚类中心和所述第五聚类的聚类中心根据更新后的所述n个样本数据对应的各个聚类的聚类中心确定；

38、根据n个样本数据和更新后的n个样本数据对应的各个聚类的聚类中心之间的第二加权马氏距离，对所述隶属度系数进行更新，并将更新后的隶属度系数作为下一次更新过程中的所述隶属度系数。

39、第三方面，本技术提供一种电子设备，包括：至少一个存储器，用于存储程序；至少一个处理器，用于执行存储器存储的程序，当存储器存储的程序被执行时，处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

40、第四方面，本技术提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，当计算机程序在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

41、第五方面，本技术提供一种计算机程序产品，当计算机程序产品在处理器上运行时，使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。

42、可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

43、总体而言，通过本技术所构思的以上技术方案与现有技术相比，具有以下有益效果：

44、本技术提供的薄壁零件铆钉边界提取方法及装置，充分利用了铆钉的局部特征，即明显的密度和法向量变化。通过将铆钉的局部自适应密度与法向量偏差(即铆钉对应的离散点云数据中的任一点云数据的法向量与第一数据之间的法向量夹角)作为单个样本数据的两个维度，构建特征空间，降低离散值对铆钉特征识别的影响。通过对数据点的聚类进行迭代更新，得到铆钉边界，提高薄壁零件铆钉边界提取的准确度。