原文传递
基于深度特征序列的轮毂型号自动识别技术研究
| 论文题名： | 基于深度特征序列的轮毂型号自动识别技术研究 |
| 关键词： | 轮毂;自动识别;三维点云;深度特征序列 |
| 摘要： | 随着碳中和概念的提出，汽车行业迎来了结构性调整，也收获了新的市场需求。轮毂作为汽车的关键配件之一，生产过程也逐渐走向自动化。在混流生产的轮毂生产线上，对轮毂型号进行人工识别的方案已经难以满足工业自动化的需求，因此需要开发轮毂型号自动识别系统以提高生产效率。针对人工识别与传统的图像识别方案中存在的问题，本文开展了利用三维点云实现轮毂型号自动识别的技术研究。 分析用户系统需求，设计了数据采集、特征提取、模板匹配的技术路线，确定轮毂型号识别系统总体结构以及工作流程。构建三维点云采集系统，实现对轮毂位置的检测，以及三维点云的自动采集。 针对采集到的点云中存在大量无效数据点的问题，对无效数据点进行了分类处理。对于干扰物点云，在直通滤波的基础上提出了基于点云数量分布的自适应滤波方案。对于离群噪点，对比分析半径滤波和统计滤波两种方案的滤波效果，实现了无效数据点的有效去除。 结合轮毂的形状特征以及点云数据的特点，提出了一种深度特征序列提取方案作为轮毂型号识别的依据，并引入皮尔逊系数验证了特征提取方案的正确性。提取深度特征序列需要确定轮毂的圆心位置，本文设计了一种将点云投影到二维平面上进行圆心拟合的方案，并与利用RANSAC圆环算法从点云中直接拟合圆心的方案进行了对比。 特征提取完毕后，利用加入校核机制的KNN分类算法实现了轮毂型号的分类匹配，通过与模板库中的模板进行匹配，得到轮毂型号的识别结果。经过实验验证，本文方案的识别准确率达到98.19%，且对传统方案中容易混淆的型号也有很好的识别效果。 |
| 作者： | 艾鑫北 |
| 专业： | 机械工程 |
| 导师： | 白桦 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
