基于PCA-ICP点云快速配准的刀具磨损检测技术

罗勇波，吴意囡，朱春燕，詹白勺

（1.台州市质量技术监督检测研究院，浙江 台州 318000；2.台州学院，浙江 台州 318000）

基于PCA-ICP点云快速配准的刀具磨损检测技术

罗勇波1，吴意囡1，朱春燕2，詹白勺2

（1.台州市质量技术监督检测研究院，浙江 台州 318000；2.台州学院，浙江 台州 318000）

在刀具的机器视觉检测中，图像配准是磨损检测的关键。本文提出基于共聚焦技术获取刀具三维点云坐标，结合主元分析（PCA）和迭代最近点算法（ICP）对采集的刀具点云数据进行分步配准，高精度配准后可有效地测量微径刀具的磨损量，为进一步提高刀具磨损检测的精度提供了可行途径。

刀具磨损；点云；PCA；ICP

0 引言

机器视觉法可直接获取刀具加工部位的表面图像，与新刀图像配准后对比可磨损部位的几何形态进行测量，这种方法直接快速、无接触、精度高，已经成为刀具磨损状态检测研究的热点。利用共聚焦显微技术获取刀具的三维数据，新旧刀的点云数据配准是磨损检测的关键。常规配准方法有重心重合法、标签法、提取特征法三种。重心重合法通过计算两点云矩阵的重心使之重合，达到配准效果。该方法简单，运算量小，但无法缩小旋转错位，只是纠正了平移误差。标签法在测量前人为制定一些特征标记，使用这些特征标记或特征点的位置对两个点云矩阵进行定位，这种方式依赖于测量仪器的精度。提取特征法需要配准的点云具有比较明显的特征，否则配准误差较大。

1 刀具数据的获取与预处理

1.1 刀具图像获取

利用CarlZeiss公司AxioCSM700共聚焦显微镜进行刀具表面形貌数据的采集，可过滤焦点前和焦点后的探测反射光，增强焦点处的反射光强度，通过移动透镜系统对被测物体进行三维扫描，图像以灰度图形式的矩阵数据保存。

1.2 刀具图像数据预处理

共聚焦激光扫描显微镜采集图像为高度信息用Z轴灰度图形式保存的图像。数据导出选用CSV表格的格式，方便Matlab进行对点云读取和处理，并在三维重构和配准的时候需要把点云文件预处理，转化成通用点云储存格式。

1.3 刀具点云数据的三维重构与降噪

将经过上述转换处理流程处理出来的点云数据，导入GeomagicStudio获得的点云进行降噪处理并三维重构。通过上述方法，对采集的点云进行初步的预处理，降噪。降噪之后的输出降噪后的点云，保存成HTX点云顶点格式，利于与Matlab读取和处理。

2 PCA-ICP刀具点云配准

2.1 刀具点云数据PCA初步配准

PCA（PrincipalComponentAnalysis主元分析）是一种有效的减少维数、检测及提取数据集特征，简化分析的方式，用于计算数据集对方差贡献的最大特征。对于点集P(x1,x2,…,xi)，点云重心和协方差cov为：

2.2 刀具点云ICP精确配准

两片点云大致重合，仍然达不到精度要求。本文进一步利用ICP精确配准。ICP算法（迭代最近点算法）配准算法的焦点在于寻找最小二乘逼近的坐标变换矩阵。

TG71

A

1671-0711（2016）10（下）-0052-02

台州市科学技术局工业类一般项目(15GY48)，浙江省工量刃具检测与深加工技术研究重点实验室基金项目（ZD201302,ZD201303）。