本發(fā)明涉及大數(shù)據(jù)和人工智能，具體提供一種缺陷識別和提取方法及裝置。

背景技術：

1、傳統(tǒng)基于二維圖像的缺陷識別方法，難以區(qū)分光照陰影和目標缺陷輪廓特征，導致缺陷識別精度不足；基于三維模型的缺陷識別方法可以將物體的三維結(jié)構(gòu)和表面信息納入缺陷識別的過程中，有效區(qū)分光照陰影和目標缺陷輪廓特征，減少對缺陷識別的干擾。然而，三維模型的結(jié)構(gòu)信息是龐大的，如何從巨量的數(shù)據(jù)中高效精準提取缺陷的三維特征是一個亟需解決的技術問題。

技術實現(xiàn)思路

1、本發(fā)明是針對上述現(xiàn)有技術的不足，提供一種實用性強的缺陷識別和提取方法。

2、本發(fā)明進一步的技術任務是提供一種設計合理，安全適用的缺陷識別和提取裝置。

3、本發(fā)明解決其技術問題所采用的技術方案是：

4、一種缺陷識別和提取方法，基于三維模型，具有如下步驟：

5、s1、加載三維模型；

6、s2、進行缺陷識別；

7、s3、在缺陷識別的基礎上，基于頂點顏色的特征進行提取。

8、進一步的，在步驟s1中，加載三維模型時，通過加載網(wǎng)格體組件讀取三維模型文件，并創(chuàng)建頂點位置、法線、三角形序列、uv貼圖、頂點顏色和材質(zhì)數(shù)組，通過自定義網(wǎng)格體組件接收向量、法線、三角形序列、uv貼圖和頂點顏色數(shù)組，實現(xiàn)運行時創(chuàng)建三維模型，并通過渲染管線，優(yōu)化環(huán)境光和三維模型材質(zhì)顏色。

9、進一步的，在步驟s2中，讀取自定義網(wǎng)格體組件中存儲的某一頂點領域內(nèi)所有頂點的法線，進行局部擬合，估計該點的法曲率。

10、進一步的，求取某一點的法曲率具體方法如下：

11、假設p點的附近有m個近鄰點，qi為點p的第i個近鄰點，qi的法向量為mi，設正交坐標系p，x，y，z為p點的局部坐標系l，n表示p點的法向量，x和y為正交的單位向量，在l中，p,qi,mi的坐標是(0，0，0)，qi為(xi,yi,zi)，mi為(ni,x，ny,i，ni,z)，那么用一個通過點p的密切圓來估計點p的法曲率

12、進一步的，則p相對于qi的法曲率估計如下：

13、

14、式中，α是向量-n和pqi之間的夾角，β是向量n和mi之間的夾角。

15、其近似值可以表示為：

16、

17、式中nz＝ni,z。

18、進一步的，定義該點法曲率為該點相對于所有近鄰點法曲率的平均值，通過設置曲率閾值，修改模型頂點顏色，實現(xiàn)缺陷的擬合，同時更改自定義網(wǎng)格體組件中存儲的頂點顏色，并通過渲染管線，實時渲染到三維模型上，實現(xiàn)物體表觀缺陷的識別。

19、進一步的，在步驟s3中，基于頂點顏色的特征提取，通過讀取自定義網(wǎng)格體組件中三維模型的頂點顏色，并設置三維顏色向量，提取頂點顏色滿足顏色區(qū)間的目標頂點，修改目標頂點的顏色，并更改到自定義網(wǎng)格體組件中存儲的頂點顏色，最后通過渲染管線，實時渲染到三維模型上，實現(xiàn)物體表觀缺陷的提取。

20、一種缺陷識別和提取裝置，包括：至少一個存儲器和至少一個處理器；

21、所述至少一個存儲器，用于存儲機器可讀程序；

22、所述至少一個處理器，用于調(diào)用所述機器可讀程序，執(zhí)行一種缺陷識別和提取方法。

23、本發(fā)明的一種缺陷識別和提取方法及裝置和現(xiàn)有技術相比，具有以下突出的有益效果：

24、本發(fā)明可實現(xiàn)運行時加載三維模型數(shù)據(jù)，并通過設置法曲率近鄰范圍，控制多種精度的缺陷提取，同時通過設置曲率閾值，使缺陷更加連續(xù)。此外，本發(fā)明也提供了一種基于三維模型頂點顏色的缺陷識別和提取方法，通過設置三維顏色向量，識別和提取物體三維模型上目標特征。本發(fā)明對于物體的平整度、病害等缺陷特征具有較高的識別精度和響應速度。

技術特征：

1.一種缺陷識別和提取方法，基于三維模型，其特征在于，具有如下步驟：

2.根據(jù)權(quán)利要求1所述的一種缺陷識別和提取方法，其特征在于，在步驟s1中，加載三維模型時，通過加載網(wǎng)格體組件讀取三維模型文件，并創(chuàng)建頂點位置、法線、三角形序列、uv貼圖、頂點顏色和材質(zhì)數(shù)組，通過自定義網(wǎng)格體組件接收向量、法線、三角形序列、uv貼圖和頂點顏色數(shù)組，實現(xiàn)運行時創(chuàng)建三維模型，并通過渲染管線，優(yōu)化環(huán)境光和三維模型材質(zhì)顏色。

3.根據(jù)權(quán)利要求2所述的一種缺陷識別和提取方法，其特征在于，在步驟s2中，讀取自定義網(wǎng)格體組件中存儲的某一頂點領域內(nèi)所有頂點的法線，進行局部擬合，估計該點的法曲率。

4.根據(jù)權(quán)利要求3所述的一種缺陷識別和提取方法，其特征在于，求取某一點的法曲率具體方法如下：

5.根據(jù)權(quán)利要求4所述的一種缺陷識別和提取方法，其特征在于，則p相對于qi的法曲率估計如下：

6.根據(jù)權(quán)利要求5所述的一種缺陷識別和提取方法，其特征在于，定義該點法曲率為該點相對于所有近鄰點法曲率的平均值，通過設置曲率閾值，修改模型頂點顏色，實現(xiàn)缺陷的擬合，同時更改自定義網(wǎng)格體組件中存儲的頂點顏色，并通過渲染管線，實時渲染到三維模型上，實現(xiàn)物體表觀缺陷的識別。

7.根據(jù)權(quán)利要求6所述的一種缺陷識別和提取方法，其特征在于，在步驟s3中，基于頂點顏色的特征提取，通過讀取自定義網(wǎng)格體組件中三維模型的頂點顏色，并設置三維顏色向量，提取頂點顏色滿足顏色區(qū)間的目標頂點，修改目標頂點的顏色，并更改到自定義網(wǎng)格體組件中存儲的頂點顏色，最后通過渲染管線，實時渲染到三維模型上，實現(xiàn)物體表觀缺陷的提取。

8.一種缺陷識別和提取裝置，其特征在于，包括：至少一個存儲器和至少一個處理器；

技術總結(jié)
本發(fā)明涉及大數(shù)據(jù)和人工智能技術領域，具體提供了一種缺陷識別和提取方法及裝置，基于三維模型，具有如下步驟：S1、加載三維模型；S2、進行缺陷識別；S3、在缺陷識別的基礎上，基于頂點顏色的特征進行提取。與現(xiàn)有技術相比，本發(fā)明能夠?qū)崿F(xiàn)運行時加載三維模型數(shù)據(jù)，并通過設置法曲率近鄰范圍，控制多種精度的缺陷提取，同時通過設置曲率閾值，使缺陷更加連續(xù)。

技術研發(fā)人員：肖港華,王臻,劉傲,李志華
受保護的技術使用者：浪潮云信息技術股份公司
技術研發(fā)日：
技術公布日：2024/12/19