Suzhou Electric Appliance Research Institute
期刊號： CN32-1800/TM| ISSN1007-3175

Article retrieval

文章檢索

首頁 >> 文章檢索 >> 文章瀏覽排名

基于3D點云數據的產品缺陷檢測研究

來源：電工電氣發(fā)布時間：2023-02-06 14:06 瀏覽次數：825

基于3D點云數據的產品缺陷檢測研究

李潮林1，陳仲生1,2，左旺1，侯幸林2
(1 湖南工業(yè)大學 電氣與信息工程學院，湖南 株洲 412007；
2 常州工學院 汽車工程學院，江蘇 常州 213032)
 
    摘 要：傳統(tǒng) 2D 視覺檢測技術存在效率低下、檢測精確度較低等不足，3D 視覺技術因能顯著提高缺陷檢測的效率和可靠性得到了高度關注和廣泛研究。對已有文獻進行了廣泛調研分析，介紹了 3D 點云數據的基本概念、獲取方式及其預處理方法，重點歸納了傳統(tǒng)點云數據缺陷檢測方法和點云數據深度學習缺陷檢測方法，并探討了當前研究中存在的問題與挑戰(zhàn)。
    關鍵詞： 3D 視覺；缺陷檢測；點云數據
    中圖分類號：TP391.41     文獻標識碼：A     文章編號：1007-3175(2023)01-0048-07
 
Research on Product Defect Detection Based on 3D Point Cloud Data
 
LI Chao-lin1, CHEN Zhong-sheng1,2, ZUO Wang1, HOU Xing-lin2
（1 School of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou 412007, China;
2 School of Automotive Engineering, Changzhou Institute of Technology, Changzhou 213032, China）
 
    Abstract: The traditional 2D vision detection technology has disadvantages of low efficiency and detection accuracy, while 3D vision technology can significantly improve its detection efficiency and reliability, so it has been paid high attention and widely analyzed. After making extensive analysis of the existing literature, the paper introduces the basic concept, access and pretreatment method of 3D point cloud data, summarizes the traditional point cloud data defect detection method and point cloud data deep learning defect detection method, and finally discusses the problems and challenges of the current research.
    Key words: 3D vision; defect detection; point cloud data
 
參考文獻
[1] LI Yin, SONG Yuanjia, YANG Zhengwei, et al.Use of line laser scanning thermography for the defect detection and evaluation of composite material[J].Science and Engineering of Composite Materials，2022，29(1)：74-83.
[2] 肖克來提. 表面缺陷檢測應用研究綜述[J] . 電子技術，2020，49(8)：189-191.
[3] REN Z, FANG F, YAN N, et al.State of the art in defect detection based on machine vision[J].International Journal of Precision Engineering and Manufacturing-Green Technology，2022，9(2)：661-691.
[4] DONG S, WANG P, ABBAS K.A survey on deep learning and its applications[J].Computer Science Review，2021，40：100379.
[5] MING Wuyi, ZHANG Shengfei, LIU Xuewen, et al.Survey of Mura Defect Detection in Liquid Crystal Displays Based on Machine Vision[J].Crystals，2021，11(12)：1444.
[6] WANG Yangfan, WANG Chen, LONG Peng, et al.Recent advances in 3D object detection based on RGB-D：A survey[J].Displays，2021，70：102077.
[7] 楊佳琪，張世坤，范世超，等. 多視圖點云配準算法綜述[J] . 華中科技大學學報(自然科學版)，2022，50(11)：16-34.
[8] 韓瑞路. 航空發(fā)動機葉片類零件三維重建與缺陷檢測關鍵技術研究[D]. 北京：北方工業(yè)大學，2021.
[9] 劉陽陽. 三維點云數據預處和分割算法的研究[D].西安：西安工程大學，2019.
[10] 楊宜林，李積英，王燕，等. 基于 NDT 和特征點檢測的點云配準算法研究[J] . 激光與光電子學進展，2022，59(8)：198-204.
[11] 宋成航，李晉儒，劉冠杰. 利用特征點采樣一致性改進 ICP 算法點云配準方法[J]. 北京測繪，2021，35(3)：317-322.
[12] 周亞男，喬勛. 基于逆向工程的三維激光掃描點云數據濾波方法[J]. 激光雜志，2021，42(9)：170-174.
[13] EGUCHI M, KAWAMURA A, TOMIYAMA K, et al.A simplified method of detecting spot surface defects by using quasi-3D data from a conventional road profiler[J].Transportation Research Record，2019，2673(11)：377-387.
[14] 朱秀敏，黃磊. 基于三維激光點云的零件表面缺陷檢測[J]. 儀表技術與傳感器，2022(7)：56-60.
[15] LUO Lufeng, YIN Wei, NING Zhengtong, et al.In-field pose estimation of grape clusters with combined point cloud segmentation and geometric analysis[J].Computers and Electronics in Agriculture，2022，200：107197.
[16] 顏廷鈺. 基于點云的高精度測量與缺陷檢測[D] .南京：南京理工大學，2019.
[17] 劉永治. 基于線激光掃描的零件三維表面缺陷檢測[D]. 西安：西安工程大學，2021.
[18] CHU H H, WANG Z Y.A vision-based system for post-welding quality measurement and defect detection[J].The International Journal of Advanced Manufacturing Technology，2016，86(9)：3007-3014.
[19] ZHANG D, ZOU Q, LIN H, et al.Automatic pavement defect detection using 3D laser profiling technology[J] . Automation in Construction，2018，96 ：350-365.
[20] 羅宏亮. 基于點云特征的高鐵重軌表面缺陷三維輪廓測量方法[D]. 沈陽：東北大學，2018.
[21] HONGSEOK P, MANI T U.Development of an inspection system for defect detection in pressed parts using laser scanned data[J].Procedia Engineering，2014，69：931-936.
[22] XIONG Z, LI Q, MAO Q, et al.A 3D laser profiling system for rail surface defect detection[J].Sensors，2017，17(8)：1791.
[23] GUO M, SUN M, PAN D, et al.High-precision detection method for large and complex steel structures based on global registration algorithm and automatic point cloud generation[J].Measurement 2021，172 ：108765.
[24] 宋淑雅. 基于改進歐式聚類的點云分割方法[J] .計量與測試技術，2022，49(5)：96-100.
[25] 李留昭，皇攀凌，周軍，等. 多區(qū)域分割的三維激光點云障礙物檢測與應用[J] . 激光雜志，2022，43(8)：66-70.
[26] HUI T W, PANG G K H.Solder paste inspection using region-based defect detection[J].The International Journal of Advanced Manufacturing Technology，2009，42(7) ：725-734.
[27] ZONG Yulong, JIN Liang, WANG Huan, et al.An intelligent and automated 3D surface defect detection system for quantitative 3D estimation and feature classification of material surface defects[J].Optics and Lasers in Engineering，2021，144 ：106633.
[28] LIU W, LIU Z, LI Q, et al.High-precision detection method for structure parameters of catenary cantilever devices using 3-D point cloud data[J].IEEE Transactions on Instrumentation and Measurement，2020，70：1-11.
[29] 李炳臻，姜文志，顧佼佼，等. 基于卷積神經網絡的目標檢測算法綜述[J] . 計算機與數字工程，2022，50(5)：1010-1017.
[30] ZHANG R, WU Y, ZHANG G, et al.Study on Huizhou architecture of point cloud registration based on optimized ICP algorithm[C]//IOP Conference Series：Earth and Environmental Science，2018.
[31] QI C R, YI L, SU H, et al.Pointnet++ ：Deep Hierarchical Feature Learning on Point Sets in a Metric Space[C]// NIPS，2017.
[32] 張建民，陳富健，龍佳樂. 基于圖像處理的點云濾波算法[J] . 激光與光電子學進展，2021，58(6)：229-240.
[33] LEE J H, OH H M, KIM M Y.Deep learning based 3D defect detection system using photometric stereo illumination[C]//2019 International Conference on Artificial Intelligence in Information and Communication(ICAIIC)，2019.
[34] 陳亮. 基于 3D 視覺的輪胎成型缺陷檢測[D]. 青島：青島理工大學，2020.
[35] 王磊. 基于光度立體的金屬板帶表面缺陷三維檢測方法[D]. 北京：北京科技大學，2019.
[36] 鞠皋林. 基于卷積神經網絡的 PCB 焊錫三維點云數據的缺陷檢測[D]. 上海：華東師范大學，2022.
[37] EDRIS M Z B , JAWAD M S , ZAKARIA Z .Surface defect detection and neural network recognition of automotive body panels[C]//2015 IEEE International Conference on Control System, Computing and Engineering(ICCSCE)，2015.
[38] WU K, TAN J, LI J, et al.Few-shot learning approach for 3D defect detection in lithium battery[C]//Journal of Physics ：Conference Series，2021.
[39] ZHOU Y , TUZEL O . Voxelnet：End-to-end learning for point cloud based 3d object detection[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition，2018.
[40] YAN Y, MAO Y, LI B.Second ：Sparsely embedded convolutional detection[J].Sensors，2018，18(10)：3337.
[41] SHI S, GUO C, JIANG L, et al.Pv-rcnn：Pointvoxel feature set abstraction for 3d object detection[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2020.
[42] NASROLLAHI M, BOLOURIAN N, HAMMAD A.Concrete surface defect detection using deep neural network based on lidar scanning[C]//Proceedings of the CSCE Annual Conference，2019.
[43] 于浩. 基于激光掃描點云深度學習的斜軋穿孔機頂頭缺陷在線檢測[D]. 秦皇島：燕山大學，2021.
[44] YAN Z, SHI B, SUN L, et al.Surface defect detection of aluminum alloy welds with 3D depth image and 2D gray image[J] .The International Journal of Advanced Manufacturing Technology，2020，110(3) ：741-752.
[45] BESL P J, MCKAY N D.A method for registration of 3-D shapes[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1992，14(2)：239-256.