CN113450378B - 一种判断触点组差平面高度数据匹配程度的方法 - Google Patents

Abstract

本申请提供一种判断触点组差平面高度数据匹配程度的方法，包括以下步骤：获取动触点表面图像，得到第一图像；获取静触点表面图像，得到第二图像；提取第一图像的第一高度数据集，提取第二图像的第二高度数据集；构建第一高度数据集与第二高度数据集的梯度方向差值云图；以设定角度阈值范围θ_threshold对梯度方向差值云图进行处理，得到梯度方向差值云图的接触特征轮廓；提取第一图像的接触特征轮廓；提取第二图像的接触特征轮廓；根据梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定差平面高度数据匹配程度。本申请提供一种判断触点组差平面高度数据匹配程度的方法解决了无法直观确定差平面高度数据匹配程度的问题，为后续的高度数据校准工作提供了初期预判信息。

Description

一种判断触点组差平面高度数据匹配程度的方法

技术领域

本公开一般涉及可靠性试验技术领域，具体涉及一种判断触点组差平面高度数据匹配程度的方法。

背景技术

建立继电器触点组高度数据的差平面是研究继电器可靠性的一个关键步骤，建立差平面的方式具体为：以静触点高度数据还原的三维曲面为参考，对动触点高度数据还原的三维曲面做镜像对称，将此时动触点和静触点的高度数据矩阵相加，以动、静触点高度数据的和的最大值所在的平面作为基准面，求得两触点表面高度和与基准面的差值建立高度数据的差平面。

继电器触点组的高度数据与继电器的可靠性研究联系紧密，通过触点组中高度数据建立的差平面能够反映动、静触点接触后表面发生的形变和接触斑点等信息，对求解继电器的电气参数和表面几何参数尤为重要。

由于触点组高度数据的差平面对动、静触点两者表面的高度数据点要求一一对应，因此其经常会因为触点组中动、静触点放置在三维形貌扫描仪的位置差异，造成所获取的动、静触点接触面高度数据的位置点存在偏差，使得动、静触点高度数据不匹配，这种因位置差异带来的触点组高度数据的不匹配缺少直观且有效的观察方法。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种可解决上述技术问题的一种判断触点组差平面高度数据匹配程度的方法。

本申请提供一种判断触点组差平面高度数据匹配程度的方法，包括以下步骤：

获取动触点表面图像，得到第一图像；

获取静触点表面图像，得到第二图像；

提取所述第一图像的第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}，其中所述第一高度数据集具有m行、n列；h_d(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值；

提取所述第二图像的第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}，其中所述第二高度数据集具有m行、n列；h_j(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值；

构建所述第一高度数据集与所述第二高度数据集的梯度方向差值云图；

以设定角度阈值范围θ_threshold对所述梯度方向差值云图进行处理，得到所述梯度方向差值云图的接触特征轮廓；

提取所述第一图像的接触特征轮廓；

提取所述第二图像的接触特征轮廓；

根据所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定所述差平面高度数据匹配程度。

根据本申请实施例提供的技术方案，通过所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓判断所述差平面高度数据匹配程度的方法具体为：

计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d：

获取所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j：

根据以下公式计算所述梯度方向差值云图特征轮廓与所述触点组的接触特征轮廓的相似度r_sim：

所述相似度r_sim用于表征所述差平面高度数据匹配程度。

根据本申请实施例提供的技术方案，计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d的方法具体为：

计算所述梯度方向差值云图的接触特征轮廓的面积A；

计算所述第一图像的接触特征轮廓的面积A_d；

根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d：

根据本申请实施例提供的技术方案，获取所述梯度方向差值云图的接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j的方法具体为：

计算所述梯度方向差值云图的接触特征轮廓的面积A；

计算所述第二图像的接触特征轮廓的面积A_j；

根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j：

根据本申请实施例提供的技术方案，提取所述第一图像的接触特征轮廓的方法具体为：对所述第一图像进行灰度处理得到第一灰度图像；通过Canny算子对所述第一灰度图像进行边缘检测，提取接触特征轮廓。

提取所述第二图像的接触特征轮廓的方法具体为：对所述第二图像进行灰度处理得到第二灰度图像；通过Canny算子对所述第二灰度图像进行边缘检测，提取接触特征轮廓。

根据本申请实施例提供的技术方案，得到所述梯度方向差值云图的接触特征轮廓的方法具体为：

对所述梯度方向差值云图进行灰度处理得到梯度方向差值云图灰度图像；

通过Canny算子对所述梯度方向差值云图灰度图像进行边缘检测，提取接触特征轮廓；

将所述梯度方向差值云图的接触特征轮廓缩放，使得与所述第一图像、第二图像的接触特征轮廓为同一尺寸比例。

根据本申请实施例提供的技术方案，构建所述第一高度数据集与所述第二高度数据集梯度方向差值云图的方法具体为：

计算所述第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}各点梯度方向的角度值作为第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}；

计算所述第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}中各点梯度方向的角度值作为第二角度值集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}；

计算所述第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}的各点的绝对值与所述第二角度值集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}各点的绝对值的差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}；

通过所述差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}构建所述梯度方向差值云图。

根据本申请实施例提供的技术方案，计算所述第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}的方法具体为：

计算所述第二角度集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}的方法具体为：

根据本申请实施例提供的技术方案，提取所述第一图像的第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}的方法具体为：

选定所述第一图像的扫描区域作为第一扫描区域；

获取所述第一扫描区域的高度数据矩阵作为第一高度数据矩阵；

对所述第一高度数据矩阵归一化处理得到所述第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}。

根据本申请实施例提供的技术方案，提取所述第二图像的第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}的方法具体为：

选定所述第二图像的扫描区域作为第二扫描区域；

获取所述第二扫描区域的高度数据矩阵作为第二高度数据矩阵；

对所述第二高度数据矩阵归一化处理得到所述第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}。

本申请的有益效果在于：在提取动触点表面图像的第一高度数据集、静触点表面图像的第二高度数据集后，通过构建第一高度数据集以及第二高度数据集梯度方向差值云图，并以设定角度阈值范围θ_threshold对所述梯度方向差值云图进行处理，使得可得到梯度方向差值云图的接触特征轮廓；通过提取第一图像的接触特征轮廓以及第二图像的接触特征轮廓，并将其与梯度方向差值云图进行比较，进而可确定所述差平面高度数据匹配程度，为后续的高度数据校准工作提供了初期预判信息。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1为本申请提供的一种判断触点组差平面高度数据匹配程度的方法流程图；

图2为图1所示第一图像的示意图；

图3为图1所示第二图像的示意图；

图4为图1所示梯度方向差值云图的示意图；

图5为图1所示以设定角度阈值范围θ_threshold对所述梯度方向差值云图处理后的示意图；

图6为图5与图2中接触特征区域轮廓的对比图；

图7为图5与图3中接触特征区域轮廓的对比图；

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

请参考图1为本申请提供的一种判断触点组差平面高度数据匹配程度的方法流程图，包括以下步骤：

S100：获取动触点表面图像，得到第一图像，如图2所示；

S110：获取静触点表面图像，得到第二图像，如图3所示；

S200:提取所述第一图像的第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}，其中所述第一高度数据集具有m行、n列；h_d(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值；

S210：提取所述第二图像的第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}，其中所述第二高度数据集具有m行、n列；h_j(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值；

S300：构建所述第一高度数据集与所述第二高度数据集的梯度方向差值云图，如图4所示；

S400：以设定角度阈值范围θ_threshold对所述梯度方向差值云图进行处理，得到所述梯度方向差值云图的接触特征轮廓；

S410：提取所述第一图像的接触特征轮廓；

S420：提取所述第二图像的接触特征轮廓；

S500：根据所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定所述差平面高度数据匹配程度。

本实施例中，所述触点组为继电器触点组，包括继电器上的动触点以及静触点。

可以知道的是，在建立触点组高度数据的差平面的过程中需要动触点表面的高度数据与静触点的高度数据一一对应；而在分别获取两者高度数据的过程中，经常会由于动触点图片及静触点图片的扫描区域所包含的接触特征位置存在偏差，使得获取到的动、静触点高度数据不匹配，而这种不匹配程度无法直观有效的观察，即无法定量的表征或表达。

本申请中，在提取动触点表面图像的第一高度数据集、静触点表面图像的第二高度数据集后，通过构建第一高度数据集以及第二高度数据集梯度方向差值云图，并以设定角度阈值范围θ_threshold对所述梯度方向差值云图进行处理，使得可得到梯度方向差值云图的接触特征轮廓；通过提取第一图像的接触特征轮廓以及第二图像的接触特征轮廓，并将其与梯度方向差值云图进行比较，进而可确定所述差平面高度数据匹配程度，为后续的高度数据校准工作提供了初期预判信息。

在本实施例的优选实施方式中，通过所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓判断所述差平面高度数据匹配程度的方法具体为：

计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d：

获取所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j：

根据以下公式计算所述梯度方向差值云图特征轮廓与所述触点组的接触特征轮廓的相似度r_sim：

所述相似度r_sim用于表征所述差平面高度数据匹配程度。

具体的，差平面高度数据匹配程度r与相似度r_sim呈正相关；因此可设定标准值r_b，当判断相似度r_sim＞r_b时，则表示差平面高度数据匹配程度较高；当判断相似度r_sim＜r_b时，则表示差平面高度数据程度较低；同时，设定的标准值可以为多个，例如：

使得可设置多个阈值区间以评价其匹配程度，例如：当

时，表示差平面高度数据匹配程度极低；当

时，表示差平面高度数据匹配程度较低；当

时，表示差平面高度数据匹配程度较高；当

时，表示差平面高度数据匹配程度极高；

当然，也正是由于差平面高度数据匹配程度r与相似度r_sim呈正相关，因此通过计算相似度r_sim的值即可量化差平面高度数据匹配程度，即进行多个差平面高度数据匹配程度的比较过程中，可分别计算各个触点组高度数据的相似度r_sim，进行比较；相似度r_sim值越大，表示其动、静数据高度数据越匹配。

本步骤选取接触特征的相似度(r_d、r_j)来描述动、静触点高度数据的位置点的匹配程度；同时为了直观显示两者接触特征的相似度，还可以将梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓叠加对比，如图6所示，将梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓叠加对比，如图7所示。

其中，作为优选的，计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d的方法具体为：

计算所述梯度方向差值云图的接触特征轮廓的面积A；

计算所述第一图像的接触特征轮廓的面积A_d；

根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d：

其中，作为优选的，获取所述梯度方向差值云图的接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j的方法具体为：

计算所述梯度方向差值云图的接触特征轮廓的面积A；

计算所述第二图像的接触特征轮廓的面积A_j；

根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j：

优选的，计算接触特征轮廓面积的方法可以为：利用matlab中imfill函数填充所述接触特征轮廓内区域，填充完成后利用regionprops函数得到填充区域的面积，面积的单位为：pixel(像素)。

所述第一图像、第二图像以及梯度方向差值云图的接触特征轮廓的面积均可通过上述方式获取；当然，也可以利用regionprops函数得到所述接触特征轮廓的外接矩形尺寸，用外接矩形的面积表征接触特征轮廓的面积。

在本实施例的优选实施方式中，获取动触点表面图像以及静触点表面图像的方法具体为：通过非接触式三维形貌仪，对触点组的动触点、静触点表面微观形貌进行拍摄，得到所述第一图像以及第二图像；某型号继电器触点组的动触点接触面的图像(即第一图像)如图2所示，该继电器触点组的静触点接触面的图像(即第二图像)如图3所示。

具体的，三维形貌扫描仪属于非接触式扫描设备，根据光学原理检测被测表面相对于聚焦光学***的微小距离变化，使用时，扫描仪器上的高清摄像头首先对动触点及静触点表面图片进行拍摄，得到触点的表面图像(第一图像、第二图像)，然后分别在***上呈现的第一图像、第二图像上选定红色方框的扫描区域，扫描区域的位置和大小可以人为指定，该设备可以转动角度，对触点表面进行快速、重复、多侧重点的测量，能够对样品表面进行um级的测量，并对整个表面数据进行统计整合，获取高度数据集。

在本实施例的优选实施方式中，提取所述第一图像的第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}的方法具体为：

选定所述第一图像的扫描区域作为第一扫描区域；

获取所述第一扫描区域的高度数据矩阵作为第一高度数据矩阵；

具体的，获取第一高度数据矩阵的方法为：通过三维形貌扫描仪扫描所述第一扫描区域的高度数据，将高度数据倒入至编程软件中转化为矩阵形式的高度数据矩阵。

对所述第一高度数据矩阵归一化处理得到所述第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}，其中所述第一高度数据集具有m行、n列；h_d(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值。

具体的，通过下式对所述第一高度数据矩阵进行归一化处理得到所述第一高度数据集：

其中，min(h₁)为所述第一高度矩阵中的最小值；max(h₁)为所述第一高度矩阵中的最大值，h₁(x，y)为所述第一高度矩阵中位置坐标为(x，y)的点所对应的高度值；将所述第一高度矩阵中每个点h₁(x，y)进行归一化处理后得到所述第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}。

在本实施例的优选实施方式中，提取所述第二图像的第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}的方法具体为：

选定所述第二图像的扫描区域作为第二扫描区域；

获取所述第二扫描区域的高度数据矩阵作为第二高度数据矩阵；

类似的，获取第二高度数据矩阵的方法为：通过三维形貌扫描仪扫描所述第二扫描区域的高度数据，将高度数据倒入至编程软件中转化为矩阵形式的高度数据矩阵。

对所述第二高度数据矩阵归一化处理得到所述第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}。其中所述第二高度数据集具有m行、n列；h_j(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值。

具体的，通过下式对所述第二高度数据矩阵进行归一化处理得到所述第二高度数据集：

其中，min(h₂)为所述第二高度矩阵中的最小值；max(h₂)为所述第二高度矩阵中的最大值，h₂(x，y)为所述第二高度矩阵中位置坐标为(x，y)的点所对应的高度值；将所述第二高度矩阵中每个点h₂(x，y)进行归一化处理后得到所述第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}。

在本实施例的优选实施方式中，构建所述第一高度数据集与所述第二高度数据集梯度方向差值云图的方法具体为：

计算所述第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}各点梯度方向的角度值作为第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}；

计算所述第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}中各点梯度方向的角度值作为第二角度值集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}；

计算所述第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}的各点的绝对值与所述第二角度值集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}各点的绝对值的差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}；

通过所述差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}构建所述梯度方向差值云图。

具体的，所述差集的计算公式如下：

θ_c(x，y)＝|θ_d(x，y)|-|θ_j(x，y)|；

可通过matlab软件利用contourf函数将所述差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}构建为梯度方向差值云图；

具体的，通过以设定角度阈值范围θ_threshold对所述梯度方向差值云图进行处理，使得所述梯度方向差值云图上能够抑制非形变区域的信息，突显高度数据中蕴含的接触特征信息，触点组非接触特征区域与接触特征区域的分界处梯度方向角度的差值变化明显，能够清晰有效地反映触点组的接触特征，如图5所示。

具体的，角度阈值范围θ_threshold为设定值；

可以知道的是，所述梯度方向差值云图中可通过不同色度或深度表征所述差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}中不同数值的数据点；例如θ_c(1,1)的值为70um，该点在所述梯度方向差值云图中以第一颜色表现，例如θ_c(2,1)的值为71um，该点在所述梯度方向差值云图中以第二颜色表现。

阈值范围θ_threshold的设定方式为：

提取所述差值云图中颜色分界处的多个数据点，得到角度阈值集；

计算所述角度阈值集中所有数据点的均值，得到标准阈值θ_b；

所述阈值范围θ_threshold满足：θ_c＜θ_b。

所述阈值范围θ_threshold作为触点组高度数据的梯度方向的差值云图的接触特征的显示范围，可清晰的反映出触点组接触面的接触特征。

进一步的，为了确保阈值范围的准确性，可通过获取同一型号多个触点组的梯度方向差值云图，分别计算每个梯度方向差值云图所对应的标准阈值θ_b，将所有标准阈值θ_b取均值，得到最终的标准阈值θ_b′。

在本实施例的优选实施方式中，计算所述第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}的方法具体为：

其中，gradh_d(x,y)为所述第一高度数据集中空间位置为(x，y)的点所对应的梯度方向；梯度方向是该点的方向向量的模取最大值的方向，即高度数值上升变化率最大的方向

θ_d(x,y)为gradh_d(x,y)的角度值，即第一高度数据集中空间位置为(x，y)的点所对应的梯度方向的角度值。

具体的，上述计算梯度方向的过程可借助matlab软件的gradient封装函数完成，完成X方向梯度、Y方向梯度的计算。

在本实施例的优选实施方式中，计算所述第二角度集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}的方法具体为：

其中，gradh_j(x,y)为所述第二高度数据集中空间位置为(x，y)的点所对应的梯度方向，θ_j(x,y)为gradh_j(x,y)的角度值，即第二高度数据集中空间位置为(x，y)的点所对应的梯度方向的角度值。

具体的，上述计算梯度方向的过程可借助matlab软件的gradient封装函数完成，完成X方向梯度、Y方向梯度的计算。

在本实施例的优选实施方式中，提取所述第一图像的接触特征轮廓的方法具体为：

对所述第一图像进行灰度处理得到第一灰度图像；

通过Matlab软件中Canny算子对所述第一灰度图像进行边缘检测，提取接触特征轮廓。

在本实施例的优选实施方式中，提取所述第二图像的接触特征轮廓的方法具体为：

对所述第二图像进行灰度处理得到第二灰度图像；

通过Matlab软件中通过Canny算子对所述第二灰度图像进行边缘检测，提取接触特征轮廓。

在本实施例的优选实施方式中，得到所述梯度方向差值云图的接触特征轮廓的方法具体为：

对所述梯度方向差值云图进行灰度处理得到梯度方向差值云图灰度图像；

通过Matlab软件中通过Canny算子对所述梯度方向差值云图灰度图像进行边缘检测，提取接触特征轮廓；

将所述梯度方向差值云图的接触特征轮廓缩放，使得与所述第一图像、第二图像的接触特征轮廓为同一尺寸比例。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种判断触点组差平面高度数据匹配程度的方法，所述触点组包括动触点与静触点，其特征在于：包括以下步骤：

获取动触点表面图像，得到第一图像；

获取静触点表面图像，得到第二图像；

提取所述第一图像的第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}，其中所述第一高度数据集具有m行、n列；h_d(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值；

提取所述第二图像的第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}，其中所述第二高度数据集具有m行、n列；h_j(x,y)为所述第一高度数据集空间位置坐标为(x，y)的点所对应的高度值；

构建所述第一高度数据集与所述第二高度数据集的梯度方向差值云图；

以设定角度阈值范围θ_threshold对所述梯度方向差值云图进行处理，得到所述梯度方向差值云图的接触特征轮廓；

提取所述第一图像的接触特征轮廓；

提取所述第二图像的接触特征轮廓；

根据所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓确定所述差平面高度数据匹配程度；

得到所述梯度方向差值云图的接触特征轮廓的方法具体为：

对所述梯度方向差值云图进行灰度处理得到梯度方向差值云图灰度图像；

通过Canny算子对所述梯度方向差值云图灰度图像进行边缘检测，提取接触特征轮廓；

将所述梯度方向差值云图的接触特征轮廓缩放，使得与所述第一图像、第二图像的接触特征轮廓为同一尺寸比例；

构建所述第一高度数据集与所述第二高度数据集梯度方向差值云图的方法具体为：

计算所述第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}各点梯度方向的角度值作为第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}；

计算所述第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}中各点梯度方向的角度值作为第二角度值集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}；

计算所述第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}的各点的绝对值与所述第二角度值集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}各点的绝对值的差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}；

通过所述差集{θ_c(1,1)，...，θ_c(x,y)，...，θ_c(m,n)}构建所述梯度方向差值云图。

2.根据权利要求1所述的一种判断触点组差平面高度数据匹配程度的方法，其特征在于：通过所述梯度方向差值云图的接触特征轮廓、第一图像以及第二图像的接触特征轮廓判断所述差平面高度数据匹配程度的方法具体为：

计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d：

获取所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j：

根据以下公式计算所述梯度方向差值云图特征轮廓与所述触点组的接触特征轮廓的相似度r_sim：

所述相似度r_sim用于表征所述差平面高度数据匹配程度。

3.根据权利要求2所述的一种判断触点组差平面高度数据匹配程度的方法，其特征在于：计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d的方法具体为：

计算所述梯度方向差值云图的接触特征轮廓的面积A；

计算所述第一图像的接触特征轮廓的面积A_d；

根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第一图像的接触特征轮廓的相似度r_d：

4.根据权利要求2所述的判断触点组差平面高度数据匹配程度的方法，其特征在于：获取所述梯度方向差值云图的接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j的方法具体为：

计算所述梯度方向差值云图的接触特征轮廓的面积A；

计算所述第二图像的接触特征轮廓的面积A_j；

根据以下公式计算所述梯度方向差值云图接触特征轮廓与所述第二图像的接触特征轮廓的相似度r_j：

5.根据权利要求1所述的判断触点组差平面高度数据匹配程度的方法，其特征在于：

提取所述第一图像的接触特征轮廓的方法具体为：对所述第一图像进行灰度处理得到第一灰度图像；通过Canny算子对所述第一灰度图像进行边缘检测，提取接触特征轮廓；

提取所述第二图像的接触特征轮廓的方法具体为：对所述第二图像进行灰度处理得到第二灰度图像；通过Canny算子对所述第二灰度图像进行边缘检测，提取接触特征轮廓。

6.根据权利要求1所述的判断触点组差平面高度数据匹配程度的方法，其特征在于：

计算所述第一角度集{θ_d(1,1)，...，θ_d(x,y)，...，θ_d(m,n)}的方法具体为：

计算所述第二角度集{θ_j(1,1)，...，θ_j(x,y)，...，θ_j(m,n)}的方法具体为：

7.根据权利要求1-6任意一项所述的判断触点组差平面高度数据匹配程度的方法，其特征在于：

提取所述第一图像的第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}的方法具体为：

选定所述第一图像的扫描区域作为第一扫描区域；

获取所述第一扫描区域的高度数据矩阵作为第一高度数据矩阵；

对所述第一高度数据矩阵归一化处理得到所述第一高度数据集{h_d(1,1)，...，h_d(x,y)，...，h_d(m,n)}。

8.根据权利要求1-6任意一项所述的判断触点组差平面高度数据匹配程度的方法，其特征在于：

提取所述第二图像的第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}的方法具体为：

选定所述第二图像的扫描区域作为第二扫描区域；

获取所述第二扫描区域的高度数据矩阵作为第二高度数据矩阵；

对所述第二高度数据矩阵归一化处理得到所述第二高度数据集{h_j(1,1)，...，h_j(x,y)，...，h_j(m,n)}。

Images