CN117557511A - 一种电子设备缺陷的检测方法、装置及存储介质 - Google Patents
一种电子设备缺陷的检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117557511A CN117557511A CN202311452304.7A CN202311452304A CN117557511A CN 117557511 A CN117557511 A CN 117557511A CN 202311452304 A CN202311452304 A CN 202311452304A CN 117557511 A CN117557511 A CN 117557511A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- detected
- original
- sparse
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000007547 defect Effects 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000009466 transformation Effects 0.000 claims abstract description 47
- 230000002159 abnormal effect Effects 0.000 claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000009434 installation Methods 0.000 claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims description 19
- 238000001914 filtration Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000007670 refining Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000009877 rendering Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本公开的一种电子设备缺陷的检测方法、装置及存储介质,涉及数据处理技术领域,该方法包括:针对电子设备的内部结构,获取其原始模板点云数据和原始待检测点云数据;对原始模板点云数据进行预处理,得到稀疏模板点云数据;对原始待检测点云数据进行稀疏化处理,得到稀疏待检测点云数据;基于稀疏模板点云数据和稀疏待检测点云数据,得到变换矩阵;对原始待检测点云数据进行精细化处理,得到精细待检测点云数据;根据变换矩阵,将精细待检测点云数据与原始模板点云数据进行配准;将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到内部结构中是否存在安装异常的零部件的结果。应用本方法可以提高电子设备缺陷检测的检测效率和准确性。
Description
技术领域
本公开涉及数据处理技术领域,尤其涉及一种电子设备缺陷的检测方法、装置及存储介质。
背景技术
对电子设备的内部结构进行检测,以确保每个电子设备的内部结构与设计规格一致,是电子设备制造过程中必不可少的一步。
目前,对电子设备内部结构进行检测的方法为:首先获取待检测电子设备内部结构对应的待检测点云数据,采用最近迭代点算法将待检测点云数据与模板点云数据进行配准,然后比较两组数据的不同,从而确定待检测数据是否存在错误。由于待检测数据和模板点云数据的数据都比较稠密,配准耗时较长,从而影响检测效率。
发明内容
本公开提供一种电子设备缺陷的检测方法、装置及存储介质,以至少解决现有技术中存在的以上技术问题。
根据本公开的第一方面,提供了一种电子设备缺陷的检测方法,所述方法包括:针对电子设备的内部结构,获取其原始模板点云数据和原始待检测点云数据;对所述原始模板点云数据进行预处理,得到稀疏模板点云数据;对所述原始待检测点云数据进行稀疏化处理,得到稀疏待检测点云数据;基于所述稀疏模板点云数据和所述稀疏待检测点云数据,得到变换矩阵;所述变换矩阵表征所述原始待检测点云数据从所述原始待检测点云数据的初始位置变换到与所述原始模板点云数据相匹配的位置而产生的变换信息;对所述原始待检测点云数据进行精细化处理,得到精细待检测点云数据;根据所述变换矩阵,将所述精细待检测点云数据与所述原始模板点云数据进行配准;将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到所述内部结构中是否存在安装异常的零部件的结果。
在一可实施方式中,所述基于所述稀疏模板点云数据和所述稀疏待检测点云数据,得到变换矩阵,包括:对所述稀疏模板点云数据和所述稀疏待检测点云数据分别进行特征提取,得到模板特征点和待检测特征点;获得模板特征点的位置信息;获得待检测特征点的位置信息;基于模板特征点的位置信息和待检测特征点的位置信息,对所述模板特征点和所述待检测特征点之间的位置关系进行分析,以得到所述变换矩阵。
在一可实施方式中,所述对所述原始模板点云数据进行预处理,得到稀疏模板点云数据,包括:去除所述原始模板点云数据的噪声数据;确定去除噪声后的原始模板点云数据中的待清除区域;将去除噪声后的原始模板点云数据中的所述待清除区域内的点云数据进行清除,得到所述稀疏模板点云数据。
在一可实施方式中,所述针对电子设备的内部结构,获取其原始模板点云数据,包括:获取所述内部结构的设计图档;对所述设计图档进行网格化处理,得到初始模板点云数据;对所述初始模板点云数据中的待检测面进行扫描,得到所述待检测面的点云数据;将所述待检测面的点云数据作为所述原始模板点云数据。
在一可实施方式中,所述将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到所述内部结构中是否存在安装异常的零部件的结果,包括:获取配准后的精细待检测点云数据的第一深度信息和所述原始模板点云数据的第二深度信息;将所述第一深度信息和所述第二深度信息进行对比,得到对比结果;若所述对比结果为不一致,得到所述内部结构中存在安装异常的零部件的结果;若所述对比结果为一致,得到所述内部结构中不存在安装异常的零部件的结果。
在一可实施方式中,所述方法还包括:当所述结果为所述内部结构中存在安装异常的零部件时,从所述精细待检测点云数据中提取出所述安装异常的零部件的点云数据;对所述安装异常的零部件的点云数据进行标记。
在一可实施方式中,所述对所述原始待检测点云数据进行精细化处理,得到精细待检测点云数据,包括:通过滤波算法对所述原始待检测点云数据进行滤波,得到所述精细待检测点云数据。
根据本公开的第二方面,提供了一种电子设备缺陷的检测装置,所述装置包括:第一获取模块,用于针对电子设备的内部结构,获取其原始模板点云数据和原始待检测点云数据;稀疏处理模块,用于对所述原始模板点云数据进行预处理,得到稀疏模板点云数据;所述稀疏处理模块,还用于对所述原始待检测点云数据进行稀疏化处理,得到稀疏待检测点云数据;第二获取模块,用于基于所述稀疏模板点云数据和所述稀疏待检测点云数据,得到变换矩阵;所述变换矩阵表征所述原始待检测点云数据从所述原始待检测点云数据的初始位置变换到与所述原始模板点云数据相匹配的位置而产生的变换信息;细化处理模块,用于对所述原始待检测点云数据进行精细化处理,得到精细待检测点云数据;配准模块,用于根据所述变换矩阵,将所述精细待检测点云数据与所述原始模板点云数据进行配准;对比模块,用于将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到所述电子设备中的内部结构中是否存在安装异常的零部件的结果。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本公开所述的方法。
本公开的一种电子设备缺陷的检测方法、装置及存储介质,首先针对电子设备中的内部结构,获取其原始模板点云数据和原始待检测点云数据;对原始模板点云数据进行预处理,获得稀疏模板点云数据,对原始待检测点云数据进行稀疏化处理,获得稀疏待检测点云数据;然后通过稀疏模板点云数据和稀疏待检测点云数据,确定变换矩阵;最后根据变换矩阵,将精细化处理后的原始待检测点云数据,即精细待检测点云数据与原始模板点云数据进行对比,得到内部结构中是否存在安装异常的零部件的结果。
本公开通过数据稀疏后的稀疏模板点云数据和稀疏待检测点云数据进行配准,获得转换矩阵。由于稀疏模板点云数据和稀疏待检测点云数据的数据量较少,可以提高配准的速度,从而提高确定转换矩阵的效率。然后可以直接根据转换矩阵将精细待检测点云数据与原始模板点云数据进行配准,由于精细待检测点云数据与原始模板点云数据包含的数据量较详细,通过对比精细待检测点云数据与原始模板点云数据可以提高缺陷检测的准确性。
附图说明
通过参考附图阅读下文的详细描述,本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本公开的若干实施方式,其中:
在附图中,相同或对应的标号表示相同或对应的部分。
图1示出了本公开实施例一种电子设备缺陷的检测方法的实现流程示意图;
图2示出了本公开实施例一种经粗滤波和下采样后的原始模板点云数据示意图;
图3示出了本公开实施例一种点云数据配准示意图一;
图4示出了本公开实施例一种点云数据配准示意图二;
图5示出了本公开实施例一种设计图档的示意图;
图6示出了本公开实施例一种检测结果示意图;
图7示出了本公开实施例一种电子设备缺陷的检测装置的组成结构示意图;
图8示出了本公开实施例一种电子设备的组成结构示意图。
具体实施方式
为使本公开的目的、特征、优点能够更加的明显和易懂,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而非全部实施例。基于本公开中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
根据本公开实施例的第一方面,提供了一种电子设备缺陷的检测方法,图1示出了本公开实施例一种电子设备缺陷的检测方法的实现流程示意图,如图1所示,该方法包括以下步骤:
步骤101:针对电子设备的内部结构,获取其原始模板点云数据和原始待检测点云数据。
不同的电子设备具有不同的内部结构,以满足其特定功能和性能要求。其中,电子设备可以为手机、笔记本电脑、平板电脑等。具体的内部结构根据电子设备的型号进行确定。例如,手机的内部结构为屏幕与后盖之间的结构、笔记本电脑的内部结构为笔记本键盘与底面之间的结构。通常电子设备的内部结构由多个不同的零部件组成,例如硬盘、导电泡棉、螺丝等
点云数据是一种表示物体表面或内部的三维坐标数据集。通常由激光扫描仪、摄像头或其他传感器采集。原始模板点云数据是内部结构对应的模板的点云数据,模板即符合设计制造要求的标准的内部结构。原始待检测点云数据为,刚完成组装工作,需要对其进行检测以确定其安装的零部件是否符合标准的电子设备的内部结构的点云数据。分别对待检测电子设备的内部结构和内部结构的模板进行点云扫描,即可获得原始待检测点云数据和原始模板点云数据。
步骤102:对原始模板点云数据进行预处理,得到稀疏模板点云数据。
该步骤中的预处理是为了减少原始模板点云数据中的数据量,减少数据量后的原始模板点云数据即为稀疏模板点云数据。
首先可以对原始模板点云数据进行粗滤波和降采样处理。在获取原始模板点云数据时,由于设备精度,操作者经验、外部环境等因素带来的影响。原始模板点云数据往往包含大量的离散点。因此,首先可以对原始模板点云数据进行粗滤波,去除离散点。去除离散点后的原始模板点云数据仍然非常稠密,包含大量数据点。可以再对其进行降采样处理,以进一步减少数据量。参考图2,图2所示为一种经过粗滤波和降采样处理后的原始模板点云数据。在进行完粗滤波和降采样处理后,还可以通过挖空中间数据的方式,进一步减少数据量,最后得到稀疏模板点云数据。
步骤103:对原始待检测点云数据进行稀疏化处理,得到稀疏待检测点云数据。
和原始模板点云数据相同,原始待检测点云数据中也包含大量的数据。因此,也需对原始待检测点云数据进行稀疏化处理,减少点云数据的密度,以降低数据量。具体也可以通过步骤102中提到的粗滤波和降采样来实现稀疏化处理,处理后得到稀疏待检测点云数据。
步骤104:基于稀疏模板点云数据和稀疏待检测点云数据,得到变换矩阵;变换矩阵表征原始待检测点云数据从原始待检测点云数据的初始位置变换到与原始模板点云数据相匹配的位置而产生的变换信息。
在该步骤中,首先需要从稀疏模板点云数据和稀疏待检测点云数据中提取特征点。特征点通常是两组数据中显著的点、边缘或角点。这些特征点的描述子将捕捉其周围区域的局部特征信息,包括位置、方向和尺度等。用于识别和匹配稀疏模板点云数据和稀疏待检测点云数据中相同或相似的特征点。该操作是为了找到稀疏模板点云数据和稀疏待检测点云数据之间的对应关系,以确定他们之间的刚性变换(平移、旋转、尺度变换等)。一旦找到了两组点云数据中匹配的特征点对,然后对这些特征点对进行计算,确定最佳的变换矩阵。得到的变换矩阵描述了如何将稀疏待检测点云数据从其初始位置变换到与稀疏模板点云数据对齐的位置。
步骤105:对原始待检测点云数据进行精细化处理,得到精细待检测点云数据。
精细化处理为对原始待检测点云数据进行数据细化,使得到的精细待检测点云数据中包含更多的细节。具体可以通过例如高斯滤波、均值漂移等一些高级算法来实现,本公开中不对其进行限定。
步骤106:根据变换矩阵,将精细待检测点云数据与原始模板点云数据进行配准。
使精细待检测点云数据的坐标根据变换矩阵进行变换,经过平移、旋转、缩放等操作后可以与原始模板点云数据在相同的坐标系中对齐,这可以使后续的分析更为容易。
可以理解的是,由于精细待检测点云数据与稀疏待检测点云数据均由原始待检测点云数据处理后得到,所以精细待检测点云数据和稀疏待检测点云数据的原始位置是相同的。同理,原始模板点云数据和稀疏模板点云数据的原始位置也是相同的。所以由稀疏模板点云数据和稀疏待检测点云数据得到的变换矩阵,仍适用于精细待检测点云数据与原始模板点云数据进行配准。
步骤107:将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到内部结构中是否存在安装异常的零部件的结果。
精细待检测点云数据与原始模板点云数据在相同的坐标系中对齐后,可以更方便的比较两组数据中的差异,具体可以通过距离度量、阈值设定等方法。在本公开中不对确定两组点云数据的差异的方法进行限定,任何可以确定出两组点云数据的差异的方法在本公开中均适用。若两组点云数据中存在差异,则说明待检测电子设备的内部结构与模板不一致,即待检测电子设备的内部结构中存在安装异常的零部件。
本公开通过数据稀疏后的稀疏模板点云数据和稀疏待检测点云数据进行配准,获得转换矩阵。由于稀疏模板点云数据和稀疏待检测点云数据的数据量较少,减少了计算量,可以提高配准的速度,从而提高确定转换矩阵的效率。然后可以直接根据转换矩阵将精细待检测点云数据与原始模板点云数据进行配准,由于精细待检测点云数据与原始模板点云数据包含的数据量较详细,通过对比精细待检测点云数据与原始模板点云数据确定检测结果,可以提高缺陷检测的准确度。
在本公开的一个实施例中,基于稀疏模板点云数据和稀疏待检测点云数据,得到变换矩阵,包括:对稀疏模板点云数据和稀疏待检测点云数据分别进行特征提取,得到模板特征点和待检测特征点;获得模板特征点的位置信息;获得待检测特征点的位置信息;基于模板特征点的位置信息和待检测特征点的位置信息,对模板特征点和待检测特征点之间的位置关系进行分析,以得到变换矩阵。
分别从稀疏模板点云数据和稀疏待检测点云数据中提取特征点,获得模板特征点和待检测特征点。具体可使用特征提取算法,例如尺度不变特征变换(Scale InvariantFeature Transform,SIFT)进行提取。然后对两组特征点进行匹配,确定出两组数据中相同或相似的点,将每组相同或相似的点作为一组特征点对。模板特征点和待检测特征点的位置信息描述了每个特征点在点云中的三维坐标位置。针对每组特征点对,可通过奇异值分解法根据其位置信息,进行平移、旋转和尺度变换等分析,确定特征点对之间的变换关系,得到变换矩阵。图3示出了本公开实施例一种点云数据配准示意图一,如图3所示,左边的为稀疏待检测点云数据,右边的为稀疏模板点云数据,虚线框内为两组数据重合部分。如图4所示,为两组点云数据完成配准后的示意图,完成配准后,两组点云数据基本重合。
在本实施例中,在稀疏模板点云数据和稀疏待检测点云数据完成配准后,通过误差渲染的方法进行验证,具体为,将两组数据之间误差小于0.95毫米的点选然后蓝色;将误差在0.95至1.3毫米的点渲染为蓝绿色;将误差在1.3至2.6毫米的点渲染为红绿色;将误差大于2.6毫米的点渲染为红色。由渲染结果可以看出通过本方法配准后的稀疏模板点云数据和稀疏待检测点云数据配准度较高,因此,得到的变换矩阵的可靠性较高。
本实施例中采用SIFT方法进行特征提取,其具有尺度不变性、旋转不变性等优点。可以使提取到的模板特征点和待检测特征点具有更加丰富的特征信息。采用奇异值分解法可稳健地估计出模板特征点和待检测特征点之间的刚性变换,可以确保变换矩阵的可靠性。
在本公开的一个实施例中,对原始模板点云数据进行预处理,得到稀疏模板点云数据,包括:去除原始模板点云数据的噪声数据;确定去除噪声后的原始模板点云数据中的待清除区域;将去除噪声后的原始模板点云数据中的待清除区域内的点云数据进行清除,得到稀疏模板点云数据。
噪声数据指原始模板点云数据中由传感器误差、振动或其他因素引起的噪声点。待清除区域为原始模板点云数据中对配准未起到作用或作用较小的数据点所在区域。待清除区域可根据电子设备的内部结构进行确定,例如某电子设备的内部结构中主要零部件集中在其四周,而中间基本无零部件,则可以将中间基本无零部件的区域确定为待清除区域。具体的,首先去除原始模板点云数据中的噪声数据,为进一步减少数据量,再将待清除区域内的点云数据进行清除,得到稀疏模板点云数据。
本实施例通过去除噪声数据和一些不必要的点云数据,减少了原始模板点云数据的复杂性,可以减少后续处理的计算量,提高处理效率。
在本公开的一个实施例中,针对电子设备的内部结构,获取其原始模板点云数据,包括:获取内部结构的设计图档;对设计图档进行网格化处理,得到初始模板点云数据;对初始模板点云数据中的待检测面进行扫描,得到待检测面的点云数据;将待检测面的点云数据作为原始模板点云数据。
电子设备内部结构的设计图档中包含了标准的零部件、布局和尺寸,设计图档通常以计算机辅助设计格式存在。图5示出了本公开实施例一种设计图档的示意图。对设计图档进行网格化处理,将其转化为三维的初始模板点云数据。这可以通过将设计图档中的元素(如线、面)映射到三维空间中的点来实现。
待检测面为电子设备的内部结构中需要进行缺陷检测的表面或区域。由于初始模板点云数据是三维的数据,而三维的数据中有些面可能是不需要被检测的。因此,为减少计算量,需要对待检测面进行扫描,获取待检测面的点云数据。这通常可以通过三维扫描设备或传感器来实现。然后将获取到的待检测面的点云数据作为原始模板点云数据。
本实施例通过电子设备内部结构的设计图档获取原始模板点云数据,避免了通过线下拍摄电子设备内部结构的实物作为原始模板点云数据存在拍摄环境不稳定影响后续检测结果、拍摄耗时等问题。且本实施例中的原始模板点云数据只包括待检测面的点云数据,进一步较少了数据量,加快了后续的处理效率。
在本公开的一个实施例中,将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到内部结构中是否存在安装异常的零部件的结果,包括:获取配准后的精细待检测点云数据的第一深度信息和原始模板点云数据的第二深度信息;将第一深度信息和第二深度信息进行对比,得到对比结果;若对比结果为不一致,得到内部结构中存在安装异常的零部件的结果;若对比结果为一致,得到内部结构中不存在安装异常的零部件的结果。
配准后的精细待检测点云数据和原始模板点云数据是在相同的坐标系中处于对齐的关系。此时只需比较两组点云数据的同一位置在深度方向上的数值,即可确定两组点云数据中不相同的地方。针对两组点云数据中的同一位置,获取精细待检测点云数据中该位置在深度方向的数值,作为第一深度信息。再获取原始模板点云数据中该位置在深度方向的数值,作为第二深度信息。然后将两组深度信息进行对比,看是否一致。若一致,则说明精细待检测点云数据与原始模板点云数据是相同的,即电子设备的内部结构不存在安装异常的零部件。若不一致,则说明精细待检测点云数据与原始模板点云数据存在不相同的地方,即电子设备的内部结构中存在安装异常的零部件。
对于需要检测结构缺陷的应用,深度方向的数值可以有效识别凸起或者凹陷的部分,从而可以确定是否有少零部件或多零部件的情况。且该方法可以检测到微小的高度差异,检测精度高。
在本公开的一个实施例中,方法还包括:当结果为内部结构中存在安装异常的零部件时,从精细待检测点云数据中提取出安装异常的零部件的点云数据;对安装异常的零部件的点云数据进行标记。
上述确定内部结构中是否存在安装异常的零部件,是通过获取同一位置下精细待检测点云数据和原始模板点云数据的深度信息,然后对比两者的深度信息是否相同,来确定内部结构中是否存在安装异常的零部件。若存在某位置上的深度信息不一致,则认为内部结构中存在安装异常的零部件,且该位置即为安装异常的零部件所在位置。将该位置上的点云数据确定为安装异常的零部件对应的点云数据,并对该部分点云数据进行标记。标记方式可以通过对该区域进行颜色渲染或文字标注等。图6示出了本公开实施例一种检测结果示意图,如图6所示,该检测结果中标记出两处异常的区域,即异常区域一和异常区域二。然后工作人员可根据标记的位置,对应到待检测电子设备的实物中,对该位置的零部件进行修正。
本实施例在检测出内部结构中存在安装异常的零部件时,对零部件所在区域的点云数据进行标记。可以使检测人员更加清除、直观的查看到哪个区域的零部件出现了异常,然后可以直接定位到待检测电子设备的实物中,并对其进行修正。
综上所述,本公开的方法包括以下有益效果:
1、现有技术中通过最近迭代点云算法将原始模板点云数据和原始待检测点云数据进行配准。该方法需要将原始待检测点云数据中的点与原始模板点云数据的点进行逐一的匹配,计算复杂度较高。
而本申请是先通过具有较少数据量的稀疏模板点云数据和稀疏待检测点云数据进行配准,以确定转换矩阵,由于参与计算的数据量较少,因此配准效率更快、配准精度更高、得到的转换矩阵更为精准。
然后直接通过确定好的转换矩阵,将精细待检测点云数据与原始模板点云数据进行配准。再根据配准后的精细待检测点云数据与原始模板点云数据进行对比,确定精细待检测点云数据与原始模板点云数据是否相同,进而确定待检测电子设备的内部结构中是否存在安装异常的零部件。精细待检测点云数据与原始模板点云数据中的数据具有更为详细的信息,因此,通过该方法获得的检测结果更为精确。
2、现有技术中获取原始模板点云数据是在线下针对正样本内部结构采集一副点云数据。该方法需要在于采集原始模板点云数据相似的环境下,采集原始待检测模板点云数据,否则会导致配准结果出现较大的误差。该方法对原始模板点云数据的采集环境要求较高。
而本方法是使用内部结构对应的设计图档的点云数据作为原始模板点云数据,避免了线下采集存在的外部环境不稳定导致手续检测结果准确度不佳、采集耗时等问题。
根据本公开的另一方面,提供了一种电子设备缺陷的检测装置,图7示出了本公开实施例电子设备缺陷的检测装置的组成结构示意图,如图7所示,该装置包括:
第一获取模块701,用于针对电子设备的内部结构,获取其原始模板点云数据和原始待检测点云数据;
稀疏处理模块702,用于对原始模板点云数据进行预处理,得到稀疏模板点云数据;
稀疏处理模块702,还用于对原始待检测点云数据进行稀疏化处理,得到稀疏待检测点云数据;
第二获取模块703,用于基于稀疏模板点云数据和稀疏待检测点云数据,得到变换矩阵;变换矩阵表征原始待检测点云数据从原始待检测点云数据的初始位置变换到与原始模板点云数据相匹配的位置而产生的变换信息;
细化处理模块704,用于对原始待检测点云数据进行精细化处理,得到精细待检测点云数据;
配准模块705,用于根据变换矩阵,将精细待检测点云数据与原始模板点云数据进行配准;
对比模块706,用于将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到电子设备中的内部结构中是否存在安装异常的零部件的结果。
在本公开的一个实施例中,第二获取模块703,还用于对稀疏模板点云数据和稀疏待检测点云数据分别进行特征提取,得到模板特征点和待检测特征点;获得模板特征点的位置信息;获得待检测特征点的位置信息;基于模板特征点的位置信息和待检测特征点的位置信息,对模板特征点和待检测特征点之间的位置关系进行分析,以得到变换矩阵。
在本公开的一个实施例中,稀疏处理模块702,还用于去除原始模板点云数据的噪声数据;确定去除噪声后的原始模板点云数据中的待清除区域;将去除噪声后的原始模板点云数据中的待清除区域内的点云数据进行清除,得到稀疏模板点云数据。
在本公开的一个实施例中,第一获取模块701,还用于获取内部结构的设计图档;对设计图档进行网格化处理,得到初始模板点云数据;对初始模板点云数据中的待检测面进行扫描,得到待检测面的点云数据;将待检测面的点云数据作为原始模板点云数据。
在本公开的一个实施例中,对比模块706,还用于获取配准后的精细待检测点云数据的第一深度信息和原始模板点云数据的第二深度信息;将第一深度信息和第二深度信息进行对比,得到对比结果;若对比结果为不一致,得到内部结构中存在安装异常的零部件的结果;若对比结果为一致,得到内部结构中不存在安装异常的零部件的结果。
在本公开的一个实施例中,装置还包括标记模块(未在图中示出),标记模块用于当结果为内部结构中存在安装异常的零部件时,从精细待检测点云数据中提取出安装异常的零部件的点云数据;对安装异常的零部件的点云数据进行标记。
在本公开的一个实施例中,细化处理模块704还用于通过滤波算法对所述原始待检测点云数据进行滤波,得到所述精细待检测点云数据。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如一种图像采集装置的检测方法。例如,在一些实施例中,一种图像采集装置的检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的一种图像采集装置的检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种图像采集装置的检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种电子设备缺陷的检测方法,其特征在于,所述方法包括:
针对电子设备的内部结构,获取其原始模板点云数据和原始待检测点云数据;
对所述原始模板点云数据进行预处理,得到稀疏模板点云数据;
对所述原始待检测点云数据进行稀疏化处理,得到稀疏待检测点云数据;
基于所述稀疏模板点云数据和所述稀疏待检测点云数据,得到变换矩阵;所述变换矩阵表征所述原始待检测点云数据从所述原始待检测点云数据的初始位置变换到与所述原始模板点云数据相匹配的位置而产生的变换信息;
对所述原始待检测点云数据进行精细化处理,得到精细待检测点云数据;
根据所述变换矩阵,将所述精细待检测点云数据与所述原始模板点云数据进行配准;
将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到所述内部结构中是否存在安装异常的零部件的结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述稀疏模板点云数据和所述稀疏待检测点云数据,得到变换矩阵,包括:
对所述稀疏模板点云数据和所述稀疏待检测点云数据分别进行特征提取,得到模板特征点和待检测特征点;
获得模板特征点的位置信息;
获得待检测特征点的位置信息;
基于模板特征点的位置信息和待检测特征点的位置信息,对所述模板特征点和所述待检测特征点之间的位置关系进行分析,以得到所述变换矩阵。
3.根据权利要求1所述的方法,其特征在于,所述对所述原始模板点云数据进行预处理,得到稀疏模板点云数据,包括:
去除所述原始模板点云数据的噪声数据;
确定去除噪声后的原始模板点云数据中的待清除区域;
将去除噪声后的原始模板点云数据中的所述待清除区域内的点云数据进行清除,得到所述稀疏模板点云数据。
4.根据权利要求1所述的方法,其特征在于,所述针对电子设备的内部结构,获取其原始模板点云数据,包括:
获取所述内部结构的设计图档;
对所述设计图档进行网格化处理,得到初始模板点云数据;
对所述初始模板点云数据中的待检测面进行扫描,得到所述待检测面的点云数据;
将所述待检测面的点云数据作为所述原始模板点云数据。
5.根据权利要求1所述的方法,其特征在于,所述将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到所述内部结构中是否存在安装异常的零部件的结果,包括:
获取配准后的精细待检测点云数据的第一深度信息和所述原始模板点云数据的第二深度信息;
将所述第一深度信息和所述第二深度信息进行对比,得到对比结果;
若所述对比结果为不一致,得到所述内部结构中存在安装异常的零部件的结果;
若所述对比结果为一致,得到所述内部结构中不存在安装异常的零部件的结果。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
当所述结果为所述内部结构中存在安装异常的零部件时,从所述精细待检测点云数据中提取出所述安装异常的零部件的点云数据;
对所述安装异常的零部件的点云数据进行标记。
7.根据权利要求1所述的方法,其特征在于,所述对所述原始待检测点云数据进行精细化处理,得到精细待检测点云数据,包括:
通过滤波算法对所述原始待检测点云数据进行滤波,得到所述精细待检测点云数据。
8.一种电子设备缺陷的检测装置,其特征在于,所述装置包括:
第一获取模块,用于针对电子设备的内部结构,获取其原始模板点云数据和原始待检测点云数据;
稀疏处理模块,用于对所述原始模板点云数据进行预处理,得到稀疏模板点云数据;
所述稀疏处理模块,还用于对所述原始待检测点云数据进行稀疏化处理,得到稀疏待检测点云数据;
第二获取模块,用于基于所述稀疏模板点云数据和所述稀疏待检测点云数据,得到变换矩阵;所述变换矩阵表征所述原始待检测点云数据从所述原始待检测点云数据的初始位置变换到与所述原始模板点云数据相匹配的位置而产生的变换信息;
细化处理模块,用于对所述原始待检测点云数据进行精细化处理,得到精细待检测点云数据;
配准模块,用于根据所述变换矩阵,将所述精细待检测点云数据与所述原始模板点云数据进行配准;
对比模块,用于将配准后的精细待检测点云数据和原始模板点云数据进行对比,得到所述电子设备中的内部结构中是否存在安装异常的零部件的结果。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使计算机执行根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452304.7A CN117557511A (zh) | 2023-11-02 | 2023-11-02 | 一种电子设备缺陷的检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452304.7A CN117557511A (zh) | 2023-11-02 | 2023-11-02 | 一种电子设备缺陷的检测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117557511A true CN117557511A (zh) | 2024-02-13 |
Family
ID=89810121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311452304.7A Pending CN117557511A (zh) | 2023-11-02 | 2023-11-02 | 一种电子设备缺陷的检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117557511A (zh) |
-
2023
- 2023-11-02 CN CN202311452304.7A patent/CN117557511A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115205223B (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN108156452B (zh) | 一种检测传感器的方法、装置、设备及存储介质 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测***及电子设备 | |
EP3872762A1 (en) | Edge-based three-dimensional tracking and registration method and apparatus for augmented reality, and storage medium | |
CN110660072A (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN116342585A (zh) | 一种产品缺陷检测方法、装置、设备及存储介质 | |
CN116152208A (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN114494751A (zh) | 证照信息识别方法、装置、设备及介质 | |
CN116486126B (zh) | 一种模版确定方法、装置、设备及存储介质 | |
CN116205889A (zh) | 偏移检测方法、装置、电子设备及存储介质 | |
CN115829929A (zh) | 产品表面图像的缺陷检测方法、装置、设备及存储介质 | |
CN117557511A (zh) | 一种电子设备缺陷的检测方法、装置及存储介质 | |
CN113361371B (zh) | 道路提取方法、装置、设备以及存储介质 | |
CN113032071B (zh) | 页面元素定位方法、页面测试方法、装置、设备和介质 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN110211179B (zh) | 显微图像标定方法、装置、终端和介质 | |
CN117670666A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN116258769B (zh) | 一种定位校验方法、装置、电子设备和存储介质 | |
CN116682124A (zh) | 一种数据录入方法、装置、设备及存储介质 | |
CN116664427A (zh) | 一种图像处理方法、装置、设备及存储介质 | |
CN116125422A (zh) | 一种设备探测配置方法、装置、电子设备和存储介质 | |
CN117372408A (zh) | 一种设备检测方法、装置、设备及存储介质 | |
CN117558018A (zh) | 图表的配置参数提取方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |