基于点云处理技术的转炉炉衬测厚方法研究

摘要

随着三维激光扫描技术的发展，三维空间中点云的相关处理技术也逐渐成熟。转炉炉衬的厚度对钢铁炼钢生产中的安全性和转炉寿命的确认都具有十分重要的影响，因此，本文将扫描得到的转炉的不同角度的三维激光点云数据进行点云数据配准拼接和曲面重建，随后与转炉炉内钢壳轮廓进行比对从而完成对转炉炉衬厚度的检测，为转炉炼钢的安全生产提供保证。 本文的主要内容包括以下五点: (1)分析综述了转炉炉衬测厚技术的现状，分析了三维激光扫描技术应用于炉衬测厚的可行性。 (2)详细阐述了三维激光扫描技术的基本原理以及扫描所得的点云数据的分类，并对点云数据的大致处理流程进行了介绍，尤其是对点云数据的预处理进行了详细描述。 (3)分析了三维扫描点云数据的粗配准和精配准方法，研究比较了粗配准使用的描述子和改进的ICP算法及其它几种点云配准的算法，获得了本论文所用的改进的ICP算法，该算法通过计算MLS特征并运用了邻近点通信和强度投票进行配准，结合采集的样本数据，验证了该算法在点云配准上的有效性。 (4)通过坐标变换将以扫描仪为坐标原点的点云数据转换到以转炉旋转中心为坐标原点的极坐标系中，并与转炉炉内钢壳轮廓数据或炉衬初始数据进行对比，从而获得转炉炉衬厚度。 (5)比较了几种三维点云数据曲面重建的种类，着重阐述了B样条曲面理论，利用最小二乘法对B样条曲面重建进行改进，并将转炉炉衬的三维扫描数据进行曲面重建和可视化。

目录

声明

摘要

1绪论

1．1转炉炉衬测量发展状况

1．1．1炉衬测厚的发展现状

1．1．2基于激光测距的炉衬测厚方法及现状

1．1．3三维激光扫描技术国内外研究现状

1．2点云技术介绍

1．2．1点云技术应用

1．2．2点云数据

1．2．3测量定位

1．2．4点云测厚数据的拼接

1．2．5内部形貌转换成厚度

1．3转炉炉衬激光扫描测量过程

1．4本文主要研究内容

2点云数据预处理

2．1点云降噪

2．1．1滤波器

2．1．2KD-TREE算法去除离群点

2．2一种基于模糊聚类的三维平面提取算法

2．3点云数据压缩

2．4本章小结

3点云数据拼接

3．1关键点

3．1．1FPH特征描述子

3．1．2FPFH特征描述子

3．2配准算法

3．2．1采样一致性算法

3．2．2Normal Distributions Transform算法

3．2．3ICP算法

3．2．4改进的ICP算法

3．3本章小结

4转炉炉衬厚度测量

4．1标靶球定位算法

4．1．1 Kd-tree

4．1．2最小二乘法定位

4．2坐标变换算法

4．3数据处理算法

4．4本章小结

5软件算法实现及曲面重建

5．1软件算法实现

5．2曲面重建

5．2．1点云的曲面重建的相关算法

5．2．2基于B样条点云的曲面重建

5．3本章小结

6总结与展望

6．1总结

6．2展望

参考文献

致谢