买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：惠汕绿创(江苏)科技股份有限公司

摘要：本发明涉及线性尺寸测量技术领域，具体涉及一种光伏组件钢制边框的尺寸精确测量方法。包括测量光伏组件钢制边框并获取其原始点云信息，点云信息包括法向量、深度信息、三维坐标；根据局部点云的法向量变化特征获取各点云的边框关注特征值；对边框关注特征值进行密度聚类，根据聚类结果得到各点云的边框异常程度值；由各点云的深度信息对边框异常程度值进行修正从而获取各点云的最终边框异常程度值；由各点云的最终边框异常程度值确定异常点云信息，对异常点云信息进行修正；基于修正后的点云信息，对光伏组件钢制边框进行尺寸测量。本发明降低了三维点云技术测量物体尺寸过程中的阴影影响，提高了光伏组件钢制边框的尺寸测量准确性。

主权项：1.一种光伏组件钢制边框的尺寸精确测量方法，其特征在于，所述方法包括：步骤S1：测量光伏组件钢制边框并获取其原始点云信息，所述点云信息包括法向量、深度信息、三维坐标；步骤S2：根据局部点云的法向量变化特征获取各点云的边框关注特征值；步骤S3：对边框关注特征值进行密度聚类，根据聚类结果得到各点云的边框异常程度值；步骤S4：由各点云的深度信息特征对边框异常程度值进行修正从而获取各点云的最终边框异常程度值；步骤S5：由各点云的最终边框异常程度值确定异常点云信息，对异常点云信息进行修正；步骤S6：基于修正后的点云信息，对光伏组件钢制边框进行尺寸测量；所述步骤S3对边框关注特征值进行密度聚类，根据聚类结果得到各点云的边框异常程度值具体为：步骤S31：将各点云数据的边框关注特征值从小到大排列至一维坐标中；步骤S32：对各点云数据的边框关注特征值进行DBSCAN密度聚类，选取多个密度簇中簇内数据量最大的簇作为正常簇，计算正常簇以外的各点云数据对应的边框异常程度值；所述边框异常程度值具体构建逻辑为：若第i个点云数据的边框关注特征值与正常簇中各点云数据对应的边框关注特征值的差异越大，则说明第i个点云数据异常的可能性越大，即第i个点云数据的边框异常程度值越大；所述最终边框异常程度值具体构建逻辑为：若第i个点云数据的深度信息与以第i个点云数据局部球体范围内其它点云数据的深度信息的均值水平偏差越大，则说明第i个点云数据的异常概率较高，则将其作为置信参数与第i个点云数据的边框异常程度值相乘，对第i个点云数据的边框异常程度值进行调大的修正，得到第i个点云数据的最终边框异常程度值。

全文数据：

权利要求：

百度查询： 惠汕绿创(江苏)科技股份有限公司 一种光伏组件钢制边框的尺寸精确测量方法