基于k-d树的ICP算法的管道缺陷最深点自动识别研究

作     者：刘婉莹 王峰 唐健 王军 李想 LIU Wan-ying;WANG Feng;TANG Jian;WANG Jun;LI Xiang

作者机构：浙江省白马湖实验室有限公司浙江杭州310000 白马湖实验室氢能(长兴)有限公司浙江长兴313100 

出 版 物：《自动化技术与应用》 (Techniques of Automation and Applications)

年 卷 期：2024年第43卷第8期

页      面：162-166页

学科分类：08[工学] 080401[工学-精密仪器及机械] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 0802[工学-机械工程] 

主　　题：k-d树邻近搜索法 ICP算法 管道缺陷 目标检测 图像识别 

摘      要：金属管道外表面存在凹坑、腐蚀缺陷等情况,为了准确判断管道的剩余服役寿命,提出一种基于k-d树ICP算法的油气管道缺陷最深点自动识别方法。扫描获取带有缺陷的管道点云数据,提取缺陷处至少1/3管道环向区域点云数据,建立标准圆柱件模型获取点云数据。利用ICP算法对两组点云数据进行配准,基于k-d树算法关联所有无序点云,从而加速搜索点云邻域,快速精确地识别出缺陷最深点。将该算法在天然气长输管段进行验证,以第三方专业检测机构的检测缺陷最深点数据为基准,通过计算对比发现,自动识别方法的误差率仅为0.54%,较之传统人工测量方法,测量误差率降低了3.22%,有效提高了管道外表面缺陷深度测量的准确度。