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！

龙图腾网获悉青岛科技大学申请的专利一种基于3D点云的轮胎气泡缺陷检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115184364B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210799874.2，技术领域涉及：G01N21/88；该发明授权一种基于3D点云的轮胎气泡缺陷检测方法及系统是由杨化林;邓芳;姜沅政;王政;焦冬梅设计研发完成，并于2022-07-06向国家知识产权局提交的专利申请。

本一种基于3D点云的轮胎气泡缺陷检测方法及系统在说明书摘要公布了：一种基于3D点云的轮胎气泡缺陷检测方法及系统，其中，方法包括以下步骤：对原始点云进行采样，使用不同的采样方法按一定比例采样，提取特征信息，得到特征提取后的点；将特征提取后的点进行排列，得到N个点的特征向量子集，并对N个点进行投票、分组；检测特征提取后的点中是否存在缺陷目标，若存在缺陷目标，则进行提案和细化。本申请对点云几何采样，以保留缺陷的边缘点；同时直接对原始点云操作，使点云的局部特征信息得以保存，间接增加其检测精度，相比于其他网络，对检测目标缺陷有着良好的效果。

本发明授权一种基于3D点云的轮胎气泡缺陷检测方法及系统在权利要求书中公布了：1.一种基于3D点云的轮胎气泡缺陷检测方法，其特征在于，包括以下步骤： S1.对原始点云进行采样，使用不同的采样方法按预设比例采样，提取特征信息，得到特征提取后的点； S2.将所述特征提取后的点进行排列，得到N个点的特征向量子集，并对所述特征向量子集中的点进行投票、分组； S3.检测所述特征提取后的点中是否存在缺陷目标，若存在所述缺陷目标，则进行提案和细化； 所述采样方法包括： 借助Pointnet++中的SA层为骨干对原始点云采样，并获取特征信息，一个SA层包含特征点的采样、分组及局部特征提取，在SA的采样层中按照FPS采样和C-FPS采样各采集预设比例的点，利用焦点损失函数来平衡点数量差距，并借助多层感知机完成对输入点云的特征提取； 所述FPS采样为最远点采样方法，所述C-FPS采样为基于欧式空间中的提取曲率特征的采样方法； 利用融合采样策略，在SA的采样层中将FPS和所提出的C-FPS两种采样方法各采集一定比例的点，如公式1所示： Ntotal＝λNC-FPS+βNFPS 其中，λ为C-FPS采样预设比例，β为FPS采样预设比例，且λ+β＝1； 所述投票的方法包括：局部特征投票和全局特征投票； 所述局部特征投票包括： 保留经过所述FPS采样后的部分点和其特征，将通过最大池化层后的输出作为一个全局特征，并作为新的特征向量集合的第一个部分加入到所述特征向量子集中； 对于点的密度特征，利用其核密度估计密度特征，借助多层感知机和最大池化操作将密度特征和其他特征提取到所述特征向量子集中； 所述全局特征投票包括： 提取经过所述C-FPS采样后的点作为局部特征，在多个SA层利用融合采样对原始点云处理后，得到一个经过所述C-FPS采样方法处理后的子集及对应的特征，将所述子集作为初始中心点，初始中心点在损失函数的监督下，发生相对移动，生成最终中心点，输出为局部特征； 为避免对采集到的每一帧3D点云都进行提案框的生成和细化，以节省检测时间，提出一个简单的方法来判断该帧点云中是否存在缺陷目标，并将目标对象的分类放在3D盒提案之前，如果目标对象被分类出，再进行提案和细化，否则流程不生效； 首先定义所分出的簇点为CP＝{Ci,Fi},i＝1,Λ,n以及该簇点的质心b，其中，Ci∈R3代表簇点的坐标，Fi∈R代表簇点的特征；如果点云存在缺陷目标，生成的簇点数量要远大于不存在缺陷目标的点云所产生的少量簇点，因此有Ciexist-Cino＞T，并且利用Ci-b将簇点转为质心局部归一化坐标系，由于在缺点目标的簇点比较集中，则对于含有缺陷目标的欧式空间中存在以簇点的质心点作为中心点，其中心点附近的邻域点与中心点的平均值小于阈值r，但对于不含有缺陷目标的簇点会无规律地分散在整个点云空间中，因此呈现出少量和ri较大的特性； 簇点中的每个点均生成一个3D边界框，由于直接对边界框框的8个角点进行编码相对复杂，而对边界框的编码方法需要用到通过传感器给定的地平面，而地平面为无法给定的曲面，仍采用对边界框的四个角点和两个高度编码，对将高维数降低至10；不同的是，两个高度指从边界框上下两平面到传感器之间的距离，并且四个角点为边界框上平面的四个点，因此所要回归的目标为x1 *～x4 *,y1 *～y4 *,l1 *,l2 *；通过比较边界框与地面真实框之间的IoU来区分有用的信息，IoU小于0.4，被认为背景点，IoU大于0.6则被划分到前景点；对于多余的边界框，借助3DNMS以提高精度； 在3D边界框提出后，要回归的目标为xu，yu，zu，lu，wu，hu，θu,μ∈g，a7个参数，其中，x,y,z表示框的中心坐标值，l,w,h表示框的大小，θ为角度，下标g表示地面真实框，下标a表示边界框；地面真实框和边界框的回归残差可表示为： Δθ＝sinθgt-θan 其中，上标gt为地面真实框，上标an为边界框，二者的回归残差损失使用平滑函数来表示： Lreg＝∑Smooth-L1Δx,y,z,l,w,h,θ 由于前景和背景点数量差距过大，在分类损失上采用焦点损失函数，Lcls＝-αan1-panγlogpan，pan为边界框的类别概率；目标缺陷不像车辆具有方位要求，因此将分类损失函数所占比重降低至0.001；除此之外，角点损失为边界框上4个角点与地面真实框之间的欧式距离及边界框上下平面与传感器的距离，因此可表示为总的损失函数为： Ltotal＝Lreg+Lcls+Lcorner。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人青岛科技大学，其通讯地址为：266101 山东省青岛市崂山区松岭路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。