基于k-d树的ICP算法的管道缺陷最深点自动识别研究

doi:10.20033/j.1003-7241.(2024)08-0162-05

自动化技术与应用 ›› 2024, Vol. 43 ›› Issue (08) : 162 -166. DOI: 10.20033/j.1003-7241.(2024)08-0162-05

作者信息 +

Author information +

文章历史 +

PDF

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。