massive-cloud/alg/point_porj/archive

工业零件几何测量工具使用指南

支持测量种类：平整度、平面度、轮廓测量、曲率分析、点云去噪、平面拟合、点云配准评估 支持测量任务编号：11、13、17、20、25、26、27、31、34、35、36、37、38、39、40、41、42、45

一、环境配置

基础环境要求

• Python 3.10.8
• CUDA 11.8（建议，无CUDA时自动降级为CPU计算）
• PyTorch 2.2

依赖安装

conda install -f requirements.txt

注：需确保环境中已安装OCC Core（STEP/STL处理）、trimesh、open3d、numpy、scipy等依赖

---

二、CAD转轻量化Mesh（CAD2Mesh.py）

功能说明

将STEP格式的CAD模型转换为轻量化STL网格文件，通过调整网格精度控制文件体积（精度值越大，文件越小，精度越低），纯后台处理无界面显示，转换效率高。

输入输出

• 输入：STEP格式CAD文件（路径示例：High_Speed_Data/CAD/11.step）
• 输出：STL格式轻量化网格文件（路径示例：High_Speed_Data/Mesh/11.stl）

命令行参数说明

参数	简写	类型	默认值	说明
--precision	-p	float	1.0	网格精度（单位：mm），值越大文件体积越小
--input	-i	string	High_Speed_Data/CAD/11.step	输入STEP文件路径
--output	-o	string	High_Speed_Data/Mesh/11.stl	输出STL文件路径

运行示例

# 完整参数形式
python CAD2Mesh.py --precision 1 --input "High_Speed_Data/CAD/11.step" --output "High_Speed_Data/Mesh/11.stl"

# 简写参数形式
python CAD2Mesh.py -p 1 -i "High_Speed_Data/CAD/11.step" -o "High_Speed_Data/Mesh/11.stl"

运行日志说明

程序会输出三步处理日志及耗时：

1. STEP文件读取阶段
2. 网格离散化（轻量化）阶段
3. STL文件保存阶段 转换完成后会提示总耗时及STL文件打开工具建议（FreeCAD/MeshLab/3D Viewer）。

---

三、轮廓-平整度测量（Contour_Flatness.py）

功能说明

高精度计算点云到 CAD STEP 模型三角化表面的最近距离，输出平均距离（mean_dist）、最大距离（max_dist）和最小距离（min_dist），用于评估零件的平整度、平面度、轮廓偏差等几何精度指标；支持 CUDA 加速（自动检测），采用 torch.float64 高精度计算。

脚本现在支持两种模式：

• 默认批量模式：按任务编号从 High_Speed_Data/CAD/ 和点云目录中读取多组数据，并输出 Excel 汇总。
• 单任务模式：添加 --single 后，使用 --CAD 和 --pointcloud 计算一组文件，可选 --visualize 显示热力图。

输入输出

• 输入：
  • CAD STEP 文件：路径示例 High_Speed_Data/CAD/11.step
  • 点云 PLY 文件：批量模式默认读取 High_Speed_Data/Noise_PointCloud/{id}_noisy.ply，也可用 --pointcloud_kind clean 读取 High_Speed_Data/PointCloud/{id}.ply
• 输出：
  • 平均距离（mean_dist）：点云中所有点到 CAD 三角面的平均最近距离（单位：mm）
  • 最大距离（max_dist）：点云中所有点到 CAD 三角面的最大最近距离（单位：mm）
  • 最小距离（min_dist）：点云中所有点到 CAD 三角面的最小最近距离（单位：mm）
  • 批量模式会生成 Excel 汇总文件，默认 平整度.xlsx

命令行参数说明

参数	简写	类型	默认值	说明
--CAD	-c	string	High_Speed_Data/CAD/11.step	单任务模式 CAD STEP 文件路径，仅 --single 时使用
--pointcloud	-p	string	High_Speed_Data/Noise_PointCloud/11_noisy.ply	单任务模式点云路径，仅 --single 时使用
--tasks	-	string	11,13,17,20,25,26,27,31,34,35,36,37,38,39,40,41,42,45	批量任务编号，多个编号用英文逗号分隔
--data_root	-	string	High_Speed_Data	批量任务数据根目录
--pointcloud_kind	-	string	noise	批量模式点云来源：noise 读取 Noise_PointCloud，clean 读取 PointCloud
--excel_output	-	string	平整度.xlsx	批量结果 Excel 输出路径
--single	-	flag	false	启用单任务模式
--visualize	-	flag	false	单任务模式下显示距离热力图
--mesh_deflection	-	float	0.1	CAD 三角化精度，越小越精细但越慢
--point_chunk_size	-	int	2048	点云分块大小，显存/内存不足时可调小
--triangle_chunk_size	-	int	4096	三角面分块大小，显存/内存不足时可调小

运行示例

# 默认批量模式，使用 DEFAULT_TASK_IDS 并输出 平整度.xlsx
python Contour_Flatness.py

# 指定批量任务、点云来源和 Excel 输出
python Contour_Flatness.py --tasks "11,31,40" --data_root "High_Speed_Data" --pointcloud_kind noise --excel_output "vis/flatness.xlsx"

# 单任务模式
python Contour_Flatness.py --single --CAD "High_Speed_Data/CAD/11.step" --pointcloud "High_Speed_Data/Noise_PointCloud/11_noisy.ply"

# 单任务模式并显示热力图
python Contour_Flatness.py --single -c "High_Speed_Data/CAD/11.step" -p "High_Speed_Data/PointCloud/11.ply" --visualize

计算说明

1. CAD 读取：通过 pythonocc-core 读取 STEP，并使用 mesh_deflection 三角化。
2. 点云读取：优先使用 open3d（若安装），否则使用 trimesh 兼容读取。
3. 距离计算：点云和 CAD 三角面都分块处理，避免内存/显存溢出，支持大规模点云计算。
4. 批量结果：每个任务会记录成功/失败状态，成功任务会把 points_np 和 distances_np 缓存在 task_distance_data 中，便于后续可视化。
5. 精度保障：采用 torch.float64 高精度计算，支持 GPU/CPU 自动切换。

---

四、点云曲率估计（curvature_estimation.py）

功能说明

基于Open3D对工业零件点云进行曲率计算，通过邻域协方差矩阵分解获取曲率值，支持曲率彩色可视化，用于识别零件边缘、棱角、曲面等特征区域，为表面缺陷检测提供依据。

输入输出

• 输入：PLY格式点云文件（路径示例：High_Speed_Data/PointCloud/11.ply）
• 输出：曲率统计值、彩色可视化点云、可保存带曲率信息的PLY文件

命令行参数说明

参数	简写	类型	默认值	说明
--ply_path	—	string	./High_Speed_Data/PointCloud/11.ply	输入点云路径
--radius	—	float	2.0	邻域搜索半径
--max_nn	—	int	30	最大邻域点数
--color_scale	—	float	3.0	曲率颜色缩放因子
--save	—	string	None	保存着色点云路径（可选）

运行示例

# 基础运行
python curvature_estimation.py --ply_path "High_Speed_Data/PointCloud/11.ply"

# 保存结果
python curvature_estimation.py --ply_path "High_Speed_Data/PointCloud/11.ply" --save "High_Speed_Data/Result/11_curvature.ply"

计算说明

1. 自动估计法线并构建KD-Tree加速邻域搜索
2. 邻域点不足3个时自动标记为高曲率
3. 颜色映射：红色=高曲率，绿色=低曲率

---

五、点云去噪处理（denoise.py）

功能说明

集成SOR、ROR、PF、VGF、BF五种去噪与滤波算法，自动添加高斯噪声并对比效果，通过Chamfer Distance量化评估去噪质量，用于扫描点云预处理，提升测量精度。

输入输出

• 输入：PLY格式干净点云（路径示例：High_Speed_Data/PointCloud/11.ply）
• 输出：各算法去噪指标、保留率、移除点数、CD距离、可视化对比

命令行参数说明

参数	简写	类型	默认值	说明
--ply_path	-p	string	./High_Speed_Data/PointCloud/11.ply	输入点云路径
--noise_std	-n	float	4.0	高斯噪声标准差
--voxel_size	-v	float	0.05	体素滤波大小
--no_visualize	—	bool	False	关闭可视化窗口

运行示例

# 基础去噪对比
python denoise.py -p "High_Speed_Data/PointCloud/11.ply" --noise_std 2.0

# 无可视化运行
python denoise.py -p "High_Speed_Data/PointCloud/11.ply" --no_visualize

计算说明

1. 自动给点云加噪，模拟真实扫描噪声
2. 依次运行SOR/ROR/PF/VGF/BF算法
3. 输出保留率、移除点数、Chamfer Distance评估结果

---

六、平面拟合估计（plane_estimation.py）

功能说明

基于Open3D内置RANSAC算法自动拟合点云中平面结构，输出平面方程、内点占比、法线误差、拟合RMSE，用于提取零件基准平面。

输入输出

• 输入：可自定义生成带噪平面点云
• 输出：平面方程、误差统计、拟合可视化

命令行参数说明

参数	简写	类型	默认值	说明
--threshold_mm	-t	float	0.5	平面距离阈值（mm）
--max_iterations	-i	int	2000	RANSAC迭代次数

运行示例

# 默认运行
python plane_estimation.py

# 自定义参数
python plane_estimation.py --threshold_mm 0.3 --max_iterations 1500

计算说明

1. 支持生成带噪声标准平面用于测试
2. 输出平面法向量与理想Z轴夹角误差、偏移误差、拟合RMSE

---

七、点云配准与适应度评估（point-fitness.py）

功能说明

对点云执行旋转/平移变换，通过RANSAC+ICP完成高精度配准，输出配准适应度Fitness、RMSE，并计算配准后点云到参考网格的距离，用于评估配准精度与零件偏差。

输入输出

• 输入：待配准PLY点云、参考STL网格
• 输出：变换矩阵、配准分数、误差、点云到网格距离统计、配准可视化

命令行参数说明

参数	简写	类型	默认值	说明
--ply_path	-p	string	./High_Speed_Data/Noise_PointCloud/11_noisy.ply	点云路径
--mesh_path	-m	string	./High_Speed_Data/Mesh/11.stl	网格路径
--voxel_size	-v	float	10	配准下采样大小
--no_visualize	—	bool	False	关闭可视化

运行示例

# 完整配准+距离计算
python point-fitness.py -p "High_Speed_Data/Noise_PointCloud/11_noisy.ply" -m "High_Speed_Data/Mesh/11.stl" -v 5

# 无可视化
python point-fitness.py -p "High_Speed_Data/Noise_PointCloud/11_noisy.ply" -m "High_Speed_Data/Mesh/11.stl" --no_visualize

计算说明

1. 支持指定XYZ三轴旋转与随机平移
2. RANSAC粗配准 → ICP精配准
3. 输出Fitness（越高越好）、RMSE（越低越好）

---

八、完整工作流程示例（任务11全流程）

1. CAD转轻量化网格

python CAD2Mesh.py -p 0.5 -i "High_Speed_Data/CAD/11.step" -o "High_Speed_Data/Mesh/11.stl"

2. 点云去噪预处理

python denoise.py -p "High_Speed_Data/PointCloud/11.ply" --noise_std 2.0

3. 平面基准拟合

python plane_estimation.py

4. 曲率特征分析

python curvature_estimation.py --ply_path "High_Speed_Data/PointCloud/11.ply"

5. 轮廓-平整度测量

python Contour_Flatness.py --tasks "11,31,40" --data_root "High_Speed_Data" --excel_output "vis/flatness.xlsx"

6. 点云配准评估

python point-fitness.py -p "High_Speed_Data/Noise_PointCloud/11_noisy.ply" -m "High_Speed_Data/Mesh/11.stl"

---

九、常见问题

1. STEP文件读取失败：检查路径、文件完整性、OCC Core安装
2. 点云读取报错：安装open3d（pip install open3d）
3. CUDA Out of Memory：减小分块大小或降低点云密度
4. 去噪效果差：调小SOR标准差、增大ROR半径
5. 平面拟合失败：提高RANSAC迭代次数、降低距离阈值
6. 配准Fitness低：减小voxel_size，降低旋转/平移幅度
7. 可视化无窗口：服务器环境加--no_visualize参数