本发明涉及非金属结构件图像处理领域，具体涉及一种大型非金属结构件生产管理方法。
背景技术：
1、大型非金属结构件是一种在工业和建筑领域中使用的体积庞大、结构复杂的零部件或构件，主要由非金属材料构成。这些结构件通常需要考虑复杂的设计要求、材料选择、制造工艺和安装过程，因此对其进行生产管理具有非常重要的意义。其中，生产完成后的质量检验和测量是生产管理中最关键的一步，在该步骤中通常会利用计算机视觉技术构建结构件的表面模型，并与设计模型进行比对来验证生产件的尺寸和形状是否符合要求，检测可能存在缺陷或偏差，以保障产品的品质和可靠性。
2、对大型非金属结构件进行表面集合重建时，往往需要对其进行多角度拍摄并将图像进行特征点匹配以获取相应的表面模型。常规方法中通常采用特征点匹配算法对其表面图像进行特征点匹配，从而快速地完成图像的匹配，并较为准确地描述结构件的表面形态。然而大型非金属结构件大多具有复杂的表面结构和几何形状，有些可能还存在凹凸、曲折的特殊表面，因此其外观在不同视角下会表现出显著的差异，图像中的特征点也可能会有较大的差异；此外，受到表面复杂结构的影响，多角度拍摄下的光照条件也可能存在差异，而特征点匹配算法对光照变化较为敏感，导致不同图像中提取到的特征点数量与质量不同，最终造成特征点的匹配困难，无法得到准确的匹配效果，进而导致重建的非金属结构件表面模型不够准确，在后续生产质量检测中存在偏差。
技术实现思路
1、为了解决大型非金属结构件图像会受到自身表面复杂结构的影响，导致不同角度的非金属结构件图像提取到的特征点数量与质量不同，从而导致特征点匹配困难，无法得到准确的图像匹配效果，进而导致重建的非金属结构件表面模型不够准确，在后续生产质量检测中存在偏差的技术问题，本发明的目的在于提供一种大型非金属结构件生产管理方法，所采用的技术方案具体如下：一种大型非金属结构件生产管理方法，所述方法包括：采集非金属结构件在所有角度的非金属结构件图像；任选一幅非金属结构件图像中任意一个像素点作为参考像素点；根据参考像素点与预设第一邻域内其他像素点之间的灰度差异与梯度方向差异，获得所述参考像素点的像素特征值；根据所述像素特征值获得每幅非金属结构件图像中的特征点；任选一幅非金属结构件图像中任意一个特征点作为参考特征点；根据参考特征点预设第二邻域内其他特征点的像素特征值以及分布特征，获得参考特征点的特征描述子；根据任意两幅非金属结构件图像中特征点之间的特征描述子差异特征，获得特征点之间的初始特征相似度；根据所述特征相似度获得任意两幅非金属结构件图像中的预设第一数量对匹配特征点对；根据预设第一数量个匹配特征点对在各自非金属结构件图像中的灰度分布以及位置分布，获得任意两幅非金属结构件图像的特征变化程度；根据所述特征变化程度对所述初始特征相似度进行修正，获得任意两幅非金属结构件图像中的所有特征点之间的最终特征相似度；
2、根据所述最终特征相似度进行非金属结构件图像的匹配；根据匹配结果获得非金属结构件的结构表面模型；根据所述结构表面模型对非金属结构件进行生产管理。
3、进一步地，所述像素特征值的获取方法包括：根据像素特征值计算公式获取所述像素特征值，所述像素特征值计算公式如下所示： 式中，表示参考像素点的像素特征值；表示预设第一邻域内的其他像素点数量；表示参考像素点的灰度值；表示预设第一邻域内的第个其他像素点的灰度值；表示参考像素点的梯度方向角；表示预设第一邻域内的第个其他像素点的梯度方向角；表示预设第一邻域内的第个其他像素点与参考像素点之间的距离。
4、进一步地，所述特征描述子的获取方法包括：将每幅非金属结构件图像中像素特征值不小于预设第一阈值的所有像素点作为每幅非金属结构件图像中特征点，任选一幅非金属结构件图像中任意一个特征点作为参考特征点；在参考特征点预设第二邻域内选取预设第二数量个像素特征值最高的所有其他特征点作为待分析特征点组；根据待分析特征点组内待分析特征点的分布特征将所有待分析特征点进行排序；根据待分析特征点组内待分析特征点的像素特征值以及分布特征，获得参考特征点的特征描述子，计算公式如下所示：
5、
6、
7、 式中，表示参考特征点的特征描述子中的亮度特征描述子；表示第1个待分析特征点的像素特征值；表示第2个待分析特征点的像素特征值；表示第个待分析特征点的像素特征值；表示第个待分析特征点的像素特征值；表示参考特征点的特征描述子中的尺度特征描述子；表示第1个待分析特征点与参考特征点之间的距离；表示第个待分析特征点与参考特征点之间的距离；表示参考特征点的特征描述子中的角度特征描述子；表示第1个待分析特征点、第2个待分析特征点与参考特征点之间连线的夹角；表示第个待分析特征点、第个待分析特征点与参考特征点之间连线的夹角。
8、将所述亮度特征描述子、所述尺度特征描述子与所述角度特征描述子组成所述特征描述子。
9、进一步地，所述初始特征相似度的获取方法包括：根据初始特征相似度计算公式获取所述初始特征相似度，所述初始特征相似度计算公式如下所示：
10、
11、式中，表示第幅非金属结构件图像与第幅非金属结构件图像中特征点之间的亮度特征初始相似度；表示特征点预设第二邻域内待分析特征点的预设第二数量；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点的像素特征值；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点的像素特征值；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点的像素特征值；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点的像素特征值；表示第幅非金属结构件图像与第幅非金属结构件图像中特征点之间的尺度特征初始相似度；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点距离预设第二邻域中心特征点之间的距离；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点距离预设第二邻域中心特征点之间的距离；表示第幅非金属结构件图像与第幅非金属结构件图像中特征点之间的角度特征初始相似度；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点、第个待分析特征点与预设第二邻域中心特征点之间连线的夹角；表示第幅非金属结构件图像中预设第二邻域内第个待分析特征点、第个待分析特征点与预设第二邻域中心特征点之间连线的夹角；表示第幅非金属结构件图像与第幅非金属结构件图像中特征点之间的初始特征相似度。
12、进一步地，所述匹配特征点对的获取方法包括：将初始特征相似度大于预设第二阈值的任意两幅非金属结构件图像的两个特征点组成匹配特征点对。
13、进一步地，所述特征变化程度的获取方法包括：根据所有匹配特征点对在各自非金属结构件图像中的特征点分布特征，获得所有匹配特征点对在各自非金属结构件图像中的中心特征点；将所有匹配特征点对按照匹配特征点对中特征点的像素特征值均值从大到小进行排序；根据特征变化程度计算公式获取所述特征变化程度，所述特征变化程度计算公式如下所示： 式中，表示第幅非金属结构件图像与第幅非金属结构件图像之间的亮度特征变化程度；表示第幅非金属结构件图像与第幅非金属结构件图像的匹配特征点对的数量；表示匹配特征点对在第幅非金属结构件图像中的特征点之间的灰度值一阶差分；表示匹配特征点对在第幅非金属结构件图像中的特征点之间的灰度值一阶差分；表示第幅非金属结构件图像与第幅非金属结构件图像之间的尺度特征变化程度；表示第个与第个匹配特征点对在第幅非金属结构件图像中的特征点之间的距离；表示第个与第个匹配特征点对在第幅非金属结构件图像中的特征点之间的距离；表示第幅非金属结构件图像与第幅非金属结构件图像之间的角度特征变化程度；表示第个与第个匹配特征点对在第幅非金属结构件图像中的特征点与中心特征点之间的连线夹角角度；表示第个与第个匹配特征点对在第幅非金属结构件图像中的特征点与中心特征点之间的连线夹角角度；表示绝对值函数；表示归一化函数。
14、将亮度特征变化程度、尺度特征变化程度与角度特征变化程度组合，作为任意两幅非金属结构件图像的特征变化程度。
15、进一步地，所述最终特征相似度的获取方法包括：根据最终特征相似度计算公式获取所述最终特征相似度，所述最终特征相似度计算公式如下所示： 式中，表示任意两幅非金属结构件图像中特征点之间的最终特征相似度；表示特征点之间的亮度特征初始相似度；表示任意两幅非金属结构件图像之间的亮度特征变化程度；表示任意两幅非金属结构件图像之间的尺度特征变化程度；表示任意两幅非金属结构件图像之间的角度特征变化程度；表示特征点之间的尺度特征初始相似度；表示特征点之间的角度特征初始相似度；表示归一化函数。
16、一种大型非金属结构件生产管理系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述一种大型非金属结构件生产管理方法的步骤。
17、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述一种大型非金属结构件生产管理方法的步骤。
18、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述一种大型非金属结构件生产管理方法的步骤。
19、本发明具有如下有益效果：本发明采集所有角度的非金属结构件图像，以便于后续获取非金属结构件详细的结构信息；由于图像中有些特征点在拍摄角度发生变化时容易受到光照因素影响从而导致灰度特征发生较大变化，为了对特征点进行识别，所以分析参考像素点与预设第一邻域内像素点之间的灰度差异与梯度方向差异，获得参考像素点的像素特征值；进而得到每幅图像中的特征点；由于不同拍摄角度会导致相同位置的特征点灰度特征发生较大变化，所以在进行特征点匹配之前，要结合每个特征点所处的位置特征与角度特征，获得特征点的特征描述子；由于当结构件表面复杂程度较高时，特征点描述子在特征点匹配时可能会受到干扰，所以需要将不容易受到干扰的特征点的权重进行增加，获得初始特征相似度；由于两幅非金属结构件图像之间存在灰度差异、尺度距离差异以及视角差异，所以需要在进行匹配的两个特征点在各自非金属结构件图像中的灰度特征差异与分布特征差异进行分析，获得两幅非金属结构件图像之间的特征变化程度；所以利用特征变化程度对初始特征相似度进行修正，获得任意两幅非金属结构件图像中的所有特征点之间的最终特征相似度；根据最终特征相似度进行非金属结构件图像的匹配；根据匹配结果获得非金属结构件的结构表面模型；对结构表面模型进行生产管理。本发明能够对特征点进行较为准确的匹配，从而得到较好的图像匹配效果，进而能够得到完整的结构表面模型，从而得到准确的生产质量检测结果。
1.一种大型非金属结构件生产管理方法，其特征在于，所述方法包括：采集非金属结构件在所有角度的非金属结构件图像；任选一幅非金属结构件图像中任意一个像素点作为参考像素点；根据参考像素点与预设第一邻域内其他像素点之间的灰度差异与梯度方向差异，获得所述参考像素点的像素特征值；根据所述像素特征值获得每幅非金属结构件图像中的特征点；任选一幅非金属结构件图像中任意一个特征点作为参考特征点；根据参考特征点预设第二邻域内其他特征点的像素特征值以及分布特征，获得参考特征点的特征描述子；根据任意两幅非金属结构件图像中特征点之间的特征描述子差异特征，获得特征点之间的初始特征相似度；根据所述特征相似度获得任意两幅非金属结构件图像中的预设第一数量对匹配特征点对；根据预设第一数量个匹配特征点对在各自非金属结构件图像中的灰度分布以及位置分布，获得任意两幅非金属结构件图像的特征变化程度；根据所述特征变化程度对所述初始特征相似度进行修正，获得任意两幅非金属结构件图像中的所有特征点之间的最终特征相似度；根据所述最终特征相似度进行非金属结构件图像的匹配；根据匹配结果获得非金属结构件的结构表面模型；根据所述结构表面模型对非金属结构件进行生产管理。
2.根据权利要求1所述的一种大型非金属结构件生产管理方法，其特征在于，所述像素特征值的获取方法包括：根据像素特征值计算公式获取所述像素特征值，所述像素特征值计算公式如下所示：
3.根据权利要求1所述的一种大型非金属结构件生产管理方法，其特征在于，所述特征描述子的获取方法包括：将每幅非金属结构件图像中像素特征值不小于预设第一阈值的所有像素点作为每幅非金属结构件图像中特征点，任选一幅非金属结构件图像中任意一个特征点作为参考特征点；在参考特征点预设第二邻域内选取预设第二数量个像素特征值最高的所有其他特征点作为待分析特征点组；根据待分析特征点组内待分析特征点的分布特征将所有待分析特征点进行排序；根据待分析特征点组内待分析特征点的像素特征值以及分布特征，获得参考特征点的特征描述子，计算公式如下所示：
4.根据权利要求1所述的一种大型非金属结构件生产管理方法，其特征在于，所述初始特征相似度的获取方法包括：根据初始特征相似度计算公式获取所述初始特征相似度，所述初始特征相似度计算公式如下所示：
5.根据权利要求1所述的一种大型非金属结构件生产管理方法，其特征在于，所述匹配特征点对的获取方法包括：将初始特征相似度大于预设第二阈值的任意两幅非金属结构件图像的两个特征点组成匹配特征点对。
6.根据权利要求1所述的一种大型非金属结构件生产管理方法，其特征在于，所述特征变化程度的获取方法包括：根据所有匹配特征点对在各自非金属结构件图像中的特征点分布特征，获得所有匹配特征点对在各自非金属结构件图像中的中心特征点；将所有匹配特征点对按照匹配特征点对中特征点的像素特征值均值从大到小进行排序；根据特征变化程度计算公式获取所述特征变化程度，所述特征变化程度计算公式如下所示：
7.根据权利要求1所述的一种大型非金属结构件生产管理方法，其特征在于，所述最终特征相似度的获取方法包括：根据最终特征相似度计算公式获取所述最终特征相似度，所述最终特征相似度计算公式如下所示：
8.一种大型非金属结构件生产管理系统，所述系统包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1~7任意一项所述一种大型非金属结构件生产管理方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种大型非金属结构件生产管理方法的步骤。
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述一种大型非金属结构件生产管理方法的步骤。
