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！

龙图腾网获悉大连理工大学申请的专利一种基于点云聚类的表面缺陷检测方法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：CN116385389B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310334026.9，技术领域涉及：G06T7/00；该发明授权一种基于点云聚类的表面缺陷检测方法是由刘行健;叶济东;王悦;刘海波;王永青;郭东明设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本一种基于点云聚类的表面缺陷检测方法在说明书摘要公布了：本发明提供一种基于点云聚类的表面缺陷检测方法，属于检测技术与自动化装置领域。本发明充分利用三维点云高精确度、高信息量的特性，通过分析表面缺陷区域局部点密度特征变化，利用区域点KNN特征值，快速从点云中定位缺陷大致位置；利用区域点KNN特征值计算过程数据，预测当前点云聚类分割DBSCAN的输入参数，实现表面缺陷点云的自动化聚类分离。本发明实现了无需手动调参的自动化缺陷检测流程，并且在效率和准确度上具备较大优势。

本发明授权一种基于点云聚类的表面缺陷检测方法在权利要求书中公布了：1.一种基于点云聚类的表面缺陷检测方法，其特征在于，所述的检测方法利用三维点云高精确度、高信息量的特性，通过分析表面缺陷区域局部点密度特征变化，利用区域点KNN特征值，快速从点云中定位缺陷大致位置；利用区域点KNN特征值计算过程数据，预测当前点云聚类分割DBSCAN的输入参数，实现表面缺陷的自动化聚类分离； 包括如下步骤： S1：获取待测表面点云并进行待测表面点云预处理，去除原始点云中的游离噪声点；根据待测表面在和方向上的最长边长和点云密度，将待测表面点云划分为个大小的子区块及其对应点集合； S2：对于步骤S1中分割的每个区块，逐个访问区块内点,按距离从小到大排序，取距离最小的前个点其中为目标邻域点数量，计算点与点之间的欧氏距离，取其平均值为该点的KNN特征值；通过将区块内全点依照KNN特征值大小从低到高进行排列，获得该区块的KNN特征曲线，并依照KNN特征曲线形态特征判定区块是否存在表面缺陷，得到缺陷区块和非缺陷区块，进行预定位，并对其中缺陷区块进行标记； S3：利用步骤S2中获得的所有非缺陷区块的密度特征，计算参数和； S4：对于步骤S2中标记的所有个缺陷区块，将步骤S3得到的参数和作为DBSCAN的输入参数，采用DBSCAN密度聚类算法分离个有缺陷区块中的非缺陷点云和缺陷点云，进行精确定位，实现待测表面缺陷检测。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。