本申请涉及飞机制造，提供一种线束弯曲半径测量方法、装置、设备及介质。
背景技术：
1、众所周知，在飞机装机线束的质量管控中，若是装机线束弯曲半径过小，则不仅不符合设计要求，还有可能会导致线束折断，进而引发飞机安全风险，因此，准确测量装机线束弯曲半径是确保整体产品质量至关重要的一环。在传统方法中，常采用“量规比对”的方式来测量装机线束弯曲半径，然而，这种测量方式存在操作耗时长、效率低、精度不高和易出错等问题。
2、因此，如何更为准确、高效地测量线束弯曲半径成了目前亟待解决的问题。
技术实现思路
1、本申请提供一种线束弯曲半径测量方法、装置、设备及介质，用于解决现有技术测量线束弯曲半径效率低和准确性差的问题。
2、一方面，提供一种线束弯曲半径测量方法，所述方法包括：
3、采用双目结构光相机对目标线束进行图像采集，获得二维图像及对应的目标三维点云数据；
4、将所述二维图像及对应的目标三维点云数据输入训练好的图像分割模型，获得所述目标线束的多个轮廓点；其中，所述训练好的图像分割模型是基于卷积神经网络的实例分割模型生成的；
5、对所述多个轮廓点进行特征点提取，获得所述目标线束的两侧线束轮廓各自对应的两个特征点；
6、根据所述两侧线束轮廓各自对应的两个特征点，计算所述两侧线束轮廓各自对应的弯曲半径；
7、根据所述两侧线束轮廓各自对应的弯曲半径，计算所述目标线束的弯曲半径。
8、可选的，在采用双目结构光相机对目标线束进行图像采集，获得二维图像及对应的目标三维点云数据之前，所述方法还包括：
9、采用所述双目结构光相机从不同角度和距离对待检测线束进行图像采集，获得多张采集图像；
10、将所述多张采集图像批量导入分割标注软件，对所述多张采集图像中的线束轮廓进行标注，获得多张标注后的采集图像；
11、采用所述多张标注后的采集图像对初始图像分割模型进行训练，获得训练好的图像分割模型。
12、可选的，所述采用双目结构光相机对目标线束进行图像采集，获得二维图像及对应的目标三维点云数据的步骤，包括：
13、采用双目结构光相机对目标线束进行图像采集，获得所述二维图像和对应的初始三维点云数据；
14、对所述初始三维点云数据进行过滤，获得目标三维点云数据；
15、将所述二维图像与所述目标三维点云数据进行匹配和对齐，获得匹配后的二维图像；
16、将所述匹配后的二维图像和所述目标三维点云数据进行存储。
17、可选的，所述将所述匹配后的二维图像和所述目标三维点云数据进行存储的步骤，包括：
18、将所述匹配后的二维图像按原始尺寸和png格式进行存储；
19、将所述目标三维点云数据按xyz格式存储在预设数据结构中。
20、可选的，所述对所述多个轮廓点进行特征点提取，获得所述目标线束的两侧线束轮廓各自对应的两个特征点的步骤，包括：
21、针对任两个相邻轮廓点，确定所述任两个相邻轮廓点对应的轮廓点向量的方向；
22、针对任两个相邻的轮廓点向量的方向，确定所述任两个相邻的轮廓点向量的角度变化量；
23、采用k均值聚类方法对所述多个轮廓点进行聚类分析，确定多个第一轮廓点分组；其中，所述第一轮廓点分组中包括所述目标线束的两侧线束轮廓的轮廓点与其他点；
24、对所述多个第一轮廓点分组进行异常点去除，获取多个第二轮廓点分组；
25、根据所有任两个相邻的轮廓点向量的角度变化量，对所述多个第二轮廓点分组进行特征点提取，获得所述目标线束的两侧线束轮廓各自对应的两个特征点；其中，所述特征点为端点或拐点。
26、可选的，所述根据所述两侧线束轮廓各自对应的两个特征点，计算所述两侧线束轮廓各自对应的弯曲半径的步骤，包括：
27、根据所述两侧线束轮廓各自对应的两个特征点，按顺序提取所述两侧线束轮廓的关键点，确定所述目标线束对应的第一段线束轮廓和第二段线束轮廓；其中，所述第一段线束轮廓和所述第二段线束轮廓分别位于所述目标线束的两侧；
28、采用曲线拟合或曲率计算方法，计算所述第一段线束轮廓的弯曲半径；
29、采用曲线拟合或曲率计算方法，计算所述第二段线束轮廓的弯曲半径。
30、可选的，所述根据所述两侧线束轮廓各自对应的弯曲半径，计算所述目标线束的弯曲半径的步骤，包括：
31、对所述第一段线束轮廓和所述第二段线束轮廓的弯曲半径取平均，计算所述目标线束的弯曲半径。
32、一方面，提供一种线束弯曲半径测量装置，所述装置包括：
33、点云数据获得单元，用于采用双目结构光相机对目标线束进行图像采集，获得二维图像及对应的目标三维点云数据；
34、轮廓点获得单元，用于将所述二维图像及对应的目标三维点云数据输入训练好的图像分割模型，获得所述目标线束的多个轮廓点；其中，所述训练好的图像分割模型是基于卷积神经网络的实例分割模型生成的；
35、特征点获得单元，用于对所述多个轮廓点进行特征点提取，获得所述目标线束的两侧线束轮廓各自对应的两个特征点；
36、第一弯曲半径计算单元，用于根据所述两侧线束轮廓各自对应的两个特征点，计算所述两侧线束轮廓各自对应的弯曲半径；
37、第二弯曲半径计算单元，用于根据所述两侧线束轮廓各自对应的弯曲半径，计算所述目标线束的弯曲半径。
38、一方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种方法。
39、一方面，提供一种计算机存储介质，其上存储有计算机程序指令，该计算机程序指令被处理器执行时实现上述任一种方法。
40、与现有技术相比，本申请的有益效果为：
41、在本申请实施例中，在线束弯曲半径进行测量时，首先，可以采用双目结构光相机对目标线束进行图像采集，来获得二维图像及对应的目标三维点云数据；然后，可以将二维图像及对应的目标三维点云数据输入训练好的图像分割模型，来获得目标线束的多个轮廓点；其中，训练好的图像分割模型是基于卷积神经网络的实例分割模型生成的；接下来，可以对多个轮廓点进行特征点提取，获得目标线束的两侧线束轮廓各自对应的两个特征点；然后，根据两侧线束轮廓各自对应的两个特征点，来计算两侧线束轮廓各自对应的弯曲半径；最后，可以根据两侧线束轮廓各自对应的弯曲半径，来计算目标线束的弯曲半径。因此，在本申请实施例中，由于采用“双目结构光相机”对目标线束进行图像采集，来获得二维图像及对应的目标三维点云数据，并通过训练好的图像分割模型来识别并提取线束轮廓点，来计算出目标线束的弯曲半径，即，本申请通过结合双目视觉与结构光技术，来克服了传统“量规比对”方法的限制，实现了对线束弯曲半径更为准确、高效的测量。
1.一种线束弯曲半径测量方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，在采用双目结构光相机对目标线束进行图像采集，获得二维图像及对应的目标三维点云数据之前，所述方法还包括：
3.如权利要求1所述的方法，其特征在于，所述采用双目结构光相机对目标线束进行图像采集，获得二维图像及对应的目标三维点云数据的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述将所述匹配后的二维图像和所述目标三维点云数据进行存储的步骤，包括：
5.如权利要求1所述的方法，其特征在于，所述对所述多个轮廓点进行特征点提取，获得所述目标线束的两侧线束轮廓各自对应的两个特征点的步骤，包括：
6.如权利要求1所述的方法，其特征在于，所述根据所述两侧线束轮廓各自对应的两个特征点，计算所述两侧线束轮廓各自对应的弯曲半径的步骤，包括：
7.如权利要求6所述的方法，其特征在于，所述根据所述两侧线束轮廓各自对应的弯曲半径，计算所述目标线束的弯曲半径的步骤，包括：
8.一种线束弯曲半径测量装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述设备包括：
10.一种存储介质，其特征在于，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1-7中任一所述的方法。
