模具深度检测

方案 1

1. 通过RGB图像将样品模具按编号进行分类（使用深度学习图像分类，或OCR字符识别编号以区分模具，或手动输入编号挑选模具）
2. 通过工业级线激光3D相机拍摄模具的点云图（也获得了深度图）
3. 使用高斯球算法对点云图进行区域分割（深度相同的区域划分为一组，得到不同深度的多组区域）
4. 分割后得到每个区域的深度信息，将其与正品模具的深度信息一一对比，从而判断样品模具在该区域是否堵塞

方案 2

1. 给所有正品模具拍摄RGB图和点云图，手动设置每个区域的标定点，将图，标定点的坐标与该区域标定点深度（由点云图得到）的均值做持久化存储
2. 通过RGB图像将样品模具按编号进行分类（使用深度学习图像分类，或OCR字符识别编号以区分模具，或手动输入编号挑选模具），
3. 通过工业级线激光3D相机拍摄模具的点云图（也获得了深度图）
4. 从数据库中调出正品模具的RGB图和标定点的深度均值，通过对齐样品的RGB图像与正品的RGB图像得出仿射矩阵$H$
5. $H$乘以正品标定坐标得到样品标定坐标，在样品点云图上通过样品标定的坐标读取深度，并与正品中该标定坐标的深度做比较以判断是否堵塞

方案 3

Demo

8张模具跑算法，测试该批模具编号的识准率

硬件可行性分析

激光3D相机