The present invention provides a method for segmentation of scattered point cloud the improvement of European based on clustering, relates to point cloud segmentation, this method takes into account the scattered point cloud clutter inherent workpiece and disorder, put forward the corresponding scene segmentation scheme, which comprises the following steps: point cloud preprocessing, background removal, iteration the radius of filtering to remove outliers using RANSAC method; using the method of point cloud registration information template line reference for line segmentation, thereby improving the line segmentation speed; firstly, and then remove the edge point clustering segmentation, edge point finally filled the thought, to avoid the clustering process appear under segmentation or over the segmentation phenomenon in clustering segmentation, clustering method is proposed based on adaptive neighborhood search radius, greatly improves the speed of segmentation, edge point padded retains the workpiece The surface features are helpful to improve the accuracy of subsequent pose determination.
【技术实现步骤摘要】
一种基于改进欧式聚类的散乱工件点云分割方法
本专利技术涉及点云分割领域,尤其涉及一种基于改进欧式聚类的散乱工件点云分割方法。
技术介绍
近年来随着三维扫描设备精度的提高和成本的降低,研究者能够快速精确地获取对象表面的三维点云信息。相对于二维图像,点云包含了对象的深度信息,在目标识别和定位方面具有独特的优势和潜力,因此该项技术在随机箱体抓取(RandomBinPicking,RBP)领域引起了广泛的关注。使用三维扫描设备获取箱体内散乱工件表面点云,结合点云处理算法计算单个工件位姿,引导工业机器人进行抓取,效率更高、速度更快、智能化程度更好。但是,受箱体内工件杂乱性,物体间的重叠、碰撞等因素的影响,如何将单个工件从复杂场景中准确的分离出来,仍是有效抓取面临的主要问题,分割结果的好坏,会直接影响后续位姿定位的准确性。常见的分割算法有基于区域生长的分割、基于模型的分割、基于属性的分割。基于区域生长的点云分割因为效果好,被广泛应用在三维场景重建,逆向工程等领域,但是时间消耗大,不适合解决RBP问题;基于模型的分割方法采用几何图元进行归类,将具有相同数学表示的点归为一类,常用的方法为RANSAC(随机采样一致性)算法。该方法使用纯粹的数学方法,速度快、对于离群点的稳健性好,但是在处理不同来源点云时精度不高;基于属性的分割是将具有相同属性的点归为一类,也称聚类分割,分割结果灵活准确,但是在处理大场景多维点云时的时间消耗大。本专利技术采用编码结构光3D视觉测量系统获取点云,综合考虑该系统获取的点云的特点、分割效果和实时性,基于属性的分割方法效果最好。聚类分割常用的属性如边 ...
【技术保护点】
一种基于改进欧式聚类的散乱工件点云分割方法,其特征在于,步骤如下:(1)对目标点云和模板点云进行相同预处理,通过迭代半径滤波方法去除聚集分布的离群点;(2)对步骤(1)中预处理后的模板点云进行线下信息注册,获取单个工件点云的信息,所述信息包括所述单个工件点云在不同k邻域下点与邻近点之间的平均距离和标准差以及所述单个工件点云在不同r邻域下点与邻近点之间的法线夹角均值;(3)将步骤(2)中所述单个工件点云在不同r邻域下点与邻近点之间的法线夹角均值设置为阀值,将局部邻域法线夹角均值小于阈值的点判定为边缘点,从而分离出目标点云的边缘点和非边缘点,并分别保存成两幅点云;(4)对步骤(3)得到的所述非边缘点点云进行分割,操作如下:将步骤(2)中所述k邻域下点与邻近点之间的平均距离和标准差设定初始邻域搜索半径阈值,将目标点云中点和其k个邻近点的平均距离和所设阈值相比较,根据两者差异确定自适应搜索半径,然后进行聚类,最终将散乱工件点云分割成多个包含单个工件的点云子集。(5)对步骤(4)中所述多个包含单个工件的点云子集筛选聚类,滤除数目过少的子集,得到新的点云子集;(6)对步骤(3)中得到的所述边缘点点 ...
【技术特征摘要】
1.一种基于改进欧式聚类的散乱工件点云分割方法,其特征在于,步骤如下:(1)对目标点云和模板点云进行相同预处理,通过迭代半径滤波方法去除聚集分布的离群点;(2)对步骤(1)中预处理后的模板点云进行线下信息注册,获取单个工件点云的信息,所述信息包括所述单个工件点云在不同k邻域下点与邻近点之间的平均距离和标准差以及所述单个工件点云在不同r邻域下点与邻近点之间的法线夹角均值;(3)将步骤(2)中所述单个工件点云在不同r邻域下点与邻近点之间的法线夹角均值设置为阀值,将局部邻域法线夹角均值小于阈值的点判定为边缘点,从而分离出目标点云的边缘点和非边缘点,并分别保存成两幅点云;(4)对步骤(3)得到的所述非边缘点点云进行分割,操作如下:将步骤(2)中所述k邻域下点与邻近点之间的平均距离和标准差设定初始邻域搜索半径阈值,将目标点云中点和其k个邻近点的平均距离和所设阈值相比较,根据两者差异确定自适应搜索半径,然后进行聚类,最终将散乱工件点云分割成多个包含单个工件的点云子集。(5)对步骤(4)中所述多个包含单个工件的点云子集筛选聚类,滤除数目过少的子集,得到新的点云子集;(6)对步骤(3)中得到的所述边缘点点云集中搜索属于它的边缘点并归入步骤(5)所述新的点云子集进行边缘点补齐,最终完成散乱工件点云分割。2.根据权利要求1所述的一种基于改进欧式聚类的散乱工件点云分割方法,其特征在于,所述步骤(1)中通过迭代半径滤波方法去除聚集分布的离群点,其过程如下:第一步,采用kd树建立无序点云点与点之间的拓扑关系,实现单个点邻近点的快速查找;第二步,对点云中任意一点pi,搜索其r邻域半径内的邻近点集合将k值大小和预先设定的点云密度阈值nth比较,若k<nth,则点pi判定为离群点,并从点云中移除;对于少数聚集分布的离群点,在不改变邻域半径大小的情况下进行多次重复滤波,直到滤波前后点云的数目相等终止滤波。3.根据权利要求1所述的一种基于改进欧式聚类的散乱工件点云分割方法,其特征在于,所述步骤(2)中进行模板点云进行线下信息注册,其过程如下:...
【专利技术属性】
技术研发人员:白瑞林,田青华,李杜,
申请(专利权)人:无锡信捷电气股份有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。