一种基于改进欧式聚类的散乱工件点云分割方法技术

技术编号:16606200 阅读:26 留言:0更新日期:2017-11-22 16:13
本发明专利技术提供了一种基于改进欧式聚类的散乱工件点云分割方法,涉及点云分割领域,该方法考虑到散乱工件点云固有的杂乱性和无序性,提出相应的场景分割方案,具体步骤为:对点云进行预处理,包括使用RANSAC法去除背景点、迭代半径滤波法去除离群点;采用线下模板点云的信息注册方法为线上分割提供参数选取依据,从而提高了线上分割的速度;提出先去除边缘点、再聚类分割、最后补齐边缘点的思想,避免了聚类过程中出现欠分割或过分割的现象,在聚类分割时,提出基于自适应邻域搜索半径的聚类方法,大大提高了分割速度,边缘点补齐则保留了工件的表面特征,有利于提高后续位姿定位准确性。

A segmentation method of scattered workpiece point cloud based on improved Euclidean clustering

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缘、欧式距离、表面法线等,其中基于欧式距离的聚类分割速度最快,满足工业生产的实时性要求。欧式聚类算法根据点与点之间的欧氏距离进行归类,将距离小于阈值的点归为当前类,但该方法需要手动设置点与点之间的距离阈值,阈值过大过小会导致不同程度的欠分割和过分割,对分割的效果造成影响。
技术实现思路
本专利技术为实现散乱工件点云的分割,提供了一种基于改进欧式聚类的散乱工件点云分割方法,该方法在满足实时性要求的同时,能很好的分割出单个目标工件,且最大程度上保留了工件表面的特征。为了达到此目的,本专利技术提供的技术方案实现如下:一种基于改进欧式聚类的散乱工件点云分割方法,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。进一步地,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。进一步地,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:第一步,设模板点云有n个数据点,构建模板点云kd树,对任意一点qi∈Q,搜索其r邻域半径内的所有邻近点,得到邻近点集合将集合内点个数记作单个点密度,遍历点云中的所有点,取平均值,得到模板点云的平均密度;第二步,对任意一点qi∈Q,搜索距离其最近的k个邻近点,记作{qi1,qi2,…qik},计算每个邻近点距qi点的平均距离如下式所示;其中dij表示第j个邻近点到qi的距离,遍历点云Q中所有的点,得到n个平均距离值,根据下式求得点云Q在k邻域下的平均距离均值和标准差;第三步,采用PCA(主成分分析法)求取点云中所有点的法线,具体步骤是:对任意一点qi∈Q,构建其k邻近点{qi1,qi2,…qik}对应的协方差矩阵M:其中表示最邻近元素的三维质心,λi和vi分别代表协方差矩阵的特征值和特征向量,λ0≤λ1≤λ2。特征向量所在的平面互相正交;具有最小特征值的特征向量即qi点的法线,记作点qi的k邻近点对应法线分别为根据如下公式:计算得到qi点与k邻近点法线夹角的均值、点云Q的k邻域法线夹角均值。本专利技术的有益效果:提供了一种基于改进欧式聚类的散乱工件点云分割方法,该方法能够快速高效地将箱体内散乱堆放工件点云分割成多个包含单个工件的点云子集,同时尽可能地保留工件表面的特征,为后续工件的定位和抓取奠定良好的基础。为了去除点云中的离群点,在基于邻域半径内点云密度的基础上,引入迭代思想,提出迭代半径滤波方法,去除少数聚集分布的离群点,提高了离群点去除的效率;线下处理阶段,对模板点云进行信息注册,为在线分割提供参数选取依据,提高了分割结果的准确性;在线点云分割阶段,通过边缘点去除和补齐避免欧式聚类容易出现欠分割或过分割的现象,保证了分割的效率,自适应搜索半径的欧式聚类方法,大大提高了分割速度。附图说明图1是本专利技术的整体流程图图2是搜索半径自适应的聚类分割算法流程图具体实施方式为了更清楚的说明本专利技术的技术方案和优点,下面结合具体实施例,并参附图,阐述本专利技术的具体实施方式。本专利技术的目的是将箱体内散乱堆放工件点云分割成多个包含单个工件的点云子集,主要流程分成以下五个部分:点云预处理、模板点云线下信息注册、目标点云边缘点提取、基于自适应邻域搜索半径的聚类分割、边缘点补齐,如图1所示。具体实现步骤为:(1)点云预处理(以目标点云P为例)(1.1)采用随机采样一致性算法计算箱体底部平面方程,将点云中接近箱底平面的点去除。(1.2)迭代半径滤波方法去除离群点的思想是:首先采用kd树邻近点搜索算法建立无序点云P点与点之间的拓扑关系,实现邻近点的快速查找;然后,对任意一点pi∈P,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P中移除,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。(1.3)对去除离群点后的点云使用栅格法进行降采样,根据点云在三个维度上最小包围盒和点云分辨率定义单个体素网格大小,用距离重心最近的点代替体素网格内所本文档来自技高网
...
一种基于改进欧式聚类的散乱工件点云分割方法

【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。...

【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

网友询问留言 已有0条评论
  • 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。

1