基于贝叶斯优化的点云配准方法、系统及可读存储介质技术方案

本发明专利技术公开了一种基于贝叶斯优化的点云配准方法、系统及可读存储介质，该方法包括步骤：获取目标对象的轮廓点云和模板轮廓点云；构建初始数据集；根据贝叶斯优化算法，选取初始角度；根据初始角度，将轮廓点云进行旋转和平移，得到新的轮廓点云；将新的轮廓点云与模板轮廓点云进行ICP配准计算，得到适应度；并基于所述第一适应度，提取目标对象的旋转参数和平移参数，以估计所述目标对象的位姿。本发明专利技术利用目标对象的轮廓点云，基于贝叶斯优化算法，进行配准寻优，找到目标对象较为优化的初始位姿，以便机器人根据初始位姿调整拾取动作，快速完成目标对象的拾取。

【技术实现步骤摘要】
基于贝叶斯优化的点云配准方法、系统及可读存储介质
本专利技术涉及机器人
，尤其涉及一种基于贝叶斯优化的点云配准方法、系统及可读存储介质。
技术介绍
在日常生产中，采用机器人拾取散乱零件等物件可以大大提高生产效率，而机器人自动拾取的原理是获取待拾取目标的待匹配点云，通过待匹配点云和模板点云的准确配准，可以准确估计待拾取目标的位姿，进而引导机器人的机械臂进行拾取操作。从这里可看出，在机器人拾取目标的过程中，对配准的准确性要求很高。目前，最近迭代(ICP)算法是应用最为广泛的配准算法，但是ICP算法对初值的要求比较高，需要两点云之间确定一个良好的初始姿态，否则会造成迭代不收敛或陷入局部最优解的情况，最终导致误配准或不收敛。ICP的改进算法大多依赖从点云数据中提取的特征点或轮廓曲线等人为引入特征标签，普遍存在鲁棒性不够稳定、速度较慢等问题，因此，寻找一个高效的优化ICP算法对三维点云图像配准问题十分必要。
技术实现思路
本专利技术的主要目的在于提出一种基于贝叶斯优化的点云配准方法、系统及可读存储介质，旨在解决现有三维点云图像配准速度较慢，导致机器人拾取效率慢的技术问题。为实现上述目的，本专利技术提供了一种基于贝叶斯优化的点云配准方法，所述基于贝叶斯优化的点云配准方法包括：获取目标对象的点云和所述目标对象对应的模板点云，并分别提取所述目标对象的点云的第一轮廓点云和所述模板点云的模板轮廓点云；根据所述第一轮廓点云和所述模板轮廓点云，构建初始数据集；基于所述初始数据集，根据贝叶斯优化算法，选取初始角度；根据所述初始角度，将所述第一轮廓点云绕XYZ轴进行旋转，得到第二轮廓点云；计算所述第二轮廓点云和所述模板点云的重心，平移所述第二轮廓点云，使所述第二轮廓的重心与所述模板点云的重心重叠；将所述第二轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算第一适应度；基于所述第一适应度，提取所述目标对象的旋转参数和平移参数，并根据所述旋转参数和所述平移参数，估计所述目标对象的位姿。优选地，所述根据所述第一轮廓点云和所述模板轮廓点云，构建初始数据集的步骤包括：将所述第一轮廓点云绕XYZ轴分别旋转随机角度，得到第三轮廓点云；将所述第三轮廓点云与模板轮廓点云进行ICP配准计算，迭代第二预设次数后，计算第二适应度；重复执行上述步骤三次，得到初始数据集。优选地，所述将所述第二轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算第一适应度的步骤之后，所述方法还包括：确定所述第一适应度是否小于所述预设最大适应度阈值；若是，则执行提取所述目标对象的旋转参数和平移参数，并根据所述旋转参数和所述平移参数，估计所述目标对象的位姿的步骤。优选地，所述确定所述第一适应度是否小于所述预设最大适应度阈值的步骤之后，所述方法还包括：若否，则根据所述初始角度和所述第一适应度，更新初始数据集，获得更新后的数据集；基于所述更新后的数据集，寻优循环，直至得到的适应度小于所述预设最大适应度阈值，其中寻优循环为：循环执行基于所述更新后的数据集，根据贝叶斯优化算法，选取下一角度，并将所述第一轮廓点云绕XYZ轴分别旋转所述角度，得到下一轮廓点云；计算所述轮廓点云和所述模板点云的重心，平移所述轮廓点云，使所述第二轮廓的重心与所述模板点云的重心重叠；将所述轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算适应度的步骤。优选地，在寻优循环的过程中，所述方法还包括：确定寻优循环的循环次数是否小于预设的寻优次数；若是，则继续执行基于所述更新后的数据集，寻优循环，直至得到适应度小于所述预设最大适应度阈值的步骤。优选地，所述确定寻优循环的循环次数是否小于预设的寻优次数的步骤之后，所述方法还包括：若否，则寻优循环结束，点云配准流程结束，获取下一目标对象。优选地，所述基于所述初始数据集，根据贝叶斯优化算法，选取初始角度的步骤包括：基于所述初始数据集，构建高斯过程的回归模型，并基于所述回归模型，确定贝叶斯优化算法的获取函数；基于贝叶斯优化算法，通过对所述获取函数的最大优化，选择初始角度。优选地，所述基于所述初始数据集，构建高斯过程的回归模型，并根据所述回归模型，确定贝叶斯优化算法的获取函数的步骤包括：基于所述初始数据集，构建高斯过程的回归模型，并预测所述目标对象对应旋转的未知角度的均值和标准差；根据所述均值和所述标准差，确定贝叶斯优化算法的获取函数。此外，为实现上述目的，本专利技术还提供一种系统，所述系统包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于贝叶斯优化的点云配准程序，所述程序被所述处理器执行时实现如上所述的基于贝叶斯优化的点云配准方法的步骤。此外，为实现上述目的，本专利技术还提供一种可读存储介质，所述可读存储介质上存储有基于贝叶斯优化的点云配准程序，所述基于贝叶斯优化的点云配准程序被处理器执行时实现如上所述的基于贝叶斯优化的点云配准方法的步骤。本专利技术的基于贝叶斯优化的点云配准方法，获取目标对象的轮廓点云和模板轮廓点云；构建初始数据集；根据贝叶斯优化算法，选取初始角度；根据初始角度，将轮廓点云进行旋转和平移，得到新的轮廓点云；将新的轮廓点云与模板轮廓点云进行ICP配准计算，得到适应度；并在适应度小于预设最大适应度阈值时，提取目标对象的旋转参数和平移参数，以估计所述目标对象的位姿。本专利技术利用目标对象的轮廓点云，基于贝叶斯优化算法，进行配准寻优，找到目标对象较为优化的初始位姿，以便机器人根据初始位姿调整拾取动作，快速完成目标对象的拾取。附图说明图1是本专利技术实施例方案涉及的硬件运行环境的系统的结构示意图；图2为本专利技术基于贝叶斯优化的点云配准方法第一实施例的流程示意图；图3为本专利技术基于贝叶斯优化的点云配准方法第二实施例的流程示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。本专利技术实施例的解决方案主要是：获取目标对象的轮廓点云和模板轮廓点云；构建初始数据集；根据贝叶斯优化算法，选取初始角度；根据初始角度，将轮廓点云进行旋转和平移，得到新的轮廓点云；将新的轮廓点云与模板轮廓点云进行ICP配准计算，得到适应度；并在适应度小于预设最大适应度阈值时，提取目标对象的旋转参数和平移参数，以估计所述目标对象的位姿。以解决现有三维点云图像配准速度较慢，导致机器人拾取效率慢的技术问题。如图1所示，图1是本专利技术实施例方案涉及的硬件运行环境的系统的结构示意图。该系统可以包括：处理器1001，例如CPU，通信总线1002、业主接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。业主接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选地，业主接口1003还可以包括标准的有线接口(例如用于连接有线键盘、有线鼠标等)、无线接口(例如用于连接无线键盘、无线鼠标)。网络接口1004可选的可以包括标准的有线接口(用于连接有线网络)、无线接口(如WI-FI接口、蓝牙接口、红外线接口等，用于连接无线网络)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-v本文档来自技高网...

【技术保护点】
1.一种基于贝叶斯优化的点云配准方法，其特征在于，所述基于贝叶斯优化的点云配准方法包括以下步骤：获取目标对象的点云和所述目标对象对应的模板点云，并分别提取所述目标对象的点云的第一轮廓点云和所述模板点云的模板轮廓点云；根据所述第一轮廓点云和所述模板轮廓点云，构建初始数据集；基于所述初始数据集，根据贝叶斯优化算法，选取初始角度；根据所述初始角度，将所述第一轮廓点云绕XYZ轴进行旋转，得到第二轮廓点云；计算所述第二轮廓点云和所述模板点云的重心，平移所述第二轮廓点云，使所述第二轮廓的重心与所述模板点云的重心重叠；将所述第二轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算第一适应度；基于所述第一适应度，提取所述目标对象的旋转参数和平移参数，并根据所述旋转参数和所述平移参数，估计所述目标对象的位姿。

【技术特征摘要】
1.一种基于贝叶斯优化的点云配准方法，其特征在于，所述基于贝叶斯优化的点云配准方法包括以下步骤：获取目标对象的点云和所述目标对象对应的模板点云，并分别提取所述目标对象的点云的第一轮廓点云和所述模板点云的模板轮廓点云；根据所述第一轮廓点云和所述模板轮廓点云，构建初始数据集；基于所述初始数据集，根据贝叶斯优化算法，选取初始角度；根据所述初始角度，将所述第一轮廓点云绕XYZ轴进行旋转，得到第二轮廓点云；计算所述第二轮廓点云和所述模板点云的重心，平移所述第二轮廓点云，使所述第二轮廓的重心与所述模板点云的重心重叠；将所述第二轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算第一适应度；基于所述第一适应度，提取所述目标对象的旋转参数和平移参数，并根据所述旋转参数和所述平移参数，估计所述目标对象的位姿。2.如权利要求1所述的基于贝叶斯优化的点云配准方法，其特征在于，所述根据所述第一轮廓点云和所述模板轮廓点云，构建初始数据集的步骤包括：将所述第一轮廓点云绕XYZ轴分别旋转随机角度，得到第三轮廓点云；将所述第三轮廓点云与模板轮廓点云进行ICP配准计算，迭代第二预设次数后，计算第二适应度；重复执行上述步骤三次，得到初始数据集。3.如权利要求1所述的基于贝叶斯优化的点云配准方法，其特征在于，所述将所述第二轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算第一适应度的步骤之后，所述方法还包括：确定所述第一适应度是否小于所述预设最大适应度阈值；若是，则执行提取所述目标对象的旋转参数和平移参数，并根据所述旋转参数和所述平移参数，估计所述目标对象的位姿的步骤。4.如权利要求3所述的基于贝叶斯优化的点云配准方法，其特征在于，所述确定所述第一适应度是否小于所述预设最大适应度阈值的步骤之后，所述方法还包括：若否，则根据所述初始角度和所述第一适应度，更新初始数据集，获得更新后的数据集；基于所述更新后的数据集，寻优循环，直至得到的适应度小于所述预设最大适应度阈值，其中寻优循环为：循环执行基于所述更新后的数据集，根据贝叶斯优化算法，选取下一角度，并将...

【专利技术属性】
技术研发人员：彭佳勇，戴国政，戴国鸿，
申请(专利权)人：深圳一步智造科技有限公司，
类型：发明
国别省市：广东,44