The invention discloses a novel method for determining the next best measurement position and pose of a structured light vision system, aiming at the problem of determining the next best measurement position and pose in robot vision automatic measurement. Firstly, the depth image and three-dimensional point cloud of the measured object are obtained by using the structured light binocular vision measurement system, and the edge and density clustering analysis region of the measured object are quickly obtained by the depth image. Based on the density clustering method, the complexity of the three-dimensional shape of the object's edge region is determined, and the weight of the sub-region is determined according to the size of the field of view, so as to obtain the best moving direction of the next field of view on the depth map. Trend surface analysis is used to predict the spatial range of the next best measurement posture. In order to avoid the influence of local edge complexity on trend surface, the global region of trend surface analysis is obtained by taking the measurement field of view on depth image as the center, and the central trend line is quickly obtained to determine the next best measurement posture.
【技术实现步骤摘要】
一种结构光视觉系统的下一最佳测量位姿确定方法
本专利技术涉及机器人自动测量方法,特别是指一种一种结构光视觉系统的下一最佳测量位姿确定方法。
技术介绍
结构光三维测量技术已经得到了广泛的应用,然而在实际测量中,受限于系统测量视场范围和物体复杂程度等原因,对大尺寸或者表面形貌较为复杂的物体,一次测量难以获得物体完整的形貌,需要从不同角度多次测量并拼合才能获得完整的物体。被测物体越复杂或者其尺寸与视场大小之间的比例越大,则需要测量次数就越多,甚至达到成千上百次。如此繁重的测量任务使得自动测量变得非常重要,而下一个最佳测量位姿的确定是实现自动测量的前提与关键所在,也是三维重建、机器人导航、自动装配等领域亟待解决的难题之一。在对未知模型的自动测量中,为了每次获得尽可能多的点云信息,需要根据当前信息判断下一最佳测量位姿。何炳蔚等在论文“线激光三维测量仪中视觉传感器规划方法研究”(中国激光,2010,37(6):1618-1625.)中提出可视空间与极限面相结合的视点规划策略来确定下一最佳视点的位置。张世辉等在论文“基于深度图像利用遮挡信息确定下一最佳观测方位”(计算机学报,2015,38(12),P2450-2463)中从消除被测物体的自遮挡区域入手,确定下一最优视点。在二维深度图像中识别已测得数据中的自遮挡区域,计算可消除自遮挡区域的视点,并结合遮挡区域的向量和面积构建下一最佳观测方位的模型。随后利用梯度下降法寻优求得模型的最优解确定下一最优视点。综上所述,虽然目前对自动三维测量中下一最优视点的确定方法已有所研究,取得了一定成果,但资料报道并不多,涉及的关键技术亟待 ...
【技术保护点】
1.一种结构光视觉系统的下一最佳测量位姿确定方法,其特征在于,包括如下步骤:A1、获取被测物体初始位置的深度图像和三维点云;A2、通过深度图像获取被测物体的边缘,根据有效测量范围确定下一最佳位姿判定所需的区域;A3、对区域内三维点云进行密度聚类,依据密度与三维形貌复杂程度关系,获得各个子区域的复杂系数;A4、结合视场大小优化各个子区域权重,从而确定深度图上最佳移动方向;A5、以测量视场为中心,结合深度图像获得趋势面,分析全局区域以及中心趋势线,从而确定出下一最佳测量位姿。
【技术特征摘要】
1.一种结构光视觉系统的下一最佳测量位姿确定方法,其特征在于,包括如下步骤:A1、获取被测物体初始位置的深度图像和三维点云;A2、通过深度图像获取被测物体的边缘,根据有效测量范围确定下一最佳位姿判定所需的区域;A3、对区域内三维点云进行密度聚类,依据密度与三维形貌复杂程度关系,获得各个子区域的复杂系数;A4、结合视场大小优化各个子区域权重,从而确定深度图上最佳移动方向;A5、以测量视场为中心,结合深度图像获得趋势面,分析全局区域以及中心趋势线,从而确定出下一最佳测量位姿。2.如权利要求1所述的一种结构光视觉系统的下一最佳测量位姿确定方法,其特征在于,所述A2包括如下:首先,在深度图像上采用Canny算子边缘提取法快速识别出物体的边缘;再采用区域宽度t的计算方法确定所述区域,公式如下:其中a为视场长度,b为视场宽度,表示将面积转化为矩形平均宽度,S为有效测量区域面积,c为边缘区域面积与有效区域面积之比,k1为轮廓修正系数,l为有效测量区域长度。3.如权利要求2所述的一种结构光视觉系统的下一最佳测量位姿确定方法,其特征在于,所述A3包括如下:设待聚类的点集为data={x1,x2,...,xn},令Idata={1,2,...,n}为相应的指标集,n为总点数,则点xi的局部密度系数ρi即各个子区域的复杂系数计算公式为:其中dij为点xi和xj之间的欧式距离,dc为截断距离,设定i与j属于Idata的下标,函数4.如权利要求3所述的一种结构光视觉系统的下一最佳测量位姿确定方法,其特征在于,所述A4中,以当前测量视场中心与密度最大聚类...
【专利技术属性】
技术研发人员:林俊义,江开勇,李龙喜,黄常标,刘华,
申请(专利权)人:华侨大学,
类型:发明
国别省市:福建,35
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。