基于改进视点特征直方图的三维点云识别方法技术

本发明专利技术公开了一种基于改进视点特征直方图的三维点云识别方法，包括：基于目标工件的全局特征模板得到SVM分类参数，所述全局特征模板由VFH特征和全局曲率特征合并得到；将待测工件的特征数据输入所述SVM分类参数得到识别结果，所述特征数据由提取的所述待测工件的VFH特征和曲面特征合并得到。在现有的特征中加入曲率特征，达到提高利用视点特征直方图进行点云识别准确率的目的。在保持原有特征分量不变的基础上，加入了点云表面曲率分布特征，将原有的308维特征扩展到了368维，极大提高了三维点云识别算法的性能和鲁棒性。

3D point cloud recognition method based on improved view feature histogram

【技术实现步骤摘要】
基于改进视点特征直方图的三维点云识别方法
本专利技术涉及三维点云识别领域，具体地，涉及一种基于改进视点特征直方图的三维点云识别方法。
技术介绍
随着计算视觉技术以及三维扫描设备的快速发展，获取物体表面点云的精度越来越高，利用三维信息来使机器人完成对特定工件的抓取也成为了国内外学者研究的热点。而如何对获取的目标工件点云进行三维目标识别是机器人抓取面临的难题。点云的目标识别算法主要包含两个部分：三维特征提取与特征匹配。三维点云的特征可以大致分为局部特征与全局特征。通常在不去除场景点云的情况下，局部点云特征具有更高的识别精度，但该特征计算量较大，匹配效率低，且存在易受到环境因素干扰等问题。在现有的全局特征描述方法中，大多数只考虑了物体点云中某一点或者视点与表面其他各个点之间的点对特征，来对物体进行识别分类。但在面对整体形状相似的物体时，由于忽略了点云局部曲面的细节变化，现有的全局特征并不能很好满足识别要求。
技术实现思路
本专利技术的目的在于，针对上述问题，提出一种基于改进视点特征直方图的三维点云识别方法，以实现提高利用视点特征直方图进行点云识别准确率的优点。为实现上述目的，本专利技术实施例采用的技术方案是：一种基于改进视点特征直方图的三维点云识别方法，包括：基于目标工件的全局特征模板得到SVM分类参数，所述全局特征模板由VFH特征和全局曲率特征合并得到；将待测工件的特征数据输入所述SVM分类参数得到识别结果，所述特征数据由提取的所述待测工件的VFH特征和曲面特征合并得到。进一步的，所述基于目标工件的全局特征模板得到SVM分类参数，所述全局特征模板由VFH特征和全局曲率特征合并得到，包括：获取多个目标工件在多个视角下的点云；对所述点云进行预处理；基于预处理后的点云提取VFH特征；基于预处理后的点云提取全局曲率特征；将所述VFH特征和全局曲率特征进行特征合并，从而生成全局特征模板；将所述全局特征模板作为训练集输入SVM分类器，从而得到SVM分类参数。进一步的，所述将所述全局特征模板作为训练集输入SVM分类器，包括：为所述全局特征模板生成对应标签；将生成对应标签的全局特征模板作为训练集输入SVM分类器。进一步的，所述将待测工件的特征数据输入所述SVM分类参数得到识别结果，所述特征数据由提取的所述待测工件的VFH特征和曲面特征合并得到，包括：获取待测工件的点云；对所述点云进行预处理；对预处理后的所述点云进行分割；基于分割后的点云提取待测工件的VFH特征和曲面特征；将所述待测工件的VFH特征和曲面特征进行特征合并得到待测工件的特征数据；将所述待测工件的特征数据输入所述SVM分类器，得到所述待测工件的标签。进一步的，所述预处理，包括：滤波，利用半径滤波和统计滤波去除噪声点；和/或降采样。进一步的，所述预处理，包括：计算某个点在R邻域范围内与其他点的平均距离，并遍历所有点，得到平均距离的均值μ和标准差σ；设置倍数阈值std，距离阈值d＝μ+σ·std；判断当前点在R邻域范围内与其他点的平均距离是否大于所述距离阈值，如果大于所述距离阈值则作为噪声点剔除；反之，则保留；判断当前点在R邻域范围内的邻近点个数是否大于设定值M，如果不大于设定值M，作为噪声点剔除，反之，则保留。进一步的，所述预处理，还包括：将点云数据空间分解为m·n·l个小方格，每个小方格中只保留离方格重心最近的点，其他点滤除。进一步的，所述提取VFH特征为：获取308维初始全局视点特征直方图，包括：假设Pc与Pj是物体表面的两个点，对于给定的点云，在中心点Pc处建立基准坐标系，计算Pc与其余点Pj的特征，其中j＝1,2,3…n，n为点云规模数目，按照每一个特征的特征值大小将其分布在45个子区间内，并统计落入每个子区间的点数目，构成180维距离几何特征向量；统计点云各个点的视点方向与该点处法向量之间角度的分布，并把角度计算结果划分到为128个角度子区间内，构成视点特征分量；将视点角度特征与所述距离几何特征向量进行合并，得到308维的VFH视点特征直方图。进一步的，所述提取全局曲率特征为：获取60维扩展全局曲率特征，包括：构建二次曲面方程，选择目标点云中某一点Q，构建该点在R邻域内的二次曲面方程，计算点Q在切方向的曲率函数，将极值作为该方向的主曲率值；对每一个点的平均曲率进行计算，将曲率值大小分为60个子区间，统计落入每个子区间中的点个数，构成目标工件点云的扩展全局曲率特征分布直方图，并形成特征向量。进一步的，所述特征合并，包括通过归一化方法，将308维初始全局视点特征直方图和60维扩展全局曲率特征合并，得到368维全局特征。本专利技术的技术方案具有以下有益效果：本实施例通过基于目标工件的全局特征模板建立SVM分类参数，全局特征模板由VFH特征和全局曲率特征合并得到；并将待测工件的特征数据输入所述SVM分类参数得到识别结果，从而对待测工件进行准备识别，在现有的特征中加入曲率特征，从而达到提高利用视点特征直方图进行点云识别准确率的目的。在保持原有特征分量不变的基础上，加入了点云表面曲率分布特征，将原有的308维特征扩展到了368维，极大提高了三维点云识别算法的性能和鲁棒性。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明图1为本专利技术实施例所述的基于改进视点特征直方图的三维点云识别方法的流程图；图2为本专利技术实施例所述的生成全局特征模板的流程图；图3为本专利技术实施例所述的将待测工件的特征数据输入所述SVM分类参数得到识别结果的流程图；图4为本专利技术实施例所述的基准坐标下的两点之间初始特征示意图；图5为本专利技术实施例所述的点云中某一点的视点方向与该点法向量关系示意图；图6a和图6b为本专利技术实施例所述的两个形状相近的圆柱形木块和塑料瓶的原始视点特征直方图；图7a和图7b为本专利技术实施例所述的两个形状相近的圆柱形木块和塑料瓶的全局曲率统计特征直方图。具体实施方式以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。在已构建视点特征直方图的基础上，加入了局部曲率特征统计的描述方法，并由SVM训练器进行分类训练。本实施例采用全局特征作为点云特征描述符，并对现有的全局特征做了改进，从而准确的实现目标点云的识别。针对这种情况，本实施例提出了一种基于改进视点特征直方图的方法，在保持原有特征分量不变的基础上，加入了点云表面曲率分布特征，将原有的308维特征扩展到了368维，极大提高了三维点云识别算法的性能和鲁棒性。如图1所示，一种基于改进视点特征直方图的三维点云识别方法，包括：S101本文档来自技高网...

【技术保护点】
1.一种基于改进视点特征直方图的三维点云识别方法，其特征在于，包括：/n基于目标工件的全局特征模板得到SVM分类参数，所述全局特征模板由VFH特征和全局曲率特征合并得到；/n将待测工件的特征数据输入所述SVM分类参数得到识别结果，所述特征数据由提取的所述待测工件的VFH特征和曲面特征合并得到。/n

【技术特征摘要】
1.一种基于改进视点特征直方图的三维点云识别方法，其特征在于，包括：
基于目标工件的全局特征模板得到SVM分类参数，所述全局特征模板由VFH特征和全局曲率特征合并得到；
将待测工件的特征数据输入所述SVM分类参数得到识别结果，所述特征数据由提取的所述待测工件的VFH特征和曲面特征合并得到。


2.根据权利要求1所述的基于改进视点特征直方图的三维点云识别方法，其特征在于，所述基于目标工件的全局特征模板得到SVM分类参数，所述全局特征模板由VFH特征和全局曲率特征合并得到，包括：
获取多个目标工件在多个视角下的点云；
对所述点云进行预处理；
基于预处理后的点云提取VFH特征；
基于预处理后的点云提取全局曲率特征；
将所述VFH特征和全局曲率特征进行特征合并，从而生成全局特征模板；
将所述全局特征模板作为训练集输入SVM分类器，从而得到SVM分类参数。


3.根据权利要求1所述的基于改进视点特征直方图的三维点云识别方法，其特征在于，所述将所述全局特征模板作为训练集输入SVM分类器，包括：
为所述全局特征模板生成对应标签；
将生成对应标签的全局特征模板作为训练集输入SVM分类器。


4.根据权利要求1或2所述的基于改进视点特征直方图的三维点云识别方法，其特征在于，所述将待测工件的特征数据输入所述SVM分类参数得到识别结果，所述特征数据由提取的所述待测工件的VFH特征和曲面特征合并得到，包括：
获取待测工件的点云；
对所述点云进行预处理；
对预处理后的所述点云进行分割；
基于分割后的点云提取待测工件的VFH特征和曲面特征；
将所述待测工件的VFH特征和曲面特征进行特征合并得到待测工件的特征数据；
将所述待测工件的特征数据输入所述SVM分类器，得到所述待测工件的标签。


5.根据权利要求4所述的基于改进视点特征直方图的三维点云识别方法，其特征在于，所述预处理，包括：
滤波，利用半径滤波和统计滤波去除噪声点；
和/或
降采样。


6.根据权利要求4所述的基于改进视点特征直方图的三维点云识别方法，其特征在于，所述预处理，...

【专利技术属性】
技术研发人员：王昌龙，白瑞林，李新，
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