【技术实现步骤摘要】
基于SHOT和ICP算法的无序抓取中的三维姿态估计方法
本专利技术涉及三维姿态估计
,主要涉及一种基于SHOT和ICP算法的无序抓取中的三维姿态估计方法。
技术介绍
目前,基于图像的物体识别与姿态估计已经有很多研究成果,但是二维图像的成像过程是从三维空间映射到二维空间,这个过程会丢失大量的信息;而且一个无法忽视的事实是,最好的视觉系统应该是面向三维世界的。随着自动化程度的提高,机器人导航、工业零件检测及抓取等众多领域对计算机视觉系统的要求越来越高,因此基于二维图像的物体识别与姿态估计已经无法满足人类的要求。而目前三维点云数据的获取已经非常快捷,同时三维点云数据的采集不受光照影响,规避了二维图像遇到的光照、姿态等问题,因此基于点云数据的三维物体识别与姿态估计也引起了人们的重视。在无序抓取的过程中,我们需要寻求一种稳健、快速,并且满足一定精度的姿态估计方法。传统的三维姿态估计一般分为两个阶段:粗匹配阶段和精配准阶段。传统的物体识别和三维姿态估计粗匹配方法,如Rusu提出的点特征直方图PFH(RaduBogdanRusu,NicoBlodow,ZoltanCsabaMarton,etal.AligningPointCloudViewsusingPersistentFeatureHistograms[C]//2008IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems,September22-26,2008,AcropolisConventio ...
【技术保护点】
1.一种基于SHOT和ICP算法的无序抓取中的三维姿态估计方法,该方法用于无序抓取过程中的物体位姿估计,包括下述步骤:/n第一步,点云预处理:/n1-1获取工件所在场景的三维点云数据及同时获取相应的二维图像;/n1-2点云滤波:采用YOLO-V3目标检测算法,检测工件边框,映射到三维点云,滤除大部分背景;/n1-3点云下采样:在不影响点云表征能力的基础上,对点云进行下采样,获得场景点云;/n第二步,应用SHOT物体识别和姿态估计算法:/n2-1在场景和模型点云上,分别进行多线程法线估计,下采样提取点云关键点;/n2-2在场景和模型点云上,分别构建局部参考系,获取工件区别于平面的部位的尺寸,局部参考系构建半径r与该尺寸一致,计算关键点在对应局参考系下特征计算半径内的拓扑特征,并将拓扑特征保存在直方图中;/n2-3霍夫变换进行物体识别,将霍夫变换的区域划分间隔设定为与模型关键点提取下采样尺寸一致,确定正确的特征匹配点对,根据特征匹配点对求解场景和模型点云之间的位姿变换关系,并将变换关系应用于模型点云,使模型点云向场景点云靠拢;用4×4矩阵T
【技术特征摘要】
1.一种基于SHOT和ICP算法的无序抓取中的三维姿态估计方法,该方法用于无序抓取过程中的物体位姿估计,包括下述步骤:
第一步,点云预处理:
1-1获取工件所在场景的三维点云数据及同时获取相应的二维图像;
1-2点云滤波:采用YOLO-V3目标检测算法,检测工件边框,映射到三维点云,滤除大部分背景;
1-3点云下采样:在不影响点云表征能力的基础上,对点云进行下采样,获得场景点云;
第二步,应用SHOT物体识别和姿态估计算法:
2-1在场景和模型点云上,分别进行多线程法线估计,下采样提取点云关键点;
2-2在场景和模型点云上,分别构建局部参考系,获取工件区别于平面的部位的尺寸,局部参考系构建半径r与该尺寸一致,计算关键点在对应局参考系下特征计算半径内的拓扑特征,并将拓扑特征保存在直方图中;
2-3霍夫变换进行物体识别,将霍夫变换的区域划分间隔设定为与模型关键点提取下采样尺寸一致,确定正确的特征匹配点对,根据特征匹配点对求解场景和模型点云之间的位姿变换关系,并将变换关系应用于模型点云,使模型点云向场景点云靠拢;用4×4矩阵Ts表示粗匹配姿态变换矩阵,它的左上角的3×3矩阵为旋转矩阵,最后一列的前三个元素为平移向量,第四个元素为1,最后一行的前三个元素为零;
第三步,应用ICP算法进行精确姿态估计:
kdtree搜索模型点云在场景点云中的最近点,根据找到的对应关系构建协方差矩阵H;根据构建的协方差矩阵利求解使目标函数E最小化的旋转矩阵R和平移向量T;
ICP的目标函数E为:
其中,为点对应之间距离的均值;pi表示模型点云中的一点,qi表示场景点云中的一点,qi是pi的最邻近点,N为点对的总数;
将求得的使目标函数E最小化的旋转矩阵R和平移向量T应用于...
【专利技术属性】
技术研发人员:刘坤,丁皓东,陈鹏,陈海永,黄迪,李龙腾,
申请(专利权)人:河北工业大学,
类型:发明
国别省市:天津;12
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。