一种基于PCA的点云数据端点提取方法和装置制造方法及图纸

本申请提供了一种基于PCA的点云数据端点提取方法和装置，运用于机器视觉技术领域，可用于工业生产中的3D机器视觉定位及测量问题，在特定情况下，该方法与基于包围盒或基于直线提取的方法相比具有明显的计算效率及稳定性优势，而且不需要参数设定，对现场技术人员要求更低，利于维护。

【技术实现步骤摘要】
一种基于PCA的点云数据端点提取方法和装置
本申请涉及机器视觉
，特别涉及为一种基于PCA的点云数据端点提取方法和装置。
技术介绍
在工业界，需要用机器视觉检测长条形工件端点特征的情况非常常见，通常的思路有两种：(1)先计算有向包围盒，然后以距离较远的两个面的面心作为端点，这种做法仅适合于边界质量较高的图像，而实际上工业现场采集的大量激光点云图像均存在复杂的边缘问题，特别在检测一些细长的立面时，侧边缘很容易干扰到包围盒的计算使得包围盒明显扩大，从而无法找准端点；(2)基于求解线段特征的方法，使用边缘提取、霍夫直线检测、直线拟合等方法先获得目标的直线，然后再根据直线间接求解端点，该类型的方法较为繁琐，属于多种方法复合使用的类型，方案针对性较强，泛用性较差。
技术实现思路
本申请提供一种基于PCA的点云数据端点提取方法和装置，可用于工业生产中的3D机器视觉定位及测量问题，在特定情况下，该方法与基于包围盒或基于直线提取的方法相比具有明显的计算效率及稳定性优势，而且不需要参数设定，对现场技术人员要求更低，利于维护。本申请为解决技术问题采用如下技术手段：本申请提出一种基于PCA的点云数据端点提取方法，包括：获取图像数据，将所述图像数据转换为第一3D点云数据，并根据所述第一3D点云数据中的n个点形成为三轴列向量X、Y、Z；通过所述三轴列向量计算出协方差矩阵A，并将所述协方差矩阵A进行SVD分解，即A＝USVT，其中U为主矢量矩阵；从所述主矢量矩阵U中取出同列主方向矢量v，所述主方向矢量v即为条形点云的主方向矢量；计算从所述主方向矢量v到单轴矢量t的任一刚体变换矩阵M，即Mv＝t；将所述第一3D点云数据应用于刚体变换矩阵M进行方向转换，转换后得到第二3D点云数据，所述第二3D点云数据的三轴列向量X’、Y’、Z’；根据所述三轴列向量X’、Y’、Z’进行端点计算，求得两个端点e1和e2；采用所述刚体变换矩阵M的逆矩阵对端点e1和端点e2进行计算，得到所需要的两个端点。进一步地，所述通过所述三轴列向量计算出协方差矩阵A的步骤，包括：所述协方差矩阵其中，p，q为三轴列向量任一轴，i为n个点中该轴内的一个点。进一步地，，所述将所述协方差矩阵A进行SVD分解，即A＝USVT，其中U为主矢量矩阵的步骤，包括：所述主矢量矩阵进一步地，从所述主矢量矩阵U中取出同列主方向矢量v的步骤，包括：所述主方向矢量v＝(u11，u21，u31)T。进一步地，所述根据所述三轴列向量X’、Y’、Z’进行端点计算，求得两个端点e1和e2的步骤，包括：端点e1＝(min(X’),median(Y’),median(Z’))；端点e2＝(max(X’),median(Y’),median(Z’))。进一步地，所述端点e1和端点e2的计算过程中可将median函数替换为average函数。进一步地，所述计算从所述主方向矢量v到单轴矢量t的任一刚体变换矩阵M的步骤，包括：计算所述主方向矢量v与单轴矢量t的夹角计算旋转轴矢量其中利用公式从轴角表示法换算出旋转矩阵M，从而得到刚体变换矩阵M。进一步地，所述公式从轴角表示法换算出旋转矩阵M的步骤，包括：所述刚体变换矩阵进一步地，所述计算从所述主方向矢量v到单轴矢量t的任一刚体变换矩阵M的步骤，包括：所述单轴矢量t可以采用t＝(1,0,0)，t＝(0,1,0)和t＝(0,0,1)中的任意一项。本申请还提出一种基于PCA的点云数据端点提取装置，包括：获取单元，用于获取图像数据，将所述图像数据转换为第一3D点云数据，并根据所述第一3D点云数据中的n个点形成为三轴列向量X、Y、Z；第一计算单元，用于通过所述三轴列向量计算出协方差矩阵A，并将所述协方差矩阵A进行SVD分解，即A＝USVT，其中U为主矢量矩阵；主矢量确认单元，用于从所述主矢量矩阵U中取出同列主方向矢量v，所述主方向矢量v即为条形点云的主方向矢量；第二计算单元，用于计算从所述主方向矢量v到单轴矢量t的任一刚体变换矩阵M，即Mv＝t；第一转换单元，用于将所述第一3D点云数据应用于刚体变换矩阵M进行方向转换，转换后得到第二3D点云数据，所述第二3D点云数据的三轴列向量X’、Y’、Z’；端点计算单元，用于根据所述三轴列向量X’、Y’、Z’进行端点计算，求得两个端点e1和e2；第二转换单元，用于采用所述刚体变换矩阵M的逆矩阵对端点e1和端点e2进行计算，得到所需要的两个端点。本申请提供了基于PCA的点云数据端点提取方法和装置，具有以下有益效果：本申请提出的基于PCA的点云数据端点提取方法，通过获取图像数据，将所述图像数据转换为第一3D点云数据，并根据所述第一3D点云数据中的n个点形成为三轴列向量X、Y、Z；通过所述三轴列向量计算出协方差矩阵A，并将所述协方差矩阵A进行SVD分解，即A＝USVT，其中U为主矢量矩阵；从所述主矢量矩阵U中取出同列主方向矢量v，所述主方向矢量v即为条形点云的主方向矢量；计算从所述主方向矢量v到单轴矢量t的任一刚体变换矩阵M，即Mv＝t；将所述第一3D点云数据应用于刚体变换矩阵M进行方向转换，转换后得到第二3D点云数据，所述第二3D点云数据的三轴列向量X’、Y’、Z’；根据所述三轴列向量X’、Y’、Z’进行端点计算，求得两个端点e1和e2；采用所述刚体变换矩阵M的逆矩阵对端点e1和端点e2进行计算，得到所需要的两个端点，可用于工业生产中的3D机器视觉定位及测量问题，在特定情况下，该方法与基于包围盒或基于直线提取的方法相比具有明显的计算效率及稳定性优势，而且不需要参数设定，对现场技术人员要求更低，利于维护。附图说明图1为本申请基于PCA的点云数据端点提取方法一个实施例的流程示意图；图2为本申请基于PCA的点云数据端点提取装置一个实施例的结构框图。本申请为目的的实现、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仅用以解释本申请，并不用于限定本申请。下面将结合本申请的实施例中的附图，对本申请的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”、“包含”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。在本本文档来自技高网...

【技术保护点】
1.一种基于PCA的点云数据端点提取方法，其特征在于，包括：/n获取图像数据，将所述图像数据转换为第一3D点云数据，并根据所述第一3D点云数据中的n个点形成为三轴列向量X、Y、Z；/n通过所述三轴列向量计算出协方差矩阵A，并将所述协方差矩阵A进行SVD分解，即A＝USV

【技术特征摘要】
1.一种基于PCA的点云数据端点提取方法，其特征在于，包括：
获取图像数据，将所述图像数据转换为第一3D点云数据，并根据所述第一3D点云数据中的n个点形成为三轴列向量X、Y、Z；
通过所述三轴列向量计算出协方差矩阵A，并将所述协方差矩阵A进行SVD分解，即A＝USVT，其中U为主矢量矩阵；
从所述主矢量矩阵U中取出同列主方向矢量v，所述主方向矢量v即为条形点云的主方向矢量；
计算从所述主方向矢量v到单轴矢量t的任一刚体变换矩阵M，即Mv＝t；
将所述第一3D点云数据应用于刚体变换矩阵M进行方向转换，转换后得到第二3D点云数据，所述第二3D点云数据的三轴列向量X’、Y’、Z’；
根据所述三轴列向量X’、Y’、Z’进行端点计算，求得两个端点e1和e2；
采用所述刚体变换矩阵M的逆矩阵对端点e1和端点e2进行计算，得到所需要的两个端点。


2.根据权利要求1所述的基于PCA的点云数据端点提取方法，其特征在于，所述通过所述三轴列向量计算出协方差矩阵A的步骤，包括：
所述协方差矩阵
其中，p，q为三轴列向量任一轴，i为n个点中该轴内的一个点。


3.根据权利要求1所述的基于PCA的点云数据端点提取方法，其特征在于，所述将所述协方差矩阵A进行SVD分解，即A＝USVT，其中U为主矢量矩阵的步骤，包括：
所述主矢量矩阵


4.根据权利要求3所述的基于PCA的点云数据端点提取方法，其特征在于，从所述主矢量矩阵U中取出同列主方向矢量v的步骤，包括：
所述主方向矢量v＝(u11，u21，u31)T。


5.根据权利要求1所述的基于PCA的点云数据端点提取方法，其特征在于，所述根据所述三轴列向量X’、Y’、Z’进行端点计算，求得两个端点e1和e2的步骤，包括：
端点e1＝(min(X’),median(Y’),median(Z’))；
端点e2＝(max(X’),median(Y’),median(Z’))。


6.根据权利要求5所述的基...

【专利技术属性】
技术研发人员：席豪圣，陈方，
申请(专利权)人：深圳群宾精密工业有限公司，
类型：发明
国别省市：广东;44