【技术实现步骤摘要】
一种CAD模型与三角网格全自动配准方法和装置
[0001]本专利技术涉及工业数字化检测
，具体涉及一种CAD模型与三角网格全自动配准方法和装置。
技术介绍
[0002]近年来，随着三坐标测量机、三维扫描系统、CT测量仪等数字化检测设备在工业领域的广泛应用，数字化检测技术在大型、复杂零件的尺寸测量和保证制造精度方面发挥着至关重要的作用。
[0003]在实际检测过程中，数字化检测设备获得的三角网格，其本身的测量精度一般都能够满足实际测量要求，然而由于扫描得到的三角网格与CAD模型在空间坐标系中的原点不同，所以这对后续的尺寸偏差分析会造成影响，甚至可能导致零件合格性的误判，使得数字化测量设备的测量精度失去意义。因此，为提高零件制造精度和合格率，实现网格模型与CAD模型的配准就成为数字化检测技术应用的一个关键。
[0004]目前关于网格模型与CAD模型的配准主要有基于点集迭代的配准方法和基于几何特征的配准方法。其中，基于点集迭代的配准方法不考虑被测零件的几何特征，直接利用点云集合查找CAD模型上的对应点并通过对应点对的反复迭代实现点云模型与CAD模型的配准，其中最具代表性的是迭代最近点算法(Iterative Closest Point，简称ICP算法)。此类算法的时间复杂度随点云数目和迭代次数的增加而显著增大，因此配准效率较低。同时，这类算法的配准控制点集为点云模型的子集，配准准确性严重依赖于点云模型，当初始的源点云和目标点云相对位置偏差较大时，容易出现误匹配，从而导致算法失效，无法实现配准。>[0005]基于几何特征的配准方法通过对点云数据中可以反映局部几何特征的点集进行采样分析，再将所采样的点集作为配准控制点，从而减少配准点集的数量，因而计算速度快。但由于复杂的点云模型的几何特征识别难度极大，而且不同零件的点云模型一致性差，因此这种配准方法会丢失反映零件制造质量的关键特征，造成配准结果的准确性不高、不稳定，实用性不强。
技术实现思路
[0006]鉴于上述分析，现有的配准方法未能对CAD模型做有效处理，并且受限于实际测量获得的模型通常含有极大的点云数据量，现有的配准方法在配准精度和配准速度方面存在明显不足。
[0007]本专利技术的主要目的在于提出一种面向工业检测的CAD模型与三角网格全自动配准方法和装置，以克服现有的配准方法所存在的上述问题。
[0008]为达上述目的，本专利技术采用以下技术方案：
[0009]一种CAD模型与三角网格全自动配准方法，包括如下步骤：
[0010]S1、读取标称CAD模型和用三维扫描系统扫描得到初始扫描三角网格模型；提取初
始扫描三角网格模型的顶点作为待配准的源点云；利用CAD三角剖分算法对所述标称CAD模型进行三角剖分，得到CAD三角网格，再对该CAD三角网格进行细分以提高点云均匀度和稠密度，并提取细分后的CAD三角网格的顶点作为目标点云；
[0011]S2、分别对所述源点云和所述目标点云进行采样，采样比例根据所述源点云和所述目标点云的平均点距r0自适应确定；计算采样后的源点云和目标点云中的每一采样点的法向量；
[0012]S3、将源点云和目标点云中的每一采样点作为特征点，根据各采样点的法向量分别计算各采样点的点快速特征直方图，利用所述点快速特征直方图描述对应的所述特征点；
[0013]S4、对于目标点云中的特征点，在点快速特征直方图特征空间构建kd-tree；从源点云中的特征点中随机选择四个特征点，根据建立好的kd-tree，在目标点云中查找并记录所述四个特征点中每个特征点的最近邻点,以作为所述四个特征点在目标点云中的对应点，从而得到四个对应点对；
[0014]S5、对于所述四个对应点对，利用修剪算法剔除误匹配点对；
[0015]S6、利用所述四个对应点对估计基本矩阵作为迭代初始值，重复步骤S4和S5进行RANSAC迭代，在后面的重复迭代过程中仅将满足修剪算法的匹配点对用于计算更新基本矩阵，并在整个源点云上进行验证以筛选正确匹配点对；最后选取具有最多正确匹配点对的数据集的基本矩阵作为最终基本矩阵，并将该数据集作为有效点对集；
[0016]S7、针对步骤S6得到的有效点对集，进行奇异值分解，求解出旋转平移矩阵；
[0017]S8、利用所述旋转平移矩阵对步骤S1中待配准的源点云进行旋转平移，完成所述标称CAD模型与所述初始扫描三角网格的全自动配准。
[0018]更进一步地，步骤S1中对所述CAD三角网格进行细分时采用Loop细分算法；步骤S2中对所述源点云和所述目标点云进行采样的方法是体素采样。
[0019]更进一步地，步骤S2在求取每一采样点法向量的过程中，均需要搜索被求点的第一邻域半径r1内的邻域点来拟合平面，并以平面的法向量作为被求点的法向量；其中，所述第一邻域半径r1根据所述平均点距r0来设置。
[0020]更进一步地，步骤S3中点快速特征直方图的计算过程包括：
[0021]S31、根据平均点距r0确定第二邻域半径r2，对于采样后的源点云和目标点云中的任意采样点p：都以该采样点p为原点选择所述第二邻域半径r2内的所有近邻点，并分别计算该采样点p与采样点p的每个近邻点之间的三个特征元素值，然后将所有特征元素值统计成采样点p的简化点特征直方图；
[0022]S32、分别对所述第二邻域半径r2中的每个所述近邻点再确定邻域，并对所述第二邻域半径r2中的每个点按照步骤S31形成各自的简化点特征直方图；
[0023]S33、对采样点p的所述第二邻域半径r2中每个所述近邻点的简化点特征直方图进行加权统计：其中，FPFH(p)表示采样点p的点快速特征直方图，SPFH(p)表示采样点p的简化点特征直方图，权重w
i
表示采样点p与所述第二邻域半径r2中第i个近邻点p
i
之间的距离，k表示采
样点p的k邻域，SPFH(p
i
)表示所述第i个近邻点p
i
的简化点特征直方图。
[0024]更进一步地，所述第一邻域半径r1为1.5r0≤r1≤2.5r0，所述第二邻域半径r2为4r0≤r2≤6r0。
[0025]更进一步地，步骤S31中所述三个特征元素值的计算过程包括：对于两个点p
s
及p
t
(s≠t)，在其中一个点处定义一个固定的坐标系p
s-uvw，该坐标系的三坐标轴定义如下：其中点p
s
为源点云和目标点云中当前正在求解点快速特征直方图的采样点，称为查询点；点p
t
表示点p
s
的第二邻域半径r2内的任意一个近邻点，n
s
为点p
s
的法向量，||p
t-p
s
||2为点p
s
与点p
t
之间的距离，为点p
s
到点p
t
的单位向量；点p
s本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种CAD模型与三角网格全自动配准方法，其特征在于，包括如下步骤：S1、读取标称CAD模型和用三维扫描系统扫描得到的初始扫描三角网格模型；提取初始扫描三角网格模型的顶点作为待配准的源点云；利用CAD三角剖分算法对所述标称CAD模型进行三角剖分，得到CAD三角网格，再对该CAD三角网格进行细分以提高点云均匀度和稠密度，并提取细分后的CAD三角网格的顶点作为目标点云；S2、分别对所述源点云和所述目标点云进行采样，采样比例根据所述源点云和所述目标点云的平均点距r0自适应确定；计算采样后的源点云和目标点云中的每一采样点的法向量；S3、将源点云和目标点云中的每一采样点作为特征点，根据各采样点的法向量分别计算各采样点的点快速特征直方图，利用所述点快速特征直方图描述对应的所述特征点；S4、对于目标点云中的特征点，在点快速特征直方图特征空间构建kd-tree；从源点云中的特征点中随机选择四个特征点，根据建立好的kd-tree，在目标点云中查找并记录所述四个特征点中每个特征点的最近邻点,以作为所述四个特征点在目标点云中的对应点，从而得到四个对应点对；S5、对于所述四个对应点对，利用修剪算法剔除错误点对；S6、利用所述四个对应点对估计基本矩阵作为迭代初始值，重复步骤S4和S5进行RANSAC迭代，在后面的重复迭代过程中仅将满足修剪算法的匹配点对用于计算更新基本矩阵，并在整个源点云上进行验证以筛选正确匹配点对；最后选取具有最多正确匹配点对的数据集的基本矩阵作为最终基本矩阵，并将该数据集作为有效点对集；S7、针对步骤S6得到的有效点对集，进行奇异值分解，求解出旋转平移矩阵；S8、利用所述旋转平移矩阵对步骤S1中待配准的源点云进行旋转平移，完成所述标称CAD模型与所述初始扫描三角网格的全自动配准。2.如权利要求1所述的CAD模型与三角网格全自动配准方法，其特征在于，步骤S1中对该CAD三角网格进行细分时采用Loop细分算法；步骤S2中对所述源点云和所述目标点云进行采样的方法是体素采样。3.如权利要求1所述的CAD模型与三角网格全自动配准方法，其特征在于，步骤S2在求取每一采样点法向量的过程中，均需要搜索被求点的第一邻域半径r1内的邻域点来拟合平面，并以平面的法向量作为被求点的法向量；其中，所述第一邻域半径r1根据所述平均点距r0来设置。4.如权利要求3所述的CAD模型与三角网格全自动配准方法，其特征在于，步骤S3中点快速特征直方图的计算过程包括：S31、根据平均点距r0确定第二邻域半径r2，对于采样后的源点云和目标点云中的任意采样点p：都以该采样点p为原点选择所述第二邻域半径r2内的所有近邻点，并分别计算该采样点p与采样点p的每个近邻点之间的三个特征元素值，然后将所有特征元素值统计成采样点p的简化点特征直方图；S32、分别对所述第二邻域半径r2中的每个所述近邻点再确定邻域，并对所述第二邻域半径r2中的每个所述近邻点按照步骤S31形成各自的简化点特征直方图；S33、对采样点p的所述第二邻域半径r2中每个所述近邻点的简化点特征直方图进行加权统计：
其中，FPFH(p)表示采样点p的点快速特征直方图，SPFH(p)表示采样点p的简化点特征直方图，权重w
i
表示采样点p与所述第二邻域半径r2中第i个近邻点p
i
之间的距离，k表示采样点p的k邻域，SPFH(p
i
)表示所述第i个近邻点p
i
的简化点特征直方图。5.如权利要求4所述的CAD模型与三角网格全自动配准方法，其特征在于，所述第一邻域半径r1为1.5r0≤r1≤2.5r0，所述第二邻域半径r2为4r0≤r2≤6r0。6.如权利要求4所述的CAD模型与三角网格全自动配准方法，其特征在于，步骤S31中所述三个特征元素值的计算过程包括：对于两个点p
s
及p
t
(s≠t)，在其中一个点处定义一个固定的坐标系p
s-uvw，该坐标系的三坐标轴定义如下：其中点p
s
为源点云和目标点云中当前正在求解点快速特征直方图的采样点，称为查询点；点p
t
表示点p
s
的第二邻域半径r2内的任意一个近邻点，n
s
为点p
s
的法向量，||p
t-p
s<...
【专利技术属性】
技术研发人员：任茂栋，邬宏，冯超，唐正宗，
申请(专利权)人：新拓三维技术深圳有限公司，
类型：发明
国别省市：
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。