【技术实现步骤摘要】
一种基于高斯混合模型的工件三维重建方法
[0001]本专利技术涉及3D视觉
，尤其是一种基于高斯混合模型的工件三维重建方法。
技术介绍
[0002]三维重建技术在数据可视化、医疗技术、工业等领域中的应用需求越来越高，以工业生产场景为例，在喷涂生产线上，利用待加工的工件的三维重建模型自动规划出喷涂轨迹交予机器人执行，可以减少人工操作，在提升喷涂作业安全度的同时提高工作的效率和自动化程度。
[0003]受到视觉传感器技术的推动，各种三维重建方法得到了快速的发展。但是，基于单目二维图像的三维重建方法误差较大，且容易受到相机参数的影响。基于深度学习的三维重建方法需要大量的样本，并需要利用高性能设备进行模型训练。基于高斯混合模型的工件三维重建方法，是在3D视觉传感器获得的点云数据的基础上，对目标工件的多视角点云数据进行配准和曲面重建得到三维模型，这种方法数据获取简单，对设备的依赖性不高，且重建速度较快。
技术实现思路
[0004]本专利技术要克服现有技术的不足之处，提供了一种基于高斯混合模型的工件三维重建...
【技术保护点】
【技术特征摘要】
1.一种基于高斯混合模型的工件三维重建方法，包括以下步骤：步骤1：多视角点云数据采集，采集含有多角度目标工件的场景点云数据；利用融合式双目深度相机采集点云数据，该深度相机基于双目立体成像原理以及红外结构光测距原理获得深度数据；将待扫描的目标工件放置于可控制旋转角度的旋转平台上，深度相机与旋转平台之间构成固定的相对位置，工件以一定的初始位置放置于旋转平台之上，并以固定角度为增量进行步进式旋转，以获得目标工件的多角度信息；深度相机对场景中的每一个角度进行扫描和记录后回传至电脑，并将点云数据按照时间顺序以PCD文件的形式保存，命名为View1、View2、View3，...ViewN的N个视角场景点云文件；步骤2：点云预处理，将步骤1中采集得到的多视角的场景点云View1、View2、View3，...ViewN中的无关数据剔除，并提取出目标工件；其具体步骤如下：步骤2
‑
1：根据步骤1中的深度相机和旋转平台的相对位置设置ROI参数，对复杂场景点云View1、View2、View3，...ViewN中的空间点进行ROI区域分割筛选，即选取出x，y，z(每一个点的三维空间坐标)位于ROI区域内的三维点；初步分割出只包含地面、旋转平台、工件三部分的小场景点云；步骤2
‑
2：将上一步中获得的小场景点云中的点云数据集合表示为:A{a1,a2,a3,...a
n
}使用随机采样一致性(RANSAC)算法在点云集合A中进行平面拟合，RANSAC算法拟合出小场景中的平面及其平面参数，将A集合内的点分为平面点、平面外点两类；并记录平面点的下标索引，以及平面外点的下标索引，根据下标进行去平面处理，剔除平面点；RANSAC算法获得平面参数后，可以确定平面在小场景点云中的位置，通过测量获得旋转平台高度为H，可以将距离平面上方H高度的所有点剔除，从而剔除旋转平台部分的点云，得到初步的目标工件点云数据；步骤2
‑
3：步骤2
‑
2中得到的初步目标工件点云数据会有算法上效率不足所产生的离群点，以及3D视觉传感器采集数据时留下的表面毛刺噪声和边缘噪声；因此使用PCL点云库中的StatisticalOutlierRemovel滤波器，将上述结果作为输入进行滤波，去除离群点和表面噪声；最终从View1、View2、View3，...ViewN中提取出多视角目标工件点云数据Obj1，Obj2，Obj3，...ObjN；步骤3：点云配准，基于高斯混合模型进行点云配准；这一过程是将步骤2
‑
3中得到的Obj1，Obj2，Obj3，...ObjN进行两两配准，得出变换矩阵，进行全局拼接，得到完整的点云模型；步骤3
‑
1：为相邻的两个视角的点云建立高斯混合模型；从Obj1，Obj2，Obj3，...ObjN中选择需要配准的相邻两视角点云，设目标点云为Scene，以及待配准点云为Model；已知高斯连续概率密度分布函数为：其中，μ为均值向量，∑为协方差矩阵，d为数据的维度；根据以下准则建立高斯混合模型：
S1.高斯混和模型中的高斯分量数量等于每一个点云数据...
【专利技术属性】
技术研发人员：禹鑫燚，张毅凯，欧林林，程兆赢，
申请(专利权)人：浙江工业大学，
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。