利用点云配准技术和三维重建技术的工件位置找正方法技术

一种利用点云配准技术和三维重建技术的工件位置找正方法，首先利用点云技术建立点云模型，其次根据高精度机械臂的运动关系及手眼标定的结果进行多角度点云模型粗拼接，再应用ICP算法对其进行精拼接，通过点云融合得到焊件参考模型，之后利用点云配准技术，将实际场景中的工件模型和建立的参考模型对齐，得到两者的位姿转换关系，使系统能够实时感知工件的位姿，从而实现工件的定位找正。解决了在工件模型未知情况下，工件的定位找正，进而获得准确的机器人运动路径。确的机器人运动路径。确的机器人运动路径。

【技术实现步骤摘要】
利用点云配准技术和三维重建技术的工件位置找正方法


[0001]本专利技术属于光学测量
，具体涉及一种利用点云配准技术和三 维重建技术的工件位置找正方法。

技术介绍

[0002]近年来，随着工业自动化的需求，工业机器人在辅助加工得到了广泛 的使用。目前，在自动化生产中，应用最多的是“示教再现”和“离线编 程”两种工作方式。这两种模式虽然效果不错，但在实际的生产环境中， 由于目标多变，且工作环境复杂，而这些工作模式无法感知工况，对环境 的变化缺乏一定的灵活性导致效率较低。因此机器人辅助加工的智能化是 未来发展和应用的必然趋势。
[0003]机器人辅助加工的智能化，主要是将各类传感器与机器人结合起来， 实时获取实时工况的相关信息，通过对这些信息的实时处理，进而调整加 工过程中相关参数，完成自动加工作业。视觉传感器具有非接触测量，精 度高、速率高，抗弧光等优点，在机器人辅助加工的智能化过程中得到了 大量应用。
[0004]视觉传感技术在机器人辅助加工中主要分为被动视觉法和主动视觉传 感技术。主动视觉通常以结构光或者激光作为测量光源，将其投射到测量 物体表面，CCD相机拍摄物体表面图像并进行分析，从而获取工件几何结构 特征。因此，对于测量获取的点云数据是否能够进行合理准确的处理，得 到完整精确的CAD模型，对于机器人运动路径的准确性至关重要。

技术实现思路

[0005]针对上述问题，本专利技术提供一种利用点云配准技术和三维重建技术的 工件位置找正方法，通过对视觉传感器获取的工件点云数据进行处理，建 立工件参考模型，最终实现工件位置找正，解决了在工件模型未知的情况 下，准确装夹工件，进而获得准确的机器人运动路径，确保后期工作得顺 利进行。
[0006]本专利技术是通过以下技术方案实现的，提供一种利用点云配准技术和三 维重建技术的工件位置找正方法，包括以下步骤：
[0007]S1对获得的点云数据进行预处理，获得点云模型；
[0008]S2利用三维重建技术建立参考模型；
[0009]S3对参考模型和点云模型进行点云配准，得到参考模型和点云模型的 位姿变换矩阵；
[0010]S4利用位姿变换矩阵将点云模型和参考模型对齐，即完成工件位置找 正。
[0011]特别的，所述S1采用视觉传感器获取点云数据，该视觉传感器为二维 传感器。
[0012]特别的，所述S1中预处理包括点云去噪和点云简化，所述点云去噪具 体按照以下方案实施：
[0013]S111利用点云加权模糊C均值聚类算法计算数据点g
i
的密度ρ
i
，密度ρ
i
具体按如下
公式进行计算：
[0014][0015]公式(1)中，g
i
为数据点，d(g
i
,g
j
)为两个数据点间的欧氏距离，g
j
为 数据点g
i
的k个邻域点，当k个数据点距离较近时，d(g
i
,g
j
)较小，ρ
i
较大， 这对聚类影响较大，因此按如下公式对ρ
i
进行归一化：
[0016][0017]于公式(2)中，r为数据点到聚类中心的距离，Ω
i
为数据点g
i
对分类 的影响，噪声点离模型越远，Ω
i
越小，对分类的影响就越小，最终的聚类 效果越好，因此点云加权模糊C均值聚类算法的目标函数按如下公式表示：
[0018][0019]于公式(3)中，u
ij
为数据点对应的隶属度，其介于[0，1]之间，b
i
为聚 类组i的聚类中心，d
ij
＝|b
i
‑
x
j
|为第i个聚类中心与第j个数据点间的欧式距 离，x
j
为数据点坐标，s＝2，C为聚类中心个数，
[0020]S112判断数据点g
i
到k近邻点的平均距离是否大于阈值，若是，则表 示该数据点g
i
为噪声，删除，结束，若否，则执行S213，
[0021]S113对k近邻点进行点云权重聚类，用聚类中心作为新的数据点，即 去除点云数据中的大尺度噪声，结束，通过迭代计算使公式(3)取最小值， 按如下公式计算出聚类中心b
i
、对应的隶属度u
ij
：
[0022][0023][0024]S114按如下公式计算出双边滤波因子μ：
[0025][0026]于公式(6)中，k
ij
为数据点g
i
的临近点，M(g
i
)为数据点g
i
的邻域点 的隶属度，σ
c
衡量了点g
i
到其邻域点的欧氏距离对该点的影响，σ
s
表示点g
i
到邻域点的距离向量在法向上的投影对该点的影响，为滤波函数， 为特征权重函数，x＝||g
i
‑
k
ij
||为数据点g
i
到邻域点的距离，＜n
i
,g
i
‑
k
ij
＞ 为特征权重，所述滤波函数、特征权重函数分别按如下
公式表示：
[0027][0028][0029]S115按如下公式对滤波数据进行更新：
[0030]g
i
＝g
i
+μn
ꢀꢀꢀ
(9)；
[0031]S116遍历模型中所有数据点，即去除点云数据中的小尺度噪声，结束；
[0032]所述点云简化具体按照以下方案实施：
[0033]S121通过原始点云模型在X，Y，Z方向上的x
min
，x
max
，y
min
，y
max
， z
min
，z
max
，来确定Cell的大小，
[0034]S122根据实际需要确定栅格大小l
x
，l
y
，l
z
，从而确定模型在X，Y， Z方向被分成m，n，l份，即：
[0035][0036]S123确定每个数据点g
i
在栅格中的索引号a
i
，b
i
，c
i
，计算方法如下：
[0037][0038]按如下公式将数据点g
i
在栅格中的索引号转化为一维形式：
[0039][0040]S124按如下公式计算体素栅格内所有点的重心，并用该重心代表栅格 内的所有点，
[0041][0042]S125遍历所有体素，得到简化后的点云数据。
[0043]特别的，所述S2具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.利用点云配准技术和三维重建技术的工件位置找正方法，其特征在于，包括以下步骤：S1对获得的点云数据进行预处理，获得点云模型；S2利用三维重建技术建立参考模型；S3对参考模型和点云模型进行点云配准，得到参考模型和点云模型的位姿变换矩阵；S4利用位姿变换矩阵将点云模型和参考模型对齐，即完成工件位置找正。2.根据权利要求1所述的利用点云配准技术和三维重建技术的工件位置找正方法，其特征在于，所述S1采用视觉传感器获取点云数据，该视觉传感器为二维传感器。3.根据权利要求1所述的利用点云配准技术和三维重建技术的工件位置找正方法，其特征在于，所述S1中预处理包括点云去噪和点云简化，所述点云去噪具体按照以下方案实施：S111利用点云加权模糊C均值聚类算法计算数据点g
i
的密度ρ
i
，密度ρ
i
具体按如下公式进行计算：公式(1)中，g
i
为数据点，d(g
i
,g
j
)为两个数据点间的欧氏距离，g
j
为数据点g
i
的k个邻域点，当k个数据点距离较近时，d(g
i
,g
j
)较小，ρ
i
较大，这对聚类影响较大，因此按如下公式对ρ
i
进行归一化：于公式(2)中，r为数据点到聚类中心的距离，Ω
i
为数据点g
i
对分类的影响，噪声点离模型越远，Ω
i
越小，对分类的影响就越小，最终的聚类效果越好，因此点云加权模糊C均值聚类算法的目标函数按如下公式表示：于公式(3)中，u
ij
为数据点对应的隶属度，其介于[0，1]之间，b
i
为聚类组i的聚类中心，d
ij
＝|b
i
‑
x
j
|为第i个聚类中心与第j个数据点间的欧式距离，x
j
为数据点坐标，s＝2，C为聚类中心个数，S112判断数据点g
i
到k近邻点的平均距离是否大于阈值，若是，则表示该数据点g
i
为噪声，删除，结束，若否，则执行S213，S113对k近邻点进行点云权重聚类，用聚类中心作为新的数据点，即去除点云数据中的大尺度噪声，结束，通过迭代计算使公式(3)取最小值，按如下公式计算出聚类中心b
i
、对应的隶属度u
ij
：
S114按如下公式计算出双边滤波因子μ：于公式(6)中，k
ij
为数据点g
i
的临近点，M(g
i
)为数据点g
i
的邻域点的隶属度，σ
c
衡量了点g
i
到其邻域点的欧氏距离对该点的影响，σ
s
表示点g
i
到邻域点的距离向量在法向上的投影对该点的影响，为滤波函数，为特征权重函数，x＝||g
i
‑
k
ij
||为数据点g
i
到邻域点的距离，＜n
i
,g
i
‑
k
ij
＞为特征权重，所述滤波函数、特征权重函数分别按如下公式表示：示：S115按如下公式对滤波数据进行更新：g
i
＝g
i
+μn
ꢀꢀꢀꢀꢀꢀ
(9)；S116遍历模型中所有数据点，即去除点云数据中的小尺度噪声，结束；所述点云简化具体按照以下方案实施：S121通过原始点云模型在X，Y，Z方向上的x
min
，x
max
，y
min
，y
max
，z
min
，z
max
，来确定Cell的大小，S122根据实际需要确定栅格大小l
x
，l
y
，l
z
，从而确定模型在X，Y，Z方向被分成m，n，l份，即：S123确定每个数据点g
i
在栅格中的索引号a
i
，b
i
，c
i
，计算方法如下：按如下公式将数据点g
i
在栅格中的索引号转化为一维形式：S124按如下公式计算体素栅格内所有点的重心，并用该重心代表栅格内的所有点，
S125遍历所有体素，得到简化后的点云数据。4.根据权利要求3所述的利用点云配准技术和三维重建技术的工件位置找正方法，其特征在于，所述S2具体按照以下方案实施：S21将工件固定放置于机械臂前方，控制机械臂运动n次得到点云模型集合{p1,p2,
…
,p
n
}，将各个直接获得的点云模型转换到机械臂初始拍摄位置的相机坐标系下，分析系统的坐标转换关系如下公式：于公式(14)中，均为手眼关系矩阵，分别表示工具...

【专利技术属性】
技术研发人员：苏锋，
申请(专利权)人：北京华睿盛德科技有限公司，
类型：发明
国别省市：