一种零部件位姿识别方法及系统技术方案

本发明专利技术涉及一种零部件位姿识别方法及系统，所述方法包括如下步骤：对待配准的零部件的三维模型进行点云采样；采用3D点云相机拍摄待识别场景的点云信息；对场景点云集合进行聚类和分割，得到多个候选点云集合；选取与源点云集合配准度最高的候选点云集合作为目标点云集合；采用SAC

【技术实现步骤摘要】
一种零部件位姿识别方法及系统


[0001]本专利技术涉及3D视觉识别
，特别是涉及一种零部件位姿识别方法及系统。

技术介绍

[0002]随着制造业的不断发展，工业自动化、装配柔性化需求的不断增加，目前在基于机器视觉的自动装配领域，用的比较多的是基于普通的RGB相机的2D视觉处理方案，对于如图1所示的小型断路器的部分零部件，属于微小型零部件，其具有种类多样化、表面及边缘特征不清晰等特点，在2D视觉方案中识别其准确位姿的难度较大。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种零部件位姿识别方法及系统，以实现微小型零部件的位姿识别，为实现柔性装配提供视觉支持。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种零部件位姿识别方法，所述方法包括如下步骤：
[0006]对待配准的零部件的三维模型进行点云采样，获得源点云集合；
[0007]采用3D点云相机拍摄待识别场景的点云信息，构建场景点云集合；
[0008]对场景点云集合进行聚类和分割，得到多个候选点云集合；
[0009]选取与源点云集合配准度最高的候选点云集合作为目标点云集合；
[0010]采用SAC
‑
IA(Sample Consensus Initial Aligment，采样一致性初始配准算法)算法对源点云集合和目标点云集合进行点云粗配准，获得粗配准点云集合，所述粗配准点云集合中包含多个粗配准点云，所述粗配准点云为源点云集合中的源点云基于粗配准变换参数转换后的点云；
[0011]采用KD
‑
tree(K
‑
dimensional tree，K维树)搜索算法和ICP(terative Closest Pointe迭代最近点算法)算法对粗配准点云集合和目标点云集合进行点云精配准，获得精配准变换参数；
[0012]基于所述精配准变换参数对所述三维模型进行变换，并将变换后的三维模型与所述目标点云集合进行拟合渲染，得到零部件在所述待识别场景下的位姿识别结果。
[0013]可选的，所述采用SAC
‑
IA算法对源点云集合和目标点云集合进行点云粗配准，获得粗配准点云集合，具体包括：
[0014]在所述源点云集合中选取预设个数的源点云，作为采样点；
[0015]采用近邻搜索算法分别确定所述目标点云集合中与每个所述采样点FPFH(FastPoint Feature Histograms，快速点特征直方图)特征相差最小的场景点云，分别与每个所述采样点组成粗配准点对；
[0016]采用RANSAC(Random Sample Consensus，随机抽样一致性算法)算法对所述粗配准点进行优化，获得优化后的粗配准点对；
[0017]基于优化后的粗配准点对，确定使距离误差和函数的值最小的变换参数，作为粗
配准变换参数；
[0018]基于所述粗配准变换参数对源点云集合进行变换，得到粗配准点云集合。
[0019]可选的，所述距离误差和函数为：
[0020][0021][0022]其中，Huber表示距离误差和函数，n表示采样点的个数，H(l
i
)表示第i个优化后的粗配准点对的距离误差；l
i
表示第i个粗配准点对中的采样点基于当前的变换参数变换后的点云与第i个粗配准点对中的场景点云的距离；m
l
表示预设定值。
[0023]可选的，所述采用KD
‑
tree搜索算法和ICP算法对粗配准点云集合和目标点云集合进行点云精配准，获得精配准变换参数，具体包括：
[0024]采用KD
‑
tree搜索算法分别确定粗配准点云集合中与所述目标点云集合中每个场景点云欧氏距离最小的点云，组成精配准点云对；
[0025]采用RANSAC算法对所述精配准点云对进行优化，获得优化后的精配准点云对；
[0026]基于优化后的精配准点对，采用ICP算法进行点云精配准，获得精配准变换参数。
[0027]可选的，所述基于优化后的精配准点对，采用ICP算法进行点云精配准，获得精配准变换参数，具体包括：
[0028]初始化迭代次数k的数值为0；
[0029]基于优化后的精配准点对，优化求解如下目标函数，确定使所述目标函数最小时的旋转矩阵和平移矩阵，作为第k次迭代的旋转矩阵和平移矩阵；
[0030][0031]其中，f表示目标函数，N表示优化后的精配准点对的数量，g
j
表示第j个优化后的精配准点对中的场景点云，表示第j个优化后的精配准点对中的粗配准点云经第k次变换后的点云；R
k
和T
k
分别表示第k次迭代的旋转矩阵和平移矩阵；
[0032]基于第k次迭代的旋转矩阵和平移矩阵，利用如下公式对第k次变换后的点云进行变换，获得第k+1次变换后的点云；
[0033][0034]判断是否满足迭代结束条件，获得判断结果；
[0035]若所述判断结果表示否，则令迭代次数的数值增加1，返回步骤“基于优化后的精配准点对，优化求解如下目标函数，确定使所述目标函数最小时的旋转矩阵和平移矩阵，作为第k次迭代的旋转矩阵和平移矩阵”；
[0036]若所述判断结果表示是，则基于每次迭代的旋转矩阵和平移矩阵，确定由粗配准点云集合中的粗配准点云变换到第k+1次变换后的点云的总的旋转矩阵和平移矩阵，作为精配准参数。
[0037]可选的，所述迭代结束条件为：满足公式d
k
<E、d
k+1
‑
d
k
<e和k>＝k
max
中的至少一个；
[0038]其中，
[0039]d
k
和d
k+1
分别表示第k次迭代和第k+1次迭代后的均方差；E表示均方差阈值，e表示均方差变化阈值，k
max
表示迭代次数阈值。
[0040]一种零部件位姿识别系统，所述系统包括：
[0041]三维模型采样模块，用于对待配准的零部件的三维模型进行点云采样，获得源点云集合；
[0042]场景点云获取模块，用于采用3D点云相机拍摄待识别场景的点云信息，构建场景点云集合；
[0043]聚类和分割模块，用于对场景点云集合进行聚类和分割，得到多个候选点云集合；
[0044]目标点云集合选取模块，用于选取与源点云集合配准度最高的候选点云集合作为目标点云集合；
[0045]粗配准模块，用于采用SAC
‑
IA算法对源点云集合和目标点云集合进行点云粗配准，获得粗配准点云集合，所述粗配准点云集合中包含多个粗配准点云，所述粗配准点云为源点云集合中的源点云基于粗配准变换参数转换后的点云；
[0046]精配准模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种零部件位姿识别方法，其特征在于，所述方法包括如下步骤：对待配准的零部件的三维模型进行点云采样，获得源点云集合；采用3D点云相机拍摄待识别场景的点云信息，构建场景点云集合；对场景点云集合进行聚类和分割，得到多个候选点云集合；选取与源点云集合配准度最高的候选点云集合作为目标点云集合；采用SAC
‑
IA算法对源点云集合和目标点云集合进行点云粗配准，获得粗配准点云集合，所述粗配准点云集合中包含多个粗配准点云，所述粗配准点云为源点云集合中的源点云基于粗配准变换参数转换后的点云；采用KD
‑
tree搜索算法和ICP算法对粗配准点云集合和目标点云集合进行点云精配准，获得精配准变换参数；基于所述精配准变换参数对所述三维模型进行变换，并将变换后的三维模型与所述目标点云集合进行拟合渲染，得到零部件在所述待识别场景下的位姿识别结果。2.根据权利要求1所述的零部件位姿识别方法，其特征在于，所述采用SAC
‑
IA算法对源点云集合和目标点云集合进行点云粗配准，获得粗配准点云集合，具体包括：在所述源点云集合中选取预设个数的源点云，作为采样点；采用近邻搜索算法分别确定所述目标点云集合中与每个所述采样点FPFH特征相差最小的场景点云，分别与每个所述采样点组成粗配准点对；采用RANSAC算法对所述粗配准点进行优化，获得优化后的粗配准点对；基于优化后的粗配准点对，确定使距离误差和函数的值最小的变换参数，作为粗配准变换参数；基于所述粗配准变换参数对源点云集合进行变换，得到粗配准点云集合。3.根据权利要求2所述的零部件位姿识别方法，其特征在于，所述距离误差和函数为：3.根据权利要求2所述的零部件位姿识别方法，其特征在于，所述距离误差和函数为：其中，Huber表示距离误差和函数，n表示采样点的个数，H(l
i
)表示第i个优化后的粗配准点对的距离误差；l
i
表示第i个粗配准点对中的采样点基于当前的变换参数变换后的点云与第i个粗配准点对中的场景点云的距离；m
l
表示预设定值。4.根据权利要求1所述的零部件位姿识别方法，其特征在于，所述采用KD
‑
tree搜索算法和ICP算法对粗配准点云集合和目标点云集合进行点云精配准，获得精配准变换参数，具体包括：采用KD
‑
tree搜索算法分别确定粗配准点云集合中与所述目标点云集合中每个场景点云欧氏距离最小的点云，组成精配准点云对；采用RANSAC算法对所述精配准点云对进行优化，获得优化后的精配准点云对；基于优化后的精配准点对，采用ICP算法进行点云精配准，获得精配准变换参数。5.根据权利要求4所述的零部件位姿识别方法，其特征在于，所述基于优化后的精配准点对，采用ICP算法进行点云精配准，获得精配准变换参数，具体包括：
初始化迭代次数k的数值为0；基于优化后的精配准点对，优化求解如下目标函数，确定使所述目标函数最小时的旋转矩阵和平移矩阵，作为第k次迭代的旋转矩阵和平移矩阵；其中，f表示目标函数，N表示优化后的精配准点对的数量，g
j
表示第j个优化后的精配准点对中的场景点云，表示第j个优化后的精配准点对中的粗配准点云经第k次变换后的点云；R
k
和T
k
分别表示第k次迭代的旋转矩阵和平移矩阵；基于第k次迭代的旋转矩阵和平移矩阵，利用如下公式对第k次变换后的点云进行变换，获得第k+1次变换后的点云；判断是否满足迭代结束条件，获得判断结果；若所述判断结果表示否，则令迭代次数的数值增加1，返回步骤“基于优化后的精配准点对，优化求解如下目标函数，确定使所述目标函数最小时的旋转矩阵和平移矩阵，作为第k次迭代...

【专利技术属性】
技术研发人员：闫俊涛，吴自然，吴桂初，
申请(专利权)人：温州大学乐清工业研究院，
类型：发明
国别省市：