基于去伪加权方差最小化算法的工件点云精配准方法技术

本发明专利技术公开一种基于去伪加权方差最小化算法的工件点云精配准方法，首先将CAD模型离散为点云模型，并进行法向量计算和定向，利用三维扫描仪获取测量点云；之后利用Kdtree算法双向搜索获取最近邻点对集合，基于点对的位置关系，将测点分为正向测点和负向测点；之后以二进制符号统一点到点距离和点到面距离建立自适应协调距离；构造权重函数用于区分正常点云、可控异常点云和不可控异常点云；基于自适应协调距离和权重函数建立去伪加权方差最小化算法的目标函数，并求解CAD点云和测量点云精配准的刚体转换矩阵，完成工件的精配准。本发明专利技术充分考虑各种异常点云引起的匹配失真，有效抑制匹配倾斜，提高配准精度和配准鲁棒性。提高配准精度和配准鲁棒性。提高配准精度和配准鲁棒性。

【技术实现步骤摘要】
基于去伪加权方差最小化算法的工件点云精配准方法


[0001]本专利技术属于加工制造领域，涉及一种点云配准算法，特别涉及一种基于去伪加权方差最小化(DPWVM)算法的工件点云精配准方法。

技术介绍

[0002]在机器人加工制造领域，大型复杂工件的定位与测量通常比较困难。以大型铸造件为例，其在铸造凝固过程中会存在一定范围的自由收缩率，当铸件具有壁厚不均匀的特点时，各部位冷却和收缩过程不能保持同步，从而导致铸件不同部位发生不同的尺寸变化，使得实际工件与理想CAD模型在结构上会存在一定偏差。另外，此类零件在浇铸成型后不可避免地会在模具分型处以及拉模、粘砂面处产生尺寸不一、形状各异的飞边。因此，面对结构偏差和杂乱不均的余量等大量异常点云，现有的点云配准算法无法有效配准，难以保证工件精准定位与测量。申请号为CN201510226138.8的授权专利技术专利提出了一种基于距离方差最小的工件点云匹配算法，该算法可抑制点云缺失，点云密度不均等测量固有缺陷引起的匹配失真，但对于大型复杂工件，不均匀余量和结构偏差等过多的异常点云会使其匹配失真。申请号为CN202110573411.X的授权专利技术专利提出一种基于加权正负余量方差最小化算法的复杂工件光学测量方法，对于余量不均引起的匹配失真可以起到抑制作用，但该算法无法有效区分结构偏差点云与余量点云，尤其是当结构偏差程度不大但偏差数量较多时，本该完全抑制地结构偏差点云却被视为余量点云，此时由于过多的异常点云，加权正负余量方差最小化算法会陷入局部最优解，无法有效配准。文献“A method for registration of 3
‑
D shapes”(IEEE Transactions on Pattern Analysis and Machine Intelligence,14(1992)239
‑
256)提出一种迭代最近点(ICP)算法，以最小化点到点距离平方和为目标，逐步迭代完成点云精配准，由于其目标函数保证全局距离最小，该算法会受到结构偏差和余量杂乱不均等异常点云的影响而匹配失真。本专利技术针对上述问题，提出了一种能有效抑制结构偏差、余量不均等大量异常点云影响的去伪加权方差最小化算法，应用于大型复杂工件的机器人视觉定位与测量，可有效解决传统算法的匹配失真问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于去伪加权方差最小化(De
‑
pseudo
‑
weighted variance minimization，DPWVM)算法的工件点云精配准方法，建立了一种可区分结构偏差点云与余量点云的权重函数，以二进制符号η统一点到点距离和点到面距离建立自适应协调距离，可有效解决现有算法在面对大量结构偏差点云和不均匀的余量点云出现的匹配失真，提高了算法收敛的稳定性，尤其适用于大型复杂工件，最终通过大型复杂工件的配准定位，验证了算法的有效性。
[0004]为实现上述目的，本专利技术的技术方案如下：
[0005]本专利技术保护一种基于去伪加权方差最小化算法的工件点云精配准方法，包括如下步骤：
[0006]步骤1、将CAD模型离散为点云模型作为目标点云Q，基于Open3D库函数完成目标点云法向量计算和定向，利用三维扫描仪获取测量点云作为源点云P；
[0007]步骤2、利用Kdtree算法对目标点云和源点云双向搜索获取最近邻点对集合，源点云中的一个测量点和目标点云中与该测量点距离最近的一个点云组成一对最近邻点对，基于目标点云和源点云P的点对之间位置关系将源点云P分为正向测点集合P
k
(p1,p2,p3…
p
k
…
p
m
)和负向测点集合P
s
(p1,p2,p3…
p
s
…
p
n
)，p
k
表示第k个正向测点，m为源点云中正向测点总数，p
s
表示第s个负正向测点，n为源点云中负向测点总数，源点云总数为m+n；
[0008]步骤3、统一最近邻点对集合中点到点距离和点到面距离建立自适应协调距离，以二进制符号η连接，η＝0或η＝1，实时调整自适应协调距离；
[0009]步骤4、建立权重函数，以点对距离范围将源点云P分为正常点云、可控异常点云和不可控异常点云并对每个点对距离施加不同程度的比例权重，进而减小异常点云对配准精度的影响；
[0010]步骤5、基于自适应协调距离和权重函数建立去伪加权方差最小化算法的目标函数，用于求解基于CAD模型的目标点云Q和源点云P之间精配准的刚体转换矩阵；
[0011]步骤6、利用步骤5计算出的转换矩阵作用于测量点云，从而更新测量点云；
[0012]步骤7、定义存在结构偏差点云、余量不均点云以及测量固有缺陷时的误差评价函数；
[0013]步骤8、重复步骤2
‑
7，直到达到收敛条件:迭代次数M>M
max
，最终获得精配准的刚体转换参数T。
[0014]进一步地，步骤1中，采取Open3D中的estimate_normals函数完成目标点云法向量计算，orient_normals_consistent_tangent_plane函数完成法向量的定向。
[0015]进一步地，步骤2中，正负测点区分方法，对于正向测点p
k
和负向测点p
s
，p
k
满足p
s
满足q
j
为与源点云p
k
和p
s
近邻的目标点云，n
j
是目标点云q
j
处的法向量，是法向量n
j
的转置向量。
[0016]进一步地，步骤3中，自适应协调距离建立如下：
[0017]步骤3.1、自适应协调距离d
iV
包含正向自适应协调距离d
kV
和负向自适应协调距离d
sV
，i∈[1,m+n]，定义ω∈R3和ν∈R3为旋转向量和平移向量，R3表示三维空间，点对中点到点距离函数d
iI
一阶泰勒近似如下：
[0018]单步转换后最近邻点对中点到点距离d
iI
即更新点p
i+
到其最近邻点q
j
的距离，如公式(1):
[0019][0020]其中，是转换向量，P
i
是对应第i个测点p
i
三维坐标的反对称矩阵，I3×3是3
×
3的单位矩阵，点对中点到点距离d
iI
在ξ0＝06×1处的一阶泰勒展开为公式(2)：
[0021]d
iI
(ξ)＝d
iI
(ξ0)+[
▽
d
iI
(ξ0)]T
ξ
ꢀꢀꢀꢀꢀꢀ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于去伪加权方差最小化算法的工件点云精配准方法，其特征在于，包括如下步骤：步骤1、将CAD模型离散为点云模型作为目标点云Q，基于Open3D库函数完成目标点云法向量计算和定向，利用三维扫描仪获取测量点云作为源点云P；步骤2、利用Kdtree算法对目标点云和源点云双向搜索获取最近邻点对集合，源点云中的一个测量点和目标点云中与该测量点距离最近的一个点组成一对最近邻点对，基于目标点云和源点云P的点对之间位置关系将源点云P分为正向测点集合P
k
(p1,p2,p3…
p
k
…
p
m
)和负向测点集合P
s
(p1,p2,p3…
p
s
…
p
n
)，p
k
表示第k个正向测点，m为源点云中正向测点总数，p
s
表示第s个负正向测点，n为源点云中负向测点总数，源点云总数为m+n；步骤3、统一最近邻点对集合中点到点距离和点到面距离建立自适应协调距离，以二进制符号η连接，η＝0或η＝1，实时调整自适应协调距离；步骤4、建立权重函数，以点对距离范围将源点云P分为正常点云、可控异常点云和不可控异常点云，并对每个点对距离施加不同程度的比例权重，进而减小异常点云对配准精度的影响；步骤5、基于自适应协调距离和权重函数建立去伪加权方差最小化算法的目标函数，用于求解基于CAD模型的目标点云Q和源点云P之间精配准的刚体转换矩阵；步骤6、利用步骤5计算出的刚体转换矩阵作用于测量点云，从而更新测量点云；步骤7、定义存在结构偏差点云、余量不均点云以及测量固有缺陷时的误差评价函数；步骤8、重复步骤2
‑
7，直到达到收敛条件:迭代次数M>M
max
，最终获得精配准的刚体转换参数T。2.根据权利要求1所述一种基于去伪加权方差最小化算法的工件点云精配准方法，其特征在于：步骤3中具体包括如下步骤：步骤3.1、自适应协调距离d
iV
包含正向自适应协调距离d
kV
和负向自适应协调距离d
sV
，i∈[1,m+n]，定义ω∈R3和ν∈R3分别为旋转向量和平移向量，R3表示三维空间，点对中点到点距离函数d
iI
一阶泰勒近似如下：单步转换后最近邻点对中点到点距离d
iI
即更新点p
i+
到其最近邻点q
j
的距离，如公式(1):其中，是转换向量，P
i
是对应第i个测点p
i
三维坐标的反对称矩阵，I3×3是3
×
3的单位矩阵，点对中点到点距离d
iI
在ξ0＝06×1处的一阶泰勒展开为公式(2)：其中，d
iI
(ξ0)＝||p
i
‑
q
j
||，ξ0为6
×
1的转换零向量，为转换向量ξ的一阶梯度，的计算过程如公式(3)：
其中，A、B均为中间参数，表示单位化的最近邻点对距离向量，q
j
表示点对中与测点p
i
对应目标点，d
iI
的一阶近似表示为公式(4)：步骤3.2、建立点到平面距离函数，如公式(5):其中，d
iT
为点对中点到平面距离，F是一个距离函数，n
j
表示第j个目标点云q
j
处的法向量，n
iT
＝n
j
，是转换向量；步骤3.3、建立自适应协调距离函数d
iV
，如公式(6):其中，η表示二进制符号，n
iV
＝ηn
iT
+(1
‑
η)n
iI
，n
iV
自适应协调距离函数d
iV
的协调向量，n
iT
为点到平面距离函数d
iT
的协调向量，n
iI
是点对中点到点距离函数的协调向量；η＝0或η＝1，n
iI
的方向与n
iT
保持一致；当η＝0时，既有法线约束又存在切线约束，收敛稳定性提升，但收敛速度降低；当η＝1时，基于距离d
iT
进行收敛，仅存在法线约束，此时算法具有二次收敛速度；在收敛过程中，切线约束可有效防止错误收敛，甚至可抑制算法发散，提高算法稳定性；因此在精配准的初始阶段令η＝0，基于距离d
iI
进行收敛，保证算法在正确时方向上收
敛；后期令η＝1，基于距离d
iT
进行快速收敛。3.根据权利要求2所述一种基于去伪加权方差最小化算法的工件点云精配准方法，其特征在于：步骤4具体包括如下步骤：步骤4.1、建立所有正向测点的距离权重函数，如公式(7):其中，w
k
为所有正向测点的距离权重函数，d
kV
为正向自适应协调距离，是正向自适应协调距离均值，m是正向测点的数量，k∈[1,m]，α1,α2,μ均为自适应比例因子，且α1,α2∈(0,+∞]，α1<α2，μ∈[1,+∞]；当自适应协调距离d
kV
小于2倍的均值距离时，认为点云为正常点云，权重为1；当点对自适应协调距离d
kV
大于2倍的均值距离小于μ+1倍的均值距离时，认为点云为可控异常点云，权重值与自适应协调距离d
kV
呈负相关，此时以较小比例收缩距离；当点对自适应协调距离d
kV
大于μ+1倍的均值距离认为点云为不可控异常点云，权重值与自适应协调距离d
kV
呈负相关，此时以极大比例收缩距离；当结构偏差点云数量较多时，应尽量缩小μ，反之增大；当结构偏差程度较大时，应尽量增大α2，反之缩小；步...

【专利技术属性】
技术研发人员：朱大虎，吴浩，张宇，华林，
申请(专利权)人：湖北隆中实验室，
类型：发明
国别省市：