本发明专利技术提供一种平面物体的位姿匹配方法，包括：获取所述平面物体的点云；基于所述平面物体的点云提取边缘点云；计算所述边缘点云的边缘向量，其中所述边缘向量包括主法向量、切线向量或边缘法向量；根据所述主法向量、切线向量或边缘法向量，构建所述边缘点云中任意两点的点对特征向量集合；和将所述边缘点云中的点对特征向量与基准点对特征向量集合进行匹配，获得所述平面物体的位姿。本发明专利技术的技术方案基于边缘法向进行匹配，解决了现有技术中的基于面匹配或主法向匹配无法实现平面物体的匹配问题，可靠性高，稳定性强，大大提高了平面物体的识别准确度和识别效率。物体的识别准确度和识别效率。物体的识别准确度和识别效率。
【技术实现步骤摘要】
平面物体的位姿匹配方法及电子设备
[0001]本专利技术大致涉及机器视觉
，尤其涉及一种平面物体的位姿匹配方法，以及一种平面物体的位姿匹配电子设备。
技术介绍
[0002]随着工业智能化的发展，通过机器人代替人工对物体(例如工业零件、箱体等)进行操作的情况越来越普及。在机器人操作时，一般需要抓取物体，将物体从一个位置移动并放置至另一位置处，例如从传送带上抓取物体移动并放置于托盘上或笼车中，又如从托盘上抓取物体，按要求放置于传送带或其他托盘上等。如图1a～图1c所示，当前大多采用匹配基于表面的匹配方法，对于表面特征丰富，形状变化差异大的物体，匹配的稳定性较好，但对于平面物体(图中未示出)，比如简单的立方体、平面板材类物体，由于表面缺少形状变化，原始的点对特征失去对不同物体的判别性，导致匹配失败。
[0003]
技术介绍
部分的内容仅仅是专利技术人所知晓的技术，并不当然代表本领域的现有技术。
技术实现思路
[0004]针对现有技术存在问题中的一个或多个，本专利技术提供一种平面物体的位姿匹配方法，所述位姿匹配方法包括：
[0005]获取所述平面物体的点云；
[0006]基于所述平面物体的点云提取边缘点云；
[0007]计算所述边缘点云的边缘向量，其中所述边缘向量包括主法向量、切线向量或边缘法向量；
[0008]根据所述主法向量、切线向量或边缘法向量，构建所述边缘点云中任意两点的点对特征向量集合；和
[0009]将所述边缘点云中的点对特征向量与基准点对特征向量集合进行匹配，获得所述平面物体的位姿。
[0010]根据本专利技术的一个方面，其中所述获取平面物体的点云的步骤包括：通过3D相机获取所述平面物体的点云。
[0011]根据本专利技术的一个方面，其中所述基于平面物体的点云提取边缘点云的步骤包括：
[0012]搜索所述平面物体的点云中的每个点的邻域内的相邻点；
[0013]通过所述每个点及其邻域内的相邻点确定所述每个点是否为边缘点。
[0014]根据本专利技术的一个方面，其中所述通过每个点及其邻域内的相邻点确定每个点是否为边缘点的步骤包括：
[0015]构建所述每个点与其邻域内的相邻点的向量；
[0016]确定所述每个点与其相邻点的向量与基准向量的夹角的最值；和
[0017]基于所述夹角的最值与阈值的大小关系确定所述每个点是否为边缘点；
[0018]其中所述基准向量位于所述平面物体的平面内。
[0019]根据本专利技术的一个方面，其中所述基于平面物体的点云提取边缘点云的步骤还包括：
[0020]将所述平面物体的点云投影至预设平面，得到二维投影图像；
[0021]提取所述二维投影图像的轮廓边缘；和
[0022]将所述二维投影图像的轮廓边缘投影到三维空间，得到所述平面物体的边缘点云。
[0023]根据本专利技术的一个方面，其中所述计算边缘点云的边缘向量的步骤包括：采用主成分分析算法计算所述边缘点云所在平面的主法向量；其中所述主法向量对应所述主成分的最短轴。
[0024]根据本专利技术的一个方面，其中所述计算边缘点云的边缘向量的步骤还包括：采用主成分分析算法计算所述边缘点云的切线向量；其中所述切线向量对应所述主成分的最长轴。
[0025]根据本专利技术的一个方面，其中所述计算边缘点云的边缘向量的步骤还包括：计算所述边缘点云的边缘法向量；其中所述边缘法向量沿所述边缘点云所在平面指向外部。
[0026]根据本专利技术的一个方面，其中所述计算边缘点云的边缘法向量的步骤包括：
[0027]计算所述边缘点云所在平面的主法向量；
[0028]计算所述边缘点云的切线向量；
[0029]计算所述边缘点云所在平面的中心点与边缘点云中的点的向量；和
[0030]基于所述主法向量、切线向量以及所述边缘点云所在平面的中心点与边缘点云中的点的向量确定所述边缘法向量。
[0031]根据本专利技术的一个方面，其中所述根据主法向量、切线向量或边缘法向量，构建所述边缘点云中任意两点的点对特征向量集合的步骤包括：
[0032]以所述边缘点云中的任意两点构建点对向量；
[0033]计算所述点对向量的模；
[0034]确定所述任意两点中的第一点的主法向量、切线向量或边缘法向量与所述点对向量的第一夹角；
[0035]确定所述任意两点中的第二点的主法向量、切线向量或边缘法向量与所述点对向量的第二夹角；
[0036]确定所述第一点的主法向量、切线向量或边缘法向量与所述第二点的边缘向量的第三夹角；和
[0037]通过所述点对向量的模、第一夹角、第二夹角以及第三夹角构建所述点对特征向量集合。
[0038]根据本专利技术的一个方面，其中存在多个基准点对特征向量集合，每个基准点对特征向量集合具有相对应的位姿，所述将边缘点云中的点对特征向量集合与基准点对特征向量集合进行匹配的步骤包括：
[0039]确定所述边缘点云中的点对特征向量集合与每个所述基准点对特征向量集合之间的转换关系，确定与所述点对特征向量集合匹配的基准点对特征向量集合，并根据所述
匹配的基准点对特征向量集合的位姿，确定所述平面物体的位姿。
[0040]本专利技术还涉及一种平面物体的位姿匹配电子设备，包括：
[0041]点云获取单元，配置成获取所述平面物体的点云；
[0042]边缘点云提取单元，与所述点云获取单元通信连接，配置成基于所述平面物体的点云提取边缘点云；和
[0043]处理单元，与所述点云获取单元和所述边缘点云获取单元通信连接，配置成计算所述边缘点云的边缘向量，其中所述边缘向量包括主法向量、切线向量或边缘法向量；并根据所述主法向量、切线向量或边缘法向量，构建所述边缘点云中任意两点的点对特征向量；以及将所述边缘点云中的点对特征向量与基准点对特征向量进行匹配，获得所述平面物体的位姿。
[0044]本专利技术还涉及一种计算机可读存储介质,包括存储于其上的计算机可执行指令，所述可执行指令在被处理器执行时实施如上所述的位姿匹配方法。
[0045]本专利技术的技术方案基于边缘法向进行匹配，解决了现有技术中的基于面匹配或主法向匹配无法实现平面物体的匹配问题，可靠性高，稳定性强，大大提高了平面物体的识别准确度和识别效率。
附图说明
[0046]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：
[0047]图1a示出了表面特征丰富、形状变化差异大的物体的示意图；
[0048]图1b和图1c分别示出了现有的基于表面匹配、主法向量匹配的示意图；
[0049]图2示出了根据本专利技术的一个实施例的平面物体的位姿匹配方法的流程图；
[0050]图3示出了根据本专利技术一个实施例的平面物体的点云的示意图；
[0051]图4a示出了根据本专利技术的一个实施例的在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种平面物体的位姿匹配方法，包括：获取所述平面物体的点云；基于所述平面物体的点云提取边缘点云；计算所述边缘点云的边缘向量，其中所述边缘向量包括主法向量、切线向量或边缘法向量；根据所述主法向量、切线向量或边缘法向量，构建所述边缘点云中任意两点的点对特征向量集合；和将所述边缘点云中的点对特征向量与基准点对特征向量集合进行匹配，获得所述平面物体的位姿。2.根据权利要求1所述的位姿匹配方法，其中所述获取平面物体的点云的步骤包括：通过3D相机获取所述平面物体的点云。3.根据权利要求1所述的位姿匹配方法，其中所述基于平面物体的点云提取边缘点云的步骤包括：搜索所述平面物体的点云中的每个点的邻域内的相邻点；通过所述每个点及其邻域内的相邻点确定所述每个点是否为边缘点。4.根据权利要求3所述的位姿匹配方法，其中所述通过每个点及其邻域内的相邻点确定每个点是否为边缘点的步骤包括：构建所述每个点与其邻域内的相邻点的向量；确定所述每个点与其相邻点的向量与基准向量的夹角的最值；和基于所述夹角的最值与阈值的大小关系确定所述每个点是否为边缘点；其中所述基准向量位于所述平面物体的平面内。5.根据权利要求1所述的位姿匹配方法，其中所述基于平面物体的点云提取边缘点云的步骤还包括：将所述平面物体的点云投影至预设平面，得到二维投影图像；提取所述二维投影图像的轮廓边缘；和将所述二维投影图像的轮廓边缘投影到三维空间，得到所述平面物体的边缘点云。6.根据权利要求1所述的位姿匹配方法，其中所述计算边缘点云的边缘向量的步骤包括：采用主成分分析算法计算所述边缘点云所在平面的主法向量；其中所述主法向量对应所述主成分的最短轴。7.根据权利要求1所述的位姿匹配方法，其中所述计算边缘点云的边缘向量的步骤还包括：采用主成分分析算法计算所述边缘点云的切线向量；其中所述切线向量对应所述主成分的最长轴。8.根据权利要求1所述的位姿匹配方法，其中所述计算边缘点云的边缘向量的步骤还包括：计算所述边缘点云的边缘法向量；其中所述边缘法向量沿所述边缘点云所在平面指向外部。9.根据权利要求8所述的位姿匹配方法，其中所述计算边缘点云的边缘法向量的步骤包括：计算所述边缘点云所在平面的主法向量；计...
【专利技术属性】
技术研发人员：盛文波，魏海永，丁有爽，邵天兰，
申请(专利权)人：梅卡曼德北京机器人科技有限公司，
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。