一种结合边缘特征的点云配准方法技术

本发明专利技术公开了一种结合边缘特征的点云配准方法，获取模板工件点云，搜索边缘点存储到模板边缘点云；获取实测工件点云，搜索边缘点存储到实测边缘点云；利用最近邻搜索方法获得实测匹配点集和边缘匹配点集；利用模板工件点云、实测匹配点集、模板边缘点云、边缘匹配点集构建目标函数；利用最优化方法迭代求解目标函数，得出旋转矩阵R和平移矩阵t，完成模板工件点云与实测工件点云之间的配准。本方法旨在解决工件表面形貌起伏较小，纹理不丰富的情形下的配准问题。的配准问题。的配准问题。

【技术实现步骤摘要】
一种结合边缘特征的点云配准方法


[0001]本专利技术涉及点云配准领域，具体涉及一种结合边缘特征的点云配准方法。

技术介绍

[0002]点云配准(Point Cloud Registration)指的是输入两幅点云Ps，(s代表source)和Pt，(t代表target)，输出一个旋转平移关系使得Ps和Pt的重合程度尽可能高。目前，传统的点云配准方法为ICP方法(Iterative Closest Point)，ICP方法的核心思想是基于当前的Ps在Pt中的最近点，求解变换，反复迭代得出最优解。该方法在待测工件表面特征较为丰富的场景中，配准效果准确，但是，有些工件表面形貌起伏较小，纹理不丰富，就会导致采集到的点云表面特征少，例如板状平面工件。此时，利用ICP方法会收敛到局部极小值，导致配准结果中点云只有部分重合，没有达到整体完全对齐，在特征的边缘处存在偏差(如图1、图2)，配准结果精度低，无法应用于高精度加工、装配领域。

技术实现思路

[0003]为了解决上述技术问题，本专利技术提供一种结合边缘特征的点云配准方法，旨在解决现有ICP方法在工件表面形貌起伏较小，纹理不丰富的情形下，配准结果不准确的问题。针对此类工件，增加工件的边缘特征约束，能够获得更为准确的配准结果。
[0004]为此，本专利技术的技术方案如下：
[0005]一种结合边缘特征的点云配准方法，获取基准工件点云，框选其中的感兴趣区域点云存储为模板工件点云，搜索该点云中的边缘点，并将其存储到模板边缘点云；
[0006]利用以下步骤，进行点云配准：
[0007]1)获取实际场景点云，进行预处理，将预处理后的点云存储为实测工件点云，搜索该点云中的边缘点，并将其存储到实测边缘点云；
[0008]所述实测工件点云中包含与基准工件相同型号的工件点云；
[0009]对于模板工件点云中的三维点，利用最近邻搜索方法从实测工件点云中查找到与其距离最接近的点，将查找到的点存储到实测匹配点集；
[0010]对于模板边缘点云中的三维点，利用最近邻搜索方法从实测边缘点云中查找到与其距离最接近的点，将查找到的点均存储到边缘匹配点集；
[0011]2)构建目标函数E(R，t)：
[0012][0013]其中，p
i
表示模板工件点云中的一点，q
i
表示实测匹配点集中的一点，k
i
表示q
i
的法向量，n表示模板工件点云中点的个数；h
j
表示模板边缘点云中的一点，g
j
表示边缘匹配点集中的一点，m表示模板边缘点云中点的个数；λ为预设的权重值；
[0014]利用最优化方法迭代求解目标函数E(R，t)，得出旋转矩阵R和平移矩阵t，完成模
板工件点云与实测工件点云之间的配准。
[0015]优选，搜索点云中的边缘点的方法为：
[0016]在点云中，利用基于法线的边界提取方法获取边缘点。
[0017]优选，在获取基准工件点云以及实际场景点云的同时，还在相同的位置采集一幅二维图像；二维图像中的像素点与点云中的各三维点之间具有一一对应关系；
[0018]将基准工件点云对应的二维图像记为基准二维图像；将实际场景中点云对应的二维图像记为实测二维图像；
[0019]在模板工件点云中搜索边缘点的方式为：
[0020]在基准二维图像中进行边缘提取，得到各个边缘点的像素坐标，查找各个像素坐标在模板工件点云中对应的三维点，记为边缘点，存储到模板边缘点云；
[0021]在实测工件点云中搜索边缘点的方式为：
[0022]在实测二维图像中进行边缘提取，得到各个边缘点的像素坐标，查找各个像素坐标在实测工件点云中对应的三维点，记为边缘点，存储到实测边缘点云。
[0023]优选，在获取基准工件点云以及实际场景点云的同时，还在相同的位置采集一幅二维图像；二维图像中的像素点与点云中的各三维点之间具有一一对应关系；
[0024]将基准工件点云对应的二维图像记为基准二维图像，实际场景中点云对应的二维图像记为实测二维图像；
[0025]将模板工件点云记为点云I，将点云I中的各个点在基准二维图像中对应的像素点存储到点集I；
[0026]利用以下步骤，搜索点云I中的边缘点：
[0027]①
分别以点集I中每个像素点为中心点，查找中心点周围n
×
n邻域内的像素点，将查找到的各个像素点对应在点云I中的三维点存储为邻域点，将中心点对应在点云I中的点记为基准点；
[0028]②
计算各个邻域点与基准点之间的距离，统计距离值小于阈值I的点的总数B，距离值大于等于2
‑
4倍阈值I的点的总数C，判断B、C是否处于预设区间，若是，则将基准点存储为边缘点，否则不存储；
[0029]在步骤1)中，将实测工件点云记为新的点云I，将新的点云I中的各个点在实测二维图像中对应的像素点存储到新的点集I；利用新的点云I、新的点集I进行步骤
①
、
②
，搜索边缘点。
[0030]优选，阈值I为d为点云平均点间距；n＝3、5、7或9；预设区间为：
[0031]进一步，在获取基准工件点云以及实际场景点云的同时，还在相同的位置采集一幅二维图像；二维图像中的像素点与点云中的各三维点之间具有一一对应关系；
[0032]将基准工件点云对应的二维图像记为基准二维图像；将实际场景中点云对应的二维图像记为实测二维图像；
[0033]步骤1)中，对实际场景点云进行以下预处理，从实际场景点云中筛选出实测工件点云：
[0034]查找模板工件点云在基准二维图像中所对应的各个二维像素点，将查找到的所有
像素点形成的图像区域记为区域一；在基准二维图像中人工设置选框，所述选框内像素点数量大于区域一并且完全覆盖住区域一；将选框内的图像区域另存为特征图，选取特征图上的至少四个点记为特征点；
[0035]分别以每个特征点为中心，框选基准二维图像中的局部小区域，在步骤1)中，分别利用每个局部小区域在实测二维图像中进行模板匹配，将匹配出的区域记为区域二，将区域二的中心点记为适配点；
[0036]利用特征点和适配点解算单应性矩阵；
[0037]再利用单应性矩阵将特征图上的单个二维像素点分别转换到实测二维图像中，得到其在实测二维图像中的像素坐标，将该像素坐标对应在实际场景中点云中的三维点存储到实测工件点云；遍历特征图上的各个二维像素点，采用相同的方式将对应的三维点存储到实测工件点云。
[0038]优选，所述特征点均布在特征图中。
[0039]优选，利用最优化方法迭代求解目标函数E(R,t)时，旋转矩阵R和平移矩阵t的初始值通过单应性矩阵SVD分解获得。
[0040]优选，步骤1)最近邻搜索方法包括kd树搜索方法或八叉树搜索方法；
[0041]步骤2)最优化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合边缘特征的点云配准方法，获取基准工件点云，框选其中的感兴趣区域点云存储为模板工件点云，搜索该点云中的边缘点，并将其存储到模板边缘点云；其特征在于，利用以下步骤，进行点云配准：1)获取实际场景点云，进行预处理，将预处理后的点云存储为实测工件点云，搜索该点云中的边缘点，并将其存储到实测边缘点云；所述实测工件点云中包含与基准工件相同型号的工件点云；对于模板工件点云中的三维点，利用最近邻搜索方法从实测工件点云中查找到与其距离最接近的点，将查找到的点存储到实测匹配点集；对于模板边缘点云中的三维点，利用最近邻搜索方法从实测边缘点云中查找到与其距离最接近的点，将查找到的点均存储到边缘匹配点集；2)构建目标函数E(R,t：其中，p
i
表示模板工件点云中的一点，q
i
表示实测匹配点集中的一点，k
i
表示q
i
的法向量，n表示模板工件点云中点的个数；h
j
表示模板边缘点云中的一点，g
j
表示边缘匹配点集中的一点，m表示模板边缘点云中点的个数；λ为预设的权重值；利用最优化方法迭代求解目标函数E(R,t，得出旋转矩阵R和平移矩阵t，完成模板工件点云与实测工件点云之间的配准。2.如权利要求1所述结合边缘特征的点云配准方法，其特征在于：搜索点云中的边缘点的方法为：在点云中，利用基于法线的边界提取方法获取边缘点。3.如权利要求1所述结合边缘特征的点云配准方法，其特征在于：在获取基准工件点云以及实际场景点云的同时，还在相同的位置采集一幅二维图像；二维图像中的像素点与点云中的各三维点之间具有一一对应关系；将基准工件点云对应的二维图像记为基准二维图像；将实际场景中点云对应的二维图像记为实测二维图像；在模板工件点云中搜索边缘点的方式为：在基准二维图像中进行边缘提取，得到各个边缘点的像素坐标，查找各个像素坐标在模板工件点云中对应的三维点，记为边缘点，存储到模板边缘点云；在实测工件点云中搜索边缘点的方式为：在实测二维图像中进行边缘提取，得到各个边缘点的像素坐标，查找各个像素坐标在实测工件点云中对应的三维点，记为边缘点，存储到实测边缘点云。4.如权利要求1所述结合边缘特征的点云配准方法，其特征在于：在获取基准工件点云以及实际场景点云的同时，还在相同的位置采集一幅二维图像；二维图像中的像素点与点云中的各三维点之间具有一一对应关系；将基准工件点云对应的二维图像记为基准二维图像，实际场景中点云对应的二维图像记为实测二维图像；将模板工件点云记为点云I，将点云I中的各个点在基准二维图像中对应的像素点存储
到点集I；利用以下步骤，搜索点云I中的边缘点：
①
分别以点集I中每个像素点为中心点，查找中心点周围n
×
n邻域内的像素点，将查找到的各个像素点对应在点云I中的三维点存储为...

【专利技术属性】
技术研发人员：郭磊，尹仕斌，郭寅，刘海庆，金泰辰，
申请(专利权)人：易思维杭州科技有限公司，
类型：发明
国别省市：