一种基于腰型孔特征的合装面定位相对位姿测量方法技术

本发明专利技术提供了一种基于腰型孔特征的合装面定位相对位姿测量方法，包括：步骤1，提取感兴趣区域ROI；步骤2，边缘提取；步骤3，对边缘点集进行筛选，得到两个弧线段的点集；步骤4，进行椭圆拟合得到图像平面上的椭圆方程；步骤5，解算对应空间圆的位姿，得到对应空间圆的圆心和所在空间平面的法向量；步骤6，得出腰型孔所在平面的法向量和腰型孔的几何中心点的坐标；步骤7，得到腰型孔的位姿信息。本发明专利技术解决了合装面上腰型孔特征的相对位姿测量问题，为合装对接提供了有效的位姿参数，位姿精度达到0.1mm，有效提高了合装质量和效率。有效提高了合装质量和效率。有效提高了合装质量和效率。

【技术实现步骤摘要】
一种基于腰型孔特征的合装面定位相对位姿测量方法


[0001]本专利技术属于对接装配领域，尤其涉及一种基于腰型孔特征的合装面定位相对位姿测量方法。

技术介绍

[0002]对接装配是设备工艺中尤为关键的一环，传统的对接装配工作通常采用吊装或者移动的地面工装的方式来对接部件，再通过人工辅助完成对接。如汽车合装领域，为了确保底盘和车身相对位置符合对接要求，一般通过人工扶持车身对正或者通过机械定位装置，对接准确度较低，对接效率较低，自动化程度较低。随着现代技术发展，利用视觉测量技术来精确测量对接装配中合装面的相对位姿能够有效提高合装对接的质量和效率。
[0003]视觉位姿测量技术是首先对目标特征进行识别和提取，进而通过对提取出的特征点的重投影约束、特征线的斜率约束和特征圆的半径约束等来计算出目标的位置。专利技术专利[CN108090931A]提出了一种基于圆和十字特征的抗遮挡抗干扰的标志器识别与位姿测量方法。专利技术专利[CN104517291]提出了一种基于目标同轴圆特征的位姿测量方法。

技术实现思路

[0004]专利技术目的：现有技术提出的方法并不适用于合装面上的腰型孔特征，因此本专利技术提出一种基于腰型孔特征的合装面定位相对位姿测量方法，实现在对接装配中对合装面上腰型孔特征的高精度的相对位姿测量。
[0005]所述方法包括如下步骤：
[0006]步骤1，提取感兴趣区域ROI：获取原始图像，再利用YOLO神经网络从原始图像中检测出腰型孔特征，选择腰型孔所在的最大矩形的图像区域作为感兴趣区域ROI；
[0007]步骤2，边缘提取：对感兴趣区域ROI进行滤波、直方图均衡化、形态学等操作，再对预处理后的图像进行基于多项式插值的边缘提取，获得腰型孔的边缘点集；
[0008]步骤3，对步骤2获取的边缘点集进行筛选，得到两个弧线段的点集；
[0009]步骤4，利用步骤3得到的点集进行椭圆拟合得到图像平面上的椭圆方程；
[0010]步骤5，利用步骤4得到的两个椭圆方程解算对应空间圆的位姿，得到对应空间圆的圆心和所在空间平面的法向量；
[0011]步骤6，利用步骤5计算出的信息得出腰型孔所在平面的法向量和腰型孔的几何中心点的坐标；
[0012]步骤7，利用步骤6计算出的信息得到腰型孔的位姿信息。
[0013]步骤3包括：
[0014]步骤3
‑
1，利用HOUGH变换拟合腰型孔直线段的两条直线，得到两条直线的斜率k1、k2和截距b1、b2；
[0015]步骤3
‑
2，利用点到直线的公式获取所有点分别到两条直线的距离L
1i
、L
2i
；
[0016]步骤3
‑
3，当点i满足L
1i
或者L
2i
小于等于阈值0.5就保留此点i，得到上下两段弧线
的点集；
[0017]步骤3
‑
4，根据弧线段在图像上的位置将保留下的弧线段点集分为上弧线段点集U1和下弧线段点集U2。步骤3
‑
3是得到一个点集，所有弧线段的点都在此点集中，所以后续3
‑
4得将其进行划分。划分是为了后续的椭圆拟合。在步骤4中上下两个点集相对于一个点集会减少计算量。
[0018]步骤4包括：
[0019]步骤4
‑
1，在上弧线段点集U1和下弧线段点集U2中随机选取五个点；
[0020]步骤4
‑
2，计算五个点构成的椭圆方程；
[0021]步骤4
‑
3，将上弧线段点集U1和下弧线段点集U2中的所有点带入到步骤4
‑
2中计算的椭圆方程中，如果计算结果小于等于0.1，说明点满足椭圆方程，统计满足椭圆方程的点的数量；
[0022]步骤4
‑
4，重复执行步骤4
‑
1～步骤4
‑
3，直到满足椭圆方程的点的数量大于等于阈值，将得到的椭圆作为最终结果，得到如下弧线点集U
i
对应的椭圆方程E
i
：
[0023]a
i
u2+b
i
v2+c
i
uv+d
i
u+e
i
v+f
i
＝0
[0024]其中a
i
、b
i
、c
i
、d
i
、e
i
、f
i
为计算出第i个椭圆的方程参数，i＝1，2，(u，v)为图像坐标。
[0025]步骤5包括：
[0026]步骤5
‑
1，相机模型f0为相机的焦距，(x，y，z)是图像坐标为(u，v)的点在相机坐标下对应的坐标；
[0027]由相机模型得到在相机坐标系O
c
‑
X
c
Y
c
Z
c
下的椭圆锥面方程为：
[0028]A
i
x2+B
i
y2+C
i
xy+D
i
xz+E
i
yz+F
i
Z2＝0
[0029]其中，中间参数A
i
＝a
i
f
02
，中间参数B
i
＝b
i
f
02
，中间参数C
i
＝c
i
f
02
，中间参数D
i
＝d
i
f0，中间参数E
i
＝e
i
f0，中间参数F
i
＝f
i
；
[0030]椭圆锥面方程改写成如下矩阵形式：
[0031][xyz]Q
i
[xyz]T
＝0
[0032][0033]其中，Q
i
为椭圆锥面方程的参数矩阵，T表示矩阵转置；
[0034]步骤5
‑
2，将步骤5
‑
1中相机坐标系下的椭圆锥面方程变换到一个新的坐标系O
c
‑
X
ci
’
Y
ci
’
Z
ci
’
中，使得椭圆锥面方程变换为标准形式：
[0035]新的坐标系O
c
‑
X
ci
’
Y
ci
’
Z
ci
’
与相机坐标系O
c
‑
X
c
Y
c
Z
c
之间只存在旋转关系，表示为[x y z]T
＝P...

【技术保护点】

【技术特征摘要】
1.一种基于腰型孔特征的合装面定位相对位姿测量方法，其特征在于，包括以下步骤：步骤1，提取感兴趣区域ROI：获取原始图像，再利用YOLO神经网络从原始图像中检测出腰型孔特征，选择腰型孔所在的最大矩形的图像区域作为感兴趣区域ROI；步骤2，边缘提取：对感兴趣区域ROI进行滤波、直方图均衡化、形态学操作，再对图像进行基于多项式插值的边缘提取，获得腰型孔的边缘点集；步骤3，对步骤2获取的边缘点集进行筛选，得到两个弧线段的点集；步骤4，利用步骤3得到的点集进行椭圆拟合得到图像平面上的椭圆方程；步骤5，利用步骤4得到的两个椭圆方程解算对应空间圆的位姿，得到对应空间圆的圆心和所在空间平面的法向量；步骤6，利用步骤5计算出的信息得出腰型孔所在平面的法向量和腰型孔的几何中心点的坐标；步骤7，利用步骤6计算出的信息得到腰型孔的位姿信息。2.根据权利要求1所述的方法，其特征在于，步骤3包括：步骤3
‑
1，利用HOUGH变换拟合腰型孔直线段的两条直线，得到两条直线的斜率k1、k2和截距b1、b2；步骤3
‑
2，利用点到直线的公式获取所有点分别到两条直线的距离L
1i
、L
2i
；步骤3
‑
3，当点i满足L
1i
或者L
2i
小于等于阈值0.5就保留此点i，得到上下两段弧线的点集；步骤3
‑
4，根据弧线段在图像上的位置将保留下的弧线段点集分为上弧线段点集U1和下弧线段点集U2。3.根据权利要求2所述的方法，其特征在于，步骤4包括：步骤4
‑
1，在上弧线段点集U1和下弧线段点集U2中随机选取五个点；步骤4
‑
2，计算五个点构成的椭圆方程；步骤4
‑
3，将上弧线段点集U1和下弧线段点集U2中的所有点带入到步骤4
‑
2中计算的椭圆方程中，如果计算结果小于等于0.1，说明点满足椭圆方程，统计满足椭圆方程的点的数量；步骤4
‑
4，重复执行步骤4
‑
1～步骤4
‑
3，直到满足椭圆方程的点的数量大于等于阈值，将得到的椭圆作为最终结果，得到如下弧线点集U
i
对应的椭圆方程E
i
：a
i
u2+b
i
v2+c
i
uv+d
i
u+e
i
v+f
i
＝0其中a
i
、b
i
、c
i
、d
i
、e
i
、f
i
为计算出第i个椭圆的方程参数，i＝1，2，(u，v)为图像坐标。4.根据权利要求3所述的方法，其特征在于，步骤5包括：步骤5
‑
1，相机模型f0为相机的焦距，(x，y，z)是图像坐标为(u，v)的点在相机坐标下对应的坐标；由相机模型得到在相机坐标系O
c
‑
X
c
Y
c
Z
c
下的椭圆锥面方程为：A
i
x2+B
i
y2+C
i
xy+D
i
xz+E
i
yz+F
i
Z2＝0其中，中间参数A
i
＝a
i
f
02
，中间参数B
i
＝b
i
f
02
，中间参数C
i
＝c
i
f
02
，中间参数D
i
＝d
i
f0，中间参数E
i
＝e
i
f0，中间参数F
i
＝f
i
；
椭圆锥面方程改写成如下矩阵形式：[x y z]Q
i [x y z]
T
＝0其中，Q
i
为椭圆锥面方程的参数矩阵，T表示矩阵转置；步骤5
‑
2，将步骤5
‑
1中相机坐标系下的椭圆锥面方程变换到一个新的坐标系O
c
‑
X
ci
’
Y
ci
’
Z
ci
’
中，使得椭圆锥面方程变换为标准形式：新的坐标系O
c
‑
X
ci
’
Y
ci
’
Z
ci
’
与相机坐标系O
c
‑
X
c
Y
c
Z
c
之间只存在旋转关系，表示为[x y z]
T
＝P
i
[x
i
′ꢀ
y
i
′ꢀ
z
i
′
]
T
，P
i
是一个3
×
3的矩阵，x
′
i
、y
i
′
、z
i
′
是坐标x、y、z在新坐标系O
c
‑
X
ci
’
Y
ci
’
Z
ci
’
的坐标，在新坐标系O
c
‑
X
ci
’
Y
ci
’
Z
ci
’
下椭圆锥面方程的矩阵形式为：[x
i
′ꢀ
y
i
′ꢀ
z
i
′
]P
i
‑1Q
i
P
i
[x
i
′ꢀ
y
i
′ꢀ
z
i
′
]
T
＝0；步骤5
‑
3，通过对矩阵Q
i
的特征值分解获得Q
i
的特征值标准椭圆锥面方程的系数和矩阵和矩阵为特征值对应的特征向量，通过以下方法确定，其中为特征值对...

【专利技术属性】
技术研发人员：楼佩煌，钱晓明，杨柯，郭旭，孙天，李泷杲，
申请(专利权)人：南京航空航天大学苏州研究院，
类型：发明
国别省市：