System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及点云配准领域,具体涉及一种点云配准过程中的模板点云获取方法及其应用。
技术介绍
1、随着光学测量技术发展,基于点云获取工件的关键信息,被广泛应用于工业测量领域。在点云检测领域,点云配准是常用的技术手段,其过程是:构建旋转平移关系,使得实测点云和模板点云的重合程度尽可能高。其中模板点云的有效性将直接关系到配准结果的合理性,现有的模板制作过程通常为:采集完整工件点云,均匀降采样,将采样后的点云记为模板点云。该方法在待测工件表面特征较为丰富时,获得的模板点云能够满足要求,获得较为理想的配准效果,但是,当工件表面形貌起伏较小,纹理不丰富,曲率变化不明显时,就会导致采集到的点云表面特征少,例如板状平面工件。此时获取的模板点云缺乏细节,特征不明显,在配准时缺乏有效的约束,配准结果准确性降低。特别是在三维无序抓取应用过程中,批量工件杂乱无序的丢放在料箱里,抓取时,需要利用模板点云(单个工件)在实测点云(堆叠工件点云)中进行配准,获得其中一个堆叠的工件与模板点云之间的旋转平移关系,再利用该旋转平移关系引导机器人抓取到工件;为此,点云配准得出的旋转平移关系直接影响到抓取结果的有效性。由于工业环境纷乱复杂,采集到的实际场景点云存在以下复杂性:
2、一、实际场景点云中不仅包含待处理工件还包括其他干扰物;工件很有可能被遮挡;
3、二、实际场景点云中包含有多个相同或近似工件,如散乱、堆叠存放的同一型号工件;
4、三、工件表面特征少、工件纹理不丰富且不同工件的特征相近似,算法难以准确识别、区分。
技术实现思路
1、为了解决上述技术问题,本专利技术提供一种点云配准过程中的模板点云获取方法,本方法对于工件点云并非采用均匀降采样的处理方式,而是重点考虑了工件的边缘信息,增加了纹理信息的约束,抽样出的模板点云不仅能够提升点云配准速度,更加能够提升点云配准结果的有效性,尤其适用于环境复杂、纹理不丰富、无序抓取等情形下的点云配准。
2、为此,本专利技术的技术方案如下:
3、一种点云配准过程中的模板点云获取方法,包括以下步骤:
4、①利用视觉传感器获取工件整体/局部区域的点云,并存储;
5、根据视觉传感器的相机分辨率生成一幅各点灰度值均为定值a的二维平面图像w;
6、②依据相机成像模型将点云中的各三维点分别反投影到所述二维平面图像w上,得到各个反投影点,记录各个三维点与反投影点之间的坐标对应关系;
7、在二维平面图像w中,将各反投影点处的灰度值从定值a修改为定值b,其他点的灰度值依旧为定值a,得到二维平面图像w';
8、③对二维平面图像w'进行边缘提取,获取各个边缘点的坐标,依据步骤②中记录的坐标对应关系,查找各个边缘点的坐标所对应的三维点,并将查找到的三维点分别标记为边缘三维点;
9、④获取点云的最小包围盒并将其内部空间等分成n个小立方体,在每个小立方体内分别进行以下处理:
10、如有边缘三维点,则将其全部保留,删除其他三维点;
11、如无边缘三维点,则将距离小立方体几何中心最近的三维点保留,删除其他三维点;
12、⑤将被保留的三维点存储为模板点云。
13、为了使得最小包围盒内的点云分布均匀、各个小立方体内的点云数量均衡,保障采样均匀,提升模板点云的有效性;优选,在步骤④之前先进行以下处理:
14、对点云进行主成分分析,提取特征值最大的三个特征向量,并以点云的重心坐标为原点、以三个特征向量分别为方向向量构建空间坐标系s;
15、记点云所在的坐标系为原始坐标系;
16、将点云中的各三维点均从原始坐标系下转换到空间坐标系s下,获得转换后的点云;利用转换后的点云执行步骤④;
17、将步骤⑤获取的模板点云从空间坐标系s下转换到所述原始坐标系下,得到最终的模板点云。
18、进一步,将点云中的各三维点均从原始坐标系下转换到空间坐标系s下,方法如下:
19、计算所述空间坐标系s与原始坐标系之间的旋转矩阵r和平移矩阵t:
20、其中,分别为所述特征值最大的三个特征向量;
21、其中,为点云的重心坐标;
22、利用旋转矩阵r和平移矩阵t,将点云中的各三维点均从原始坐标系下转换到空间坐标系s下。
23、进一步,计算点云的重心坐标的方法为分别求取点云中所有点的x坐标的均值、y坐标的均值、z坐标的均值,将三个均值坐标记为重心坐标。
24、进一步,利用模板点云进行点云配准的方式如下:
25、利用ppf姿态估计方法计算模板点云中任意两个点对的ppf特征描述子,并将各个点对及其ppf特征描述子存入哈希表;
26、获取实际场景点云数据,记为实测点云,计算实测点云中任意两个点对的ppf特征描述子;采用ppf特征描述子与霍夫投票结合的方法进行点云配准。
27、进一步,步骤④中最小包围盒为轴对齐包围盒(aabb)或者有向包围盒(obb)。
28、进一步,步骤①中,获取的点云为正面点云、侧面点云、背面点云中的一种。
29、进一步,步骤②中,将点云中的第i个三维点(xi,yi,zi)依据相机成像模型分别反投影到所述二维平面图像w上,得到第i个反投影点(ui、vi):
30、
31、其中,fx、fy、u0、v0均为相机内参数,fx、fy为焦距,u0、v0为主点坐标。
32、进一步,步骤③中,对二维平面图像w进行边缘提取的方法为roberts边缘检测方法、sobel边缘检测方法、canny边缘检测方法或prewitt边缘检测方法。
33、与现有技术相比较,本申请提供的方法具有以下优点:
34、(1)本方法在模板点云采样时,更多的保留了边缘点信息,增加了纹理信息的约束,抽样出的模板点云不仅能够提升点云配准速度,更加能够提升点云配准结果的有效性,尤其适用于环境复杂、纹理不丰富、无序抓取等情形下的点云配准。
35、(2)模板点云在后续点云配准过程,采用基于ppf特征描述子与霍夫投票的方式,得到模板点云与实测点云之间的旋转平移关系,再基于转换关系将模板点云对应到实测点云中,有效抑制了背景中其他物体的干扰,准确性高。应用于在散乱工件抓取过程中,能大幅提升抓取精度,避免抓错。
36、(3)采用主成分分析获得主方向,并建立坐标系,将点云转换到该坐标系下,再获取最小包围盒,能够使得最小包围盒内的点云分布均匀、各个小立方体内的点云数量均衡,保障在非边缘区域均匀采样,提升了模板点云的有效性。
37、(4)采用将点云反投影到二维图像平面的方式,对点云进行降维处理,在二维平面中获取边缘信息,能够降低算法复杂度,提升处理速度。此外,本方案中,二维图像平面本文档来自技高网...
【技术保护点】
1.一种点云配准过程中的模板点云获取方法,其特征在于,包括以下步骤:
2.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:在步骤④之前先进行以下处理:
3.如权利要求2所述点云配准过程中的模板点云获取方法,其特征在于:将点云中的各三维点均从原始坐标系下转换到空间坐标系S下,方法如下:
4.如权利要求3所述点云配准过程中的模板点云获取方法,其特征在于:计算点云的重心坐标的方法为分别求取点云中所有点的X坐标的均值、Y坐标的均值、Z坐标的均值,将三个均值坐标记为重心坐标。
5.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:利用模板点云进行点云配准的方式如下:
6.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:步骤④中最小包围盒为轴对齐包围盒或者有向包围盒。
7.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:步骤①中,获取的点云为正面点云、侧面点云、背面点云中的一种。
8.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:步骤②中,
9.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:步骤③中,对二维平面图像W进行边缘提取的方法为Roberts边缘检测方法、Sobel边缘检测方法、Canny边缘检测方法或Prewitt边缘检测方法。
...【技术特征摘要】
1.一种点云配准过程中的模板点云获取方法,其特征在于,包括以下步骤:
2.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:在步骤④之前先进行以下处理:
3.如权利要求2所述点云配准过程中的模板点云获取方法,其特征在于:将点云中的各三维点均从原始坐标系下转换到空间坐标系s下,方法如下:
4.如权利要求3所述点云配准过程中的模板点云获取方法,其特征在于:计算点云的重心坐标的方法为分别求取点云中所有点的x坐标的均值、y坐标的均值、z坐标的均值,将三个均值坐标记为重心坐标。
5.如权利要求1所述点云配准过程中的模板点云获取方法,其特征在于:利用模板点云进行点云配准的方式如下:
6.如权利要求1所述点云配...
【专利技术属性】
技术研发人员:郭寅,尹仕斌,郭磊,邢威,
申请(专利权)人:易思维天津科技有限公司,
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。