【技术实现步骤摘要】
本专利技术涉及光学，特别是涉及一种结构特征辅助的多视场点云全局配准方法。
技术介绍
1、随着现代工业的发展，三维视觉传感器与机器人结合的方式已广泛用于实现智能制造，由于视野范围的限制，三维视觉传感器单次采集只能得到目标物体的局部三维数据，为了获得目标物体完整的三维数据，需要在测量过程中不断变换三维视觉传感器的空间位姿，并将不同视场下采集得到的局部数据匹配到统一的坐标系中，才能融合为完整的三维数据。
2、目前，通常以获取的首幅点云为基准点云，计算每幅点云与前一幅点云的变换矩阵，并通过优化算法来降低误差，再根据刚体变换的可传递性计算每幅点云到基准点云的变换矩阵，顺序配准得到完整点云数据，但此方式累积误差显著。局部点云配准时的位姿初值问题，以及顺序配准过程中的累积误差问题是制约点云配准精度的瓶颈所在。
技术实现思路
1、本专利技术实施例的目的在于提供一种结构特征辅助的多视场点云全局配准方法，旨在解决
技术介绍
中提到的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种结构特征辅助的多视场点云全局配准方法，包括如下步骤：
4、步骤s1，由安装于机器人末端的三维视觉传感器采集多视场点云数据并基于机器人运动学模型变换多视场点云数据到机器人基坐标系，完成多视场点云的初始配准；
5、步骤s2,搜索邻接点云的对应点并构建对应点集，计算邻接点云重叠率并判断多视场点云之间的有效邻接性；
6、步骤s3，提取多视场点云的结构
7、所述多视场点云结构特征包括特征面和特征线，特征面ax+by+cz+d＝0参数化表示为：
8、
9、式中，n为特征面的单位法向量，此处使用原点指向特征面正投影点的单位方向向量作为n，d为原点到特征面的距离。
10、特征线参数化表示为：
11、
12、式中，l为直线的单位方向向量，m为原点指向直线正投影点的单位方向向量，d为原点到直线的距离。
13、根据结构特征的参数匹配对应的结构特征并构建对应结构特征集。
14、步骤s4，基于对应点集和对应结构特征集构建图优化模型；
15、具体地，将变换后的点云位姿设为顶点(vertex)，全部点云位姿构成顶点集v，将对应点和对应结构特征之间位姿关系设为连接顶点间的二元边(edge)，构成边集e，将点集与二元边集组合构成二元超图g＝{v,e}；
16、其中，二元边即为误差项，分别构造对应点和对应结构特征之间的误差函数：
17、
18、式中，pi′为pi经过旋转平移变换后的点，为经过旋转平移变换后的特征线的参数，为经过旋转平移变换后的特征面的参数，w为权值。
19、步骤s5，基于图优化模型逐步迭代优化完成多视场点云的全局配准,优化目标表示为：
20、
21、式中，α,β,为权值。
22、与现有技术相比，本专利技术的有益效果是：
23、本专利技术能够基于机器人运动学变换多视场点云的初始位姿，进而为后续配准提供较好的初值，同时考虑了目标物体的结构特征，能够辅助多视场点云的配准，在此基础上，基于对应点集和对应特征结构集构建图结构并逐步迭代优化，能够从全局优化的角度消除累积误差，有效降低多视场点云配准的全局误差。
本文档来自技高网...【技术保护点】
1.一种结构特征辅助的多视场点云全局配准方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，
3.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，步骤4中，二元边即为误差项，分别构造对应点和对应结构特征之间的误差函数：
4.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，系统后组各参数如下式：
5.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，
6.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，
7.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，
【技术特征摘要】
1.一种结构特征辅助的多视场点云全局配准方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，
3.根据权利要求1所述的一种结构特征辅助的多视场点云全局配准方法，其特征在于，步骤4中，二元边即为误差项，分别构造对应点和对应结构特征之间的误差函数：
4.根据权利要求1...
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。