[发明专利]基于点云的典型零部件识别方法

说明书

本发明涉及基于点云的典型零部件识别方法，是一种快速的零部件识别方法。首先对Kinect传感器获取的目标点云进行优化并利用八邻域深度差算法提取点云边缘；然后用随机抽样一致性算（RANSAC）算法对分割后的点云边缘进行检测，并提取边缘特征以识别零部件。本发明可以快速的对典型零部件进行识别。

技术领域：

本发明涉及一种对典型零部件识别的方法，尤其涉及一种基于点云的典型零部件识别方法。

背景技术：

随着激光测量技术的不断发展，激光测量设备不断推出，使逆求工程技术得到不断发展。在逆求工程设计中，可以将某个产品表面表达为大量的离散点，即点云。通过点云可进行逆求工程设计，如何从点云信息中提取产品的一些几何特征，成为逆求工程的设计核心。

点云边缘是指能够表达产品特征的一些边缘测量点。边缘不仅能表达产品的几何特征，而且在产品识别、重建曲面模型的品质和精度中起着重要的作用。基于点云的边缘提取在曲面重构、空洞修补、曲面特征检测得到广泛应用。

点云包括孔洞与非孔洞两类。目前，提取非孔洞点云边缘轮廓的方法有：利用点云分割方法的凸包算法提取点云边缘；利用KD树建立空间拓扑关系，通过邻近点构成的最小二乘平面投影点的角度差算法提取点云边缘。提取孔洞点云边缘轮廓的方法有：利用网格的拓扑关系提取点云边缘；利用alpha-shape算法提取点云边缘，可想象为一个半径为α的圆在点云里滚动，当α满足一定条件，圆会在点云边缘滚动，其滚动的痕迹就是点云的边缘。

对于典型零部件的点云数据，运用上述方法均难以实现对零部件点云特征边界的快速提取，进而难以实现对典型零部件的快速识别。

发明内容：

发明目的：

本发明提供了一种基于点云的典型零部件识别方法，现有的零部件识别中采用图像的方法进行识别，使用Kinect设备能够提取点云，能够通过对点云的处理达到识别目的。

技术方案：

本发明是通过以下技术方案来实现的：

基于点云的典型零部件识别方法，其特征在于：首先对Kinect传感器获取的目标点云进行优化并利用八邻域深度差算法提取点云边缘；然后用随机抽样一致性RANSAC算法对分割后的点云边缘进行检测，并提取边缘特征以识别零部件。

采用Kinect传感器进行零部件识别，对点云边缘提取方法的具体步骤为：

(1)对获取的点云数据沿深度方向垂直投影：对沿深度方向获取的单面点云数据，沿深度方向进行投影；

(2)对投影点进行栅格数据组织：对于投影点，统计其横纵坐标最小与最大的四个值，根据栅格的划分次数，计算出单个栅格的大小，然后将各投影点分配到各个栅格且进行编号；

(3)计算栅格的深度差：根据编号的任意栅格，统计栅格内投影点数目，若投影点数目为零，则将该栅格的深度值设定零；若栅格内投影点数目大于零，则将投影点所对应的深度值进行加权平均，将加权平均值作为该栅格的深度值；

(4)比较栅格与八邻域栅格的深度差：对每个栅格进行判断，若该栅格的深度值不为零，计算其与八邻域栅格里每个栅格的深度差，若存在深度差大于设定阈值，则该栅格为存在边缘点栅格；

(5)栅格内点云边缘点筛选：对于存在边缘点的栅格，统计出栅格内投影点个数，然后对投影点所对应的深度值进行升序排列；当投影点个数为奇数，栅格边缘点为中间位置所对应的投影点；当投影点个数为偶数，该栅格边缘点为中间两个值所对应的任一投影点，根据投影点提取其所对应的三维点。

在对点云边缘提取前，先进行点云获取与优化，利用非线性滤波优化算法对点云去噪处理。

点云识别的步骤如下：