[发明专利]基于改进CVFH和CRH特征的随机堆放活塞位姿估计方法

说明书

基于改进CVFH和CRH特征的随机堆放活塞位姿估计方法，包括离线处理以及在线识别：离线处理先通过对Kinect进行离线标定，之后通过活塞的CAD模型自动渲染生成多视角点云，计算其点云特征，最后通过对点云和特征进行索引生成离线模板库；在线识别是对随机堆放的活塞进行位姿估计，首先使用标定好的Kinect对活塞点云进行采集和矫正，然后对点云进行预处理和分割，对于分割后的点云，计算其点云特征并与模板库进行初始配准，之后以该位姿为初值，通过ICP算法对点云进行精确配准，得到点云的精确位姿，对于生成的精确位姿，通过假设验证算法剔除错误匹配，最终完成活塞位姿的估计以及输出；本发明具有时间复杂度低，匹配模版获取方便，位姿估计准确率高的优点。

技术领域

本发明涉及机器视觉的物体位姿估计技术领域，具体涉及基于改进CVFH和CRH特征的随机堆放活塞位姿估计方法。

背景技术

在机械制造领域内，上料工序一直是较为薄弱的环节，其时间消耗较大、效率较低，而且该工序危险性较高，多数的安全事故均发生在上下料操作中。解决上料自动化的问题，对于减轻工人劳动强度、提高生产效率、实现多机床管理以及保证安全生产具有重要意义。目前，国产活塞生产线的上料工序先由人工将活塞按照要求的位姿放置，机械手再进行抓取，不能满足高效柔性加工生产线的要求。利用机器视觉算法识别工件的位姿，并引导机器人抓取工件，可省去人工环节，提高生产线的柔性，实现该目标的核心是位姿估计技术。现有的位姿估计方法存在以下一些问题：

目标对象结构以及堆放形式简单，并未针对真正的工件以及完全随机的堆放进行研究以及试验，方法验证的条件较为简单，无法实现真正的工厂环境。

匹配模板获取复杂，大多研究无法实现工件的CAD数字模型与传感器采集点云之间的匹配，其匹配模板一般通过人工进行采集。这种采集方式精度低、耗时长，还需要专业设备如三维旋转平台和激光扫描仪等，而且还需相关技术人员配合，扫描后仍需对每个点云的姿态进行标定提取，过程复杂，难以实现系统的快速布置。

方法适应性差，很多相关算法为了实现快速准确的检测识别，其算法的设计与抓取工件特有的特征联系紧密，一旦工件更换，算法效果会大打折扣，参数的调整难度很大。

系统成本高，相关研究及产品使用的传感器以及计算设备十分昂贵，如高精度3D采集系统以及工业级服务器，整套系统成本很高，很大程度上会影响企业进行产品引进的积极性。

综上所述，目前的位姿估计方法，具有实验环境和研究对象不真实、匹配模板获取复杂、方法适应性差以及系统成本高的缺点。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供基于改进CVFH和CRH特征的随机堆放活塞位姿估计方法，通过机器视觉的方法实现随机堆放活塞的六自由度位姿估计，具有时间复杂度低，匹配模版获取方便，位姿估计准确率高的优点。

为了达到上述目的，本发明采取的技术方案为：

基于改进CVFH和CRH特征的随机堆放活塞位姿估计方法，包括以下步骤：

1)离线处理：离线处理只需在设备安装时进行一次，包括Kinect相机的标定以及活塞离线模版库的自动生成，具体步骤如下：

1.1)对Kinect相机进行标定，并完成随机堆放活塞表面点云的采集：首先通过Kinect对标定板的彩色图像以及视差图像进行采集，之后通过彩色图像和深度图像的角点分别对彩色相机以及深度相机进行初始化标定，然后通过初始标定结果对彩色相机和深度相机的相对位姿进行求解，之后联合彩色相机和深度相机数据对标定参数和视差图畸变系数进行迭代优化，完成整个相机参数的标定；

1.2)、离线模版库的构造，通过活塞的CAD模型自动生成离线匹配模版，具体的步骤如下：

1.2.1)对待抓取的活塞进行CAD建模；