[发明专利]对象识别

说明书

本公开涉及用于对象识别的方法、装置和系统。例如，本文描述的系统、装置和方法可用于识别对象，例如在箱中取物工业环境中的对象(例如，平面工业零件)的类型、取向和位置。在本公开的一个方面，用于对象识别的系统可以将第一3D点云表面数据投影为2D数据。该系统可执行匹配操作，以评估2D数据的2D对象位姿，并将2D数据与2D对象模板相匹配。在识别匹配之后，该系统可以将2D数据投影为3D空间以获得粗略的3D对象位姿。

技术领域

本公开总体上涉及对象识别，尤其涉及基于3D点云数据的平面对象识别的改进。

背景技术

计算机视觉用来使机器(例如计算机)处理能够视场的场景。基于所处理的场景，机器可以发起一个或多个动作或操作。计算机视觉系统可对二维(2D)数据或三维(3D)数据进行操作。

一个使用计算机视觉的行业是制造业。举例说明，制造业将2D计算机视觉图像处理用于多项任务，例如缺陷检查和对象识别。对于精细和/或复杂的任务，例如箱中取物(例如，引导机器人从一箱随机放置和堆叠的对象中选择目标对象)，2D计算机视觉图像处理通常不足以产生高效和有效的识别以及选择所需的目标对象。举例说明，作为说明性的非限制性实例，在一个或多个对象类型以不同取向一个在另一个上面地随机堆叠的箱中取物的情况下，2D计算机视觉图像处理在计算上是耗时的，难以识别在不同取向和不同位置上的对象。对于这样的精细和复杂的任务，实现计算机视觉的尝试已经延伸到3D空间。

然而，在精细和复杂的环境和应用(例如制造业中的箱中取物)中使用3D计算机视觉处理对于利用3D计算机视觉处理对3D对象进行准确且高效的分类和评估对象的3D取向和位置存在许多困难和挑战。例如，工业部件或零件在取向和位置上都是完全随机的，这使得常规多视图方法(例如，使用来自两个或两个以上图像捕获装置的场景的图像数据的方法)变得复杂和不准确。作为另一个实例，在工业零件的多模型场景中，一些对象的特征是相似的，这使得结合到3D计算机视觉处理中的基于纹理的2D识别方法变得不太可行。作为进一步的实例，由于遮挡和过度的光反射导致的3D数据不完全特征提取降低了获取的3D的可靠性，从而降低了3D计算机视觉处理准确识别对象的有效性。作为又一个实例，已经证明3D计算机视觉处理在箱中取物中很难实现工业应用的效率和良好的准确度。

3D计算机视觉处理的一种常规方法使用基于红-绿-蓝(RGB)图像的2D颜色特征产生的深度图像数据。这种深度图像数据方法依赖于对象的颜色和纹理来执行对象的多视图检测。在对象(例如，零件)常常缺乏颜色和/或纹理的工业箱中取物应用中，深度图像数据在辨认和识别对象方面缺乏准确度，因为用于评估对象取向的多视图处理在模板产生阶段是复杂的，存在量化误差，并且不能准确地处理和识别无文本的对象。

3D计算机视觉处理的另一种常规方法使用点云处理，其中从对象的3D边缘和表面提取3D特征以进行模板匹配。然而，由于所有3D维度中的数据都要被提取和处理，所以常规的点云处理可能是耗时的。此外，如果对象不具有形状特征(例如，丰富的边缘和/或曲率)，例如不具有尖锐的3D特征的相对平面的零件，导致在识别过程中可能会发生不可靠的3D特征提取，则常规的点云处理无法充分处理对象识别。因此，常规的基于点云的方法速度慢，并且不适用于平面零件，因为平面零件没有丰富的3D特征。

鉴于上述，本发明提出了一种用于随机箱中取物应用的基于3D点云法的平面对象识别的方法。特别地说，本发明教导一种具有将3D对象转换为2D对象以进行检测并进一步使用增强的3D对象用于识别过程的方法以便提高平面对象识别的效率和准确度的特征的方法。

发明内容