[发明专利]一种基于哈希描述与迭代最近点的三维物体检测方法

说明书

本发明公开了一种基于哈希描述及迭代最近点的三维物体检测方法，通过在三维信息中检测目标物体的位姿数据，可以让机器人等作业工具能完成更丰富的作业任务和进行更复制的作业操作，使得结构化生产向着非结构化转变，采用了哈希描述来对三位数据进行唯一解释，减少了对无效数据的匹配，加快了特征匹配速度。采用了点到切平面的迭代最近点方法，使得匹配更加可靠，精度更高。

技术领域

本发明涉及机器视觉中的三维物体识别领域，尤其涉及一种基于哈希描述与迭代最近点的三维物体检测方法。

背景技术

通过机器视觉技术对作业场景进行感知的方法在快递分拣、目标测距、自动化装配等领域有着广泛的应用，特别是在二维图像中的识别与定位技术发展的非常成熟，能满足目前大部分的自动化生产作业需求。随着国家工业4.0的逐步推进，对制造产业自动化程度要求越来越高，基于二维图像的识别与定位技术就显得捉襟见肘。随着三维视觉传感器技术的成熟与价格的下降，越来越多的应用场景开始尝试使用三维视觉传感器来获取作业场景的三维信息，并根据三维信息来对场景中目标进行位置检测和姿态检测，即位姿识别。

现有技术对三维物体的位姿识别方法需要在三维数据中提取大量的特征信息和特征匹配，识别速度慢，定位精度很低，无法实现快速准确的三维目标位姿识别。

发明内容

本发明的目的在于提供一种基于哈希描述与迭代最近点的三维物体检测方法，具有降低三维目标特征搜索的时间复杂度、提高识别定位精度的优点。

本发明的上述目的是通过以下技术方案得以实现的：

一种基于哈希描述及迭代最近点的三维物体检测方法，包括深度相机和PC机，还包括以下步骤：

S1、深度相机采集需要检测的物体的场景数据；

S2、深度相机向场景发射红外射线，深度相机内的红外接收器将接收场景的近红外反射，生成场景的三维点数据，即场景中的每个反射点相对于深度相机坐标系的XYZ信息；

S3、深度相机将采集到的场景数据传到PC机进行保存，保存格式为PLY格式；

S4、利用S3获取的PLY格式的场景数据提取检测物体的目标模型M；

S5、PC机计算三维模型点云的每个点的协方差矩阵，求取协方差矩阵的特征向量，获取每个点的法向量；

S6、根据S5中的法向量生成目标模型M的点对特征；

S7、将目标模型M的所有点对特征转换为哈希值，生成目标模型M的哈希描述；

S8、利用深度相机和PC机对场景S进行处理，获得场景S的哈希值，访问目标模型M的哈希描述，快速找到匹配的相似点对，将匹配结果转换为霍夫投票值；

S9、通过全局霍夫投票累加器对霍夫值进行统计，得分最高的霍夫值作为场景S的最优霍夫值，通过最优霍夫值生成对目标模型M的初检测结果；

S10、通过对迭代最近点算法对初检测结果进行二次矫正，得出精确的目标位姿检测结果。

进一步，所述步骤S4，将场景数据的坐标定义为深度传感器之上，每个数据的坐标值为(x，y，z)，统计所有数据中z值的数量，去除出现最多的z值来剔除数据，进而获取待检测物体的目标模型M。