[发明专利]基于PCL点云库的钣金零件的三维立体识别及定位方法

说明书

本发明公开了一种基于PCL点云库的钣金零件的三维立体识别及定位方法，包括：获取整体钣金零件的操作台的三维场景点云，并进行分割，形成每个钣金零件的点云聚类；计算每个点云聚类的局部特征描述子和全局特征描述子；对每个点云聚类的局部特征和全局特征特征描述子进行特征级融合，得到融合特征向量；将融合特征向量输入至预先训练完成的SVM分类器中进行分类；求解点云聚类到点云模型粗配准的初始配准变换矩阵；确定符合点云聚类到点云模型预设配准精度的精准变换矩阵，根据精准变换矩阵确定每个钣金零件的位姿信息结果。通过本发明的技术方案，规避了二维图像识别的不准确性，大大提高了识别效率和定位精度。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于PCL点云库的钣金零件的三维立体识别及定位方法。

背景技术

目前，基于图像的物体识别已经有很多研究成果，但是二维图像的成像过程是从三维空间映射到二维空间的，这个过程会丢失大量的信息，而且一个无法忽视的事实就是，最好的计算机视觉系统应该是面向三维世界的。随着自动化程度的提高，工业零件的检测、抓取以及处理对计算机视觉系统的要求已经越来越高，因此基于二维图像的物体识别无法满足要求。三维点云数据的获取已经非常快捷，同时由于三维点云数据的采集不受光照影响，规避了二维图像遇到光照、姿态等问题，因此基于点云数据的三维物体识别也引起了人们的重视。

获取三维点云的方式可以分为两大类：接触式测量和非接触式测量。接触式测量通过将传感头接触被测物体的表面来获取物体表面的三维数据，常见的方法有坐标测量机法和机械手臂法。非接触式测量的方法主要是基于光学原理、声学原理等进行数据采集，将一定的物理量通过适当的算法转换为被测物体表面的三维坐标点。

已有的三维点云物体识别方法多是通过分析/提取物体的特征点几何属性、形状属性、结构属性或者多种属性的组合灯特征进行对比、学习，从而完成物体的识别与分类。根据所利用特征的不同，已有的三维点云物体识别方法可以分为4类：基于局部特征的物体识别方法，基于全局特征的物体识别方法、基于图匹配的物体识别方法以及基于机器学习的物体识别方法。基于全局特征的方法需要先对点云场景进行预分割，将潜在的物体对象分割成点云聚类，点云分割的常见方法有基于随机采样一致性分割，欧式距离聚类分割、区域生长分割，基于最小割的分割等方法。分割之后将整个物体和模型编码为一组全局特征，然后进行分类。典型的点云全局特征有视点直方图(VFH)、聚类视点特征直方图(CVFH)、OUR-CVFH、ESF、GFPFH、GRSD等。基于局部特征方法不需要对场景进行分割，

首先提取场景和模型的关键点，然后在每个关键点的一个领域内计算一个局部的特征描述符，用所有关键点的描述符代表这一个点云场景或者模型，然后用每一个模型的特征描述符集去匹配场景的特征描述符集合，找到拓扑一致的匹配聚类作为候选结果，最后再对所有候选集进行假设检验得到最终的识别结果。主流的点云局部特征有点特征直方图(PFH)、快速点特征直方图(FPFH)、方向直方图特征(SHOT)、RSD、3DSC、USC、NARF、RoPS、TnSI等。

发明内容

针对上述问题中的至少之一，本发明提供了一种基于PCL点云库的钣金零件的三维立体识别及定位方法，通过对场景点云利用多维特征向量进行描述，并利用训练完成的SVM分类器进行分类与识别，并通过配准算法确定点云聚类相对于点云模型的位姿及空间坐标，实现对每个点云聚类对应的钣金零件在三维场景中的定位，不需要逐一重建所有钣金零件的场景点云即可实现具体定位信息，规避了二维图像识别的不准确性，大大提高了识别效率和定位精度。