[发明专利]基于三维点云特征的工业机器人工件识别与位姿估计方法有效
| 申请号: | 202011641151.7 | 申请日: | 2020-12-31 |
| 公开(公告)号: | CN112669385B | 公开(公告)日: | 2023-06-13 |
| 发明(设计)人: | 张铁;肖卓;邹焱飚;何英武 | 申请(专利权)人: | 华南理工大学;中山市华南理工大学现代产业技术研究院 |
| 主分类号: | G06T7/73 | 分类号: | G06T7/73;G06T7/80;G06T17/00;G01B11/24 |
| 代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 江裕强 |
| 地址: | 510640 广*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 三维 特征 工业 机器人 工件 识别 估计 方法 | ||
1.基于三维点云特征的工业机器人工件识别与位姿估计方法,该方法所基于的识别系统包括工业机器人、机器人控制柜、三维扫描仪、嵌入式工业控制机、工作台,其特征在于,所述方法包括以下步骤:
S1、识别开始前,对需要识别的工件创建三维工件模型,生成模型点云,建立模型数据库,对模型点云数据进行训练;
建立模型数据库,对模型点云数据进行训练,具体包括以下步骤:
S11.在模型点云上使用统一的特征点采样,即通过建立空间体素栅格进行采样,再用每个体素内的重心代表该体素内的特征点F;
其中:n表示点云中点的个数,(qxi,qyi,qzi)表示每个点的x、y、z的坐标值;
S12.基于特征点F建立该点球形支持域内的局部坐标系,建立局部坐标系;
S13.在局部坐标系确定后,对球形支持域中的结构形状信息进行统计,建立3-D描述符SHOT特征,根据在特征点F处建立的局部坐标系将r半径球领域划分为H空间区域,其中空间区域包括若干个径向区、若干个方位角区、若干个仰角区;
对于每个区域由局部直方图表示,每个直方图分为h个小单元,各单元的值根据网格中相应部分的每个点的法线nvi与特征点法线nu之间的夹角θi余弦值来累计点数而构建,即
cosθi=nu·nvi
最终SHOT描述符的维度为H×h,根据局部坐标系将所有直方图并排在一起;
S14.采用四次线性插值法对局部直方图中相邻的单元格和相邻直方图同一单元格内进行插值,每个计数乘以每个维度的权重1-d,对于法矢夹角余弦,直方图相邻单元格插值d的定义为:
在方位角方向、仰角方向和径向方向插值类似,其中s表示相邻单元格间距;
根据法矢直方图完成SHOT特征的描述,存储每个工件的模型点云的SHOT描述符特征后供后续的识别过程使用;
所述建立局部坐标系包括以下步骤:
1)由特征点F的k个最近邻域点集P={pi,i=1,2...k},建立协方差矩阵M:
其中,pi表示k邻域中的第i个点,表示点集的质心:
对M进行特征值分解,采用总体最小二乘法估计法线方向,依次计算加权协方差矩阵M:
其中:di=||pi-F||2表示pi与特征点F之间的欧几里德距离,r是球面领域的半径,求得加权协方差矩阵M特征向量即为局部坐标系的三个单位向量;
2)对协方差矩阵M的特征向量采用符号一致性的方法消除歧义,将最大和最小特征值及对应的特征向量分别定义为局部坐标系x轴和z轴的单位向量,则消除歧义的x轴定义为:
其中,x+表示x轴的正半轴方向,x-表示x轴的负半轴方向,表示特征点F指向pi的向量与x正半轴同向的累计数,表示特征点F指向pi的向量与x负半轴同向的累计数,表示;
使用相同的过程消除z轴的歧义,最后y轴通过标准正交约束下的叉乘得到:
y=z×x;
S2、识别开始时,采集当前场景点云,提取特征点,并基于特征点的球邻域内建立SHOT步骤
S3、在三维空间中,根据步骤S2得到的SHOT描述符将场景点云与模型点云建立初始对应关系,根据向量空间中转换关系完成对工件的识别,计算出场景点云中的工件实例相对于模板点云的相对位姿关系;
S4、获取场景点云的工件实例相对于工业机器人基坐标系下的位姿关系,并实时发送给机器人控制柜进行处理,控制机器人的末端执行器完成识别及抓取工件。
2.根据权利要求1所述的基于三维点云特征的工业机器人工件识别与位姿估计方法,其特征在于,所述创建三维工件模型,生成模型点云是使用SolidWorks三维制图软件生成三维工件模型,保存为stl、obj格式文件。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学;中山市华南理工大学现代产业技术研究院,未经华南理工大学;中山市华南理工大学现代产业技术研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011641151.7/1.html,转载请声明来源钻瓜专利网。





