[发明专利]目标物点云特征线面提取方法及系统

权利要求书

1.一种目标物点云特征线面提取方法，其特征在于，包括：

对三维场景点云数据进行预处理，得到目标物稀疏点云；

基于目标物稀疏点云，使用区域生长算法聚类出目标物的特征面片；

提取特征面片的交界点和特征面片的边缘点；

将边缘点和交界点共同组成轮廓点云；

对轮廓点云再次应用区域生长算法，聚类分割为线段点簇；其中，若线段点簇为直线段点簇，则采取奇异值分解算法得到拟合直线方程，确定直线段的起始点和终止点，得到线段轨迹；若线段点簇为曲线段点簇，则采用软K段主曲线算法拟合主曲线，对拟合主曲线采样获得特征曲线点。

2.根据权利要求1所述的目标物点云特征线面提取方法，其特征在于，对三维场景点云数据进行预处理包括：

采用直通滤波，确定在三维坐标系内每个坐标轴方向上的点云的范围；

对确定了的范围的点云采用体素滤波，得目标物稀疏点云；其中，先计算每个体素范围内所有点的重心，在每一个体素内取离重心欧式距离最近的点来代替该体素内所有点，使降体素后的点云为原点云的子集；

采用基于统计学的离群点去除滤波，去除目标物稀疏点云的噪点。

3.根据权利要求1所述的目标物点云特征线面提取方法，其特征在于，使用区域生长算法聚类出目标物的特征面片包括：基于点法线之间角度的比较，将满足平滑约束的相邻点合并在一起，以一簇点集的形式输出，每簇点集属于相同平面。

4.根据权利要求3所述的目标物点云特征线面提取方法，其特征在于，使用区域生长算法聚类出目标物的特征面片包括：

遍历工件点云的所有点，按照点的曲率值对点进行排序，找到最小曲率值点，并把它添加到种子点集；

计算每个种子点的近邻点与当前种子点的法线角度差，如果差值小于设置的阈值，则该近邻点通过了法线角度差检验；

如果通过了法线角度差检验的该近邻点的曲率小于设定的阈值，则该近邻点就被添加到种子点集，即属于当前平面；

设置最小点簇点数与最大点簇点数，重复上述步骤，生成点数在最小点簇点数和最大点簇点数的所有平面，直至在剩余点中生成的点簇不能满足最小点簇点数。

5.根据权利要求1所述的目标物点云特征线面提取方法，其特征在于，提取特征面片的交界点包括：

在目标物点云中去除所有特征面片点云，得到特征面片的交界点，即不属于任何一个聚类所得面片的点。

6.根据权利要求1所述的目标物点云特征线面提取方法，其特征在于，根据一个点与其邻域内其他点在切平面内投影的向量夹角来提取特征面片的边缘点，包括：

在特征面片点云中选取采样点，取得采样点的近邻点，对采样点与其近邻点用最小二乘法拟合平面；

计算采样点与近邻点在所述拟合平面内的投影；

将采样点与每个投影点组成向量，向量两两组成夹角，取夹角的最大值和最小值，若最大值与最小值的差大于设定的阈值，则将该采样点归类为边缘点；

遍历面片点云所有点为采样点，循环上述步骤，直至所有点均被判断是否为边缘点。