[发明专利]目标物点云特征线面提取方法及系统

说明书

本发明提供一种目标物点云特征线面提取方法及系统，属于计算机视觉技术领域，对三维场景点云数据进行预处理，得到目标物稀疏点云，使用区域生长算法聚类出目标物的特征面片，提取其交界点和边缘点组成轮廓点云；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。本发明适用于不同类型工件进行其线面特征提取，实现了对不同类型工件适用的线面特征提取，并适用同时具有平面、曲面和直线、曲线的场景，鲁棒性较好，普适性强，定位精度高。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于三维视觉信息的目标物点云特征线面提取方法及系统。

背景技术

三维点云是实体模型数字化中的一种常用数据，随着社会经济高速发展，点云已不仅仅应用于三维重建、CAD逆向工程、点云拼接等领域，越来越多的工业领域如焊接、喷涂、打磨领域为寻求更高程度的自动化投身到点云的研究中。在实际工业现场中，通常需要大量的数据点来表示工件表面的细节特性，如何从大量离散数据中挖掘到有用且准确的线面结构信息是能否将三维视觉引入现场使用的关键。

当前关于提取工件点云特征线面的研究有很多，但由于工件类型多种多样，对于不同的工件类型往往需要设计不同的算法，线面信息的提取仍需要大量的人工分类与编辑，这严重限制了工业生产的自动化程度。并且现在大多数的特征线面研究仅限于对平面和直线的提取，通过对平面和直线拟合来获取较好的效果，而如何准确高效地提取曲面和曲线特征仍然是亟需解决的难题。

发明内容

本发明的目的在于提供一种实现了对不同类型工件适用的线面特征提取，并适用于同时具有平面、曲面和直线、曲线的场景，鲁棒性好，普适性强，定位精度高的基于三维视觉信息的目标物点云特征线面提取方法及系统，以解决上述背景技术中存在的至少一项技术问题。

为了实现上述目的，本发明采取了如下技术方案：

第一方面，本发明提供一种目标物点云特征线面提取方法，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。

优选的，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。

优选的，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。

优选的，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；