[发明专利]激光轮廓仪平面度测量中的点云配准策略

说明书

本发明公开了一种激光轮廓仪平面度测量中的点云配准策略,解决了激光轮廓仪平面度测量中待测物点云位姿快速准确估计的问题。首先,通过算法提取点云的边界来获得更为有效的关键点SHOT特征描述子，通过关键点邻域评估剔除无效关键点以获得初步匹配点对；其次，结合特征匹配点对的几何一致性对其进行聚类以实现点云的粗配准；最后，基于边界点云使用ICP算法完成点云的细配准。在与SHOT+ICP、4PCS+ICP、NDT等经典点云配准算法的对比实验中，本发明在速度和精度上都有了一定的提升。

技术领域

本发明涉及平面度测量技术领域，尤其是涉及一种激光轮廓仪平面度测量中的点云配准策略。

背景技术

随着世界范围内机器视觉技术的发展，该技术被广泛应用于工业生产检测的各项环节。平面度作为形位公差中重要的组成之一，在机械、军工及电子等多个领域皆有着广泛的检测需求。传统平面度测量方案受限于精度、检测速度或是设备成本等多方面因素，已无法满足实际生产线中愈发严苛的检测要求。近年来机器视觉在平面度检测中的应用越来越广，其中激光轮廓仪因其能够快速精确地获得待测物表面的点云信息而非常适用于快速、高精度的平面度测量。但是，为提高平面度测量的重复性，需保证每次选取的待测点相对待测物的位置固定不变，这在待测物初始位姿差异较大的情况下无疑是一个难题。为解决上述问题需采用点云的刚性配准的技术，以估计待测物点云相较于标准点云的姿态，并根据标准点云中的测量采样区域对应设定相应的采样区域，实现平面度测量。

在平面度测量的点云配准中面临的主要问题是：由于激光轮廓仪获得点云数量较大，经典的迭代最近点(Iterative Closest Point,ICP)算法因其计算耗时较长无法满足实际的需求。另一方面，为保证点云配准不陷入局部最优解，常采用先粗配准后细配准的点云配准方式，而在基于特征描述子的粗配准中由于平面点云缺失纹理而较难获取有效的局部特征，导致粗配准精度不高，对后续的细配准产生不利影响。因此本发明提出一种优化的点云配准算法应用在激光轮廓仪平面度测量中，有效解决了上述问题，实现了快速准确的点云配准与平面度测量。

发明内容

本发明的目的在于提供了一种获得的边界点云数与PLC中算法基本一致，但实际进行边界判定的点的数量大幅减少且边界提取速度大幅提升的激光轮廓仪平面度测量中的点云配准策略。

为实现上述目的，本发明采取的技术方案为：激光轮廓仪平面度测量中的点云配准策略,包括模板采样点设置步骤、模板边界点云计算步骤、待测边界点云计算步骤、点云粗配步骤、位姿变换量计算步骤和平面度计算步骤；

所述模板采样点设置步骤，获得一待测物的点云作为模板点云，并且在所述模板点云中设置采样点；

所述模板边界点云计算步骤，将所述模板点云作为原点云输入点云边界提取算法，将输出的边界点云作为模板边界点云；

所述待测边界点云计算步骤，获取所述待测物的点云信息作为待测点云，所述待测点云作为原点云输入点云边界提取算法，将输出的边界点云作为被测边界点云；

所述点云粗配步骤，将所述模板边界点云进行均匀降采样得到关键点作为模板关键点，计算所述模板关键点对应的特征描述子作为模板特征描述子；将所述待测边界点云进行均匀降采样得到关键点作为待测关键点，计算所述待测关键点对应的特征描述子作为待测特征描述子；根据所述模板关键点邻域内的所述模板特征描述子和所述待测关键点邻域内的所述待测特征描述子，将所述模板边界点云和所述待测边界点云进行匹配得到匹配点对实现点云粗配准；

所述位姿变换量计算步骤，将完成粗配准后的模板边界点云和待测边界点云采用I CP算法进行点云细配准，得到最终的位姿变换旋转矩阵和平移向量；

所述平面度计算步骤，根据所述位姿变换旋转矩阵和所述平移向量，将所述采样点转换到所述待测点云的对应位置得到匹配采样点，根据所述匹配采样点计算得到平面度。