[发明专利]一种激光雷达和相机融合的不规则物体测量方法

说明书

本发明公开了一种激光雷达和相机融合的不规则物体测量方法，所述测量方法包括：步骤1：对激光雷达和单目相机模块进行联合标定；步骤2：激光雷达和单目相机同步执行，分别采集获得不规则物体的激光点云数据和序列图像，经各自数据融合处理，分别生成不规则物体的激光点云模型和图像点云数据；步骤3：对激光点云模型和图像点云数据进行多源点云数据的配准融合，生成多源点云模型；步骤4：对多源点云模型进行几何和纹理重建，生成三维重建模型；步骤5：对三维重建模型进行体积测量。本发明的测量方法，融合了激光雷达点云数据和摄像点云数据，弥补二者单独使用时的不足，提高了三维重建的效果及测量精度。

技术领域

本发明涉及工件的体积测量技术领域，特别涉及一种激光雷达和相机融合的不规则物体测量方法。

背景技术

不规则物体作为工业各领域广泛应用的重要零部件，在车辆、石油、化工、航海、航空和核工业领域均具有重要的用途，其质量的好坏可能直接影响到整台机器或设备是否能够安全的运行。因此在不规则物体的实际生产中，能够高效、准确的测量出不规则物体的各项尺寸参数，具有重要意义。

目前，激光雷达和摄像测量是最高效的三维数据获取手段，这两种方式单独使用均存在各自不可避免的缺陷，如激光雷达测量存在数据处理效率低的问题，摄像测量形成的三维模型则容易存在拉扯、模糊、孔洞、精度差等问题。显然，通过将激光雷达和摄像测量结合，融合摄影点云数据和激光雷达点云数据进行不规则物体的三维重建，明显优于这两者任何单一方式的建模效果。

发明内容

有鉴于此，本发明提供了一种激光雷达和相机融合的不规则物体测量方法。

一种激光雷达和相机融合的不规则物体测量方法，特殊之处在于，包括：

步骤1：对激光雷达和单目相机模块进行联合标定；

步骤2：激光雷达和单目相机同步执行，分别采集获得不规则物体的激光点云数据和序列图像，经各自数据融合处理，分别生成不规则物体的激光点云模型和图像点云数据；

步骤3：对激光点云模型和图像点云数据进行多源点云数据的配准融合，生成多源点云模型；

步骤4：对多源点云模型进行几何和纹理重建，生成三维重建模型；

步骤5：对三维重建模型进行体积测量。

可选地，采用二维棋盘格标定板对激光雷达和单目相机进行联合标定。

可选地，激光雷达对不规则物体进行多角度激光扫描，通过一种结合SAC-IA算法和ICP算法的点云融合处理改进算法，将采集到的激光点云数据融合处理，生成不规则物体的激光点云模型；

所述点云融合处理改进算法的处理过程包括：

利用SAC-IA算法进行初始配准时，先对点云数据进行点云LOF因子精简处理，删除不必参与后续配准运算的点云，以提高点云粗配准处理效率；

利用ICP算法进行精确配准时，采用R树索引，加速对应点对查询，然后用方向向量的角度阈值对错误匹配点对进行剔除，进而提升精配准效率。

可选地，单目相机通过一种拉普拉斯的边缘检测改进算法，对采集到的序列图像进行边缘提取，并通过运动恢复结构算法（SFM）生成图像点云数据；

所述拉普拉斯的边缘检测改进算法首先对图像进行增强处理，并用高斯滤波器平滑图像，抑制噪声；然后对RGB三个相位分量方向分别进行拉普拉斯模板锐化拉伸；最后对这三个分量进行相位重组，实现改进算法的边缘检测。

可选地，在对激光点云模型和图像点云数据进行多源点云数据的配准融合之前，需要先对图像点云数据进行密度点云调控，使其密度与激光点云密度保持一致；

所述密度点云调控方法，包括图像点云密度减小方法：

a、确定阈值H，即最小单元格的边长，求出在第一幅图像中提取的二维特征点坐标在X、Y方向的最大值和最小值，确定二维特征点区域，对该区域以给定的H值进行均匀网格划分，得到一系列网格；