[发明专利]一种结合边缘特征的点云配准方法

说明书

本发明公开了一种结合边缘特征的点云配准方法，获取模板工件点云，搜索边缘点存储到模板边缘点云；获取实测工件点云，搜索边缘点存储到实测边缘点云；利用最近邻搜索方法获得实测匹配点集和边缘匹配点集；利用模板工件点云、实测匹配点集、模板边缘点云、边缘匹配点集构建目标函数；利用最优化方法迭代求解目标函数，得出旋转矩阵R和平移矩阵t，完成模板工件点云与实测工件点云之间的配准。本方法旨在解决工件表面形貌起伏较小，纹理不丰富的情形下的配准问题。

技术领域

本发明涉及点云配准领域，具体涉及一种结合边缘特征的点云配准方法。

背景技术

点云配准(Point Cloud Registration)指的是输入两幅点云Ps，(s代表source)和Pt，(t代表target)，输出一个旋转平移关系使得Ps和Pt的重合程度尽可能高。目前，传统的点云配准方法为ICP方法(Iterative Closest Point)，ICP方法的核心思想是基于当前的Ps在Pt中的最近点，求解变换，反复迭代得出最优解。该方法在待测工件表面特征较为丰富的场景中，配准效果准确，但是，有些工件表面形貌起伏较小，纹理不丰富，就会导致采集到的点云表面特征少，例如板状平面工件。此时，利用ICP方法会收敛到局部极小值，导致配准结果中点云只有部分重合，没有达到整体完全对齐，在特征的边缘处存在偏差(如图1、图2)，配准结果精度低，无法应用于高精度加工、装配领域。

发明内容

为了解决上述技术问题，本发明提供一种结合边缘特征的点云配准方法，旨在解决现有ICP方法在工件表面形貌起伏较小，纹理不丰富的情形下，配准结果不准确的问题。针对此类工件，增加工件的边缘特征约束，能够获得更为准确的配准结果。

为此，本发明的技术方案如下：

一种结合边缘特征的点云配准方法，获取基准工件点云，框选其中的感兴趣区域点云存储为模板工件点云，搜索该点云中的边缘点，并将其存储到模板边缘点云；

利用以下步骤，进行点云配准：

1)获取实际场景点云，进行预处理，将预处理后的点云存储为实测工件点云，搜索该点云中的边缘点，并将其存储到实测边缘点云；

所述实测工件点云中包含与基准工件相同型号的工件点云；

对于模板工件点云中的三维点，利用最近邻搜索方法从实测工件点云中查找到与其距离最接近的点，将查找到的点存储到实测匹配点集；

对于模板边缘点云中的三维点，利用最近邻搜索方法从实测边缘点云中查找到与其距离最接近的点，将查找到的点均存储到边缘匹配点集；

2)构建目标函数E(R，t)：

其中，p_i表示模板工件点云中的一点，q_i表示实测匹配点集中的一点，k_i表示q_i的法向量，n表示模板工件点云中点的个数；h_j表示模板边缘点云中的一点，g_j表示边缘匹配点集中的一点，m表示模板边缘点云中点的个数；λ为预设的权重值；

利用最优化方法迭代求解目标函数E(R，t)，得出旋转矩阵R和平移矩阵t，完成模板工件点云与实测工件点云之间的配准。

优选，搜索点云中的边缘点的方法为：

在点云中，利用基于法线的边界提取方法获取边缘点。

优选，在获取基准工件点云以及实际场景点云的同时，还在相同的位置采集一幅二维图像；二维图像中的像素点与点云中的各三维点之间具有一一对应关系；

将基准工件点云对应的二维图像记为基准二维图像；将实际场景中点云对应的二维图像记为实测二维图像；