一种基于轮廓提取点对特征的位姿估计方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115527202A(43)申请公布日2022.12.27(21)申请号202211318552.8G06V10/75(2022.01)(22)申请日2022.10.26G06V10/762(2022.01)(71)申请人华南农业大学地址510642广东省广州市天河区五山路483号申请人佛山显扬科技有限公司(72)发明人金鸿何海平吕盛坪丁克张胡成熊伟(74)专利代理机构广州粤高专利商标代理有限公司44102专利代理师牛念(51)Int.Cl.G06V20/64(2022.01)G06V10/22(2022.01)G06V10/44(2022.01)权利要求书2页说明书6页附图3页(54)发明名称一种基于轮廓提取点对特征的位姿估计方法(57)摘要本发明涉及涉及无序抓取识别的技术领域，更具体地，涉及一种基于轮廓提取点对特征的位姿估计方法，包括两个阶段：离线建模阶段和在线识别阶段，离线建模阶段，对模板进行轮廓提取，再进行特征提取，并储存在哈希表；在线识别阶段，对场景进行轮廓提取，再进行特征提取，和离线建模保存在哈希表中的特征建立点对特征，然后进行位姿投票，再通过ICP迭代处理，完成位姿估计，本实施例中，对模板和场景均进行轮廓提取，用轮廓替代原来的模板和场景点云进行点对特征匹配，耗时短，且提高了匹配精度和正确率。CN115527202ACN115527202A权利要求书1/2页1.一种基于轮廓提取点对特征的位姿估计方法，其特征在于，包括以下步骤：S1：通过三维相机拍摄点云制作模板点云，进行轮廓提取，再进行特征提取，并储存在哈希表中；S2：通过三维相机获取待抓取工件的场景点云，对场景点云进行轮廓提取，在场景点云中选择参考点，根据角度阈值和距离限制，计算参考点与所有场景点构成的场景点对的四维特征；S3：搜索步骤S1中的哈希表，提取与步骤S2中场景点对的四维特征近似的模型点对特征，得到候选位姿；S4：对候选位姿进行投票，得到投票结果；S5：以步骤S4中的投票结果为初始位姿进行ICP迭代处理，完成位姿估计。2.根据权利要求1所述的基于轮廓提取点对特征的位姿估计方法，其特征在于，步骤S1和步骤S2中，对模板点云和场景点云进行轮廓提取时，采用PCL轮廓提取方法，给定角度阈值限制和搜索点数限制，设置边界估计的法线和搜索方式，对模板和场景进行轮廓提取。3.根据权利要求1所述的基于轮廓提取点对特征的位姿估计方法，其特征在于，步骤S1中，为了快速匹配，将4个区间化的特征值经过操作后作为索引，对模板中任意两点，计算点对的点对特征，并储存在哈希表中。4.根据权利要求3所述的基于轮廓提取点对特征的位姿估计方法，其特征在于，步骤S1中，模板中任意两点间点对特征的计算过程具体为：对模板点云轮廓进行特征提取，空间中两个任意点m1、m2的法向量分别为n1、n2，则m1、m2之间的点对特征F(m1，m2)：F(m1，m2)＝(‖d‖2，∠(n1，d)，∠(n2、d)，∠(n1，n2))d＝m1‑m2其中，d表示m1、m2之间的距离；‖d‖2是m1与m2之间的欧式距离；∠(n1，d)分别表示n1与m1、m2之间连线的夹角；∠(n2、d)表示n2与m1、m2之间连线的夹角；∠(n1，n2)表示n1和n2的夹角；规定n1和n2的夹角范围在[0，π]之间。5.根据权利要求1所述的基于轮廓提取点对特征的位姿估计方法，其特征在于，步骤S4中，对候选位姿进行投票的具体过程为：对场景点对的四维特征F(Sr，Si)进行离散化；以离散化的结果作为索引键，搜索与场景点对的四维特征近似的模型点对特征F(mr，mi)，计算出场景点对(Sr，Si)和模型点对(mr，mi)的转换关系：其中，Si是所有场景点，Sr是场景参考点，Rx(α)是模型点mi绕x轴旋转α角度与场景点Si重合的矩阵，Ts→g、Tm→g分别是参考点法向量与模型点法向量旋转至与局部参考坐标系的x轴对齐后的变换关系；计算出旋转角度α，在建立的二维累加器上加1；遍历轮廓提取后的所有点，重复上述步骤。6.根据权利要求1所述的基于轮廓提取点对特征的位姿估计方法，其特征在于，步骤S5中，进行ICP优化前，采用层次聚类算法对投票结果进行聚类，以缩减投票结果数量。7.根据权利要求1至6任一项所述的基于轮廓提取点对特征的位姿估计方法，其特征在于，步骤S5中，进行ICP优化前，对模板和场景进行下采样。2CN115527202A权利要求书2/2页8.根据权利要求7所述的基于轮廓提取点对特征的位姿估计方法，其特征在于，下采样的具体步骤为：给定模板点云阈值和场景点云阈值，当模板点云和场景点云分别超出模板点云阈值和场景点云阈值时，进行下采样，按比例从多数集中选出一部分数据与少数集重新组合成一个新