买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明公开了一种基于方向直方图签名特征的工件的三维点云配准方法，属于机器视觉领域。首先通过内部签名描述算法提取出工件目标点云的关键点，然后采用方向直方图签名特征描述子对关键点进行特征描述提取，对关键点进行随机采样后在离线计算好的模板特征描述中结合二次约束即邻域约束和距离约束来搜索提取出配准点对，利用对偶四元数求解旋转矩阵和平移向量来实现点云的初始配准，在初始配准提供的初始位姿基础上利用迭代最近点算法实现点云的精确配准。和传统的基于二维图像上的配准相比，可以避免光照影响，降低物体摆放位置的要求，可以获得模板与目标之间较精确的位姿关系即两者之间的旋转矩阵和平移矩阵。

主权项：1.一种基于方向直方图签名特征的工件的三维点云配准方法，其特征在于，包括以下步骤：步骤一：输入工件的模板点云Q∈R3×m和工件的目标点云P∈R3×n，m和n分别是模板点云和目标点云的点数目，m≥n；步骤二：对目标点云P用内部签名描述算法进行关键点提取，得到关键点集合KeypointP∈R3×l，l为关键点数目，l＜n；具体过程为：用内部签名描述算法提取出目标点云的关键点需对目标点云P中的每一个点Pi∈R3×1，i＝1,2,...,n，进行关键点阈值判断，其具体步骤如下：Step1：初始化参数，置iter＝1，j＝1，根据式3计算出d，根据式4设定关键点提取半径r1；d＝min||P1-Pi||,i＝2,...,n31·d≤r1≤1.5·d4其中：Pi∈R3×1是目标点云P中的第i个点，i＝1,2,...,n，d是目标点云中所有的点到第一个点之间欧式距离的最小值，||||为计算向量的距离；Step2：对当前点Piter根据以下步骤找到其半径r1内的所有邻域点：STEP1：i＝1，j＝1STEP2：若||Pj-Piter||≤r1，则Piter_closei＝Pj,i＝i+1STEP3：j＝j+1，若j≤n，则转STEP2；否则，转STEP4；STEP4：h＝i-1，结束；所有邻域点的集合为Piter_close∈R3×h，根据式5对Piter_close中的每一个点Piter_closei进行去质心操作得到 其中：h为以点Piter为球心，半径为r1的球型邻域内所包含的点的个数；Step3：对利用式6求得描述该邻域方向的三个特征值e1，e2，e3，求得λ1＝min{e1,e2,e3}，λ3＝max{e1,e2,e3}，λ2＝e1+e2+e3-λ1-λ3； 其中：v1，v2，v3是特征值e1，e2，e3对应的特征向量；Step4：根据式7进行阈值判断，若式7条件成立，保存当前点Piter为关键点KPj∈R3×1，KPj＝Piter，j＝j+1，否则不保存该点； 其中：δ1＝λ1λ2是特征值λ1与λ2的比值，δ2＝λ2λ3是特征值λ2与λ3的比值；threshold1是关键点阈值下限，threshold2是关键点阈值上限；Step5：判断iter是否等于n，是则转Step6；否则iter＝iter+1，转Step2；Step6：最终提取出来的关键点集合为KeypointP∈R3×l，KeypointP＝[KP1KP2...KPj-1]，l＝j-1为提取出来的关键点数目；步骤三：用方向直方图签名特征描述方法对关键点集合KeypointP中的每一个点进行352维的特征描述提取，得到关键点集合的特征描述集合SHOTP∈Rl×352；用方向直方图签名特征描述方法对模板点云Q中的每一个点进行352维的特征描述提取，得到模板点云的特征描述集合SHOTQ∈Rm×352；步骤四：在关键点集合KeypointP中随机采样f个点，得到目标点云配准点集合PT∈R3×f，3≤f≤l，根据步骤三得到的关键点的特征描述，得到f个目标点云配准点的特征描述集合SHOTPT∈Rf×352；步骤五：搜索出与目标点云配准点集合PT∈R3×f对应的模板点云配准点集合QT∈R3×f；步骤六：对步骤四和步骤五获取的初始配准点对PTi,QTi，i＝1,2,...,f，计算出每一组点对的距离比值系数δdisi和邻域比值系数δNUMi，i＝1,2,...,f；具体过程为：根据式15计算 其中：PTi∈R3×1是目标点云配准点集合PT的第i个分量，QTi∈R3×1是模板点云配准点集合QT的第i个分量，Pcenter∈R3×1和Qcenter∈R3×1分别是目标点云P和模板点云Q的质心，和Pi∈R3×1是P的第i个分量，Qi∈R3×1是Q的第i个分量，和分别是点PTi和点QTi以半径为r3的邻域内各自包含的点数目，半径r3的方法求取方法与用式3和4求取r1的方法相同；步骤七：对步骤六计算出来的每一组点对的距离比值系数δdisi和邻域比值系数δNUMi根据以下步骤进行判断，若成立则保存该组点对，否则不保存：STEP1：k＝1，i＝1STEP2：若0.9≤δdisi≤1.1且0.9≤δNUMi≤1.1，则STEP3：i＝i+1，若i≤f，则转STEP2；否则，转STEP4；STEP4：s＝k-1，结束；保存的点对构成了最终的配准点对k＝1,2,...s，对最终得到的配准点对数目进行判断，若s＜3，返回步骤四，否则，转步骤八；步骤八：对步骤七获取的最终的配准点对利用对偶四元数求解旋转矩阵Rcoarse∈R3×3和平移矩阵Tcoarse∈R3×1；步骤九：根据式1更新目标点云P中的每一个点Pi∈R3×1，得到更新后的目标点云的点Pnewi，构成更新后的目标点云Pnew∈R3×n，Pnew＝[Pnew1Pnew2...Pnewi...Pnewn]；Pnewi＝RcoarsePi+Tcoarsei＝1,2,...,n1根据式2计算模板点云与更新后的目标点云之间的初始配准均方根误差Error1RMSE； 步骤十：若Error1RMSE＞Th1，返回步骤四，否则，得到更新后的目标点云Pnew、Rcoarse和Tcoarse并转步骤十一；其中：Th1为初始配准设定的均方根误差阈值；步骤十一：对于模板点云Q和更新后的目标点云Pnew，用迭代最近点法实现精确配准，求得最终的旋转矩阵Rfinal∈R3×3和平移矩阵Tfinal∈R3×1；步骤十二：输出模板点云与目标点云之间的位姿关系Rfinal和Tfinal给抓取机械手。

全文数据：

权利要求：

百度查询： 江南大学 一种基于方向直方图签名特征的工件的三维点云配准方法