[發明專利]基于點云VFH描述子的識別空間物體位姿方法

有效

• 申請號: 201710148765.3
• 申請日: 2017-03-13
• 公開（公告）號: CN106934831B
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 高會軍;林偉陽;孫敬颋;畢程;楊學博;李湛;于興虎;邱劍彬
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06T7/70
• 分類號: G06T7/70;G06K9/62
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 楊立超

基于點云VFH描述子的識別空間物體位姿方法，本發明涉及識別空間物體位姿方法。本發明是要解決現有技術沒有可行的手段確保采集樣本的代表性，也無法做到精確，同時大量的樣本導致運算時間過于冗長的問題，而提出的基于點云VFH描述子的識別空間物體位姿方法。該方法是通過一、計算點云對應的vfh特征描述子；二、計算差值向量d_i；三、計算特征向量空間；四、計算d_i投影到特征vfh描述子空間的坐標為Ω_i；五、計算d_i投影到特征vfh描述子空間的坐標Ω^Γ；六、確定訓練BP神經網絡的輸入和輸出維數；七、將投影后的vfh描述子對應角度輸出為1；八、確定當前點云的視角等步驟實現的。本發明應用于識別空間物體位姿方法領域。

技術領域

本發明涉及識別空間物體位姿方法，特別涉及基于點云VFH描述子的識別空間物體位姿方法。

背景技術

點云的是噴漆機器人視覺的重要環節，但是實時采集的局部點云和樣本中的完整點云配準存在著很大的精度問題。但是靠深度攝像機獲取全面的物體三維點云需要人手工完成，且成功率不高，因此基于單視角的識別有重要意義，如圖1～2。

現有的位姿估計方法計多采用簡單的采集一定數量的點云樣建立特征數據庫，既沒有可行的手段確保采集樣本的代表性，也無法做到精確，同時大量的樣本導致運算時間過于冗長。

發明內容

本發明的目的是為了解決現有技術沒有可行的手段確保采集樣本的代表性，也無法做到精確，同時大量的樣本導致運算時間過于冗長的問題，而提出的基于點云VFH描述子的識別空間物體位姿方法。

上述的發明目的是通過以下技術方案實現的：

步驟一、在訓練階段，對每個物體均勻分成M個角度，在M角度中的每一角度所在的視角上采集點云并計算點云對應的vfh特征描述子x＝(x₁,x₂,...,x_i,...,x_M)^T；x_i表示構成vfh特征描述子x的向量；

步驟二、根據步驟一的vfh特征描述子x_i計算每個向量x_i和平均vfh向量Ψ的差值向量d_i；

步驟三、運用主成分分析法計算向量d_i的特征vfh描述子空間w；

步驟四、將步驟一計算得到的vfh特征描述子和差值向量d_i投影到特征vfh描述子空間的坐標為Ω_i；

步驟五、計算待識別物體每個vfh特征向量Γ與差值向量d_i投影到特征vfh描述子空間的坐標Ω^Γ：

Ω^Γ＝w^T(Γ-Ψ)

步驟六、確定訓練BP神經網絡的輸入維數和輸出維數，其中，輸入維數是點云VFH描述子在特征vfh描述子空間下投影的維數，輸出維數為M；輸出維數的每一維代表步驟一中所采集的M個視角中的每一個視角；

步驟七、將輸入視角下的點云的vfh描述子在特征vfh描述子空間w下進行投影，將投影后的vfh描述子對應角度輸出為1，其余輸出為0；

步驟八、在識別過程中，輸入待識別物體點云的vfh描述子在特征vfh描述子空間w下的投影，取輸出值中相似度最高的前k個視角的坐標，采用Knn分類方法，將離群坐標對應的視角去掉，然后將k個視角中剩余視角取平均值作為當前點云的視角。

發明效果

本發明利用主成分分析法得到最能描述點云表面特征的K個vfh描述子；將所有訓練數據vfh描述子轉變為用特征vfh算子來表示；