[發明專利]一種結構光視覺系統的下一最佳測量位姿確定方法

有效

• 申請號: 201910110094.0
• 申請日: 2019-02-11
• 公開（公告）號: CN109781003B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 林俊義;江開勇;李龍喜;黃常標;劉華
• 申請（專利權）人: 華僑大學
• 主分類號: G01B11/00
• 分類號: G01B11/00;G01B11/25
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭;林燕玲

本發明針對機器人視覺自動測量中下一最佳測量位姿確定問題，公開了一種新穎的結構光視覺系統的下一最佳測量位姿確定方法。該方法首先采用結構光雙目視覺測量系統獲得被測物體的深度圖像和三維點云，通過深度圖像快速獲取被測物體的邊緣與密度聚類分析區域。基于密度聚類方法判定物體邊緣區域三維形貌的復雜程度，結合視場大小確定子區域權重，從而獲得深度圖上下一視場最佳移動方向。采用趨勢面分析法預測下一最佳測量位姿的空間范圍。為避免邊緣局部復雜程度對趨勢面的影響，以深度圖像上的測量視場為中心獲得趨勢面分析全局區域，并快速獲得中心趨勢線以確定出下一最佳測量位姿。

技術領域

本發明涉及機器人自動測量方法，特別是指一種一種結構光視覺系統的下一最佳測量位姿確定方法。

背景技術

結構光三維測量技術已經得到了廣泛的應用，然而在實際測量中，受限于系統測量視場范圍和物體復雜程度等原因，對大尺寸或者表面形貌較為復雜的物體，一次測量難以獲得物體完整的形貌，需要從不同角度多次測量并拼合才能獲得完整的物體。被測物體越復雜或者其尺寸與視場大小之間的比例越大，則需要測量次數就越多，甚至達到成千上百次。如此繁重的測量任務使得自動測量變得非常重要，而下一個最佳測量位姿的確定是實現自動測量的前提與關鍵所在，也是三維重建、機器人導航、自動裝配等領域亟待解決的難題之一。

在對未知模型的自動測量中，為了每次獲得盡可能多的點云信息，需要根據當前信息判斷下一最佳測量位姿。何炳蔚等在論文“線激光三維測量儀中視覺傳感器規劃方法研究”(中國激光，2010,37(6):1618-1625.)中提出可視空間與極限面相結合的視點規劃策略來確定下一最佳視點的位置。張世輝等在論文“基于深度圖像利用遮擋信息確定下一最佳觀測方位”(計算機學報，2015，38(12)，P2450-2463)中從消除被測物體的自遮擋區域入手，確定下一最優視點。在二維深度圖像中識別已測得數據中的自遮擋區域，計算可消除自遮擋區域的視點，并結合遮擋區域的向量和面積構建下一最佳觀測方位的模型。隨后利用梯度下降法尋優求得模型的最優解確定下一最優視點。

綜上所述，雖然目前對自動三維測量中下一最優視點的確定方法已有所研究，取得了一定成果，但資料報道并不多，涉及的關鍵技術亟待進一步研究。

發明內容

本發明的主要目的在于克服現有技術中的上述缺陷，提出一種新穎的結構光視覺系統的下一最佳測量位姿確定方法。

本發明采用如下技術方案：

一種結構光視覺系統的下一最佳測量位姿確定方法，其特征在于，包括如下步驟：

A1、獲取被測物體初始位置的深度圖像和三維點云；

A2、通過深度圖像獲取被測物體的邊緣，根據有效測量范圍確定下一最佳位姿判定所需的區域；

A3、對區域內三維點云進行密度聚類，依據密度與三維形貌復雜程度關系，獲得各個子區域的復雜系數；

A4、結合視場大小優化各個子區域權重，從而確定深度圖上最佳移動方向；

A5、以測量視場為中心，結合深度圖像獲得趨勢面，分析全局區域以及中心趨勢線，從而確定出下一最佳測量位姿。

所述A2包括如下：

首先，在深度圖像上采用Canny算子邊緣提取法快速識別出物體的邊緣；再采用區域寬度t的計算方法確定所述區域，公式如下：

其中a為視場長度，b為視場寬度，表示將面積轉化為矩形平均寬度，S為有效測量區域面積，c為邊緣區域面積與有效區域面積之比，k₁為輪廓修正系數，l為有效測量區域長度。