[發明專利]一種基于點云缺失的盤類元件識別方法及系統

在審

• 申請號: 201911271303.6
• 申請日: 2019-12-12
• 公開（公告）號: CN111028247A
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 劉克平;張振國;李巖;楊洪濤;廉宇峰;孫中波;于繼童
• 申請（專利權）人: 長春工業大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/12;G06T7/136;G06T7/33
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 馮靜

1.一種基于點云缺失的盤類元件識別方法，其特征在于，包括：

獲取盤類元件的參考點云圖像和目標點云圖像；所述參考點云圖像和所述目標點云圖像的點云缺失位置不同；

采用迭代最近點算法，對所述參考點云圖像和所述目標點云圖像進行融合，得到融合點云圖像；

采用Halcon視覺算法對所述融合點云圖像進行特征提取，得到深度信息；

依據所述深度信息，采用分水嶺算法對所述融合點云圖像的目標區域進行邊緣提取，得到盤類元件目標區域；

采用二次閾值篩選法對所述盤類元件目標區域進行篩選，并將篩選后的盤類元件目標區域確定為盤類元件識別結果。

2.根據權利要求1所述的一種基于點云缺失的盤類元件識別方法，其特征在于，所述采用迭代最近點算法，對所述參考點云圖像和所述目標點云圖像進行融合，得到融合點云圖像，具體包括：

由所述參考點云圖像、所述目標點云圖像、圖像旋轉矩陣以及圖像平移向量，構建目標函數；

采用四元數法對所述目標函數進行求解，得到最優圖像旋轉矩陣和最優圖像平移向量；所述最優圖像旋轉矩陣為所述目標函數收斂時對應的圖像旋轉矩陣，所述最優圖像平移向量為所述目標函數收斂時對應的圖像平移向量；

以所述目標點云圖像為基準，將所述參考點云圖像按照所述最優圖像旋轉矩陣和所述最優圖像平移向量進行旋轉平移，得到融合點云圖像；所述融合點云圖像為旋轉平移后的參考點云圖像。

3.根據權利要求1所述的一種基于點云缺失的盤類元件識別方法，其特征在于，在所述采用迭代最近點算法，對所述參考點云圖像和所述目標點云圖像進行融合，得到融合點云圖像之后，還包括：

采用形態學開運算對所述融合點云圖像進行處理，得到開運算后的融合點云圖像；

采用形態學閉運算對所述開運算后的融合點云圖像進行處理，得到閉運算后的融合點云圖像。

4.根據權利要求1所述的一種基于點云缺失的盤類元件識別方法，其特征在于，所述采用二次閾值篩選法對所述盤類元件目標區域進行篩選，并將篩選后的盤類元件目標區域確定為盤類元件識別結果，具體包括：

計算所述盤類元件目標區域的面積、所述盤類元件目標區域的中心點和所述盤類元件目標區域的圓度值；

將所述面積大于第一設定值，且所述圓度值大于第二設定值的盤類元件目標區域確定為感興趣區域；

依據所述中心點，計算每兩個所述感興趣區域的中心點的距離；

判斷所述距離是否小于第三設定值；

若是，則將所述距離對應的兩個感興趣區域確定為臨近區域；

將所述臨近區域中圓度值較大的感興趣區域確定為篩選后的盤類元件目標區域。

5.根據權利要求2所述的一種基于點云缺失的盤類元件識別方法，其特征在于，所述目標函數為：

其中，R為圖像旋轉矩陣，T為圖像平移向量，P＝{p_i|p_i∈R³,i＝1,2...,N}，P為參考點云圖像中與目標點云圖像相匹配的點云構成的集合，p_i為參考點云圖像中與目標點云圖像相匹配的第i個點云，N為P中點云的總個數，Q＝{q_i|q_i∈R³,i＝1,2...,N}，Q為目標點云圖像中與參考點云圖像相匹配的點云構成的集合，q_i為目標點云圖像中與參考點云圖像相匹配的第i個點云，p_i與q_i為一對匹配點對，R³為三維空間。