[發(fā)明專利]一種基于點云缺失的盤類元件識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201911271303.6
• 申請日: 2019-12-12
• 公開（公告）號: CN111028247A
• 公開（公告）日: 2020-04-17
• 發(fā)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(quán)）人: 長春工業(yè)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(chǎn)權(quán)代理有限公司 11385
• 代理人: 馮靜

本發(fā)明公開了一種基于點云缺失的盤類元件識別方法及系統(tǒng)。所述方法包括：獲取盤類元件的參考點云圖像和目標點云圖像；參考點云圖像和目標點云圖像的點云缺失位置不同；采用迭代最近點算法，對參考點云圖像和目標點云圖像進行融合，得到融合點云圖像；采用Halcon視覺算法對融合點云圖像進行特征提取，得到深度信息；依據(jù)深度信息，采用分水嶺算法對融合點云圖像的目標區(qū)域進行邊緣提取，得到盤類元件目標區(qū)域；采用二次閾值篩選法對盤類元件目標區(qū)域進行篩選，并將篩選后的盤類元件目標區(qū)域確定為盤類元件識別結(jié)果。本發(fā)明能夠提高對點云缺失的盤類元件識別的準確性，避免出現(xiàn)誤識別或漏識別現(xiàn)象。

技術(shù)領(lǐng)域

本發(fā)明涉及機器視覺技術(shù)領(lǐng)域，特別是涉及一種基于點云缺失的盤類元件識別方法及系統(tǒng)。

背景技術(shù)

通常將通過3D相機獲取到的同一空間參考系下表達物體空間分布與表面特征的三維點的集合稱之為點云，點云的屬性通常包括位置、法向量與顏色信息等，與傳統(tǒng)的三維模型表達方式相比，點云模型具有獲取方便、數(shù)據(jù)結(jié)構(gòu)簡單、靈活且表達力強的優(yōu)點，極大的促進了基于點云數(shù)據(jù)的圖像學的發(fā)展。

但是，基于點云獲取設備本身的原理及精度限制、被測物體的表面性質(zhì)、測試環(huán)境的影響以及可能的人為干預，導致所得到的點偏離其實際位置而產(chǎn)生誤差或造成采樣不完全，從而造成圖像中對目標物誤識別或不識別的現(xiàn)象。

目前，學術(shù)界針對點云處理提出了許多行之有效的方法與改進，許多面向機器視覺領(lǐng)域的公司也推出了包含豐富的點云處理功能的商業(yè)軟件，但總體來說，對點云的處理方法仍然存在著魯棒性差、效率低等不足。現(xiàn)有的點云處理技術(shù)對點云圖像的完整性要求較高，在對不完整的盤類元件點云圖像進行識別時，并沒有較好的處理方法，通常直接通過基于模板的識別匹配方法進行識別，該方法的識別結(jié)果精度較差，并且易出現(xiàn)誤識別或漏識別現(xiàn)象。

發(fā)明內(nèi)容

基于此，有必要提供一種基于點云缺失的盤類元件識別方法及系統(tǒng)，提高對點云缺失的盤類元件識別的準確性，避免出現(xiàn)誤識別或漏識別現(xiàn)象。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種基于點云缺失的盤類元件識別方法，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(jù)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(qū)域進行邊緣提取，得到盤類元件目標區(qū)域；

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

可選的，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(zhuǎn)矩陣以及圖像平移向量，構(gòu)建目標函數(shù)；

采用四元數(shù)法對所述目標函數(shù)進行求解，得到最優(yōu)圖像旋轉(zhuǎn)矩陣和最優(yōu)圖像平移向量；所述最優(yōu)圖像旋轉(zhuǎn)矩陣為所述目標函數(shù)收斂時對應的圖像旋轉(zhuǎn)矩陣，所述最優(yōu)圖像平移向量為所述目標函數(shù)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(yōu)圖像旋轉(zhuǎn)矩陣和所述最優(yōu)圖像平移向量進行旋轉(zhuǎn)平移，得到融合點云圖像；所述融合點云圖像為旋轉(zhuǎn)平移后的參考點云圖像。

可選的，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(tài)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；