[發明專利]一種基于機器人視覺的復雜異形曲面三維分割方法及系統有效
| 申請號: | 201911297669.0 | 申請日: | 2019-12-17 |
| 公開(公告)號: | CN111028238B | 公開(公告)日: | 2023-06-02 |
| 發明(設計)人: | 王耀南;蘇學叁;毛建旭;朱青;彭偉星;史雅蘭;唐永鵬 | 申請(專利權)人: | 湖南大學 |
| 主分類號: | G06T7/10 | 分類號: | G06T7/10 |
| 代理公司: | 長沙市護航專利代理事務所(特殊普通合伙) 43220 | 代理人: | 鄧翠;莫曉齊 |
| 地址: | 410082 湖*** | 國省代碼: | 湖南;43 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 機器人 視覺 復雜 異形 曲面 三維 分割 方法 系統 | ||
1.一種基于機器人視覺的復雜異形曲面三維分割方法,其特征在于,包括以下步驟:
S1、通過三維激光相機采集機器人手持異形曲面工件的點云數據;
S2、對采集的點云數據進行直通濾波預處理,以剔除環境背景點云;
S3、對預處理后的點云數據稀疏化再處理;
S4、將再處理后的點云數據整合成帶標簽的點云數據集,且點云數據集分成訓練集和測試集兩部分;
S5、將訓練集放入神經網絡進行訓練,使得神經網絡的參數調整以符合分割的性能要求;
S6、調整神經網絡參數并將訓練好的神經網絡用于隨機采集的點云數據中測試,并作出性能評估;
S7、判斷分割是否準確,若是,則輸出分割結果;反之,返回步驟S5;
在步驟S3內,點云數據稀疏化采用VoxelGrid體素網格下采樣方法,具體表現為:
S31、讀取點云數據,給每個點記錄編號ID,存儲坐標在數據庫中;
S32、將空間點分成3D體素網格,體素形成過程如下:
a)計算最小網格的尺寸:
式中,xmin,ymin,zmin,xmax,ymax,zmax分別表示點云數據沿x軸、y軸和z軸坐標的最小值和最大值,N表示總共采集的點云點數;
b)計算網格的數量
沿x軸的網格數量:Nx=ceil((xmax-xmin)/S0)?????????(2)
沿y軸的網格數量:Ny=ceil((ymax-ymin)/S0)?????????????(3)
沿z軸的網格數量:Nz=ceil((zmax-zmin)/S0)???????????????????????(4)
式中,ceil表示上取整函數;
c)設定點P(x,y,z)屬于某一體素網格,其網格編號為(xIDbox,yIDbox,zIDbox),則xIDbox、yIDbox和zIDbox的表達式分別為:
xIDbox=floor((x-xmin)/S0)????????????????????????(5)
yIDbox=floor((y-ymin)/S0)?????????????????????????(6)
zIDbox=floor((z-zmin)/S0)??????????????????????????(7)
式(5)至(7)中,floor表示下取整函數;
d)將點P轉化至一個維度,則其所屬網格的索引值為:
VoxelID=xIDbox·Ny·Nz+yIDbox·Nz+zIDbox?????????????????(8)
e)建立體素網格編號集保存值VoxelID和其內部所有點的編號,則一個網格內的所有點將會用它們的中心化點來近似:
式(9)至(11)中,XNcentrold,YNcentrold,ZNcentrold分別表示體素網格中心化點的橫坐標、縱坐標與豎坐標,m表示網格內所有點的數量。
2.根據權利要求1所述的一種基于機器人視覺的復雜異形曲面三維分割方法,其特征在于,所述步驟S1采集的點云數據包含從360度方向拍攝的機器人手持異形曲面工件而采集的點云數據。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于湖南大學,未經湖南大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201911297669.0/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種植物源殺紅火蟻餌劑及其制備方法
- 下一篇:適用于管道的傳感器安裝結構





