[發(fā)明專利]一種圖像生成方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010517305.5
• 申請日: 2020-06-09
• 公開（公告）號: CN111915732A
• 公開（公告）日: 2020-11-10
• 發(fā)明（設計）人: 呂淑靜;金衛(wèi)平;呂岳
• 申請（專利權）人: 上海欣巴自動化科技股份有限公司
• 主分類號: G06T17/20
• 分類號: G06T17/20;G06T17/05
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開一種圖像生成方法及系統(tǒng)，其中，所述的方法包括以下步驟：獲取物體圖像，提取圖像上的物體結構特征參數(shù)；對所述特征參數(shù)進行處理獲得物體表面的點云數(shù)據(jù)；對所述點云數(shù)據(jù)進行預處理，生成點云模板；獲取點云模板的信息，所述信息包括點云對、點云法線。用本發(fā)明公開的方法和系統(tǒng)，不僅可以高效準確地生成點云圖像，而且能明顯降低點云圖像的制作成本，有較強的實用性。

技術領域

本發(fā)明涉及智能制造領域，更具體地說，涉及一種圖像生成方法及系統(tǒng)在基于機器視覺領域中的應用。

背景技術

隨著科技的進步和社會的發(fā)展，對工業(yè)生產的要求逐漸提高，傳統(tǒng)制造業(yè)不能適應社會發(fā)展的需要，制造業(yè)需要向智能制造進行轉型和升級。在這場向智能制造轉型的浪潮中，基于機器視覺的機械臂抓取技術有了廣泛的應用需求。

機器視覺即是智能制造中，用機器來代替人眼，即利用圖像采集設備采集信息，再使用計算機進行處理，確定物體的位置，最終用于機械臂對物體進行抓取、測量和加工等操作。根據(jù)實際的生產情況，物體的擺放可能是有序的，或者是無序的。在機械臂無序抓取的情況下，物體的擺放位置雜亂，可能發(fā)生傾斜、交疊等復雜情況。因此，用點云圖像進行物體配準，獲得物體的位置和姿態(tài)信息就成為機械臂無序抓取中的一個關鍵部分。

對物體進行配準之前，需要一個僅包含單個物體的點云圖像作為模板圖像，以及包含多個物體的、實際生產場景中拍攝的場景點云圖像。模板圖像的來源可以通過CAD文件轉換，也可以用3D相機對單個物體進行掃描，經(jīng)過處理后作為模板圖像。但在某些生產環(huán)境中，這兩種情況都無法實現(xiàn)，或者實現(xiàn)成本很高。

因此，如何既能高效準確地生成點云圖像，同時降低圖像的制作成本，是目前智能制造領域基于機器視覺的應用領域中亟待解決的問題。

發(fā)明內容

針對上述問題，本發(fā)明公開一種圖像生成方法及系統(tǒng)，不僅可以高效準確地生成點云圖像，而且能夠明顯降低點云圖像的制作成本，有較強的實用性。

本發(fā)明公開了一種圖像生成方法，其特征在于包括以下步驟：獲取物體圖像，提取圖像上的物體結構特征參數(shù)；對所述特征參數(shù)進行處理獲得物體表面的點云數(shù)據(jù)；對所述點云數(shù)據(jù)進行預處理，生成點云模板；獲取點云模板的信息，所述信息包括點云對、點云法線。

優(yōu)選的，述獲得物體表面的點云數(shù)據(jù)點云數(shù)據(jù)，包括分別獲得平面點云數(shù)據(jù)和邊緣點云數(shù)據(jù)；對所述點云數(shù)據(jù)進行預處理點云數(shù)據(jù)包括分別對平面點云數(shù)據(jù)和邊緣點云數(shù)據(jù)進行預處理；所述的生成點云模板之前還包括合并所述的平面點云數(shù)據(jù)和邊緣點云數(shù)據(jù)。

優(yōu)選的，所述的對所述點云數(shù)據(jù)進行預處理，具體包括以下步驟：對所述點云數(shù)據(jù)進行下采樣處理，保留點云數(shù)據(jù)所表征物體的結構特征的同時減少點云數(shù)據(jù)中點的數(shù)量；對點云數(shù)據(jù)進行平滑處理。

優(yōu)選的，所述的下采樣處理包括以下步驟：求得包含點云圖像中所有點的最小長方體空間，稱為最小包圍盒；將最小包圍盒劃分為若干個小柵格，確保點云中所有點都包含在柵格中；刪除沒有包含點的小柵格；求得剩余小柵格的質心；刪除點云中所有點，用小柵格的質心作為新的點添加到點云中。

優(yōu)選的，所述獲取點云法線包括以下步驟：在點云中隨機選擇一點，作為計算點云法線的起始點；在所述起始點附近尋找相鄰點，線性擬合切平面，得到該點所在曲面中某點的法向量；確定點云曲面法向量的方向；取起始點已經(jīng)計算過法向量的鄰近點作為當前點，重復上述步驟，計算當前點的鄰近點的法向量。直到點云中所有點的法向量都計算完畢。

優(yōu)選的，所述的尋找相鄰點采用Kd-Tree結構獲取，具體包括以下步驟：構建Kd-Tree結構，劃分維度和分值；用Kd-Tree結構存儲點云；在Kd-Tree中查找點云對。

優(yōu)選的，所述的對點云數(shù)據(jù)進行平滑處理是采用移動最小二乘法來進行平滑，所述最小二乘法包括擬合函數(shù)，由系數(shù)向量α(x)和基函數(shù)P^T(x)組成，所述擬合函數(shù)滿足以下公式：