【技术实现步骤摘要】
一种基于多维空间不变特征的平板类零件点云拼接方法
本专利技术涉及三维点云数据后处理领域,主要涉及一种基于多维空间不变特征的平板类零件点云拼接方法。
技术介绍
在工业生产中,作为覆盖件、底板或基体类零件的平板类零件具有广泛应用。为保证生产质量,需要对这类平板类零件的成形质量进行检测。近年来,作为一种测量精度较高的非接触式点云获取方法,结构光三维测量技术发展迅速,越来越多的企业开始采用这种技术对成形零件的结构尺寸进行三维重构,以检测零件成形是否满足设计要求。受大型平板类零件的尺寸限制,结构光三维测量设备往往只能从某一单一视角进行测量。由于从单一视角获得的点云仅能体现被测物体的部分特征,为获得被测物体的完整点云,需要将多幅单视角点云进行拼接。现有的点云拼接方法主要包括两类,一类是需要人工辅助的拼接方法,另一类是无辅助的自动拼接方法。由于大型平板类冲压零件的几何特征较少,采用无辅助的自动拼接方法难以实现正确拼接,因此,在生产实践中,为获取这类大型平板类冲压零件的点云,多采用人工辅助法对多幅点云进行拼接。王曼等通过在待测物体表面设置人工标记点,辅助实现点云的拼接。达飞鹏等提出为保证拼接的精度,标记点的形状应尽量接近等边三角形,标记点的尺寸应足够大,且标记点应在待测物体表面各种高度不同的区域尽可能多的分布。龙玺等利用运动定位装置确定多视角点云间的平移矩阵和旋转矩阵。罗先波等人将人工标记点设计成外方内圆、外黑内白的形式,便于特征点集的获取。由此可见,人工辅助法在多幅点云的拼接中主要存在以下问题:第一,人工标记点的辅助拼接方法,对标记点形状、尺寸、位置的设置具有较高要求, ...
【技术保护点】
1.一种基于多维空间不变特征的平板类零件点云拼接方法,其特征在于,包括如下步骤:步骤1:针对相机分别从两个不同视角获得平板类零件的两个待拼接点云,利用最邻近点迭代算法计算两个待拼接点云之间的点云旋转矩阵R1,并利用点云旋转矩阵将其中一个待拼接点云进行空间变换,从而获得两个初始点云;步骤2:根据切比雪夫不等式,以点云中的每一点作为基准点进行遍历,采用以下方式处理:首先计算基准点处的最小取样半径值,并以此为基准确定取样半径系列;然后针对取样半径系列的不同取样半径值,计算基准点邻域内密度信息和纹理信息的平均值,构造基准点的特征融合向量,获得变尺度条件下的一组协方差矩阵,最后构建基准点的协方差描述符作为点云中基准点特征度量;步骤3:定义分别位于两初始点云的两点间的多尺度流式距离,描述分别位于不同两个初始点云中的两点间的相似程度;步骤4:根据所有分别位于两初始点云的两点间的多尺度流式距离,构造多尺度流式距离矩阵,确定两初始点云中的匹配点对,计算两待拼接点云间的平移矩阵和旋转矩阵,并以此将两初始点云进行粗配准;步骤5:在粗配准之后,再次应用最邻近点迭代算法采用和步骤1的相同方式获得更精确的旋转矩阵 ...
【技术特征摘要】
1.一种基于多维空间不变特征的平板类零件点云拼接方法,其特征在于,包括如下步骤:步骤1:针对相机分别从两个不同视角获得平板类零件的两个待拼接点云,利用最邻近点迭代算法计算两个待拼接点云之间的点云旋转矩阵R1,并利用点云旋转矩阵将其中一个待拼接点云进行空间变换,从而获得两个初始点云;步骤2:根据切比雪夫不等式,以点云中的每一点作为基准点进行遍历,采用以下方式处理:首先计算基准点处的最小取样半径值,并以此为基准确定取样半径系列;然后针对取样半径系列的不同取样半径值,计算基准点邻域内密度信息和纹理信息的平均值,构造基准点的特征融合向量,获得变尺度条件下的一组协方差矩阵,最后构建基准点的协方差描述符作为点云中基准点特征度量;步骤3:定义分别位于两初始点云的两点间的多尺度流式距离,描述分别位于不同两个初始点云中的两点间的相似程度;步骤4:根据所有分别位于两初始点云的两点间的多尺度流式距离,构造多尺度流式距离矩阵,确定两初始点云中的匹配点对,计算两待拼接点云间的平移矩阵和旋转矩阵,并以此将两初始点云进行粗配准;步骤5:在粗配准之后,再次应用最邻近点迭代算法采用和步骤1的相同方式获得更精确的旋转矩阵R3,利用步骤4获得的平移矩阵T2并结合更精确的旋转矩阵R3获得最终变换矩阵,利用最终变换矩阵对两初始点云的其中之一进行变换后拼接。2.根据权利要求1所述的一种基于多维空间不变特征的平板类零件点云拼接方法,其特征在于:所述步骤2中,针对基准点采用以下步骤处理:步骤2.1:根据切比雪夫不等式,确定点云中基准点邻域内所包含的点的最小数目nmin;式中,σ2为随机变量的方差,点云中的所有点构成随机变量的样本空间;ε为所允许的随机变量取样值偏离样本中心的程度,取ε=0.1;P为置信度,取P=0.95;步骤2.2:根据取样点最小数目nmin和点云分布密度确定基准点p处的最小取样半径值R0(p),最小取样半径值使得基准点邻域内所包含点的数目等于步骤2.1所获得的点的最小数目;步骤2.3:将步骤2.2中获得的最小取样半径值,分别乘以不同的放大系数,获得不同尺度的取样半径值,进而组成取样半径系列,基准点p处的取样半径系列表示为R(p)={R(p,i)|R(p,i)=(R0(p))(i-1)/5,i=1,2,…},其中,i表示取样半径值的第i个尺度,R0(p)表示基准点p处的最小取样半径值,R(p,i)表示基准点p处的第i个尺度的取样半径值;步骤2.4:在基准点处,对于取样半径系列中的多个取样半径值,逐一计算基准点处不同尺度的的特征融合向量;所述的特征融合向量由两个距离特征元素和三个纹理特征元素的共计五个元素组成;所述距离特征元素包括:基准点邻域内各点与基准点距离的均值,作为距离大小特征;基准点邻域内各点与基准点距离的标准差,作为距离离散特征;所述纹理特征元素包括通过计算三个空间偏角各自在基准点邻域内所有点处的均值而得到的三个曲率特征,三个空间偏角为通过基准点邻域内各点处的法向量相对于基准点处法向量的三个空间偏角,三个空间偏角具体为;第一个空间偏角为基准点邻域内的点和基准点之间的连线与基准点的法向量之间的较小空间夹角,第二个空间偏角为基准点邻域内的点和基准点之间的连线与基准点邻域内的点的法向量之间的较小空间夹角,第三个空间偏角为基准点邻域内的点的法向量与基准点的法向量之间的较小空间夹角;对于取样半径值R(p,i),计算基准点p处的特征融合向量为f(p,R(p,i))=[d(p,i),σ(p,i),α(p,i),β(p,i),γ(p,i)]T,其中,d(p,i)和σ(p,i)元素分别为距离特征元素的距离大小特征、距离离散特征,α(p,i),β(p,i),γ(p,i)元素分别为纹理特征元素的第一个到第三个空间偏角对应的曲率特征;步骤2.5:根据步骤2.4所获得的基准点p处不同取样半径值所对应的多个特征融合向量,计算特征融合向量中各元素在不同取样半径值下的均值,并将各元素的均值按照特征融合向量中元素对应顺序组成基准点处特征融合向量均值;具体计算以...
【专利技术属性】
技术研发人员:赵昕玥,李沛隆,何再兴,张树有,谭建荣,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。