【技术实现步骤摘要】
本专利技术涉及机器视觉追踪领域，尤其涉及一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法。
技术介绍
1、线性可变形体(简称dlo)是指那些外观呈线性且形状大小随外部操作发生连续变化的对象，例如绳子、线缆、纤维等。针对dlo的机器视觉追踪，主要是通过相机等光学感知设备实时提取各dlo动态变化的状态特征，并构建各个时刻各dlo状态特征的对应关系，为机器人自主操作各dlo提供指导。
2、当dlo受到外部作用力时，其连续形变行为具有典型的“无限自由度”特征，从而使得dlo中具有明显特征结构的检测点(如拐点与角点)并不能像刚性体一样，在不同时刻保持其在对象内部的相对位置不变。因此dlo呈现出形态不规则、形变难跟踪等特点，如何对不同于刚性体的dlo状态进行追踪，目前进行了如下研究。
3、针对dlo的机器视觉追踪主要为机器人的自主dlo操作提供感知基础，是dlo操作的核心内容之一。例如在电控柜线缆布线、液压软管排布的机器人自主作业中，为机器人反馈线缆、液压软管在机器人操作下的位置、姿态变化，指导机器人针对变化采取合适的操作动作。
4、公开号为cn116433718a的专利技术专利公开文献，公开了特征追踪系统和方法，该文献为点追踪方法，其基于可变形对象(诸如人体)明显的特征(诸如眉毛、鼻子、耳朵)使用3dmm模型对可变形对象进行检测与追踪，实现可变形对象的动作捕捉。但不适合用于没有明显特征的线性可变形体的追踪。
5、公开号为cn1908963a的专利技术专利公开文献，公开了检测和跟踪可
6、公开号为cn116235075a的专利技术专利公开文献，公开了用于追踪变形的系统和方法，其对场景中移动的可变形对象感测，通过追踪系统与测量系统的校准匹配实现场景中对象标称形状变形的追踪。但该专利文献只适用于单个可变形体追踪，无法实现多个线性可变形体的分别追踪。
7、在现代工业自动化以及家用领域，针对多个dlo的追踪往往更为普遍。在现代工业自动化领域，例如在针对电控柜或液压系统的检修时，操作人员或机器人通常需要面对多个线缆或液压软管同时无规则交叉出现的场景。在家用领域，例如在针对线绳、纤维的捆扎、打结、编织时，操作人员或机器人通常需要面对多个线绳、纤维同时无规则交叉出现的场景。这些dlo不规则、难跟踪的特征混杂在一起互相干扰，却又需要操作人员或机器人对它们进行分离追踪以实现分别操作，为dlo的追踪带来新的挑战。
8、虽然在dlo追踪前加入多dlo的分离预处理是一种可行的思路，但是当多dlo外观相同或相似时，例如在追踪相同颜色、相同直径的线缆时，无法通过传统的基于阈值、基于边缘、基于区域的图像分割技术进行有效的分离。而采用基于深度学习的图像分割方法进行多dlo的分离需要大量的数据集进行训练，成本高昂。
技术实现思路
1、本专利技术的目的在于提供一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，基于结构保持配准与迭代几何分离方法，并嵌入机器人自主操作过程中，实现在操作多dlo的同时完成互相的分离追踪，迭代指导机器人自主操作。
2、实现本专利技术目的的技术方案如下：
3、本专利技术提供了一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，包括：
4、步骤一、采用结构保持配准模型提取并追踪多线性变形体的特征点，根据所述特征点构建特征列表；
5、步骤二、采用几何方法分离出n个线性变形体，根据所述线性变形体将所述特征列表中的所述特征点分离为n个列表，其中，n为线性变形体的个数；
6、步骤三、机器人结合n个列表中各特征点自主操作多线性变形体；
7、步骤四、判断机器人自主操作多线性变形体是否完成，若完成则任务结束，否则转至步骤一。
8、作为本专利技术的进一步改进，所述步骤一包括：
9、采集包含多线性变形体场景的图像得到原始图像，将所述原始图像灰度处理得到灰度图像；
10、对所述灰度图像中多线性变形体与背景进行分割，得到多线性变形体各像素的位置列表；
11、采用结构保持配准模型提取并追踪所述位置列表得到特征点，基于所述特征点的坐标构建特征列表。
12、作为本专利技术的进一步改进，所述步骤一具体为：
13、采用相机采集任意交叉但相互独立的多线性变形体的场景，获得原始图像i，将所述原始图像i转换为灰度图像i gray；
14、采用基于颜色阈值的掩膜对所述灰度图像i gray中多线性变形体与背景进行分割，得到所有多线性变形体像素的位置列表i def，表示为：
15、
16、其中，表示哈达玛积运算，表示两个相同大小矩阵对应位置数值相乘；m表示基于颜色阈值的掩膜；
17、采用结构保持配准模型提取并追踪所述位置列表i def中所有多线性变形体的特征点，基于所述特征点的坐标构建特征列表d；
18、d＝(d1,d2,…,dn)＝((u1,v1),(u2,v2),...(un,vn))
19、其中，d表示特征列表，d表示列表中的特征点，(u,v)表示特征点对应位置的横纵坐标。
20、作为本专利技术的进一步改进，所述步骤二包括：
21、提取多线性变形体的交叉备选点并构建交叉备选点列表，根据所述交叉备选点提取交叉点，构建交叉点列表；
22、基于步骤一的所述特征列表和所述交叉点列表分离出属于第i个多线性变形体的特征点构建列表di，得到n个列表。
23、作为本专利技术的进一步改进，所述提取多线性变形体的交叉备选点并构建交叉备选点列表，根据所述交叉备选点提取交叉点，构建交叉点列表，包括：
24、将步骤一中所述特征列表中所有元素构建kd树，查询kd树中每个元素di的a个相邻元素分别距元素di的距离di1，di2，…，dia；
25、查找所述特征列表中较为密集的点，将各元素di的di1，di2，…，dia相加得到各元素的相加值，获取所述相加值最小的m个元素构建为交叉备选点列表c，其中，m表示交叉备选点的个数；
26、使用k-means聚类方法对交叉备选点列表c进行聚类得到聚类中心，将聚类中心构建为交叉点列表cr，并将交叉备选点列表c中各元素按所属聚类中心进行分离。本专利技术实施例的交叉备选点列表c与交叉点列表cr是两个不同的列表。交叉备选点列表c是满足一些条件的特征点组成的列表，列表内容为满足条件的特征点的横纵坐标；交叉点列表cr是对交叉备选点列表c进行聚类操作得到的列表，列表内容为各个聚类中心的横纵坐标本文档来自技高网...
【技术保护点】
1.一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，包括：
2.根据权利要求1所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤一包括：
3.根据权利要求2所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤一具体为：
4.根据权利要求1所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤二包括：
5.根据权利要求4所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述提取多线性变形体的交叉备选点并构建交叉备选点列表，根据所述交叉备选点提取交叉点，构建交叉点列表包括：
6.根据权利要求4所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述基于步骤一的所述特征列表和所述交叉点列表分离出属于第i个多线性变形体的特征点构建列表Di，包括：
7.根据权利要求6所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于
8.根据权利要求6所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，判断连接点dk距离起始点的距离是否小于阈值，若小于阈值则根据连接点dk查找二次连接点，若大于阈值则采用本轮沿线查找连接的特征点构建列表Di，根据连接点dk查找二次连接点，或者交换首次使用的起始点和连接点之后反向沿线查找二次连接点；若存在二次连接点则选择合适的二次连接点，使用连接点替换起始点，二次连接点替换连接点；若不存在二次连接点则分离出本轮沿线查找连接的特征点，直至从所述特征列表和所述交叉点列表分离出属于第i个多线性变形体的特征点构建列表Di；包括：
9.根据权利要求1所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤三机器人结合n个列表中各特征点自主操作多线性变形体，具体为：
10.根据权利要求1所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤四判断机器人自主操作多线性变形体是否完成，包括：
...【技术特征摘要】
1.一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，包括：
2.根据权利要求1所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤一包括：
3.根据权利要求2所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤一具体为：
4.根据权利要求1所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述步骤二包括：
5.根据权利要求4所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述提取多线性变形体的交叉备选点并构建交叉备选点列表，根据所述交叉备选点提取交叉点，构建交叉点列表包括：
6.根据权利要求4所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，所述基于步骤一的所述特征列表和所述交叉点列表分离出属于第i个多线性变形体的特征点构建列表di，包括：
7.根据权利要求6所述的一种基于结构保持配准与迭代几何分离的多线性可变形体追踪方法，其特征在于，从步...
【专利技术属性】
技术研发人员：杨宏安，王嘉康，盛梓茂，张彤，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
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。