【技术实现步骤摘要】
本申请涉及位姿估计，尤其涉及一种位姿估计方法、装置和电子设备。
技术介绍
1、目前，在对对称平面物体进行作业过程中，通常采用传统的定向包围盒（orientedbounding box，obb）算法求解对称平面物体的位姿，该方式求解出的位姿中，对称平面物体的主方向可能与对称平面物体的边长方向存在误差，例如，当对称平面物体的长宽比较小时，其主方向会沿着对称平面物体的对角线方向，从而导致对称平面物体的位姿估计出现偏差，进而影响对称平面物体的作业精准度。
技术实现思路
1、本申请提供了一种位姿估计方法、装置和电子设备，用以解决现有技术针对对称平面物体的位姿估计准确度较差的问题。
2、本申请提供的技术方案如下：
3、一方面，本申请提供了一种位姿估计方法，包括：
4、获取对称平面物体的平面点云数据；其中，平面点云数据包括对称平面物体的表面上的各个原始采样点的点云数据；
5、基于对称平面物体的表面上的各个原始采样点的点云数据，确定对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵；
6、基于对称平面物体的表面上的各个原始采样点的点云数据，以平面法向量与旋转矩阵中的竖轴方向向量的方向相同为约束条件，确定对称平面物体对应的最大拟合平面；
7、基于对称平面物体的表面上的各个原始采样点各自投影到最大拟合平面上的投影采样点的点云数据，确定最大拟合平面的边长方向向量；
8、基于最大拟合平面的边长方向向量，对旋转矩阵进行校正
9、基于质心位置和目标旋转矩阵，确定对称平面物体的目标位姿。
10、可选的，基于对称平面物体的表面上的各个原始采样点的点云数据，确定对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵，包括：
11、基于对称平面物体的表面上的各个原始采样点的点云数据，采用主成分分析算法分析出对称平面物体的特征值和特征向量；
12、基于对称平面物体的特征值和特征向量，确定对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵。
13、可选的，基于对称平面物体的表面上的各个原始采样点的点云数据，确定对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵，包括：
14、基于对称平面物体的表面上的各个原始采样点的点云数据，迭代执行有向包容盒求解操作，直至确定满足迭代终止条件时，将当前执行有向包容盒求解操作时求解出的当前有向包围盒的质心位置和旋转矩阵确定为最小有向包围盒的质心位置和旋转矩阵；其中，有向包容盒求解操作包括：
15、基于对称平面物体的表面上的各个原始采样点的点云数据，计算各个原始采样点各自投影到指定平面上的投影采样点的点云数据；
16、基于各个原始采样点各自投影到指定平面上的投影采样点的点云数据，采用凹包算法提取对称平面物体的凹边界上的各个轮廓采样点的点云数据；其中，在首次执行有向包容盒求解操作时，凹包算法的学习参数为初始化值；在非首次执行有向包容盒求解操作时，凹包算法的学习参数为上一次执行有向包容盒求解操作时调整的目标值；
17、基于对称平面物体的凹边界上的各个轮廓采样点的点云数据，采用主成分分析算法分析出对称平面物体的特征值和特征向量；
18、基于对称平面物体的特征值和特征向量，确定对称平面物体对应的当前有向包围盒的质心位置和旋转矩阵；
19、提取当前有向包围盒的盒边界上的各个轮廓采样点的点云数据；
20、将对称平面物体的凹边界上的各个轮廓采样点的点云数据与当前有向包围盒的盒边界上的各个轮廓采样点的点云数据进行点云配准，得到对称平面物体的凹边界与当前有向包围盒的盒边界之间的匹配分数；
21、确定匹配分数小于设定分数阈值时，基于对称平面物体的凹边界与当前有向包围盒的盒边界之间的差异，将凹包算法的学习参数调整为目标值。
22、可选的，基于对称平面物体的表面上的各个原始采样点的点云数据，以平面法向量与旋转矩阵中的竖轴方向向量的方向相同为约束条件，确定对称平面物体对应的最大拟合平面，包括：
23、基于对称平面物体的表面上的各个原始采样点的点云数据，迭代执行平面拟合操作，直至确定当前执行平面拟合操作时计算出的当前内点比例不小于设定内点比例阈值时，将当前执行平面拟合操作时拟合出的当前拟合平面确定为对称平面物体的最大拟合平面；其中，平面拟合操作包括：
24、从对称平面物体的表面上的各个原始采样点中，随机选取设定数量的原始采样点作为候选采样点；
25、基于各个候选采样点的点云数据，以平面法向量与旋转矩阵中的竖轴方向向量的方向相同为约束条件，确定当前拟合平面；
26、基于对称平面物体的表面上的各个原始采样点的点云数据，计算对称平面物体的表面上的各个原始采样点各自到达当前拟合平面的距离；
27、将距离小于设定距离阈值的各个原始采样点分别确定为内点，并基于内点的数量以及对称平面物体的表面上的各个原始采样点的数量，计算当前内点比例。
28、可选的，基于对称平面物体的表面上的各个原始采样点各自投影到最大拟合平面上的投影采样点的点云数据，确定最大拟合平面的边长方向向量，包括：
29、基于对称平面物体的表面上的各个原始采样点各自投影到最大拟合平面上的投影采样点的点云数据，提取最大拟合平面的各条轮廓线；
30、基于各条轮廓线中相交轮廓线对应的交点的点云数据，计算最大拟合平面的边长方向向量。
31、可选的，基于对称平面物体的表面上的各个原始采样点各自投影到最大拟合平面上的投影采样点的点云数据，提取最大拟合平面的各条轮廓线，包括：
32、基于对称平面物体的表面上的各个原始采样点的点云数据，计算各个原始采样点各自投影到最大拟合平面上的投影采样点的点云数据；
33、基于各个原始采样点各自投影到最大拟合平面上的投影采样点的点云数据，采用凹包算法提取最大拟合平面的凹边界上的各个轮廓采样点的点云数据；
34、对各个轮廓采样点的点云数据进行直线提取得到最大拟合平面的各条轮廓线。
35、可选的，最大拟合平面为方形；基于各条轮廓线中相交轮廓线对应的交点的点云数据，计算最大拟合平面的边长方向向量，包括：
36、从最大拟合平面的四条轮廓线中选择一条轮廓线作为基准轮廓线，计算基准轮廓线与四条轮廓线中其余的三条轮廓线之间的距离；
37、将三条轮廓线中距离最大的轮廓线与基准轮廓线组成第一组对边，以及将三条轮廓线中剩余的两条轮廓线组成第二组对边；
38、基于第一组对边中的一条轮廓线与第二组对边中的两条轮廓线之间的交点的点云数据，计算最大拟合平面的边长方向向量。
39、可选的，基于最大拟合平面的边长方向向量，对旋转矩阵进行校正得到目标旋转矩阵，包括：
40、基于边长方向向量和旋转矩阵中的竖轴方向向量，采用向量叉乘右本文档来自技高网...
【技术保护点】
1.一种位姿估计方法，其特征在于，包括：
2.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点的点云数据，确定所述对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵，包括：
3.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点的点云数据，确定所述对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵，包括：
4.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点的点云数据，以平面法向量与所述旋转矩阵中的竖轴方向向量的方向相同为约束条件，确定所述对称平面物体对应的最大拟合平面，包括：
5.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点各自投影到所述最大拟合平面上的投影采样点的点云数据，确定所述最大拟合平面的边长方向向量，包括：
6.如权利要求5所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点各自投影到所述最大拟合平面上
7.如权利要求5所述的位姿估计方法，其特征在于，所述最大拟合平面为方形；基于各条轮廓线中相交轮廓线对应的交点的点云数据，计算所述最大拟合平面的边长方向向量，包括：
8.如权利要求1-7任一项所述的位姿估计方法，其特征在于，基于所述最大拟合平面的所述边长方向向量，对所述旋转矩阵进行校正得到目标旋转矩阵，包括：
9.一种位姿估计装置，其特征在于，包括：
10.一种电子设备，其特征在于，包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-8任一项所述的位姿估计方法。
...【技术特征摘要】
1.一种位姿估计方法，其特征在于，包括：
2.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点的点云数据，确定所述对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵，包括：
3.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点的点云数据，确定所述对称平面物体对应的最小有向包围盒的质心位置和旋转矩阵，包括：
4.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点的点云数据，以平面法向量与所述旋转矩阵中的竖轴方向向量的方向相同为约束条件，确定所述对称平面物体对应的最大拟合平面，包括：
5.如权利要求1所述的位姿估计方法，其特征在于，基于所述对称平面物体的表面上的各个所述原始采样点各自投影到所述最大拟合平面上的投影采样点的点云数据，确定所述...
【专利技术属性】
技术研发人员：田梁宇，王敏雪，李建达，袁帅鹏，陈立名，
申请(专利权)人：菲特天津检测技术有限公司，
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。