[发明专利]基于仿射变换模型CPD算法的三维点云配准方法

说明书

基于仿射变换模型CPD算法的三维点云配准方法，本发明涉及基于点云配准的喷漆机器人位置配准方法。本发明的目的是为了解决现有主流三维点云配准算法CPD存在算法复杂度高、程序运行时间长、配准精度低、鲁棒性差的问题。具体过程为：一、得到一组三维点云数据作为待配准点云；二、得到的点云数据作为参考点集；三、计算协方差，并初始化B和t；四、利用GPU并行计算P；五、求解在目标函数取极大值时，参数B,t,σ²的值；六、重复迭代四和五，直到协方差小于设定的阈值，求出协方差小于设定的阈值时的B和t，以及最终配准的结果点集，根据最终的配准结果点集对待喷漆物体进行喷漆作业。本发明用于喷漆机器人喷漆领域。

技术领域

本发明涉及基于点云配准的喷漆机器人位置配准方法。

背景技术

随着数据采集技术和计算机技术的快速发展，人们可以更加方便地利用各种三维数据采集设备获得物体模型表面一系列的采样点，即三维点云数据，而对应点云数据处理技术也因此被广泛应用。三维点云配准技术作为点云数据处理技术中关键技术之一，因其在灵活性、可移植性、成本以及精度等方面表现出了显著的优势而应用于工业产品检测、医疗诊断、考古研究以及建筑设计等诸多领域，尤其是在喷漆机器人领域，利用三维点云配准技术可以极大提高机器人喷漆效率。

三维点云配准技术就是对采集回的点云数据进行匹配，找到两组点云数据集的一系列空间变换关系，并通过这些空间变换，使得两个点云数据集的对应点在空间位置上尽最大可能的一致。目前，用于处理三维点云配准技术的算法主要有两类：一类是基于最小二乘法的配准算法，另一类则是基于概率模型的配准算法。对于第一类算法，最具代表性的是BeslPJ和Mckay ND提出的迭代最近点算法(Iterated Closest Points Algorithm,ICP)，具有极高的配准精度，但也存在一定的局限性：对初值要求高、鲁棒性差等，因此，一系列的改进算法相继被提出。对于第二类算法，较为成功的AndriyMyronenko和Xubo Song提出了一致点漂移算法(Coherent Point Drift,CPD)，其核心是将匹配矩阵的求解转化为高斯混合模型的质心点集与观测数据点集进行拟合的最大似然估计问题，因此对于噪声、出格点以及缺失点的影响具有较强鲁棒性。

对于只存在刚性变换的两组点云，主流三维点云配准算法ICP和CPD都有较高的匹配精度，但在实际中，由于摄像头等设备的视角变化，往往采集回来的点云数据集相对于模板点集存在缩放、反转等非刚性形变，受数据量大、有噪声、出格点和缺失点的影响，此时，ICP算法已不再适用，但基于仿射变换模型的CPD算法却能很好地解决这一问题；不过，CPD算法复杂度高、程序运行时间长、配准精度低、鲁棒性差。

发明内容

本发明的目的是为了解决现有主流三维点云配准算法CPD存在算法复杂度高、程序运行时间长、配准精度低、鲁棒性差的问题，而提出基于仿射变换模型CPD算法的三维点云配准方法。

基于仿射变换模型CPD算法的三维点云配准方法具体过程为：

步骤一、利用喷漆机器人中的图像采集设备对待喷漆物体进行扫描，采集得到一组三维点云数据作为待配准点云；

步骤二、对步骤一中采集得到的待配准点云进行预处理，得到的点云数据作为参考点集；

步骤三、计算步骤二中得到参考点集与对应的已保存的模板点集的协方差σ²，并初始化仿射变换矩阵B和平移向量t；

步骤四、根据步骤三得到的σ²,B,t三个参数以及模板点集和参考点集，利用GPU并行计算高斯混合模型的后验概率矩阵P；

步骤五、利用步骤四得到的后验概率矩阵P，求解在目标函数Q(B,t,σ²)取极大值时，参数B,t,σ²的值；