[发明专利]基于贝叶斯优化的点云配准方法、系统及可读存储介质

说明书

本发明公开了一种基于贝叶斯优化的点云配准方法、系统及可读存储介质，该方法包括步骤：获取目标对象的轮廓点云和模板轮廓点云；构建初始数据集；根据贝叶斯优化算法，选取初始角度；根据初始角度，将轮廓点云进行旋转和平移，得到新的轮廓点云；将新的轮廓点云与模板轮廓点云进行ICP配准计算，得到适应度；并基于所述第一适应度，提取目标对象的旋转参数和平移参数，以估计所述目标对象的位姿。本发明利用目标对象的轮廓点云，基于贝叶斯优化算法，进行配准寻优，找到目标对象较为优化的初始位姿，以便机器人根据初始位姿调整拾取动作，快速完成目标对象的拾取。

技术领域

本发明涉及机器人技术领域，尤其涉及一种基于贝叶斯优化的点云配准方法、系统及可读存储介质。

背景技术

在日常生产中，采用机器人拾取散乱零件等物件可以大大提高生产效率，而机器人自动拾取的原理是获取待拾取目标的待匹配点云，通过待匹配点云和模板点云的准确配准，可以准确估计待拾取目标的位姿，进而引导机器人的机械臂进行拾取操作。从这里可看出，在机器人拾取目标的过程中，对配准的准确性要求很高。

目前，最近迭代(ICP)算法是应用最为广泛的配准算法，但是ICP算法对初值的要求比较高，需要两点云之间确定一个良好的初始姿态，否则会造成迭代不收敛或陷入局部最优解的情况，最终导致误配准或不收敛。

ICP的改进算法大多依赖从点云数据中提取的特征点或轮廓曲线等人为引入特征标签，普遍存在鲁棒性不够稳定、速度较慢等问题，因此，寻找一个高效的优化ICP算法对三维点云图像配准问题十分必要。

发明内容

本发明的主要目的在于提出一种基于贝叶斯优化的点云配准方法、系统及可读存储介质，旨在解决现有三维点云图像配准速度较慢，导致机器人拾取效率慢的技术问题。

为实现上述目的，本发明提供了一种基于贝叶斯优化的点云配准方法，所述基于贝叶斯优化的点云配准方法包括：

获取目标对象的点云和所述目标对象对应的模板点云，并分别提取所述目标对象的点云的第一轮廓点云和所述模板点云的模板轮廓点云；

根据所述第一轮廓点云和所述模板轮廓点云，构建初始数据集；

基于所述初始数据集，根据贝叶斯优化算法，选取初始角度；

根据所述初始角度，将所述第一轮廓点云绕XYZ轴进行旋转，得到第二轮廓点云；

计算所述第二轮廓点云和所述模板点云的重心，平移所述第二轮廓点云，使所述第二轮廓的重心与所述模板点云的重心重叠；

将所述第二轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算第一适应度；

基于所述第一适应度，提取所述目标对象的旋转参数和平移参数，并根据所述旋转参数和所述平移参数，估计所述目标对象的位姿。

优选地，所述根据所述第一轮廓点云和所述模板轮廓点云，构建初始数据集的步骤包括：

将所述第一轮廓点云绕XYZ轴分别旋转随机角度，得到第三轮廓点云；

将所述第三轮廓点云与模板轮廓点云进行ICP配准计算，迭代第二预设次数后，计算第二适应度；

重复执行上述步骤三次，得到初始数据集。

优选地，所述将所述第二轮廓点云与所述模板轮廓点云进行ICP配准计算，迭代第一预设次数后，计算第一适应度的步骤之后，所述方法还包括：

确定所述第一适应度是否小于所述预设最大适应度阈值；

若是，则执行提取所述目标对象的旋转参数和平移参数，并根据所述旋转参数和所述平移参数，估计所述目标对象的位姿的步骤。