[发明专利]一种基于二维几何轮廓的点云姿态识别方法

说明书

本发明公开了一种基于二维几何轮廓的点云姿态识别方法，该方法的步骤包括：获取场景的三维点云、二维图片、以及由二维图片转换到三维点云所对应的单应性映射矩阵；从二维图片中提取目标物体二维轮廓；对目标物体二维轮廓进行几何特征检测，提取得到具有几何形状特征的轮廓；通过单应性矩阵将具有几何形状特征的轮廓转换为三维点云；根据几何轮廓转换后的三维点云信息，提取场景的三维点云对应的感兴趣区域点云；提取感兴趣区域点云中的平面；估计平面的法线，将平面的中心坐标设置为姿态的位置信息，将平面的法线设置为姿态的方向信息。本发明结合了由几何模型构成的物体抓取位置的特性，消除了姿态信息的冗余，提高了识别效率。

技术领域

本发明涉及3D视觉识别技术领域，具体涉及一种基于二维几何轮廓的点云姿态识别方法。

背景技术

在3D视觉识别领域中，点云姿态识别是重要的研究方向，现有的姿态识别方法可以分为全局特征匹配、局部特征匹配和位姿投票，其中，全局特征是描述一个点云整体特征的描述符，用全局特征进行姿态识别一般都要预先对场景点云进行分割，因此该方法的识别效果也被分割方法的优劣所局限；局部特征是描述点云一部分点的特征的描述符，一个点云一般有许多个局部特征，用局部特征进行姿态识别一般都要对点云进行关键点的提取，因此该方法的识别效果也与关键点的提取效果有关；位姿投票是一种建立特征哈希表然后进行投票的方法，该方法不用预先进行点云分割和关键点提取，但是计算复杂度较高，耗时长；

在Bin-picking系统中，抓取对象往往是由几何模型构成的物体，对于这些物体，机器臂抓取的位置往往是物体表面的一个平面，现有的姿态识别方法并没有运用到由几何模型构成的物体抓取位置的特性，这就造成了识别结果信息的冗余，从而降低了识别效率。

发明内容

为了克服现有技术存在的缺陷与不足，本发明提供一种基于二维几何轮廓的点云姿态识别方法，结合了由几何模型构成的物体抓取位置的特性，消除了姿态信息的冗余，提高了识别效率。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种基于二维几何轮廓的点云姿态识别方法，包括下述步骤：

S1：获取场景的三维点云C_s、二维图片I_s以及由二维图片I_s转换到场景三维点云C_s所对应的单应性映射矩阵T；

S2：从二维图片I_s中提取目标物体二维轮廓；

S3：对目标物体二维轮廓进行几何特征检测，提取得到具有几何形状特征的轮廓I_g；

S4：通过单应性映射矩阵T将具有几何形状特征的轮廓I_g转换为三维点云C_g；

S5：根据几何轮廓转换后的三维点云C_g信息，从场景的三维点云C_s提取感兴趣区域点云C_in；

S6：提取点云C_in中的平面P；

S7：通过K邻域拟合平面估计平面P的法线N；

S8：将点云C_in的中心坐标设置为姿态的位置信息，将平面P的法线N设置为姿态的方向信息。

作为优选的技术方案，步骤S1所述单应性映射矩阵T采用张正友标定法标定计算得到。

作为优选的技术方案，步骤S3中所述提取得到具有几何形状特征的轮廓，所述几何形状包括线形、圆形、椭圆形、三角形或平行四边形中的任意一种或多种。

作为优选的技术方案，所述线形的检测采用霍夫变换方法进行检测。