[发明专利]一种基于3D视觉聚类和匹配的机器人乱序目标分拣方法

权利要求书

1.一种基于3D视觉聚类和匹配的机器人乱序目标分拣方法，其特征在于，包括以下步骤：

(1)对采集的分拣场景点云通过RANSAC算法滤除分拣场景点云平面，并采用超体聚类和LCCP算法对堆叠分拣场景进行分割点云平面，得到多个种类的分拣场景点云簇；

(2)通过PCA计算主轴向量，将分拣场景点云沿主轴方向投影到三维平面，并查询三维点邻域得到各分拣场景点云簇的堆叠状态，方法为：

投影后的点云以最大分散程度分布在三维平面中，然后遍历平面点云集，对于其中的每一点构造球邻域，当邻域中存在与球心点所属点云簇不同的点时，则判断这两个点云簇堆叠，最后记录所有点云簇的堆叠状态；具体步骤如下：

(211)遍历投影后的平面点云集Q，对于其中每一点q_i，构造球邻域U_i(q_i,δ)＝{x|q_i-δxq_i+δ}；

(212)然后在邻域中进行搜索，当使得且则判定与存在堆叠，其中，为平面点云集Q中不同簇的点云，0m₁≤c，0m₂≤c，m₁∈N，m₂∈N，m₁≠m₂；

(3)通过拟合一个最小二乘意义下的微切平面，估计分拣场景点云中各点的法线，并利用角度判据提取各分拣场景点云簇和目标模型的边缘；

(4)结合各分拣场景点云簇的堆叠状态和边缘点云生成不同的边缘候选匹配集合，利用Super4PCS粗匹配获取初始位姿，再通过ICP精匹配进行排序识别和位姿估计。

2.根据权利要求1所述的一种基于3D视觉聚类和匹配的机器人乱序目标分拣方法，其特征在于，步骤(1)中对于采集的分拣场景点云，首先采用基于随机采样一致性RANSAC算法对分拣场景背景进行删除，滤除分拣场景点云平面，具体为：

(101)随机从分拣场景点云中抽取子点云样本；

(102)用最小方差计算子点云样本对应的平面方程ax+by+cz＝d的平面模型参数a,b,c,d，其中，x,y,z表示三维点空间坐标变量；

(103)用该模型参数验证剩余点云，计算剩余点云中某一点p_i至该平面的距离d_i＝|ax_i+by_i+cz_i-d|，其中，x_i,y_i,z_i表示点p_i的三维坐标分量；

(104)选取误差范围t，若d_i≤t则点p_i被认为在给定的误差范围内；

(105)如果较多的点在给定误差范围t之内，则该随机选取的样本最优，否则回到步骤(101)，循环进行；

(106)最后根据平面模型参数，滤除场景点云中在误差范围之内的点云子集。

3.根据权利要求1所述的一种基于3D视觉聚类和匹配的机器人乱序目标分拣方法，其特征在于，步骤(1)中超体聚类具体为：

(111)对输入的分拣场景点云布置规律的区域生长晶核，晶核在空间中均匀分布；

(112)指定晶核半径R_seed和晶粒距离，以及最小晶粒的结核范围，控制结晶过程；

(113)然后使所有晶核在点云体素的八叉树中进行搜索，根据体素差异同时吸纳相似晶粒，区域生长从而形成数量较多的超体素块；体素差异公式为：

其中，D_c、D_n、D_s分别表示点云体素的颜色差异、法线差异、距离差异，w_c，w_n，w_s分别表示对应的权重，体素差异小于D的吸纳入晶核。