[发明专利]一种基于点云缺失的盘类元件识别方法及系统

权利要求书

1.一种基于点云缺失的盘类元件识别方法，其特征在于，包括：

获取盘类元件的参考点云图像和目标点云图像；所述参考点云图像和所述目标点云图像的点云缺失位置不同；

采用迭代最近点算法，对所述参考点云图像和所述目标点云图像进行融合，得到融合点云图像；

采用Halcon视觉算法对所述融合点云图像进行特征提取，得到深度信息；

依据所述深度信息，采用分水岭算法对所述融合点云图像的目标区域进行边缘提取，得到盘类元件目标区域；

采用二次阈值筛选法对所述盘类元件目标区域进行筛选，并将筛选后的盘类元件目标区域确定为盘类元件识别结果。

2.根据权利要求1所述的一种基于点云缺失的盘类元件识别方法，其特征在于，所述采用迭代最近点算法，对所述参考点云图像和所述目标点云图像进行融合，得到融合点云图像，具体包括：

由所述参考点云图像、所述目标点云图像、图像旋转矩阵以及图像平移向量，构建目标函数；

采用四元数法对所述目标函数进行求解，得到最优图像旋转矩阵和最优图像平移向量；所述最优图像旋转矩阵为所述目标函数收敛时对应的图像旋转矩阵，所述最优图像平移向量为所述目标函数收敛时对应的图像平移向量；

以所述目标点云图像为基准，将所述参考点云图像按照所述最优图像旋转矩阵和所述最优图像平移向量进行旋转平移，得到融合点云图像；所述融合点云图像为旋转平移后的参考点云图像。

3.根据权利要求1所述的一种基于点云缺失的盘类元件识别方法，其特征在于，在所述采用迭代最近点算法，对所述参考点云图像和所述目标点云图像进行融合，得到融合点云图像之后，还包括：

采用形态学开运算对所述融合点云图像进行处理，得到开运算后的融合点云图像；

采用形态学闭运算对所述开运算后的融合点云图像进行处理，得到闭运算后的融合点云图像。

4.根据权利要求1所述的一种基于点云缺失的盘类元件识别方法，其特征在于，所述采用二次阈值筛选法对所述盘类元件目标区域进行筛选，并将筛选后的盘类元件目标区域确定为盘类元件识别结果，具体包括：

计算所述盘类元件目标区域的面积、所述盘类元件目标区域的中心点和所述盘类元件目标区域的圆度值；

将所述面积大于第一设定值，且所述圆度值大于第二设定值的盘类元件目标区域确定为感兴趣区域；

依据所述中心点，计算每两个所述感兴趣区域的中心点的距离；

判断所述距离是否小于第三设定值；

若是，则将所述距离对应的两个感兴趣区域确定为临近区域；

将所述临近区域中圆度值较大的感兴趣区域确定为筛选后的盘类元件目标区域。

5.根据权利要求2所述的一种基于点云缺失的盘类元件识别方法，其特征在于，所述目标函数为：

其中，R为图像旋转矩阵，T为图像平移向量，P＝{p_i|p_i∈R³,i＝1,2...,N}，P为参考点云图像中与目标点云图像相匹配的点云构成的集合，p_i为参考点云图像中与目标点云图像相匹配的第i个点云，N为P中点云的总个数，Q＝{q_i|q_i∈R³,i＝1,2...,N}，Q为目标点云图像中与参考点云图像相匹配的点云构成的集合，q_i为目标点云图像中与参考点云图像相匹配的第i个点云，p_i与q_i为一对匹配点对，R³为三维空间。