[发明专利]一种物体位姿测量方法、装置及存储介质

说明书

本发明公开了一种物体位姿测量方法、装置及存储介质，所述方法包括离线建模阶段和在线匹配阶段，离线建模阶段是对物体三维模型进行特征建模，并存储起来以供后续场景物体位姿的测量使用；而在线匹配阶段是对给定的场景RGB‑D图像进行物体位姿测量；本发明提供了一种高效的模型采样策略，能够减少后续运算量；又能够保留足够的物体表面变化信息；限定了计算点对特征时的距离范围，降低了过多背景点云的匹配干扰；提出了量化扩充方法，减少了噪声对点对特征计算产生偏移的影响；从彩色图像提取边缘信息，筛选候选物体位姿并进行ICP配准，提升了测量精度，从而对于遮挡、聚集、堆叠等情况下的场景识别率更加准确。本发明广泛应用于三维计算机视觉领域。

技术领域

本发明涉及三维计算机视觉领域，尤其是一种物体位姿测量方法、装置及存储介质。

背景技术

近年来随着产业升级的发展，制造业自动化成为经济发展的重要驱动，而制造业中的机器人自动分拣物体又是制造业自动化的重要表现。物体在三维空间中的位姿是机器人识别、定位、抓取、操纵物体的重要参考。获取物体位姿的过程称为物体6维姿态测量，这是三维计算机视觉领域中的重要问题。一个物体从某个参考坐标系下的A处经过旋转平移变换到B处，这个旋转平移过程记为T_AB，T_AB由x、y、z共3个平移量和φ、χ、ψ共3个关于坐标轴的旋转角构成，总共有6个自由度，因此T_AB称为该物体的6维姿态，即物体位姿。

一种基于点对特征(Point Pair Feature,PPF)的方法(Drost et al.ModelGlobally,Match Locally:Efficient and Robust 3D Object Recognition.In:Conference on Computer Vision and Pattern Recognition(2010))被广泛应用于物体姿态测量。该方法构建了整个三维模型的全局特征，然后提取场景中的特征进行匹配。建模阶段使用了模型的所有点云，有利于表征整个三维模型表面信息。该方法使用了一种4维特征来表征位于模型表面的两个点之间的信息，该特征由两点间距离、两点法向量的夹角、两点法向量与两点间距离向量的夹角构成，简称为点对特征(Point Pair Feature,PPF)。PPF需要量化后存储于哈希表中，方便后续快速查找。模型和场景数据都构造出这些特征来进行配对，投票获取到一些候选的6维姿态。接下来对这些候选姿态进行聚类，将相似姿态聚合在一起并求平均，来获得更准确的姿态。接下来使用迭代最近点算法(Iterative ClosetPoint,ICP)对姿态进行精细化ICP配准，提高姿态的精度。

现有的基于PPF的方法存在着(1)采样方法过度简化的缺点；按照一定大小的栅格对模型采样时，同一栅格内的点云被简单的求平均，当该栅格内的点云的法向量间的夹角存在较大变换时，采样方式就会丢失较多表面变化的关键信息，降低了模型表面差异信息的表达能力。(2)计算量大的缺点；模型点云经过采样后需要对所有点对进行特征计算，但实际场景中物体在任意视角下的部分往往比模型直径小(模型直径指的是包围模型的边框的对角线长度)，存在着计算冗余。(3)对点云噪声缺少鲁棒性的缺点；相机拍摄到的点云本身就存在噪声，噪声会使得点云的位置和法向量出现一定偏差，计算出来场景特征会出现一定的偏差，该方法无法对噪声偏差进行补偿。(4)无法综合利用彩色-深度(RGB-D)图像的缺点；该方法只在深度图像上运行，只使用了场景的三维空间信息，无法从彩色图像获取某些信息辅助姿态测量。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种物体位姿测量方法、装置及存储介质。

本发明所采取的技术方案是：一方面，本发明实施例包括一种物体位姿测量方法，包括离线建模阶段和在线匹配阶段；

所述离线建模阶段包括：

输入物体的三维模型，所述三维模型包含模型点云坐标和模型点云法向量；

对所述模型点云坐标和模型点云法向量进行采样；