[发明专利]一种图像生成方法及系统

说明书

本发明公开一种图像生成方法及系统，其中，所述的方法包括以下步骤：获取物体图像，提取图像上的物体结构特征参数；对所述特征参数进行处理获得物体表面的点云数据；对所述点云数据进行预处理，生成点云模板；获取点云模板的信息，所述信息包括点云对、点云法线。用本发明公开的方法和系统，不仅可以高效准确地生成点云图像，而且能明显降低点云图像的制作成本，有较强的实用性。

技术领域

本发明涉及智能制造领域，更具体地说，涉及一种图像生成方法及系统在基于机器视觉领域中的应用。

背景技术

随着科技的进步和社会的发展，对工业生产的要求逐渐提高，传统制造业不能适应社会发展的需要，制造业需要向智能制造进行转型和升级。在这场向智能制造转型的浪潮中，基于机器视觉的机械臂抓取技术有了广泛的应用需求。

机器视觉即是智能制造中，用机器来代替人眼，即利用图像采集设备采集信息，再使用计算机进行处理，确定物体的位置，最终用于机械臂对物体进行抓取、测量和加工等操作。根据实际的生产情况，物体的摆放可能是有序的，或者是无序的。在机械臂无序抓取的情况下，物体的摆放位置杂乱，可能发生倾斜、交叠等复杂情况。因此，用点云图像进行物体配准，获得物体的位置和姿态信息就成为机械臂无序抓取中的一个关键部分。

对物体进行配准之前，需要一个仅包含单个物体的点云图像作为模板图像，以及包含多个物体的、实际生产场景中拍摄的场景点云图像。模板图像的来源可以通过CAD文件转换，也可以用3D相机对单个物体进行扫描，经过处理后作为模板图像。但在某些生产环境中，这两种情况都无法实现，或者实现成本很高。

因此，如何既能高效准确地生成点云图像，同时降低图像的制作成本，是目前智能制造领域基于机器视觉的应用领域中亟待解决的问题。

发明内容

针对上述问题，本发明公开一种图像生成方法及系统，不仅可以高效准确地生成点云图像，而且能够明显降低点云图像的制作成本，有较强的实用性。

本发明公开了一种图像生成方法，其特征在于包括以下步骤：获取物体图像，提取图像上的物体结构特征参数；对所述特征参数进行处理获得物体表面的点云数据；对所述点云数据进行预处理，生成点云模板；获取点云模板的信息，所述信息包括点云对、点云法线。

优选的，述获得物体表面的点云数据点云数据，包括分别获得平面点云数据和边缘点云数据；对所述点云数据进行预处理点云数据包括分别对平面点云数据和边缘点云数据进行预处理；所述的生成点云模板之前还包括合并所述的平面点云数据和边缘点云数据。

优选的，所述的对所述点云数据进行预处理，具体包括以下步骤：对所述点云数据进行下采样处理，保留点云数据所表征物体的结构特征的同时减少点云数据中点的数量；对点云数据进行平滑处理。

优选的，所述的下采样处理包括以下步骤：求得包含点云图像中所有点的最小长方体空间，称为最小包围盒；将最小包围盒划分为若干个小栅格，确保点云中所有点都包含在栅格中；删除没有包含点的小栅格；求得剩余小栅格的质心；删除点云中所有点，用小栅格的质心作为新的点添加到点云中。

优选的，所述获取点云法线包括以下步骤：在点云中随机选择一点，作为计算点云法线的起始点；在所述起始点附近寻找相邻点，线性拟合切平面，得到该点所在曲面中某点的法向量；确定点云曲面法向量的方向；取起始点已经计算过法向量的邻近点作为当前点，重复上述步骤，计算当前点的邻近点的法向量。直到点云中所有点的法向量都计算完毕。

优选的，所述的寻找相邻点采用Kd-Tree结构获取，具体包括以下步骤：构建Kd-Tree结构，划分维度和分值；用Kd-Tree结构存储点云；在Kd-Tree中查找点云对。

优选的，所述的对点云数据进行平滑处理是采用移动最小二乘法来进行平滑，所述最小二乘法包括拟合函数，由系数向量α(x)和基函数P^T(x)组成，所述拟合函数满足以下公式：