[发明专利]一种融合线激光轮廓特征的三维点云自动配准方法

权利要求书

1.一种线激光点云快速配准方法，其特征在于，该方法包含以下步骤：

S1、用激光轮廓传感器扫描工件获取原始工件轮廓线数据，并将轮廓线上源点云P的坐标转换为目标点云Q的坐标；

S2、对每条轮廓线上的源点云P和目标点云Q数据进行关键点搜索；

S3、对步骤S2获取的源点云P的关键点和目标点云的关键点进行滤波操作；

S4、对滤波后的源关键点云集P_key和目标关键点云集Q_key进行迭代处理求解旋转矩阵R_f和平移向量T_f；

S5、将源点云P根据R_f和T_f转换到目标点云Q下进行配准；

将轮廓线上源点云P的坐标转换为目标点云Q的坐标，方法如下：对源点云中的每个点云数据做下列运算，即对源点云中的每个点云数据做下列运算，经下式刚性变换的所有点q_i形成的点云集为Q：

其中，p_i为源点云中的一点的坐标，x,y,z是点云的三维坐标，T为预设的齐次变换矩阵；

步骤(2)中，关键点搜索方法如下：

(a)计算轮廓线中相邻两点之间的距离d_i，激光轮廓传感器每条轮廓线上的点有两个值(x,z)，x表示在传感器坐标系下x的值，z表示在传感器坐标系下的z值，相邻两点(x_i+1,z_i+1)和(x_i,z_i)之间的距离d_i可以用下式计算：

(b)判断d_i和阈值eps的关系，若d_i＞eps，则认为点(x_i,z_i)是一个区域分割点，利用d_i和eps的距离关系将每条轮廓线分为若干段；

(c)判断每个分段的数据点数是否大于期望值n，若该分段的数据点数小于期望值n，则认为该段数据为噪声点并舍弃该分段的所有数据；

(d)通过上述方法将一条轮廓线基于相邻点的距离分为了若干段，设每个分段中的数据点个数为k，则根据该段中的第1个点和该分段中的第k个点，构建一条直线，直线的方程如下：

Ax+By+C＝0

其中，A，B，C为系数；(4)

并根据下式计算出轮廓线上的每个点(x_i,z_i)到该直线的距离：

(e)判断Dis的最大值是否大于阈值Δe，若Dis＞Δe，则认为Dis取得最大值的点是一个角点，否则判定该段为直线，无关键点；若该点为角点，则以该点为分界点继续搜索该分段中剩下的关键点，直至所有关键点搜索完毕；通过上述方法，搜索所有轮廓线上的关键点；

(f)对源点云和目标点云中的所有轮廓线进行关键点提取，并根据下式将二维轮廓关键点转化为三维点云：

形成关键点云集P_key和目标关键点云集Q_key，上式中，为机器人基坐标系到传感器坐标系的齐次变换矩阵，齐 次变换矩阵是描述坐标系变换的一个4×4的方阵，每一个齐次变换矩阵可以写成下式所示的形式，其中，R₃*为旋转矩阵，t₃*₁为平移向量：

2.根据权利要求1所述的一种线激光点云快速配准方法，其特征在于，步骤S3中，滤波操作方法如下：对每一个点，计算它到所有邻近点平均距离，邻近点是指点云数据中分布在某个点云周围最近的k个点，如果平均距离在标准范围之外的点，可以被定义为离群点并从数据中去除。