[发明专利]一种基于周角差值的产品三维特征点提取方法

说明书

本发明提出了一种基于周角差值的产品三维特征点提取方法，根据网格化后的数字模型节点连接关系计算各点的周角差值，通过分析周角差值和表面高斯曲率之间的关系来提取特征点，并进一步的给出了降低特征点数量的弧边特征点合并方法。实验表明，该方法可以快速有效地实现三维对象的特征点提取，所提取的特征点均为顶点，角点以及弧边上的点，能准确体现机械产品的形状特征。

技术领域

本发明属于计算机辅助装配领域，具体为一种以产品的三维点云为输入，以周角差值特征点点云集合为输出，用于提取产品三维特征点的方法。

背景技术

在数字化设计环境中，企业通常具备产品详细的数字模型。利用装配现场提取的在装产品深度图像数据与产品数字三维模型进行自然特征信息的匹配分析，可以实现无标记的装配对象位姿与进度的识别，进而解决图形标签难以贴在零件表面、零件无纹理导致的难以通过二维图像识别的问题。其中一个必需环节是对装配对象所包含的三维点云信息进行特征点提取，提高后续分析处理的速度。目前已经出现了一些针对装配体三维特征的提取方法：

在专利“一种基于三维特征提取的快速逆向建模方法(CN109118574A，公开日期：20190101)”中提出了一种基于三维特征提取方法，该方法在拼接测量测头移动过程中，对大型结构件的单视场测量点云进行降噪、滤波预处理，再利用点云的曲率和法向量信息提取三维特征。这种方法采用基于局部邻域点的二次曲面拟合方法计算三维数据中点的曲率，然后在局部邻域内搜索临近点，建立二次参数曲面方程计算点云的平均曲率。连续拟合曲面会产生一定的误差，并由此计算的特征点提取阈值会影响特征点的质量。

在专利“一种基于四旋翼无人机的单目视觉三维特征提取方法(CN106570820B，公开日期：20191203)”中提出了一种单目视觉三维特征提取方法，通过提取二维图像特征点建立描述符，然后根据机体参数对二维特征描述符进行坐标系建立，从而获得三维坐标信息。这种方法仍然是对二维特征进行预处理之后获得的三维特征。

在专利“一种三维点云数据特征点提取方法及应用(CN111710023A，公开日期：20200925)”中提出了一种三维特征点提取方法，对深度相机采集的点云数据进行高斯滤波降噪处理，根据构造的特征点度量函数与阈值进行比较提取特征点。这种方法虽说一定程度降低了图像的噪声，但条纹状的噪声和一些噪声点仍然存在，会产生较大误差甚至是错误的结果点。

发明内容

针对标签难贴或机械产品无纹理导致的难以通过二维图像识别产品的问题，本发明提出了一种基于周角差值的机械产品三维特征点提取方法。根据机械产品结构特征和曲率之间的关系实现特征点的提取，并对连续特征点进行了合并，用以支持装配状态识别过程中的配准及后续分析。

技术方案

本发明通过对机械产品的数字模型进行网格划分，获取带有点云数据的网格模型，计算网格各节点的周角差值并根据周角差值与高斯曲率之间的关系设定阈值，进而提取特征点。

一种基于周角差值的产品三维特征点提取方法：包含以下步骤：

步骤1：对产品模型表面进行网格划分，获得产品模型的点云集合以及网格节点间的连接关系集合

步骤2：根据网格节点间的连接关系集合中的元素，求解网格各节点的周角并得到周角数值集合周角数值集合与点云集合的元素数量相同并一一对应；

步骤3：对周角数值集合中各元素进行周角差值的计算，得到周角差值集合周角差值集合与点云集合的元素数量相同并一一对应；

步骤4：计算特征点周角差值阈值θ_min，并在周角差值集合中搜索所有大于θ_min的元素，并依此在点云集合找到相应的元素作为产品三维特征点。