[发明专利]一种基于三维特征点的装配状态识别方法

说明书

本发明提出了一种基于三维特征点的装配状态识别方法，首先提取数字模型的边角特征，然后结合尺寸特征、空间分布等特性实现深度图像点云中属于在装产品特征点及点云的提取与分割，根据在装产品特征点建立坐标系描述符，然后统计不同数字模型特征点坐标系描述符下二者特征点的匹配结果，以匹配数量及欧氏距离为约束条件选取最优解建立特征点映射关系。根据特征点映射关系实现数字模型点云与在装产品点云的配准，然后分析匹配点对的数目和间距大小进行点云相似度的运算，结合相似度分析结果实现产品装配姿态与进度状态的识别。实验表明，该方法可以快速有效地识别产品的装配状态。

技术领域

本发明属于计算机辅助装配领域，具体为一种以三维装配体点云为输入、以数字模型为模板、以装配进度状态为识别结果的方法。

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。为了节约识别的时间成本，装配状态的识别首先要提取数字模型与在装产品的特征，然后基于所提取的特征给出识别方法。目前已经出现了一些用于不同特征的三维对象识别方法：

在专利“面向模型检索的装配体模型定量描述方法(CN105574265A，公开日期：20160511)”中提出了一种基于零件形状匹配的装配体描述方法，该方法在多维空间中描述零件形状分布信息，采用零件集合的形式对装配体进行描述。但进一步研究发现这种方法在描述相同零件组成但不同连接关系的装配体时会得到相近的结果，不符合识别的要求。

在文献“Ke Wang,Daxin Liu,Zhenyu Liu,et al.A fast object registrationmethod for augmented reality assembly with simultaneous determination ofmultiple 2D-3D correspondences.2020,63”中对单位视点球面进行均分以此渲染出一组关键帧，压缩后从其余关键帧中提取线链特征(COLF)作为2D特征。该方法的限制在于目标对象需要包含大量的线段，否则会降低配准率甚至会导致识别失败。

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)”中提出了一种基于三维点云数据的特征点提取方法，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，影响后续的点云配准甚至会导致识别失败。

发明内容

针对零件无纹理时二维图像难以识别以及深度图像噪声不易处理的问题，本发明通过视觉捕捉边角特征量化装配对象，提出了一种基于三维特征点的装配状态识别方法。根据装配体结构特征和曲率之间的关系实现特征点的提取，以特征点的映射关系为输入实现数字模型与在装产品的点云配准，并进行点云相似度的计算，通过分析点云相似度实现产品装配状态的识别，输出在装产品的位姿与装配进度信息。

本发明的技术方案为：

所述一种基于三维特征点的装配状态识别方法，包含以下步骤：

步骤1：对装配体的各装配阶段模型进行分析，对装配体模型表面进行网格划分，获得各装配阶段的零部件点云装配点云以及网格节点间的连接关系

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装配点云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装配点云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：