[发明专利]一种工业零件位姿估计方法及系统

权利要求书

1.一种工业零件位姿估计方法，其特征在于，包括：

获取待测零件的零件点云；

基于零件姿态分类模型，对所述零件点云进行分类处理，获取零件分类结果；

根据所述零件分类结果确定目标零件模板；

利用所述目标零件模板对所述零件点云进行匹配，以获取待检测零件的位姿信息。

2.根据权利要求1所述的工业零件位姿估计方法，其特征在于，获取待测零件的零件点云，包括：

对在工业零件摆放场景下采集的原始点云进行滤波处理，获取场景点云；

对所述场景点云进行点云分离处理，以获取仅包含待测零件的所述零件点云。

3.根据权利要求2所述的工业零件位姿估计方法，其特征在于，对工业零件摆放场景的场景点云进行点云分离处理，以获取仅包含待测零件的所述零件点云，包括：

根据所述场景点云中所有点之间的欧式距离，对所述场景点云进行分割处理，确定所有的单位点云簇；

根据每个所述单位点云簇的点云数量，对所述点云簇进行筛选处理，获取零件点云簇；

对所述零件点云簇进行随机下采样处理，获取所述零件点云。

4.根据权利要求3所述的工业零件位姿估计方法，其特征在于，所述基于预设距离阈值，根据所述场景点云中所有点之间的欧式距离，对所述场景点云进行分割处理，确定所有的单位点云簇；包括：

步骤1，随机确定所述场景点云中的一个目标点；

步骤2，基于近邻搜索法，获取所述目标点的所有近邻点，以构建所述目标点的初始近邻集合；所述近邻点为所述场景点云中与所述目标点之间的欧氏距离小于预设阈值的点；

步骤3，基于近邻搜索法，确定所述初始近邻集合中任一近邻点的所有近邻点，以构建所述任一近邻点的近邻集合；所述任一近邻点的近邻集合包括所述初始近邻集合中的所有点以及所述初始近邻集合中每个点的所有近邻点；

步骤4，以所述任一近邻点的近邻集合作为新的初始近邻集合，并迭代执行步骤3，获取新的近邻集合，直至所述新的近邻集合中的点不再增加；

步骤5，根据所述新的近邻集合，确定目标点云簇，所述目标点云簇包括所述目标点以及所述新的近邻集合中的点；

步骤6，从所述场景点云中随机选择不属于所述目标点云簇的任一点作为新的目标点，迭代执行步骤2至步骤5，直至完成对所述场景点云中所有点云的分割，并将每个所述目标点云簇作为一个单位点云簇。

5.根据权利要求1所述的工业零件位姿估计方法，其特征在于，基于零件姿态分类模型，对所述零件点云进行分类处理，获取零件分类结果，包括：

基于所述零件姿态分类模型，对所述零件点云进行特征提取处理，获取点云邻域信息；所述零件姿态分类模型是基于动态图卷积神经网络构建的；

将所述点云邻域信息进行拼接处理，通过最大池化操作，获取所述零件点云的全局特征；

对所述全局特征进行分类处理，获取所述零件分类结果。

6.根据权利要求1所述的工业零件位姿估计方法，其特征在于，根据所述零件点云和所述零件分类结果确定目标零件模板，包括：

根据所述零件分类结果，从CAD零件模型点云库中确定与所述零件点云对应的CAD模型点云，作为所述目标零件模板。