[发明专利]一种基于隐空间拓扑结构约束的残缺点云补全方法

说明书

本发明公开一种基于隐空间拓扑结构约束的残缺点云补全方法，属于计算机视觉技术领域。基于单视角残缺点云的三维形状补全技术，对深度图转换得到的单视角残缺点云进行补全，获得对象的完整三维点云形状，实现感知对象几何信息的快速重构。S1、采集目标对象的三维空间坐标；S2、对系统输入的原始残缺点云进行点云姿态规范化；S3、基于姿态规范化残缺点云预测其对应的完整关键点骨架；S4、基于预测的完整关键点骨架，恢复其对应的稠密完整点云；S5、基于完整三维点云进行机器人感知任务优化。本发明可以针对任意位姿的真实三维点云进行形状补全，具有更强的泛化性和鲁棒性，应用范围广、速度快且抗噪声能力强。

技术领域

本发明涉及一种基于隐空间拓扑结构约束的残缺点云补全方法，属于计算机视觉技术领域。

背景技术

作为现代计算机、自动控制、机械制造等技术的应用综合体，机器人具有极高的自主决策和执行能力，可以代替人类完成很多复杂任务。机器人技术中的感知环节是机器人实现环境交互的重要接口，机器人通过感知手段与环境进行信息交互，获取各种环境对象信息以协助操控者进行决策。随着近年来计算机视觉技术的发展，基于计算机视觉的机器人感知技术得到了广泛运用，机器人通过视觉传感器采集对象的三维立体信息进而实现分析感知。但是在实际信息采集过程中，由于遮挡、环境噪声、设备误差等因素的影响，直接采集得到的三维信息(本发明使用三维点云作为三维信息表征形式)往往是残缺的，存在信息损失，因此无法对对象的完整几何形状进行描述和表征，这就给后续任务中基于对象完整三维模型的感知理解和行动规划造成了一定的困难。所以有必要发明一种残缺点云补全技术对直接采集的残缺点云进行修复，从而获得感知对象完整的三维立体信息，进一步优化后续任务。

发明内容

本发明针对以上问题，提出了一种基于隐空间拓扑结构约束的残缺点云补全方法，基于单视角残缺点云的三维形状补全技术，对深度图转换得到的单视角残缺点云进行补全，获得对象的完整三维点云形状，实现感知对象几何信息的快速重构。

本发明的技术方案为：按以下步骤进行处理：

S1、通过便携式深度相机拍摄目标对象的单视角深度图像，并根据已知的相机内参数将单视角深度图转换为三维空间坐标，并进行位置规范化预处理，得到原始残缺点云数据；

S2、对系统输入的原始残缺点云进行位姿估计，并根据所预测位姿进行点云姿态规范化，得到姿态规范化残缺点云；

S3、基于姿态规范化残缺点云预测其对应的完整关键点骨架；

S4、基于预测的完整关键点骨架，使用上采样网络恢复其对应的稠密完整点云，即完整三维点云；

S5、基于完整三维点云进行机器人感知任务优化。

步骤S1具体为：

S1.1、使用Kinect二代深度相机拍摄目标对象的深度图片，利用图像分割获取对象实际对应的深度图像区域，并根据相机内参数与针孔相机模型将对象的深度图像转换为原始残缺点云数据；

S1.2、针对步骤S1.1获取的原始残缺点云数据，将根据当前的坐标范围通过平移和缩放将其变换到到半径为1的单位球体中，实现位置规范化。

步骤S2具体为：

S2.1、构建相对位姿特征向量，该位姿向量由旋转轴角、偏移量和缩放因子联合构成，根据罗德里格斯公式可根据位姿向量对点云进行三维仿射变换，变换计算过程如下：

R＝I+sinθ*K+(1-cosθ)*K²

P'＝R*(s*P)+t