[发明专利]一种工件投影轮廓提取方法、装置及相关设备

说明书

本发明提供了一种工件投影轮廓提取方法、装置及相关设备，包括以下步骤：获取工件目标三维姿态数据，并根据三维姿态数据预设初始姿态三维点云；通过运用三维旋转变换对工件目标进行姿态矫正，根据初始姿态三维点云矫正后获得矫正三维点云；根据矫正三维点云通过投影轮廓特征提取算法进行工件投影轮廓提取，生成特征矩阵的特征样本矩阵；通过PCA算法对投影轮廓提取的特征矩阵进行降维处理，得到特征向量矩阵；能够实现最大限度保存工件的全局特征，运算效率高，且能够保证工件特征信息完整度较高，有效地减少特征矩阵中的冗余信息，对提高目标识别的性能具有重大意义。本发明轮廓特征提取效果好，运算效率高，目标识别的性能高，适用范围广。

技术领域

本发明涉及轮廓提取技术领域，尤其涉及一种工件投影轮廓提取方法、装置、计算机设备及计算机可读存储介质。

背景技术

目前，在现代化工业生产中，通常涉及到各种检验、检测及零件识别等应用。在计算机视觉物体轮廓、角点、纹理等低级别视觉特征常被应用于高级别感知任务。诸如机器人切割、焊接、打磨等场景，物体轮廓可作为物体识别、位姿估计、机器人轨迹生成的关键依据。3D点云相比2D图像，更全面地描述了物体的空间信息，点云轮廓提取成为三维世界视觉特征的重要描述方法。

现有的三维点云特征提取方法有：局部特征提取和全局特征提取。其中局部特征提取需要查找工件的目标特征点，然后使特征点附近固定大小的区域作为支持域。因此目标特征点选取以及领域的范围会影响局部特征的提取，并且当目标受到探测距离、噪声等外部环境因素影响时，提取的局部特征反映目标特性的能力可能会下降。全局特征提取是针对提取的目标全部点进行处理，全局特征提取对目标整体信息的表达能力强，计算量小并可以充分反映目标的整体结构信息。

然而，将工件三维点云进行投影至二维平面获取的工件投影特征，有投影轮廓特征和投影分布特征。投影分布特征是对目标三维点云投影图像的点分布结构进行提取，而投影轮廓特征是针对工件目标三维点云投影图像的轮廓边缘进行分析。当在噪声以及点云分辨率变化等情况下，会降低投影分布特征信息的有效性，从而使得工件轮廓特征提取效果差、运算效率低及目标识别的性能差，适用范围小。

发明内容

针对以上相关技术的不足，本发明提出一种轮廓特征提取效果好、运算效率高、提高目标识别的性能的工件投影轮廓提取方法、装置、计算机设备及计算机可读存储介质。

为了解决上述技术问题，第一方面，本发明实施例提供了一种工件投影轮廓提取方法，包括以下步骤：

获取工件目标三维姿态数据，并根据所述三维姿态数据预设初始姿态三维点云；

通过运用三维旋转变换对所述工件目标进行姿态矫正，根据所述初始姿态三维点云矫正后获得矫正三维点云；

根据所述矫正三维点云通过投影轮廓特征提取算法进行工件投影轮廓提取，生成特征矩阵的特征样本矩阵；

通过PCA算法对投影轮廓提取的所述特征矩阵进行降维处理，得到特征向量矩阵。

优选的，所述获取工件目标三维姿态数据，并根据所述三维姿态数据预设初始姿态三维点云具体包括以下子步骤：

运用PEMSPNC算法计算出工件目标的三维姿态角(α,β,θ)，并根据所述三维姿态角预设初始姿态三维点云P。

优选的，所述通过运用三维旋转变换对所述工件目标进行姿态矫正，根据所述初始姿态三维点云矫正后获得矫正三维点云具体包括以下子步骤：

运用三维旋转变换对工件目标进行姿态矫正，绕MCS坐标中X_m轴旋转-α角，Y_m轴旋转-β角，Z_m轴旋转-θ角，矫正使得探测工件的三维姿态角度均为0°,根据所述初始姿态三维点云P进行姿态矫正后的获得矫正三维点云P′。