[发明专利]基于点云配准的物体抓取区域定位方法

摘要

本发明公开了基于点云配准的物体抓取区域定位方法，包括预处理部分和物品抓取定位部分。其中，预处理部分包括三维模型点云库建立和SVM分类器生成。物品抓取定位部分主要包括待抓取物品的原始图像数据采集、基于区域增长的图像分割、待抓取物品区域筛选、点云数据PointCloud生成、点云配准和点云模型Model上标注抓取区域采用转移矩阵Transform进行变换，再通过实感3D摄像头内置参数将变化后的抓取区域反射到2D图像上，完成物品抓取。其中，点云配准时，先采用RANSAC算法进行粗匹配，然后采用ICP算法进行微调。采用上述方法后，能自动检测并定位桌面级物体，定位精度高，且无须借助GPU运算单元，能在秒级内输出结果。

主权项

1.一种基于点云配准的物体抓取区域定位方法，其特征在于：包括如下步骤：步骤1，三维模型点云库建立：使用3D扫描仪对各类物品分别进行点云扫描，然后把点云扫描形成的各类物品的点云模型Model均存于三维模型点云库中，同时对三维模型点云库中的每个点云模型Model均标注抓取区域；步骤2，SVM分类器生成：利用深度摄像头采集各类物品的2D的色彩图Color和深度图Depth作为训练集，使用HOG特征，运用SVM的分类方法进行训练，生成SVM分类器；其中，HOG特征为二维图像特征，用于检测并识别出待抓取物品的类型；步骤3，待抓取物品的原始图像数据采集：使用实感3D摄像头采集待抓取物品的原始图像数据，该原始图像数据包括色彩和深度数据信息；色彩和深度数据信息将形成色彩图Color和深度图Depth；步骤4，基于区域增长的图像分割：利用区域增长的方法对步骤3形成的色彩图Color和深度图Depth进行图像分割，并求出各个分割区域的的凸包，然后对每个凸包标定最小矩形绑定框，形成主区域Main；步骤5，待抓取物品区域筛选：对步骤4形成的每个主区域Main分别抽取HOG特征，并将抽取的HOG特征分别放入步骤2形成的SVM分类器中进行筛选，识别出待抓取物品类型，并剔除非物体区域，剩下的则为待抓取物品区域；步骤6，点云数据PointCloud生成：对步骤5筛选出的每个待抓取物品区域，利用步骤3形成的深度图Depth生成点云数据PointCloud；步骤7，点云配准：将步骤5识别出的待抓取物品类型，导入步骤1中的三维模型点云库中，从而输出与待抓取物品类型相对应的点云模型Model；然后将该输出的点云模型Model与步骤6生成的点云数据PointCloud进行点云配准，输出转移矩阵Transform；点云配准时，先采用RANSAC算法进行粗匹配，然后采用ICP算法进行微调；步骤8：将步骤1中对应物品点云模型Model上标注的抓取区域采用步骤7输出的转移矩阵Transform进行变换，再通过实感3D摄像头内置参数将变化后的抓取区域反射到2D图像上，待抓取物品的定位完成。