CN109559346B - 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 - Google Patents
一种3d点云测量中的待测部位的定位及分割方法、扫描仪 Download PDFInfo
- Publication number
- CN109559346B CN109559346B CN201811320330.3A CN201811320330A CN109559346B CN 109559346 B CN109559346 B CN 109559346B CN 201811320330 A CN201811320330 A CN 201811320330A CN 109559346 B CN109559346 B CN 109559346B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- template
- detected
- measured
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于3D点云测量技术领域,公开了一种3D点云测量中的待测部位的定位及分割方法、扫描仪;首先用3D扫描仪对待测工件整体进行扫描,然后手动选取待测部位,测量该部位的参数;将其作为整体模板,选取的各个待测部位作为待测部位模板;将待测工件与整体模板进行匹配进行总体定位;最后通过待测部位模板将待测部位分割出来。本发明整个流程不到一分钟,大大减少了测量时间,且选取待测模板之后,无需人工操作,对工件的批量自动化检测具有很大的意义。本发明使用配准技术定位,使得工件不需要精确固定,使用更加灵活;采用邻近分割的方法使待测点云不局限于平面模型,而且不受工件的复杂度的影响,使得使用场景更广。
Description
技术领域
本发明属于3D点云测量技术领域,尤其涉及一种3D点云测量中的待测部位的定位及分割方法、扫描仪。
背景技术
目前,业内常用的现有技术是这样的:在3D点云测量中,先使用3D扫描仪扫描工件,得到工件的点云,然后再对点云进行测量。与三坐标仪只取待测点不同,3D扫描仪是将整个工件的点都取出,不能直接进行对单个平面或者圆环进行测量。针对于这个问题,现有技术一在检测工件平面的时候使用夹具精确固定工件,保证每次工件都在相同的位置,然后将3D扫描仪的视野限制在工件的平面部位或者使用直通滤波将一个空间长方体内的点云分割出来,得到平面点云。但对于稍微复杂的工件,平面是圆环面、球面等其他形状或者平面中间有突起的部位,该方案就会拍到或者分割到工件的其他部位,而不能得到一个单纯的平面点云。同时,该方案只能提取待测的平面点云,测量平面度和平面法向,不能完成有圆心、半径等其他测量需求的任务。若能突破分割形状的限制,则3D点云测量能得到更加广泛的应用。现有技术二通过使用Geomagic 等专业的点云处理软件对拍摄好的点云手动圈选待测部位。手动选取失去了自动化的意义,而且需要不断选取待测区域的点,删掉多选的点,花费了大量时间,同时人工选点有随机性,使得每次选取的待测部位都有细微的不同,导致后续测量的误差增加。
综上所述,现有技术存在的问题是:
(1)现有技术在检测平面的时候将3D扫描仪视野限制于平面内或者使用直通分割长方体内的点云,对于复杂工件,单纯的平面难以获取或分割;只能拍平面,不能有效的拍好圆周等其他几何形状。
(2)现有技术采取在拍摄好的点云上手动取待测点,失去了自动化测量的意义,而且花费的时间跟多,同时人工选点有主观性和随机性,给测量增大了误差。
解决上述技术问题的难度和意义:
对于如何将待测点云从整体点云中分割出来,其难点在于,既要保证其适用性,能对复杂的工件进行分割、能分割任意形状,同时也要实现高速自动化分割。目前要想高速自动化分割,只能分割简单的形状。要想分割复杂的形状就只能手动。对复杂工件进行分割、分割任意形状使得3D点云测量可以应用于更广泛的场景,满足更多的测量需求;高速自动化可以使3D点云测量可以应用于工业流水线上。
发明内容
针对现有技术存在的问题,本发明提供了一种3D点云测量中的待测部位的定位及分割方法、扫描仪。
本发明是这样实现的,一种3D点云测量中的待测部位的定位及分割方法,所述3D点云测量中的待测部位的定位及分割方法包括:
步骤一,获取整个工件的点云模型保存为整体点云模板,根据测量需确定待测部位的数量以及每个待测部位的形状,手动选取各个待测部位的点云,将其标号保存为待测部位点云模板,每一个待测点云模板相当于是工件待测部位的标记;
步骤二,获取新工件的点云模型,将整体点云模板作为基准,新获取的工件点云作为待配准的点云,使用采样一致性初始配准算法(Sample Consensus Initial Aligment,SAC-IA)对其进行粗配准,将得到转换矩阵作为精配准的初始转换矩阵,再使用迭代最近点算法(Iterative Cloest Point,ICP)进行精配准得到新的转换矩阵,使用新的转换矩阵将获取的工件点云转换到整体点云模板的位置,使新工件点云和整体模板点云重合,实现新工件点云的定位;
步骤三,分割待测部位点云,对于每一个待测部位,分别读取其待测点云模板,建立待测点云模板对应的kdtree,遍历新工件点云中的所有点,使用kdtree 查询该点半径为r的球内是否有属于待测部位模板点云的点数,如果没有则舍弃该点,如果有则保留,遍历完成后,所有保留下来的点则为分割出来的待测部位点云,完成分割。重复步骤二和三。
进一步,所述步骤一利用待测部位的点云模板作为待测部位的标识。
进一步,所述步骤二使用点云配准的方法,将新工件点云模型转换到整体点云模板的位置进行定位。
进一步,所述步骤二使用点云配准的方法采用了先粗配准然后再精配准两阶段的配准方法。
进一步,所述步骤三使用邻近分割的方法将待测部位的点云从整体点云中分割出来。
本发明的另一目的在于提供一种应用所述3D点云测量中的待测部位的定位及分割方法的扫描仪。
综上所述,本发明的优点及积极效果为:通过点云的配准技术和使用邻近分割的方案解决了3D点云测量中,待测点云选取困难的问题,实现了自动化检测。同时,对比通过夹具固定好工件,让扫描固定扫一块平面的自动化检测方案,本发明使用配准技术定位,使得工件不需要精确固定,使用更加灵活;采用邻近分割的方法使待测点云不局限于平面模型,还可以是圆周,甚至不规则模型,而且不受工件的复杂度的影响,使得使用场景更广。
技术对比:
附图说明
图1是本发明实施例提供的3D点云测量中的待测部位的定位及分割方法流程图。
图2是本发明实施例提供的3D点云测量中的待测部位的定位及分割方法实现流程图。
图3是本发明实施例提供的模型制作整体模型与部分模型实例。
图4是本发明实施例提供的配准定位实例效果图(白色点云为模板,黑色点云为待测模型)。
图5是本发明实施例提供的邻近分割实例效果图(白色为分割得到的点云)。
图6是本发明分割其他实例的效果图(白色为分割得到的点云)。
图7是本发明实施例提供的点云粗配准流程图。
图8是本发明实施例提供的点云精配准流程图。
图9是本发明实施例提供的最邻近分割流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术只拍待测平面部位,限制了视角;只能拍平面,不能有效的拍好圆周等其他几何形状;手动取待测点,花费更多时间,给测量增大了误差的问题。本发明对工件点云的待测部位进行定位以及分割出来,以供后续测量的一种技术。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的3D点云测量中的待测部位的定位及分割方法包括以下步骤:
S101:先扫描工件作为整体模板,手动标记待测部位存为待测部位模板;在之后的每一次测量都将扫描好的工件的3D点云与整体点云使用配准技术进行定位;
S102:使用待测部位模板将待测点云邻近分割出来。
下面结合附图对本发明的应用原理作进一步的描述。
本发明主要通过C++编程,调用PCL库实现对点云进行基本操作,具体实施步骤包括:
初始化
(1)使用3D扫描得到待测工件的整体点云,将其保存为整体模板model;
(2)编写界面实现对点云的读取,以及手动选取待测模板 model_a,model_b,model_c等等,具体模板视测量需求而定。这两步作为初始化准备,只有在初次测量中操作一次即可。
开始测量
(3)扫描同批次其他工件,得到点云模型model_00001与整体模板进行配准,使model_00001转换到整体模板model的位置,与之重合。定位成功。
(4)待测模板model_a,model_b,model_c....通过邻近分割算法将待测点云分割出来得到model_a_00001,model_b_00001,model_c_00001.分割成功。后续再对分割出来的点云进行测量,保存测量数据。循环(3)(4)两步。
其中点云粗配准技术中所使用的采样一致性初始配准算法(Sample ConsensusInitial Aligment,SAC-IA)依赖于点特征直方图,所以在执行此算法之前,应该先计算点云的FPFH,算法的大致思路如下,流程图如图6所示。
①从待配准点云P中选取n个采样点,为了尽量保证所采样的点具有不同的FPFH特征,采样点两两之间的距离应满足大于预先给定最小距离阈值d。
②在目标点云Q中查找与点云P中采样点具有相似FPFH特征的一个或多个点,从这些相似点中随机选取一个点作为点云P在目标点云Q中的对应点。
式中:ml为一预先给定值,li为第i组对应点变换之后的距离差。上述配准的最终目的是在所有变换中找到一组最优的变换,使得误差函数的值最小,此时的变换即为最终的配准变换矩阵,进一步可得到配准结果。
点云精配准技术使用的是迭代最近点算法(IterativeCloestPoint,ICP)其大致思路如下,流程图如图7所示。
①将初始配准后的两片点云P′(经过坐标变换后的源点云)和Q,作为精配准的初始点集;
②对源点云P′中的每一点pi,在目标点云Q中寻找距离最近的对应点qi,作为该点在目标点云中的对应点,组成初始对应点对;
③初始对应点集中的对应关系并不都是正确的,错误的对应关系会影响最终的配准结果,采用方向向量阈值剔除错误的对应点对;
④计算旋转矩阵R和平移向量T,使最小,即对应点集之间的均方误差最小;
⑤设定某一阈值ε=dk-1-dk-1和最大迭代次数Nmax,将上一步得到的刚体变换作用于源点云P′,得到新点云P″,计算P″和Q的距离误差,,如果两次迭代的误差小于阈值ε或者当前迭代次数大于Nmax,则迭代结束,否则将初始配准的点集更新为P″和Q,继续重复上述步骤,直至满足收敛条件。
最邻近分割是将待测点云A中离模板点云B近的点分割出来的方法。其主要是通过将点云B为构建kdtree进行最邻近搜索实现的。遍历点云A中的点,利用kdtree查询该点半径为r的球内属于B点云的点数,如果点数大于0,则该点保留,否则舍去。流程图如图8所示。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种3D点云测量中的待测部位的定位及分割方法,其特征在于,所述3D点云测量中的待测部位的定位及分割方法包括:
步骤一,获取整个工件的点云模型作为整体点云模板,根据测量需求制作待测部位的点云模板;
步骤二,获取新工件的点云模型,与整体点云模板进行配准,定位成功;
使用点云配准的方法,将新工件点云模型转换到整体点云模板的位置进行定位;
所述使用点云配准的方法采用先粗配准然后再精配准两阶段的配准方法;
步骤三,分割待测部位点云,使用邻近分割的方法,通过待测部位的点云模板,从新工件点云上将待测部位点云分割出来,分割完成,重复步骤二和三;
所述邻近分割是通过将待测部位点云模板构建为kdtree进行最邻近搜索,遍历新工件点云中的点,利用kdtree查询以该点半径为r的球内属于待测部位点云模板的点数,如果点数大于0,则该点保留,否则舍去的一种方法。
2.如权利要求1所述的3D点云测量中的待测部位的定位及分割方法,其特征在于,所述步骤一利用待测部位的点云模板作为待测部位的标识。
3.一种应用权利要求1~2任意一项所述3D点云测量中的待测部位的定位及分割方法的扫描仪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811320330.3A CN109559346B (zh) | 2018-11-07 | 2018-11-07 | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811320330.3A CN109559346B (zh) | 2018-11-07 | 2018-11-07 | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109559346A CN109559346A (zh) | 2019-04-02 |
CN109559346B true CN109559346B (zh) | 2021-12-14 |
Family
ID=65865934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811320330.3A Active CN109559346B (zh) | 2018-11-07 | 2018-11-07 | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109559346B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490893B (zh) * | 2019-07-18 | 2022-02-22 | 广州大学 | 一种快速欧式距离点云分割方法 |
CN110555824B (zh) * | 2019-07-22 | 2022-07-08 | 深圳供电局有限公司 | 开关位置判别方法及开关位置检测系统的控制方法 |
CN110866934B (zh) * | 2019-10-14 | 2022-09-09 | 中国科学院自动化研究所 | 基于规范性编码的复杂点云分割方法及系统 |
CN110766733B (zh) * | 2019-10-28 | 2022-08-12 | 广东三维家信息科技有限公司 | 单空间点云配准方法及装置 |
CN113344769B (zh) * | 2021-04-20 | 2024-06-14 | 梅卡曼德(北京)机器人科技有限公司 | 基于机器视觉的物品3d图像信息获取方法、装置、介质 |
CN113516695B (zh) * | 2021-05-25 | 2023-08-08 | 中国计量大学 | 激光轮廓仪平面度测量中的点云配准策略 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139416A (zh) * | 2015-10-10 | 2015-12-09 | 北京微尘嘉业科技有限公司 | 一种基于图像信息和深度信息的物体识别方法 |
CN106022381A (zh) * | 2016-05-25 | 2016-10-12 | 厦门大学 | 基于车载激光扫描点云的路灯杆自动提取技术 |
KR101666449B1 (ko) * | 2016-05-13 | 2016-10-14 | 한국건설기술연구원 | 3차원 포인트 클라우드 기반 형상 템플릿 유사도를 이용하여 스위핑 형상을 역설계하기 위한 장치 및 그 방법 |
CN106403942A (zh) * | 2016-08-30 | 2017-02-15 | 全球能源互联网研究院 | 基于变电站景深图像识别的人员室内惯性定位方法 |
CN107369161A (zh) * | 2017-07-19 | 2017-11-21 | 无锡信捷电气股份有限公司 | 一种基于改进欧式聚类的散乱工件点云分割方法 |
CN108107444A (zh) * | 2017-12-28 | 2018-06-01 | 国网黑龙江省电力有限公司检修公司 | 基于激光数据的变电站异物识别方法 |
CN108830902A (zh) * | 2018-04-19 | 2018-11-16 | 江南大学 | 一种基于点云处理的散乱工件识别与定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9892552B2 (en) * | 2015-12-15 | 2018-02-13 | Samsung Electronics Co., Ltd. | Method and apparatus for creating 3-dimensional model using volumetric closest point approach |
US10573018B2 (en) * | 2016-07-13 | 2020-02-25 | Intel Corporation | Three dimensional scene reconstruction based on contextual analysis |
-
2018
- 2018-11-07 CN CN201811320330.3A patent/CN109559346B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139416A (zh) * | 2015-10-10 | 2015-12-09 | 北京微尘嘉业科技有限公司 | 一种基于图像信息和深度信息的物体识别方法 |
KR101666449B1 (ko) * | 2016-05-13 | 2016-10-14 | 한국건설기술연구원 | 3차원 포인트 클라우드 기반 형상 템플릿 유사도를 이용하여 스위핑 형상을 역설계하기 위한 장치 및 그 방법 |
CN106022381A (zh) * | 2016-05-25 | 2016-10-12 | 厦门大学 | 基于车载激光扫描点云的路灯杆自动提取技术 |
CN106403942A (zh) * | 2016-08-30 | 2017-02-15 | 全球能源互联网研究院 | 基于变电站景深图像识别的人员室内惯性定位方法 |
CN107369161A (zh) * | 2017-07-19 | 2017-11-21 | 无锡信捷电气股份有限公司 | 一种基于改进欧式聚类的散乱工件点云分割方法 |
CN108107444A (zh) * | 2017-12-28 | 2018-06-01 | 国网黑龙江省电力有限公司检修公司 | 基于激光数据的变电站异物识别方法 |
CN108830902A (zh) * | 2018-04-19 | 2018-11-16 | 江南大学 | 一种基于点云处理的散乱工件识别与定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109559346A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109559346B (zh) | 一种3d点云测量中的待测部位的定位及分割方法、扫描仪 | |
CN109345620B (zh) | 融合快速点特征直方图的改进icp待测物体点云拼接方法 | |
CN106709947B (zh) | 一种基于rgbd相机的三维人体快速建模系统 | |
CN104040590B (zh) | 用于估计物体的姿态的方法 | |
CN107123164B (zh) | 保持锐利特征的三维重建方法及系统 | |
CN108010116B (zh) | 点云特征点检测方法和点云特征提取方法 | |
JP3735344B2 (ja) | キャリブレーション装置、キャリブレーション方法、及びキャリブレーション用プログラム | |
Ahn et al. | Circular coded target for automation of optical 3D-measurement and camera calibration | |
CN107452062B (zh) | 三维模型构建方法、装置、移动终端、存储介质及设备 | |
CN109215016B (zh) | 一种编码标志的识别定位方法 | |
CN108830888B (zh) | 基于改进的多尺度协方差矩阵特征描述子的粗匹配方法 | |
CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
CN111027484A (zh) | 基于三维成像的隧道钢拱识别方法 | |
CN114743259A (zh) | 位姿估计方法、位姿估计系统、终端、存储介质及应用 | |
CN109410183B (zh) | 基于点云数据的平面提取方法、系统、装置及存储介质 | |
CN111400830A (zh) | 一种三维毛坯工件的加工校准方法及装置 | |
CN115235375A (zh) | 盖板类工件的多圆特征参数测量方法、检测方法和装置 | |
CN110288517B (zh) | 基于投影匹配组的骨架线提取方法 | |
CN114820505A (zh) | 一种动态目标的非接触测量方法 | |
CN113111741B (zh) | 一种基于三维特征点的装配状态识别方法 | |
CN111145204B (zh) | 一种边数可设定的对轮廓曲线的多边形简化方法 | |
CN115147471A (zh) | 一种基于曲率密度特征的激光点云自动配准方法 | |
CN113627548A (zh) | 一种平面工件模板匹配方法、装置、介质及计算机设备 | |
CN114049380A (zh) | 目标物体定位追踪方法、装置、计算机设备和存储介质 | |
CN111652801A (zh) | 一种点云精准拼接方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |