CN110060330B - 一种基于点云图像的三维建模方法、装置和机器人 - Google Patents
一种基于点云图像的三维建模方法、装置和机器人 Download PDFInfo
- Publication number
- CN110060330B CN110060330B CN201910176323.9A CN201910176323A CN110060330B CN 110060330 B CN110060330 B CN 110060330B CN 201910176323 A CN201910176323 A CN 201910176323A CN 110060330 B CN110060330 B CN 110060330B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- dimensional
- dimensional point
- image
- numbers
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Abstract
本发明涉及一种基于点云图像的三维建模方法、装置和机器人,其方法包括:获取物料处于预设基准位姿的第一点云图和所述物料从预设基准位姿到目标测量位姿的多幅第二点云图;当第一点云图与多幅第二点云图的幅数之和不满足预设幅数时,重新获取第一点云图和多幅第二点云图,直至第一点云图与多幅第二点云图的幅数之和满足预设幅数;当第一点云图与多幅第二点云图的幅数之和满足预设幅数时,从第一点云图中确定第一三维点云集,分别从每幅第二点云图中确定对应的第二三维点云集;根据第一三维云集和所有第二三维点云集对所述物料进行三维建模,得到物料三维模型,助于提高物料三维模型构建的准确性、拓展适用范围和增强通用性。
Description
技术领域
本发明涉及三维建模技术领域,具体涉及一种基于点云图像的三维建模方法、装置和机器人。
背景技术
随着机器视觉技术和机器人的不断发展,已经被应用于物流、3C等领域的工件操作,例如:引导在相机视场范围内的各种物料,物料三维模型对机器人操作工件的精度和准确性至关重要。
目前,采用点云图像可以构建物料三维模型,但是往往只是针对某一特定类型的物料采用复杂算法,具有一定的准确性,但是缺乏通用性。
发明内容
针对现有技术中基于点云图像的三维构建方法缺乏通用性的不足,本发明提供一种基于点云图像的三维建模方法、装置和机器人。
第一方面,本发明提供了一种基于点云图像的三维建模方法,该方法包括:
获取物料处于预设基准位姿下的第一点云图和从所述预设基准位姿到目标测量位姿下的多幅第二点云图;
当所述第一点云图与多幅所述第二点云图的幅数之和不满足预设幅数条件时,重新获取所述第一点云图和多幅所述第二点云图,直至所述第一点云图与多幅所述第二点云图的幅数之和满足预设幅数;
当所述第一点云图与多幅所述第二点云图的幅数之和满足所述预设幅数条件时,从所述第一点云图中确定第一三维点云集,且分别从每幅所述第二点云图中确定对应的第二三维点云集;
根据所述第一三维云集和所有所述第二三维点云集对所述物料进行三维建模,得到物料三维模型。
第二方面,本发明提供了一种基于点云图像的三维建模装置,该装置包括:
图像获取模块,用于获取物料处于预设基准位姿的第一点云图和从所述预设基准位姿到目标测量位姿的多幅第二点云图;
重新获取模块,用于当所述第一点云图与多幅所述第二点云图的幅数之和不满足预设幅数时,重新获取所述第一点云图和多幅所述第二点云图,直至所述第一点云图与多幅所述第二点云图的幅数之和满足预设幅数;
图像处理模块,用于当所述第一点云图与多幅所述第二点云图的幅数之和满足所述预设幅数时,从所述第一点云图中确定第一三维点云集,且分别从每幅所述第二点云图中确定对应的第二三维点云集;
三维建模模块,用于根据所述第一三维云集和所有所述第二三维点云集对所述物料进行三维建模,得到物料三维模型。
第三方面,本发明提供了一种机器人,该机器人用于:
获取物料处于预设基准位姿的第一点云图和从所述预设基准位姿到目标测量位姿的多幅第二点云图;
当所述第一点云图与多幅所述第二点云图的幅数之和不满足预设幅数时,重新获取所述第一点云图和多幅所述第二点云图,直至所述第一点云图与多幅所述第二点云图的幅数之和满足预设幅数;
当所述第一点云图与多幅所述第二点云图的幅数之和满足所述预设幅数时,从所述第一点云图中确定第一三维点云集,且分别从每幅所述第二点云图中确定对应的第二三维点云集;
根据所述第一三维云集和所有所述第二三维点云集对所述物料进行三维建模,得到物料三维模型。
本发明提供的基于点云图像的三维建模方法、装置和机器人的有益效果是:通过物料在不同位姿下所获取的点云图的总幅数与预设幅数之间的大小关系确定点云图是否充足,在点云图不充足时,重新获取点云图,在点云图充足时,才会将点云图用以构建物料三维模型,有效保证了具有充足数量的点云图用以构建物料三维模型,适用于不同类型的物料,有助于提高物料三维模型构建的准确性、拓展适用范围和增强通用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于点云图像的三维建模方法的流程示意图;
图2为本发明实施例提供的以曲面形式表示第一三维点云集的示意图;
图3为本发明实施例提供的一种基于点云图像的三维建模装置的结构示意图;
图4为本发明实施例提供的另一种基于点云图像的三维建模装置的结构示意图;
图5为本发明实施例提供的一种机器人的结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例一
如图1所示,本发明实施例的一种基于点云图像的三维建模方法方法,该方法包括:获取物料处于预设基准位姿的第一点云图和物料从预设基准位姿到目标测量位姿的多幅第二点云图;当第一点云图与多幅第二点云图的幅数之和不满足预设幅数时,重新获取第一点云图和多幅第二点云图,直至第一点云图与多幅第二点云图的幅数之和满足预设幅数;当第一点云图与多幅第二点云图的幅数之和满足预设幅数时,从第一点云图中确定第一三维点云集,分别从每幅第二点云图中确定对应的第二三维点云集;根据第一三维云集和所有第二三维点云集对物料进行三维建模,得到物料三维模型。
通过物料在不同位姿下所获取的点云图的总幅数与预设幅数之间的大小关系确定点云图是否充足,若第一点云图与多幅第二点云图的幅数之和不满足预设幅数,表明点云图不充足,则重新获取点云图,若第一点云图与多幅第二点云图的幅数之和满足预设幅数,表明点云图充足,才会将点云图用以构建物料三维模型,有效保证了具有充足数量的点云图用以构建物料三维模型,适用于不同类型的物料,有助于提高物料三维模型构建的准确性、拓展适用范围和增强通用性。
作为一种可选的实施方式,获取物料处于预设基准位姿的第一点云图和物料从预设基准位姿到目标测量位姿的多幅第二点云图具体包括:当物料处于预设基准位姿时,通过深度相机采集物料的第一点云图;当物料从预设基准位姿开始转动直至物料达到目标测量位姿时,通过深度相机采集物料在转动过程中的多幅第二点云图。
作为一种可选的实施方式,根据第一三维云集和所有第二三维点云集对物料进行三维建模,得到物料三维模型,具体包括:基于外点判断条件分别从第一三维点云集和各个第二三维点云集中剔除不满足局部法线外点约束的三维点云;基于齐次变换矩阵将在剔除不满足局部法线外点约束的三维点云后的第一三维点云集转换为基准三维点云集,且基于齐次变换矩阵分别将在剔除不满足局部法线外点约束的三维点云后的各个第二三维点云集转换为对应的第三三维点云集,齐次变换矩阵为从深度相机所在的相机坐标系到机器人基坐标系的变换矩阵;根据基准三维点云集和所有第三三维点云集对物料进行三维建模,得到物料三维模型。
具体地,如图2所示,第一三维点云集和第二三维点云集均可以曲面形式表示。
作为一种可选的实施方式,基于外点判断条件分别从第一三维点云集和各个第二三维点云集中剔除不满足局部法线外点约束的三维点云,具体包括:分别从第一三维点云集和各个第二三维点云集中提取与各个三维点云对应的法线矢量;当基于外点判断条件判定任意法线矢量不符合局部法线外点约束时,将对应的三维点云认定为不符合局部法线外点约束的外点;从第一三维点云集和第二三维点云集中剔除外点。
以第一三维点云集中的任一个三维点云为例,应用外点判断条件判断法线矢量是否满足局部法线外点约束,若不满足,将该三维点云认定为外点,从第一三维点云集中剔除外点,若满足,将该三维点云认定为内点,在三维点云集中保留内点,实现了从第一三维点云集中筛选出满足局部法线外点约束条件的所有三维点云,之后,应用齐次变换矩阵将该三维点云从相机坐标系到机器人基坐标系中,机器人基坐标系中的三维点云表示为:
在按照以上方式遍历第一三维点云集中的所有三维点云结束后,第一三维点云集中的所有三维点云全部满足局部法线外点约束,第一三维点云集也从相机坐标系转换成为机器人基坐标系中的基准三维点云集。
针对第二三维点云集及其中的任意三维点云,处理方式与第一三维点云集中的任意三维点云类似,此处不再赘述。
通过外点判断条件可以从各个三维点云集中剔除掉错误的三维点云且筛选出正确的三维点云,提高了三维点云集的精确性,通过齐次变换矩阵将各个三维点云集从相机坐标系转换到机器人基坐标系中,简化了三维点云集的转换方式,保证了三维点云集的处理效率。
作为一种可选的实施方式,根据基准三维点云集和所有第三三维点云集对物料进行三维建模,得到物料三维模型,具体包括:基于最小二乘法对多个第三三维点云集进行求解,得到旋转矩阵和平移矩阵;基于旋转矩阵和平移矩阵分别将各个第三三维点云集转换为对应的匹配点云集;基于三维建模算法对基准三维点云集和所有匹配点云集进行迭代运算,得到物料三维模型。
具体地,三维建模算法可以采用PMVS算法或者ICP算法,也可以采用具备收敛性的三维建模算法,不做限制。
具体地,在基于最小二乘法对多个第三三维点云集进行求解之前,可以令基准三维点云集为p、基准三维点云集中的第i个三维点云为pi、任一个第三三维点云集Q、任一个第三三维点云集中的第i个三维点云为qi。
作为一种可选的实施方式,最小二乘法具体为:f=min||Rqi+t-pi||,其中,f表示最小二乘法函数,R表示旋转矩阵,qi表示任一个第三三维点云集中的第i个三维点云,t表示平移矩阵,pi表示基准三维点云集中的第i个三维点云。
最小二乘法快速优化了旋转矩阵和平移矩阵,使得误差最小,提高了各个三维点云集的转换精度,保证了各个三维点云集的转换效率。
作为一种可选的实施方式,任一个匹配点云集表示为:p'i=Rqi+t,其中,p'i表示任一个匹配点云集中的第i个三维点云。
作为一种可选的实施方式,基于三维建模算法对基准三维点云集和所有匹配点云集进行迭代运算,得到物料三维模型,具体包括:当所有匹配点云集与基准三维点云集之间的平均距离小于预设距离值时,或者,当三维建模算法的迭代运算次数大于预设次数值时,三维建模算法停止迭代运算,得到物料三维模型。
具体地,计算每个匹配点云集中的每个三维点云对应在机器人基坐标系中的坐标到基准三维点云集中的每个三维点云对应在机器人基坐标系中的坐标之间的距离,且计算所有距离的算术平均值,得到平均距离。
当平均距离不小于预设距离值或者迭代运算次数不大于预设次数值时,需要继续根据第一三维云集和所有第二三维点云集三维建模物料三维模型中的所有步骤的迭代执行过程,三维建模算法继续迭代运算基准三维点云集和所有匹配点云集,直到第一点云图和所有第二点云图中的任意两个点云图之间的差值均满足收敛条件停止迭代执行过程。
需要说明的是,预设距离值、预设次数值和收敛条件均可以根据经验预先设置在计算机程序中或者利用机器学习算法训练得到,收敛条件可以是一个用于评价两个点云图收敛性的很小的值。
实施例二
如图3所示,本发明实施例的一种基于点云图像的三维建模装置,包括:图像获取模块、重新获取模块、图像处理模块和三维建模模块。
图像获取模块,用于获取物料处于预设基准位姿的第一点云图和从预设基准位姿到目标测量位姿的多幅第二点云图;
重新获取模块,用于当第一点云图与多幅第二点云图的幅数之和不满足预设幅数时,重新获取第一点云图和多幅第二点云图,直至第一点云图与多幅第二点云图的幅数之和满足预设幅数;
图像处理模块,用于当第一点云图与多幅第二点云图的幅数之和满足预设幅数时,从第一点云图中确定第一三维点云集,且分别从每幅第二点云图中确定对应的第二三维点云集;
三维建模模块,用于根据第一三维云集和所有第二三维点云集对物料进行建模,得到物料三维模型。
作为一种可选的实施方式,图像获取模块具体用于:当物料处于预设基准位姿时,通过深度相机采集物料的第一点云图;当物料从预设基准位姿开始转动直至物料达到目标测量位姿时,通过深度相机采集物料在转动过程中的多幅第二点云图。
作为另一种可选的实施方式,如图4所示,三维建模模块具体包括点云剔除子模块、点云转换子模块和三维建模子模块。
点云剔除子模块,用于基于外点判断条件分别从第一三维点云集和各个第二三维点云集中剔除不满足局部法线外点约束的三维点云;
点云转换子模块,用于基于齐次变换矩阵将在剔除不满足局部法线外点约束的三维点云后的第一三维点云集转换为基准三维点云集,且基于齐次变换矩阵分别将在剔除不满足局部法线外点约束的三维点云后的各个第二三维点云集转换为对应的第三三维点云集,齐次变换矩阵为从深度相机所在的相机坐标系到机器人基坐标系的变换矩阵。
三维建模子模块,用于根据基准三维点云集和所有第三三维点云集对物料进行三维建模,得到物料三维模型。
作为另一种可选的实施方式,点云剔除子模块具体用于:分别从第一三维点云集和各个第二三维点云集中提取与各个三维点云对应的法线矢量;当基于外点判断条件判定任意法线矢量不符合局部法线外点约束时,将对应的三维点云认定为不符合局部法线外点约束的外点;从第一三维点云集和第二三维点云集中剔除外点。
作为另一种可选的实施方式,三维建模子模块具体用于:基于最小二乘法对多个第三三维点云集进行求解,得到旋转矩阵和平移矩阵;基于旋转矩阵和平移矩阵分别将各个第三三维点云集转换为对应的匹配点云集;基于三维建模算法对基准三维点云集和所有匹配点云集进行迭代运算,得到物料三维模型。
作为另一种可选的实施方式,最小二乘法具体为:
f=min||Rqi+t-pi||
其中,f表示最小二乘法函数,R表示旋转矩阵,qi表示任一个第三三维点云集中的第i个三维点云,t表示平移矩阵,pi表示基准三维点云集中的第i个三维点云。
作任一个匹配点云集表示为:
p′i=Rqi+t
其中,p'i表示任一个匹配点云集中的第i个三维点云。
作为另一种可选的实施方式,三维建模子模块具体用于:当所有匹配点云集与基准三维点云集之间的平均距离小于预设距离值时,或者,当三维建模算法的迭代运算次数大于预设次数值时,三维建模算法停止迭代运算,得到物料三维模型。
实施例三
如图5所示,一种机器人,用于获取物料处于预设基准位姿的第一点云图和从预设基准位姿到目标测量位姿的多幅第二点云图;当第一点云图与多幅第二点云图的幅数之和不满足预设幅数时,重新获取第一点云图和多幅第二点云图,直至第一点云图与多幅第二点云图的幅数之和满足预设幅数;当第一点云图与多幅第二点云图的幅数之和满足预设幅数时,从第一点云图中确定第一三维点云集,且分别从每幅第二点云图中确定对应的第二三维点云集;根据第一三维云集和所有第二三维点云集对物料进行三维建模,得到物料三维模型。
具体地,机器人为移动机器人,移动机器人包括AGV小车1、工业机器人2、夹紧装置3、相机支架4和深度相机5,工业机器人2和深度相机5分别与AGV小车1电连接。
工业机器人2的底部固定在AGV小车1的顶部,工业机器人2的末端固定有夹紧装置3,夹紧装置3位于深度相机5的拍摄范围内;相机支架4的一端固定在AGV小车1顶部且另一端固定有深度相机5。
作为一种可选的实施方式,机器人具体用于:当物料处于预设基准位姿时,通过深度相机采集物料的第一点云图;当物料从预设基准位姿开始转动直至物料达到目标测量位姿时,通过深度相机采集物料在转动过程中的多幅第二点云图;基于外点判断条件分别从第一三维点云集和各个第二三维点云集中剔除不满足局部法线外点约束的三维点云;基于齐次变换矩阵将在剔除不满足局部法线外点约束的三维点云后的第一三维点云集转换为基准三维点云集,且基于齐次变换矩阵分别将在剔除不满足局部法线外点约束的三维点云后的各个第二三维点云集转换为对应的第三三维点云集,齐次变换矩阵为从深度相机所在的相机坐标系到机器人基坐标系的变换矩阵;基于最小二乘法对多个第三三维点云集进行求解,得到旋转矩阵和平移矩阵;基于旋转矩阵和平移矩阵分别将各个第三三维点云集转换为对应的匹配点云集;当所有匹配点云集与基准三维点云集之间的平均距离小于预设距离值时,或者,当三维建模算法的迭代运算次数大于预设次数值时,三维建模算法停止迭代运算,得到物料三维模型。
具体地,AGV小车1控制设置在工业机器人2中的机械手臂转动,机械手臂带着夹紧装置3转动,夹紧装置3带着其夹持的物料转动,从转动到停止的过程中,物料从预设基准位姿变换至目标测量位姿,预设基准位姿是以AGV小车1中的计算机程序给定的基准点为参数控制的初始位姿,目标测量位姿是在物料转动过程中除了预设基准位姿之外的其他位姿。
具体地,最小二乘法具体为:f=min||Rqi+t-pi||,其中,f表示最小二乘法函数,R表示旋转矩阵,qi表示任一个第三三维点云集中的第i个三维点云,t表示平移矩阵,pi表示基准三维点云集中的第i个三维点云。
任一个匹配点云集表示为:p'i=Rqi+t,其中,p'i表示任一个匹配点云集中的第i个三维点云。
读者应理解,在本说明书的描述中,参考术语“方面”、“可选的实施方式”或“具体地”等的描述意指结合该实施例或示例描述的具体特征、步骤或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、步骤或者特点可以在任一个或多个具体实例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同具体实例或示例以及不同实施例或示例的特征进行结合或/和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种基于点云图像的三维建模方法,其特征在于,包括:
获取物料处于预设基准位姿的第一点云图和所述物料从所述预设基准位姿到目标测量位姿的多幅第二点云图;
当所述第一点云图与多幅所述第二点云图的幅数之和不满足预设幅数时,重新获取所述第一点云图和多幅所述第二点云图,直至所述第一点云图与多幅所述第二点云图的幅数之和满足预设幅数;
当所述第一点云图与多幅所述第二点云图的幅数之和满足所述预设幅数时,从所述第一点云图中确定第一三维点云集,分别从每幅所述第二点云图中确定对应的第二三维点云集;
根据所述第一三维点云集和所有所述第二三维点云集对所述物料进行三维建模,得到物料三维模型;
其中,根据所述第一三维云集和所有所述第二三维点云集对所述物料进行三维建模,得到物料三维模型,具体包括:
基于外点判断条件分别从所述第一三维点云集和各个所述第二三维点云集中剔除不满足局部法线外点约束的三维点云;
基于齐次变换矩阵将在剔除不满足所述局部法线外点约束的所述三维点云后的所述第一三维点云集转换为基准三维点云集,且基于所述齐次变换矩阵分别将在剔除不满足所述局部法线外点约束的所述三维点云后的各个所述第二三维点云集转换为对应的第三三维点云集,所述齐次变换矩阵为从深度相机所在的相机坐标系到机器人基坐标系的变换矩阵;
根据所述基准三维点云集和所有所述第三三维点云集对所述物料进行三维建模,得到所述物料三维模型。
2.根据权利要求1所述的基于点云图像的三维建模方法,其特征在于,获取物料处于预设基准位姿的第一点云图和从所述预设基准位姿到目标测量位姿的多幅第二点云图,具体包括:
当所述物料处于所述预设基准位姿时,通过深度相机采集所述物料的所述第一点云图;
当所述物料从所述预设基准位姿开始转动直至所述物料达到所述目标测量位姿时,通过所述深度相机采集所述物料在转动过程中的多幅所述第二点云图。
3.根据权利要求2所述的基于点云图像的三维建模方法,其特征在于,基于外点判断条件分别从所述第一三维点云集和各个所述第二三维点云集中剔除不满足局部法线外点约束的三维点云,具体包括:
分别从所述第一三维点云集和各个所述第二三维点云集中提取与各个所述三维点云对应的法线矢量;
当基于所述外点判断条件判定任意所述法线矢量不符合所述局部法线外点约束时,将对应的所述三维点云认定为不符合所述局部法线外点约束的外点;
从所述第一三维点云集和所述第二三维点云集中剔除所述外点。
4.根据权利要求2所述的基于点云图像的三维建模方法,其特征在于,根据所述基准三维点云集和所有所述第三三维点云集对所述物料进行三维建模,得到所述物料三维模型,具体包括:
基于最小二乘法对多个所述第三三维点云集进行求解,得到旋转矩阵和平移矩阵;
基于所述旋转矩阵和所述平移矩阵分别将各个所述第三三维点云集转换为对应的匹配点云集;
基于三维建模算法对所述基准三维点云集和所有所述匹配点云集进行迭代运算,得到所述物料三维模型。
5.根据权利要求4所述的基于点云图像的三维建模方法,其特征在于,所述最小二乘法具体为:
f=min||Rqi+t-pi||
其中,f表示最小二乘法函数,R表示所述旋转矩阵,qi表示任一个所述第三三维点云集中的第i个三维点云,t表示所述平移矩阵,pi表示所述基准三维点云集中的第i个三维点云。
6.根据权利要求4所述的基于点云图像的三维建模方法,其特征在于,任一个所述匹配点云集表示为:
p'i=Rqi+t
其中,p'i表示任一个所述匹配点云集中的第i个三维点云,R表示所述旋转矩阵,qi表示任一个所述第三三维点云集中的第i个三维点云,t表示所述平移矩阵。
7.根据权利要求4-6任一项所述的基于点云图像的三维建模方法,其特征在于,基于三维建模算法对所述基准三维点云集和所有所述匹配点云集进行迭代运算,得到所述物料三维模型,具体包括:
当所有所述匹配点云集与所述基准三维点云集之间的平均距离小于预设距离值时,或者,当所述三维建模算法的迭代运算次数大于预设次数值时,所述三维建模算法停止迭代运算,得到所述物料三维模型。
8.一种的基于点云图像的三维建模装置,其特征在于,包括:
图像获取模块,用于获取物料处于预设基准位姿的第一点云图和从所述预设基准位姿到目标测量位姿的多幅第二点云图;
重新获取模块,用于当所述第一点云图与多幅所述第二点云图的幅数之和不满足预设幅数时,重新获取所述第一点云图和多幅所述第二点云图,直至所述第一点云图与多幅所述第二点云图的幅数之和满足预设幅数;
图像处理模块,用于当所述第一点云图与多幅所述第二点云图的幅数之和满足所述预设幅数时,从所述第一点云图中确定第一三维点云集,且分别从每幅所述第二点云图中确定对应的第二三维点云集;
三维建模模块,用于根据所述第一三维点云集和所有所述第二三维点云集对所述物料进行建模,得到物料三维模型;
其中,根据所述第一三维云集和所有所述第二三维点云集对所述物料进行三维建模,得到物料三维模型,具体包括:
基于外点判断条件分别从所述第一三维点云集和各个所述第二三维点云集中剔除不满足局部法线外点约束的三维点云;
基于齐次变换矩阵将在剔除不满足所述局部法线外点约束的所述三维点云后的所述第一三维点云集转换为基准三维点云集,且基于所述齐次变换矩阵分别将在剔除不满足所述局部法线外点约束的所述三维点云后的各个所述第二三维点云集转换为对应的第三三维点云集,所述齐次变换矩阵为从深度相机所在的相机坐标系到机器人基坐标系的变换矩阵;
根据所述基准三维点云集和所有所述第三三维点云集对所述物料进行三维建模,得到所述物料三维模型。
9.一种机器人,其特征在于,所述机器人用于:
获取物料处于预设基准位姿的第一点云图和从所述预设基准位姿到目标测量位姿的多幅第二点云图;
当所述第一点云图与多幅所述第二点云图的幅数之和不满足预设幅数时,重新获取所述第一点云图和多幅所述第二点云图,直至所述第一点云图与多幅所述第二点云图的幅数之和满足预设幅数;
当所述第一点云图与多幅所述第二点云图的幅数之和满足所述预设幅数时,从所述第一点云图中确定第一三维点云集,且分别从每幅所述第二点云图中确定对应的第二三维点云集;
根据所述第一三维点云集和所有所述第二三维点云集对所述物料进行建模,得到物料三维模型;
其中,根据所述第一三维云集和所有所述第二三维点云集对所述物料进行三维建模,得到物料三维模型,具体包括:
基于外点判断条件分别从所述第一三维点云集和各个所述第二三维点云集中剔除不满足局部法线外点约束的三维点云;
基于齐次变换矩阵将在剔除不满足所述局部法线外点约束的所述三维点云后的所述第一三维点云集转换为基准三维点云集,且基于所述齐次变换矩阵分别将在剔除不满足所述局部法线外点约束的所述三维点云后的各个所述第二三维点云集转换为对应的第三三维点云集,所述齐次变换矩阵为从深度相机所在的相机坐标系到机器人基坐标系的变换矩阵;
根据所述基准三维点云集和所有所述第三三维点云集对所述物料进行三维建模,得到所述物料三维模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176323.9A CN110060330B (zh) | 2019-03-08 | 2019-03-08 | 一种基于点云图像的三维建模方法、装置和机器人 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910176323.9A CN110060330B (zh) | 2019-03-08 | 2019-03-08 | 一种基于点云图像的三维建模方法、装置和机器人 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110060330A CN110060330A (zh) | 2019-07-26 |
CN110060330B true CN110060330B (zh) | 2023-05-23 |
Family
ID=67316110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910176323.9A Active CN110060330B (zh) | 2019-03-08 | 2019-03-08 | 一种基于点云图像的三维建模方法、装置和机器人 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060330B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127556B (zh) * | 2019-11-29 | 2023-06-13 | 合刃科技(上海)有限公司 | 基于3d视觉的目标物体识别和位姿估算方法以及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274376A (zh) * | 2017-07-10 | 2017-10-20 | 南京埃斯顿机器人工程有限公司 | 一种工件三维点云数据平滑滤波方法 |
CN107958482A (zh) * | 2016-10-17 | 2018-04-24 | 杭州海康威视数字技术股份有限公司 | 一种三维场景模型构建方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198523B (zh) * | 2013-04-26 | 2016-09-21 | 清华大学 | 一种基于多深度图的非刚体三维重建方法及系统 |
-
2019
- 2019-03-08 CN CN201910176323.9A patent/CN110060330B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107958482A (zh) * | 2016-10-17 | 2018-04-24 | 杭州海康威视数字技术股份有限公司 | 一种三维场景模型构建方法及装置 |
CN107274376A (zh) * | 2017-07-10 | 2017-10-20 | 南京埃斯顿机器人工程有限公司 | 一种工件三维点云数据平滑滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110060330A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10540779B2 (en) | Posture positioning system for machine and the method thereof | |
CN113379849B (zh) | 基于深度相机的机器人自主识别智能抓取方法及系统 | |
JP2010172986A (ja) | ロボットビジョンシステムおよび自動キャリブレーション方法 | |
CN112509063A (zh) | 一种基于边缘特征匹配的机械臂抓取系统及方法 | |
CN115609591B (zh) | 一种基于2D Marker的视觉定位方法和系统、复合机器人 | |
CN114474056B (zh) | 一种面向抓取操作的单目视觉高精度目标定位方法 | |
CN115213896A (zh) | 基于机械臂的物体抓取方法、系统、设备及存储介质 | |
JP2020047049A (ja) | 画像処理装置及び画像処理方法 | |
CN110232710B (zh) | 基于三维相机的物品定位方法、系统及设备 | |
CN110363801B (zh) | 工件实物与工件三维cad模型的对应点匹配方法 | |
CN114663500A (zh) | 视觉标定方法、计算机设备及存储介质 | |
CN114001651B (zh) | 一种基于双目视觉测量和先验检测数据的大型细长筒类构件位姿原位测量方法 | |
CN115810133A (zh) | 基于图像处理和点云处理的焊接控制方法及相关设备 | |
CN110060330B (zh) | 一种基于点云图像的三维建模方法、装置和机器人 | |
JP2730457B2 (ja) | 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置 | |
CN110992416A (zh) | 基于双目视觉与cad模型的高反光面金属零件位姿测量方法 | |
CN113172636B (zh) | 一种自动手眼标定方法、装置及存储介质 | |
CN113319859B (zh) | 一种机器人示教方法、系统、装置及电子设备 | |
Xu et al. | Industrial robot base assembly based on improved Hough transform of circle detection algorithm | |
CN114187312A (zh) | 目标物的抓取方法、装置、系统、存储介质及设备 | |
CN116542914A (zh) | 基于3d点云的焊缝提取与拟合方法 | |
CN111178296A (zh) | 多工件视觉定位和识别方法 | |
CN115147764A (zh) | 一种基于多目视觉的管模螺栓识别定位方法 | |
JP2005069757A (ja) | 中心窩広視野画像を利用したカメラ位置姿勢推定方法及びシステム | |
JPH07146121A (ja) | 視覚に基く三次元位置および姿勢の認識方法ならびに視覚に基く三次元位置および姿勢の認識装置 |
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 |