CN110189257A - 点云获取的方法、装置、系统及存储介质 - Google Patents
点云获取的方法、装置、系统及存储介质 Download PDFInfo
- Publication number
- CN110189257A CN110189257A CN201910476628.1A CN201910476628A CN110189257A CN 110189257 A CN110189257 A CN 110189257A CN 201910476628 A CN201910476628 A CN 201910476628A CN 110189257 A CN110189257 A CN 110189257A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- son
- cloud
- son point
- splicing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 238000013519 translation Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 abstract description 6
- 238000009434 installation Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000009466 transformation Effects 0.000 description 7
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种点云获取的方法、装置、系统及存储介质。通过六轴机器人携带单个的线激光三维相机在滑槽上来回移动,对整个扫描区域不同行进行扫描,实现大视场的全景扫描,结构非常简单,相应的,安装和控制也非常简单,实现了对结构和控制的简化,相邻的两次扫描之间有重合区域,这样,在进行粗拼接之后,可以仅基于重合区域的点云,计算旋转矩阵和平移矩阵,大大减少了点云的数量,减少了精拼接时间,提高了拼接精度。
Description
技术领域
本申请涉及点云技术领域,尤其涉及一种点云获取的方法、装置、系统及存储介质。
背景技术
线激光三维相机是集激光、传感器和测量工具于一身的三维相机,可以高精度的完成扫描、分析、测量和控制功能,在高度方向上可以达到微米级的精度。目前,线激光三维相机已经越来越多的应用于产品检测、跟踪、识别等领域。
相关技术中,由于单个线激光三维相机往往视野较小,一般小于1m,无法单次进行较大尺寸工件的扫描,对于大型工件来说,需要大视场扫描,常用的方法是在扫描轨道上布置多个线激光三维相机,提供一个大视场,通过多个线激光三维相机同时对工件进行扫描,最后将扫描得到的点云进行拼接,得到工件的高精度点云。采用多个线激光三维相机同时对工件进行扫描的方案,系统结构复杂,需要对多个线激光三维相机协调控制,对安装精度和控制精度要求高,如果安装和控制不准确,得到的点云效果不佳。
发明内容
本申请的目的是提供一种点云获取的方法、装置、系统及存储介质,以解决相关技术中基于多个线激光三维相机扫描得到点云的方案结构复杂不易安装和控制导致得到的点云效果不佳的问题。
本申请的目的是通过以下技术方案实现的:
一种点云获取的方法,用于线激光三维相机系统中,所述线激光三维相机系统包括:工作平台,所述工作平台包括第一区域和第二区域,所述第一区域上设置有用于放置目标物体的扫描区域,所述第二区域上设置有支架,所述支架上设置有沿第一方向延伸的一对导轨;所述一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,所述一对导轨上方设置有支撑板;所述支撑板底部设置有与所述一对滑轨匹配的滑槽,所述支撑板上还设置有驱动电机,所述驱动电机的转轴上固定有齿轮,所述齿轮与所述齿条相啮合,所述支撑板上固定有六轴机器人,所述六轴机器人上固定有一个线激光三维相机;所述方法包括:
控制所述驱动电机驱动所述齿轮沿所述齿条来回移动,以及控制所述六轴机器人沿第二方向移动,以使得所述支撑板上的所述六轴机器人携带所述线激光三维相机对所述扫描区域进行N行扫描,采集得到N片子点云,其中,相邻的子点云之间具有第一预设百分比的重合区域;
对所述N片子点云进行粗拼接处理;
针对每两片所述子点云进行精拼接处理步骤:提取每两片所述子点云中第一子点云与第二子点云之间的所述重合区域作为ROI区域,基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接。
可选的,所述提取每两片所述子点云中第一子点云与第二子点云之间的所述重合区域作为ROI区域之后,基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接之前,还包括:
分别对第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云建立kd-tree数据结构。
可选的,所述基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接,包括:
获取所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云;
将所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云进行对应点匹配,得到对应点集合;
采用SVD算法计算所述对应点集合的旋转矩阵和平移矩阵,利用所述旋转矩阵和平移矩阵对所述第一子点云进行变换;
计算变换后的所述第一子点云与所述第二子点云之间的平均距离;
判断所述平均距离是否小于预设距离;
若所述平均距离小于预设距离,确定完成精拼接;
若所述平均距离大于或者等于预设距离,重新将变换后的所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云进行对应点匹配。
可选的,还包括:
统计得到所述平均距离的次数;
若所述平均距离大于或者等于预设距离,且统计得到的次数大于预设次数,将所述重合区域的所述第一预设百分比增加第二预设百分比,重新针对每两片所述子点云进行精拼接处理步骤。
可选的,所述对所述N片子点云进行粗拼接处理之前,还包括:
对所述N片子点云进行背景去除处理和噪点去除处理。
可选的,所述噪点去除处理,包括:
基于高斯滤波进行噪点去除处理。
可选的,所述对所述N片子点云进行粗拼接处理,包括:
采用基于协方差矩阵的点云粗拼接算法对所述N片子点云进行粗拼接处理。
一种点云获取的装置,应用于线激光三维相机系统中,所述线激光三维相机系统包括:工作平台,所述工作平台包括第一区域和第二区域,所述第一区域上设置有用于放置目标物体的扫描区域,所述第二区域上设置有支架,所述支架上设置有沿第一方向延伸的一对导轨;所述一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,所述一对导轨上方设置有支撑板;所述支撑板底部设置有与所述一对滑轨匹配的滑槽,所述支撑板上还设置有驱动电机,所述驱动电机的转轴上固定有齿轮,所述齿轮与所述齿条相啮合,所述支撑板上固定有六轴机器人,所述六轴机器人上固定有一个线激光三维相机;所述装置包括:
点云采集模块,用于控制所述驱动电机驱动所述齿轮沿所述齿条来回移动,以及控制所述六轴机器人沿第二方向移动,以使得所述支撑板上的所述六轴机器人携带所述线激光三维相机对所述扫描区域进行N行扫描,采集得到N片子点云,其中,相邻的子点云之间具有第一预设百分比的重合区域;
点云粗拼接模块,用于对所述N片子点云进行粗拼接处理;
点云精拼接模块,用于针对每两片所述子点云进行精拼接处理步骤:提取每两片所述子点云中第一子点云与第二子点云之间的所述重合区域作为ROI区域,基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接。
一种点云获取的系统,包括:
线激光三维相机系统;工作平台,所述工作平台包括第一区域和第二区域,所述第一区域上设置有用于放置目标物体的扫描区域,所述第二区域上设置有支架,所述支架上设置有沿第一方向延伸的一对导轨;所述一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,所述一对导轨上方设置有支撑板;所述支撑板底部设置有与所述一对滑轨匹配的滑槽,所述支撑板上还设置有驱动电机,所述驱动电机的转轴上固定有齿轮,所述齿轮与所述齿条相啮合,所述支撑板上固定有六轴机器人,所述六轴机器人上固定有一个线激光三维相机;
处理器,以及与所述处理器相连接的存储器;所述处理器还与所述六轴机器人、所述线激光三维相机、所述驱动电机连接;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如以上任一项所述的点云获取的方法。
一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如以上任一项所述的点云获取的方法。
本申请采用以上技术方案,具有如下有益效果:
本申请实施例中,通过六轴机器人携带单个的线激光三维相机在滑槽上来回移动,对整个扫描区域不同行进行扫描,实现大视场的全景扫描,结构非常简单,相应的,安装和控制也非常简单,实现了对结构和控制的简化,相邻的两次扫描之间有重合区域,这样,在进行粗拼接之后,可以仅基于重合区域的点云,计算旋转矩阵和平移矩阵,大大减少了点云的数量,减少了精拼接时间,提高了拼接精度。
附图说明
为了更清楚地说明本申请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简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a为本申请一个实施例提供的一种线激光三维相机系统的结构示意图。
图1b为本申请一个实施例提供的一种线激光三维相机系统的结构示意图。
图1c为本申请一个实施例提供的一种线激光三维相机系统中的齿条的结构示意图。
图2为本申请一个实施例提供的一种点云获取的方法流程图。
图3为本申请另一个实施例提供的一种精拼接的方法流程图。
图4为本申请另一个实施例提供的一种点云获取的装置结构图。
图5为本申请另一个实施例提供的一种点云拼接的系统结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将对本申请的技术方案进行详细的描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本申请所保护的范围。
首先,对本申请涉及的背景知识进行简单介绍:
三维重建(Three-Dimensional Reconstruction,TDR),是构建能被计算机识别并处理的三维实体的数学模型,是一种通过计算机对实体或场景进行分析、处理的图像技术,也是计算机中建立表达客观世界的虚拟现实的关键技术。三维重建技术的流程主要包括:利用扫描设备对被测实体进行数据采集,对获取的点云数据进行精简、去噪等预处理,图像的处理及输出,实现被测实体的三维重建。
其中,点云数据是三维扫描设备依据实体模型得到的一种数字化点集,点集中的每一点都包含其物理参数信息。三维坐标值是点云数据最基本的物理参数信息,由点云数据可以得到被测物体表面的几何信息如曲率、法向量、视觉信息,因此,点云数据能够真实、准确的反映被测物体信息。
应用中,点云拼接又被称为点云数据配准,是将不同视角下采集到的点云数据进行拼接,使不同视角下的局部点云数据转换到统一坐标系下,进而可以得到被测实体或场景的完整点云数据。若从配准精确度高低的角度进行划分,可以分为粗配准与精确配准。粗配准是将两片任意位置的点云数据进行粗略的配准,使其大致在同一个位置上,为精确配准提供良好的初始值。粗配准常用的方法有:标签法、转台法、主元分析法、曲率分析法等。精确配准是对粗配准后的点云数据进行精确匹配,求解平移矩阵与旋转矩阵,得到完整点云数据模型。若从点云数据的密集程度高低的角度进行划分,可以分为稀疏点云配准和密集点云配准。若从点云数据的性质角度进行划分,可以分为刚性配准和非刚性配准。刚性配准用于点云数据没有损坏变形的情况,只需旋转和平移操作即可完成配准。非刚性配准用于点云数据有不同程度的扭曲现象,此时还需要其他操作才能完成点云数据的配准。其中,粗配准也称粗拼接,精确配准也称精拼接。
实施例
参见图1a,图1a为本申请一个实施例提供的一种线激光三维相机系统的结构示意图。
参见图1b,图1b为本申请一个实施例提供的一种线激光三维相机系统的结构示意图。
参见图1c,图1c为本申请一个实施例提供的一种线激光三维相机系统中沿导轨设置的齿条的结构示意图。
参见图2,图2为本申请一个实施例提供的一种点云获取的方法流程图。
本实施例提供一种点云获取的方法,应用于线激光三维相机系统中,如图1a、图1b和图1c所示,线激光三维相机系统包括:工作平台101,工作平台包括第一区域和第二区域,第一区域上设置有用于放置目标物体102的扫描区域103,第二区域上设置有支架104,支架104上设置有沿第一方向延伸的一对导轨105;一对导轨105中,其中一个导轨105靠近另一个导轨105的侧面上设置有齿条106,一对导轨105上方设置有支撑板107;支撑板107底部设置有与一对滑轨匹配的滑槽108,支撑板107上还设置有驱动电机109,驱动电机109的转轴上固定有齿轮110,齿轮110与齿条106相啮合,支撑板107上固定有六轴机器人111,六轴机器人111上固定有一个线激光三维相机112;其中,驱动电机位于支撑板的上表面,齿轮位于支撑板的下表面,驱动电机的转轴通过支撑板上的通孔穿过支撑板与齿轮相连接;本实施例的方法至少包括如下步骤:
步骤21、控制驱动电机驱动齿轮沿齿条来回移动,以及控制六轴机器人沿第二方向移动,以使得支撑板上的六轴机器人携带线激光三维相机对扫描区域进行N行扫描,采集得到N片子点云,其中,相邻的子点云之间具有第一预设百分比的重合区域。
本步骤中,控制驱动电机驱动齿轮沿齿条来回移动,就可以使得支撑板沿滑槽来回移动,实现行扫描,可以控制六轴机器人携带线激光三维相机沿与第一方向垂直的第二方向移动,比如,每次扫描完一行,沿第二方向移动一定步长,从而实现不同位置的行扫描。
步骤22、对N片子点云进行粗拼接处理。
步骤23、针对每两片子点云进行精拼接处理步骤:提取每两片子点云中第一子点云与第二子点云之间的重合区域作为感兴趣区域(Regions of Interest,ROI)区域,基于迭代最近点(Iterative Closest Point,ICP)算法,根据第一子点云的ROI区域和第二子点云中ROI区域的点云,对第一子点云和第二子点云进行精拼接。
其中,线激光三维相机作为一种高精度的三维扫描设备,在进行扫描时,需要与被扫描物体保持一定的距离,并且需要外部移动机构带动线激光三维相机在一个方向上持续运动,才能获得线激光三维相机视野范围内的完整的点云。
为了使单个线激光三维相机实现多个三维相机的功能,需要使三维相机具有运动能力。六轴机器人具有六个自由度的运动能力,再加上一个水平移动结构(即支架104上的结构),可以满足线激光三维相机运动需要。因此设计系统硬件结构如图1所示,将三维相机固定在六轴机器人末端,同时为六轴机器人增加一个水平移动结构,实现整个机器人的水平移动。
在使用线激光三维相机扫描工作平台时,调整机器人姿态,使得工作平台处于线激光三维相机视野范围内,之后,启动水平移动结构,使线激光三维相机水平移动实现工作平台的部分扫描(即扫描区域),得到工作平台部分点云。
本申请实施例中,通过六轴机器人携带单个的线激光三维相机在滑槽上来回移动,对整个扫描区域不同行进行扫描,实现大视场的全景扫描,结构非常简单,相应的,安装和控制也非常简单,实现了对结构和控制的简化,相邻的两次扫描之间有重合区域,这样,在进行粗拼接之后,可以仅基于重合区域的点云,计算旋转矩阵和平移矩阵,大大减少了点云的数量,减少了精拼接时间,提高了拼接精度。
实施中,原始的点云数据质量参差不齐、数量庞大,为了提高拼接效果、提高处理效果,对N片子点云进行粗拼接处理之前,还可以对N片子点云进行背景去除处理和噪点去除处理。
其中,背景去除处理是指去除目标物体以外的背景点云。
由于采集方式、外界环境的影响,直接采集的点云的数据存在大量的噪声点,如果不对这些噪声点进行处理,会直接影响后续点云配准结果,导致算法陷入局部最优解。点云滤波作为点云预处理的步骤,其作用是去除以上噪声点,使得后续点云处理能够更好的进行。其中,常用的点云滤波算法有:双边滤波、条件滤波、高斯滤波和直通滤波等。由于使用线激光三维相机采集的点云属于有序数据,因此采用高斯滤波对采集得到的点云进行处理,进行噪声点的去除,效果更好。
上述步骤12中,对N片子点云进行粗拼接处理时,可以采用基于协方差矩阵的点云粗拼接算法对N片子点云进行粗拼接处理。
根据协方差矩阵理论描述,可以用协方差矩阵描述一个点云,并且可以用协方差矩阵的特征值与特征向量来表征该点云的特征,利用矩阵性质对点云进行处理,得到两个点云间的转换矩阵。基于协方差矩阵点云粗拼接的基本原理是:根据两点云质心位置求取表征两点云的协方差矩阵,再根据协方差矩阵特征值与特征向量计算两点云之间的刚性变换矩阵,实现点云粗拼接。如此,采用基于协方差矩阵的点云粗拼接算法,直接利用点云预处理后的点云数据进行特征分析,特征匹配及奇异值分解(Singular ValueDecomposition,SVD)求取刚性变换矩阵,算法拼接速度快,可为后续精拼接提供较好的初始位置。
一些实施例中,提取每两片子点云中第一子点云与第二子点云之间的重合区域作为ROI区域之后,基于ICP算法,根据第一子点云的ROI区域和第二子点云中ROI区域的点云,对第一子点云和第二子点云进行精拼接之前,还可以分别对第一子点云的ROI区域和第二子点云中ROI区域的点云建立kd-tree数据结构。具体的,kd-tree数据结构的建立方式如下:
步骤一、确定split域的值;
步骤二、确定根节点;
步骤三、确定左右子数;
步骤四、返回步骤一,直至保存完所有数据。
一般来说,构造一个kd-tree后ICP算法的时间复杂度为O[Nlog2N],其中N为点云迭代个数。否则,ICP算法的时间会变成O[N3]。因此,利用kd-tree数据结构会加快ICP算法计算效率。
传统的ICP算法中,在确定两片子点云对应点后,存在一定数量的错误的对应点,为解决这一问题,本申请的发明人在原算法的基础上,通过刚性变换一致性原则来减少误匹配的对应点,防止算法陷入局部最优解,使用点云刚性变换一致性原则的方法原理如下:
为了方便说明,设有两子点云第一子点云P和第二子点云Q,第一子点云P和第二子点云Q间具有一定的重合区域。点p1和点p2为子点云P中重合区域的两点,点q1点和q2为子点云Q中重合区域的两点。并且点p1和点q1为对应点,p2与q2为一组对应点。由于第一子点云P和第二子点云Q都是刚性点云,遵从刚性变换一致性(也称刚性运动一致性)原则,应有||p1-p2||=||q1-q2||,其中,||p1-p2||是指点p1和点p2之间的欧式距离,||q1-q2||是指与点q1与点q2之间的欧式距离。所有不满足该原则的对应点都为错误的对应点。基于欧式距离及上述刚性变换一致性原则可得:
其中,δ为第一预设阈值。
利用矩阵分解的思想,将原矩阵分为若干子矩阵的乘积来进行线性方程求解的方法被称为SVD算法,具体算法原理为:对于任意矩阵A∈Rm×n,R的大小为m行n列,一定有矩阵U=[u1,…um]∈Rm×n与矩阵V=[v1,...vn]∈Rm×n存在,使得公式(2)成立:
公式(2)中∑r=diag(σ1,σ2,…σr),σ1≥σ2≥…≥σr≥0。其中,u1,...um为矩阵U的元素,v1,...vn为矩阵V的元素,其中上标T为矩阵的转置,r为矩阵A的秩。
σ1,σ2...σr为矩阵A的奇异值。
基于此,上述步骤13中,基于ICP算法,根据第一子点云的ROI区域和第二子点云中ROI区域的点云,对第一子点云和第二子点云进行精拼接,如图3所示,具体实现方式可以是:
步骤31、获取第一子点云的ROI区域和第二子点云中ROI区域的点云,执行步骤32。
步骤32、将第一子点云的ROI区域和第二子点云中ROI区域的点云进行对应点匹配,得到对应点集合,执行步骤33。
本步骤中,基于以上刚性变换一致性原则进行对应点匹配,对应点需要满足公式(1)。
步骤33、采用SVD算法计算对应点集合的旋转矩阵和平移矩阵,利用旋转矩阵和平移矩阵对第一子点云进行变换,执行步骤34。
步骤34、计算变换后的第一子点云与第二子点云之间的平均距离,执行步骤35。
本步骤中,可以计算平均的欧式距离。
步骤35、判断平均距离是否小于预设距离,若是,执行步骤36,否则,返回步骤32。
本步骤中,判断是否满足公式(3),若满足,认为平均距离小于预设距离。其中第二预设阈值ε取值可以但不限于为0.1,可以在0.09-1.1范围内选择。
其中,n表示点对的个数,第i个点对中,qi表示第二子点云内的点,p′i表示变换后的第一子点云内的点。
步骤36、若平均距离小于预设距离,确定完成精拼接。
有一些情况下,始终无法得到满足预设条件的平均距离,这时,说明拼接效果不佳。为了提高拼接效果,本实施例提供的方法,还可以包括:统计得到平均距离的次数;若平均距离大于或者等于预设距离,且统计得到的次数大于预设次数,将重合区域的第一预设百分比增加第二预设百分比,重新针对每两片子点云进行精拼接处理步骤。
如此,通过自动增大两个子点云之间的重合区域,来增强拼接效果,拼接更加准确。
其中,重合区域的第一预设百分比至少为40%,可以设置第二预设百分比为0.1%~1%,较佳地,设置0.5%。
参见图4,图4是本申请另一个实施例提供的一种点云获取的装置结构图。
如图4所示,本实施例提供一种点云获取的装置,应用于线激光三维相机系统中,线激光三维相机系统包括:工作平台,工作平台包括第一区域和第二区域,第一区域上设置有用于放置目标物体的扫描区域,第二区域上设置有支架,支架上设置有沿第一方向延伸的一对导轨;一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,一对导轨上方设置有支撑板;支撑板底部设置有与一对滑轨匹配的滑槽,支撑板上还设置有驱动电机,驱动电机的转轴上固定有齿轮,齿轮与齿条相啮合,支撑板上固定有六轴机器人,六轴机器人上固定有一个线激光三维相机;本实施例的装置包括:
点云采集模块401,用于控制驱动电机驱动齿轮沿齿条来回移动,以及控制六轴机器人沿第二方向移动,以使得支撑板上的六轴机器人携带线激光三维相机对扫描区域进行N行扫描,采集得到N片子点云,其中,相邻的子点云之间具有第一预设百分比的重合区域;
点云粗拼接模块402,用于对N片子点云进行粗拼接处理;
点云精拼接模块403,用于针对每两片子点云进行精拼接处理步骤:提取每两片子点云中第一子点云与第二子点云之间的重合区域作为ROI区域,基于ICP算法,根据第一子点云的ROI区域和第二子点云中ROI区域的点云,对第一子点云和第二子点云进行精拼接。
本实施例的具体实现方案可以参见前述点云获取的方法实施例中的相关说明,此处不再赘述。
参见图5,图5是本申请一个实施例提供的一种点云拼接的系统结构示意图。
如图5所示,本实施例提供的一种点云获取的系统,包括:
线激光三维相机系统;工作平台,工作平台包括第一区域和第二区域,第一区域上设置有用于放置目标物体的扫描区域,第二区域上设置有支架,支架上设置有沿第一方向延伸的一对导轨;一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,一对导轨上方设置有支撑板;支撑板底部设置有与一对滑轨匹配的滑槽,支撑板上还设置有驱动电机,驱动电机的转轴上固定有齿轮,齿轮与齿条相啮合,支撑板上固定有六轴机器人,六轴机器人上固定有一个线激光三维相机;
处理器501,以及与处理器相连接的存储器502;处理器还与六轴机器人111、线激光三维相机112、驱动电机109连接;
存储器用于存储计算机程序;
处理器用于调用并执行存储器中的计算机程序,以执行如以上任意实施例的点云获取的方法。
本实施例的具体实现方案可以参见前述点云获取的方法实施例中的相关说明,此处不再赘述。
本申请另一个实施例提供一种存储介质,存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如以上任意实施例所述的点云获取的方法。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本申请的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本申请的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请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一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种点云获取的方法,其特征在于,应用于线激光三维相机系统中,所述线激光三维相机系统包括:工作平台,所述工作平台包括第一区域和第二区域,所述第一区域上设置有用于放置目标物体的扫描区域,所述第二区域上设置有支架,所述支架上设置有沿第一方向延伸的一对导轨;所述一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,所述一对导轨上方设置有支撑板;所述支撑板底部设置有与所述一对滑轨匹配的滑槽,所述支撑板上还设置有驱动电机,所述驱动电机的转轴上固定有齿轮,所述齿轮与所述齿条相啮合,所述支撑板上固定有六轴机器人,所述六轴机器人上固定有一个线激光三维相机;所述方法包括:
控制所述驱动电机驱动所述齿轮沿所述齿条来回移动,以及控制所述六轴机器人沿第二方向移动,以使得所述支撑板上的所述六轴机器人携带所述线激光三维相机对所述扫描区域进行N行扫描,采集得到N片子点云,其中,相邻的子点云之间具有第一预设百分比的重合区域;
对所述N片子点云进行粗拼接处理;
针对每两片所述子点云进行精拼接处理步骤:提取每两片所述子点云中第一子点云与第二子点云之间的所述重合区域作为ROI区域,基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接。
2.根据权利要求1所述的方法,其特征在于,所述提取每两片所述子点云中第一子点云与第二子点云之间的所述重合区域作为ROI区域之后,基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接之前,还包括:
分别对第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云建立kd-tree数据结构。
3.根据权利要求1或2所述的方法,其特征在于,所述基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接,包括:
获取所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云;
将所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云进行对应点匹配,得到对应点集合;
采用SVD算法计算所述对应点集合的旋转矩阵和平移矩阵,利用所述旋转矩阵和平移矩阵对所述第一子点云进行变换;
计算变换后的所述第一子点云与所述第二子点云之间的平均距离;
判断所述平均距离是否小于预设距离;
若所述平均距离小于预设距离,确定完成精拼接;
若所述平均距离大于或者等于预设距离,重新将变换后的所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云进行对应点匹配。
4.根据权利要求3所述的方法,其特征在于,还包括:
统计得到所述平均距离的次数;
若所述平均距离大于或者等于预设距离,且统计得到的次数大于预设次数,将所述重合区域的所述第一预设百分比增加第二预设百分比,重新针对每两片所述子点云进行精拼接处理步骤。
5.根据权利要求1所述的方法,其特征在于,所述对所述N片子点云进行粗拼接处理之前,还包括:
对所述N片子点云进行背景去除处理和噪点去除处理。
6.根据权利要求5所述的方法,其特征在于,所述噪点去除处理,包括:
基于高斯滤波进行噪点去除处理。
7.根据权利要求1所述的方法,其特征在于,所述对所述N片子点云进行粗拼接处理,包括:
采用基于协方差矩阵的点云粗拼接算法对所述N片子点云进行粗拼接处理。
8.一种点云获取的装置,其特征在于,应用于线激光三维相机系统中,所述线激光三维相机系统包括:工作平台,所述工作平台包括第一区域和第二区域,所述第一区域上设置有用于放置目标物体的扫描区域,所述第二区域上设置有支架,所述支架上设置有沿第一方向延伸的一对导轨;所述一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,所述一对导轨上方设置有支撑板;所述支撑板底部设置有与所述一对滑轨匹配的滑槽,所述支撑板上还设置有驱动电机,所述驱动电机的转轴上固定有齿轮,所述齿轮与所述齿条相啮合,所述支撑板上固定有六轴机器人,所述六轴机器人上固定有一个线激光三维相机;所述装置包括:
点云采集模块,用于控制所述驱动电机驱动所述齿轮沿所述齿条来回移动,以及控制所述六轴机器人沿第二方向移动,以使得所述支撑板上的所述六轴机器人携带所述线激光三维相机对所述扫描区域进行N行扫描,采集得到N片子点云,其中,相邻的子点云之间具有第一预设百分比的重合区域;
点云粗拼接模块,用于对所述N片子点云进行粗拼接处理;
点云精拼接模块,用于针对每两片所述子点云进行精拼接处理步骤:提取每两片所述子点云中第一子点云与第二子点云之间的所述重合区域作为ROI区域,基于ICP算法,根据所述第一子点云的ROI区域和所述第二子点云中所述ROI区域的点云,对所述第一子点云和所述第二子点云进行精拼接。
9.一种点云获取的系统,其特征在于,包括:
线激光三维相机系统;工作平台,所述工作平台包括第一区域和第二区域,所述第一区域上设置有用于放置目标物体的扫描区域,所述第二区域上设置有支架,所述支架上设置有沿第一方向延伸的一对导轨;所述一对导轨中,其中一个导轨靠近另一个导轨的侧面上设置有齿条,所述一对导轨上方设置有支撑板;所述支撑板底部设置有与所述一对滑轨匹配的滑槽,所述支撑板上还设置有驱动电机,所述驱动电机的转轴上固定有齿轮,所述齿轮与所述齿条相啮合,所述支撑板上固定有六轴机器人,所述六轴机器人上固定有一个线激光三维相机;
处理器,以及与所述处理器相连接的存储器;所述处理器还与所述六轴机器人、所述线激光三维相机、所述驱动电机连接;
所述存储器用于存储计算机程序;
所述处理器用于调用并执行所述存储器中的所述计算机程序,以执行如权利要求1-7任一项所述的点云获取的方法。
10.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-7任一项所述的点云获取的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910476628.1A CN110189257B (zh) | 2019-06-03 | 2019-06-03 | 点云获取的方法、装置、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910476628.1A CN110189257B (zh) | 2019-06-03 | 2019-06-03 | 点云获取的方法、装置、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110189257A true CN110189257A (zh) | 2019-08-30 |
CN110189257B CN110189257B (zh) | 2023-05-09 |
Family
ID=67719913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910476628.1A Active CN110189257B (zh) | 2019-06-03 | 2019-06-03 | 点云获取的方法、装置、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110189257B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111150175A (zh) * | 2019-12-05 | 2020-05-15 | 新拓三维技术(深圳)有限公司 | 一种双足三维扫描方法、装置及系统 |
CN111192300A (zh) * | 2019-12-30 | 2020-05-22 | 南京航空航天大学 | 一种用于局部形变测量的稀疏标志点数据配准方法及装置 |
CN112033297A (zh) * | 2020-08-10 | 2020-12-04 | 山东科技大学 | 一种基于近景摄影测量技术的井架变形监测方法 |
CN112784802A (zh) * | 2021-02-03 | 2021-05-11 | 成都多极子科技有限公司 | 一种基于激光扫描三维点云的掌纹识别系统及方法 |
CN113362328A (zh) * | 2021-08-10 | 2021-09-07 | 深圳市信润富联数字科技有限公司 | 点云图生成方法、装置、电子设备和存储介质 |
CN113689471A (zh) * | 2021-09-09 | 2021-11-23 | 中国联合网络通信集团有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
CN113763570A (zh) * | 2020-06-01 | 2021-12-07 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103694A1 (zh) * | 2016-12-07 | 2018-06-14 | 苏州笛卡测试技术有限公司 | 一种机器人三维扫描装置及方法 |
CN108204791A (zh) * | 2017-12-30 | 2018-06-26 | 北京工业大学 | 一种六轴线激光齿轮测量装置 |
CN109238168A (zh) * | 2018-08-06 | 2019-01-18 | 大连理工大学 | 大尺寸测量件表面三维形状高精度测量方法 |
-
2019
- 2019-06-03 CN CN201910476628.1A patent/CN110189257B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103694A1 (zh) * | 2016-12-07 | 2018-06-14 | 苏州笛卡测试技术有限公司 | 一种机器人三维扫描装置及方法 |
CN108204791A (zh) * | 2017-12-30 | 2018-06-26 | 北京工业大学 | 一种六轴线激光齿轮测量装置 |
CN109238168A (zh) * | 2018-08-06 | 2019-01-18 | 大连理工大学 | 大尺寸测量件表面三维形状高精度测量方法 |
Non-Patent Citations (3)
Title |
---|
张正宇: "复杂工况机器人切割视觉引导系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
王晶等: "基于ROI块匹配的全景图像拼接鲁棒性方法", 《计算机应用研究》 * |
谢显飞: "三维视觉在工业机器人行业的关键技术研究及应用", 《民营科技》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111150175A (zh) * | 2019-12-05 | 2020-05-15 | 新拓三维技术(深圳)有限公司 | 一种双足三维扫描方法、装置及系统 |
CN111192300A (zh) * | 2019-12-30 | 2020-05-22 | 南京航空航天大学 | 一种用于局部形变测量的稀疏标志点数据配准方法及装置 |
CN111192300B (zh) * | 2019-12-30 | 2023-11-07 | 南京航空航天大学 | 一种用于局部形变测量的稀疏标志点数据配准方法及装置 |
CN113763570A (zh) * | 2020-06-01 | 2021-12-07 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
CN113763570B (zh) * | 2020-06-01 | 2024-05-10 | 武汉海云空间信息技术有限公司 | 隧道点云高精度快速自动拼接方法 |
CN112033297A (zh) * | 2020-08-10 | 2020-12-04 | 山东科技大学 | 一种基于近景摄影测量技术的井架变形监测方法 |
CN112784802A (zh) * | 2021-02-03 | 2021-05-11 | 成都多极子科技有限公司 | 一种基于激光扫描三维点云的掌纹识别系统及方法 |
CN112784802B (zh) * | 2021-02-03 | 2024-04-09 | 成都多极子科技有限公司 | 一种基于激光扫描三维点云的掌纹识别系统及方法 |
CN113362328A (zh) * | 2021-08-10 | 2021-09-07 | 深圳市信润富联数字科技有限公司 | 点云图生成方法、装置、电子设备和存储介质 |
CN113362328B (zh) * | 2021-08-10 | 2021-11-09 | 深圳市信润富联数字科技有限公司 | 点云图生成方法、装置、电子设备和存储介质 |
CN113689471A (zh) * | 2021-09-09 | 2021-11-23 | 中国联合网络通信集团有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
CN113689471B (zh) * | 2021-09-09 | 2023-08-18 | 中国联合网络通信集团有限公司 | 目标跟踪方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110189257B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110189257A (zh) | 点云获取的方法、装置、系统及存储介质 | |
US11971726B2 (en) | Method of constructing indoor two-dimensional semantic map with wall corner as critical feature based on robot platform | |
CN103307975B (zh) | 模型生成设备和方法以及信息处理设备和方法 | |
CN111402414B (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
CN108564616A (zh) | 快速鲁棒的rgb-d室内三维场景重建方法 | |
CN106127145B (zh) | 瞳孔定位及跟踪方法 | |
CN108603936A (zh) | 激光扫描系统、激光扫描方法、移动激光扫描系统及程序 | |
CN107705328A (zh) | 用于3d对准算法的平衡探针位置选择 | |
CN110276287A (zh) | 车位检测方法、装置、计算机设备以及存储介质 | |
CN111105495A (zh) | 一种融合视觉语义信息的激光雷达建图方法及系统 | |
CN108994832A (zh) | 一种基于rgb-d相机的机器人手眼系统及其自标定方法 | |
CN113011401B (zh) | 人脸图像姿态估计和校正方法、系统、介质及电子设备 | |
CN110648362B (zh) | 一种双目立体视觉的羽毛球定位识别与姿态计算方法 | |
CN110133014A (zh) | 一种芯片内部缺陷检测方法及系统 | |
CN116740539A (zh) | 基于轻量化目标检测网络的视觉slam方法及系统 | |
CN116429082A (zh) | 一种基于st-orb特征提取的视觉slam方法 | |
CN108088389A (zh) | 一种旋转式双激光轮廓测量方法、存储装置及测量装置 | |
CN107478205A (zh) | 航空发动机高精度装配质量检测机器人系统 | |
Lv et al. | A point tracking method of TDDM for vibration measurement and large-scale rotational motion tracking | |
CN111898552B (zh) | 一种判别人员关注目标物的方法、装置及计算机设备 | |
CN117132563A (zh) | 一种玻璃缺陷检测方法、装置、电子设备及存储介质 | |
CN115359119A (zh) | 一种面向无序分拣场景的工件位姿估计方法及装置 | |
WO2021114775A1 (en) | Object detection method, object detection device, terminal device, and medium | |
CN207924743U (zh) | 一种基于单线激光雷达与pcl点云库的三维重建系统 | |
Liang | Mechanical Parts Pose Detection System Based on ORB Key Frame Matching Algorithm |
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 |