CN114882087A - 针对具有不完整基本图元的三维扫描点云实时配准方法 - Google Patents

针对具有不完整基本图元的三维扫描点云实时配准方法 Download PDF

Info

Publication number
CN114882087A
CN114882087A CN202210812414.9A CN202210812414A CN114882087A CN 114882087 A CN114882087 A CN 114882087A CN 202210812414 A CN202210812414 A CN 202210812414A CN 114882087 A CN114882087 A CN 114882087A
Authority
CN
China
Prior art keywords
primitive
basic
model
point cloud
primitives
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
Application number
CN202210812414.9A
Other languages
English (en)
Other versions
CN114882087B (zh
Inventor
颜昌亚
方跃
马磊
王啸雄
李振瀚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Hanmai Technology Co ltd
Original Assignee
Wuhan Hanmai Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Hanmai Technology Co ltd filed Critical Wuhan Hanmai Technology Co ltd
Priority to CN202210812414.9A priority Critical patent/CN114882087B/zh
Publication of CN114882087A publication Critical patent/CN114882087A/zh
Application granted granted Critical
Publication of CN114882087B publication Critical patent/CN114882087B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种针对具有不完整基本图元的三维扫描点云实时配准方法，包括以下步骤：S1：标准模型预处理；S2：数据准备；S3：点云模型基本图元的识别与提取；S4：在标准模型的基本图元数据集中，搜索点云模型基本图元集合中元素的对应图元特征集合；S5：在点云模型的基本图元集合中，确定所有可能的特征组合；S6：在标准模型中搜索点云模型的图元对集合中图元对的可能图元对，进行基本图元配准计算；S7：选择具有最小配准误差的基本图元对组合，输出最终的配准结果。本发明适用于现有技术中点云数据不完整的情况，提供的结果，可用于后续制造过程中，实现自动特征提取、自动检测分析、以及自动编程加工等，具有较高的实用价值。

Description

针对具有不完整基本图元的三维扫描点云实时配准方法
技术领域
本发明属于智能制造技术领域，具体涉及一种在自动制造工作站中，对利用三维扫描设备获得的零件点云数据与预先设定的标准模型进行在线实时配准的算法。
背景技术
近年来利用三维扫描设备获取实际零件的点云数据来形成零件数字模型的技术已经成熟。借助三维扫描设备的帮助，针对生产线上的大批量零件进行三维扫描，可以获得零件的实时三维模型，从而为制造自动化提供了基本条件。以工业机器人相关的复杂曲线曲面加工如激光切割、打磨、抛光等应用为例，具有精度要求高、编程复杂、零件来料一致性无法保证等特点，针对其产品零件的在线自动化测量建模可以支持后续制造工艺如自动加工、自动装配，提升整条生产线的智能化水平。
三维扫描获得的零件点云模型需要进行模型重构，不仅要获得其零件外形的形状数据，而且要获得其特征（与工艺有关）数据，才能供质量检测以及后续工艺使用。其中一个关键问题，是将标准的零件模型与实际的点云零件模型进行配准，完成配准后，不仅可以获得实际零件的装夹姿态，还能帮助后续工艺进行特征识别和几何重构。但针对零件点云数据与标准零件模型的配准方法存在以下问题：1）针对零件的三维扫描的数据可能不完整；2）由于精度要求高，扫描的数据点数量巨大，计算效率上可能不满足在线计算的需求。3）扫描的数据可能包括环境（如装夹）数据，需要排除其对配准结果的干扰。克服以上问题，实现不完整点云数据与标准零件模型的配准，对于大批量高精度零件在线检测，具有重要的意义。考虑到大批量零件在设计、制造和装配中，都需要设定基准，而在零件的标准模型中，可以合理假设一定存在平面，圆柱，圆锥，球面，圆环面之中的一种或者多种（称为基本图元）。所以本发明针对具有基本图元的不完整扫描点云零件提供在线实时配准算法。
关于点云的配准已经有大量的文献，其中应用最广泛的是ICP（IterativeCloased Point）以及ICP的各种改进算法。ICP通过欧式变换求解出两片点云的旋转平移矩阵及对应的配准误差。但ICP算法在处理大规模点云时存在效率问题，配准结果受初值影响且无法处理模型不完整的问题。后期Biber等基于概率密度模型提出了Normal DistributeTransform（NDT）算法，计算复杂度降低，但仍然无法处理模型不完整问题。研究者进一步公开了基于特征学习的配准方法，利用RANSAC(随机一致性采样)算法，作为特征提取工具，并通过特征学习来估计配准关系，这些方法需要大量训练数据，且如果场景与训练数据参在分布差异时，配准性能会急剧下降。现有技术中公布的算法有先在两组配准的点云中找到特征点对，利用RANSAC算法消除错误的配对关系，来完成粗配准，最后通过改进法线腹部变换算法来实现精配准。或将RANSAC用于无序点云中的基本图元识别，能从大规模点云中高效识别平面，球面，圆柱，圆锥以及圆环，为基于特征匹配的点云配准算法提供了基础的特征提取功能。
发明人前期工作产生的申请号为202110498865.5的发明专利申请：《针对具有平面基准但不完整的三维扫描点云在线实时配准方法》中，建立了针对不完整扫描点云与理论模型的在线实时配准方法，但只考虑了零件模型中仅具有平面图元的情况。
综上，在处理具有标准模型的不完整点云模型的配准上，需要提供更通用的能在线实时完成的高效算法，以满足自动制造过程中的工序节拍要求，配准后的信息可用于后续的自动检测或者加工流程。
发明内容
针对现有技术存在的问题，本发明提供一种针对具有不完整基本图元的三维扫描点云实时配准方法，以满足在线实时运行的需求。本发明适用的场景是针对具有制造基准的工业零件（模型几何中含平面，圆柱，圆锥，球面，圆环面之中的一种或者多种基本图元），并具有标准参考模型数据，其实际的点云模型数据由三维扫描设备获取，由于在制造过程中，可能无法完整扫描整个零件，所以所获得的点云模型数据大概率是不完整的。本发明为解决现有技术中存在的问题采用的技术方案如下：
一种针对具有不完整基本图元的三维扫描点云实时配准方法，包括以下步骤：
S1：标准模型预处理，包括以下子步骤：
S11：输入标准模型文件，支持两种格式，第一种为CAD模型文件，如IGES,STEP等，另外一种为离散模型格式，如点云数据或者Facet(面片结构)模型文件等；
S12：判断输入的标准模型文件格式，如果是CAD模型，进入S13，如果不是，则进入S14；
S13：对CAD模型中的曲面几何对象进行遍历，获取其基本图元集合。对获得的所有基本图元对象，按“圆环面、圆锥面、圆柱面、球面、平面”的类型分别建立数据列表，并在各自的数据列表中，按照特征辨识度（考虑图元面积，面积越大，辨识度越高）排序；若基础图元中，不包含上述五种基础图元类型中的任意一种，则该模型不满足本发明所适用的零件对象；
S14：调用RANSAC形状识别算法对离散模型中的几何图元进行识别，获取其基本图元集合以及各图元的拟合误差数据，对获得的所有基本图元对象，按“圆环面、圆锥面、圆柱面、球面、平面”的类型分别建立数据列表，并在各自的数据列表中，按照特征辨识度排序；若基础图元中，不包含上述五种基础图元类型中的任意一种，则该模型不满足本发明所适用的零件对象；
S15：记录标准模型中基本图元的几何特征信息，包括但不限于几何中心的位置、材料侧方位，边界形状以及面积数据；并进行排序，排序的原则如下：
首要考虑各类基本图元数据列表所包含的元素数目，基础图元的数目越少（独特性越强）排序越靠前；
其次考虑基本图元类型序列“平面，球面，圆柱面，锥面，圆环面”的逆序，越靠后的，排序越高；
最后在同类型的基本图元类型中，考虑面积的大小，面积越大，排序越高。
排序的目的是为了在大多数情况下，加速搜索迭代的收敛速度，并不是强制性的要求。
对基本图元数据的收集与排序可形成标准模型特征模板文件数据，记为
Figure 37502DEST_PATH_IMAGE001
，包括
Figure 767692DEST_PATH_IMAGE002
，
Figure 813009DEST_PATH_IMAGE003
，
Figure 739376DEST_PATH_IMAGE004
，
Figure 632377DEST_PATH_IMAGE005
，
Figure 720419DEST_PATH_IMAGE006
，其中的下标i标识各图元数据列表的元素标号，
Figure 518611DEST_PATH_IMAGE007
表示各数据列表包含元素的数目，各数据列表的大小（所包含元素的数目）因模型而异，不尽相同。
S16：对标准模型的特征模板文件进行审查和优化，特别是当输入为离散模型时，可以人工干预识别结果，排除误识别或者不显著的基本图元。
S17：将
Figure 793210DEST_PATH_IMAGE008
，
Figure 727668DEST_PATH_IMAGE003
，
Figure 252190DEST_PATH_IMAGE004
，
Figure 85148DEST_PATH_IMAGE009
，
Figure 87739DEST_PATH_IMAGE006
}，输出为标准模型的基本图元特征模板文件，作为后续配准计算的输入数据。
S2：数据准备：提供三维扫描的点云模型文件，以及在标准模型文件和在预处理阶段产生的基本图元特征模板数据文件，作为算法的输入数据；
S3：点云模型基本图元的识别与提取：对三维扫描点云模型调用RANSAC算法，识别出其中的所有基本图元集合，记为
Figure 142282DEST_PATH_IMAGE010
，
Figure 650755DEST_PATH_IMAGE011
，
Figure 157960DEST_PATH_IMAGE012
，
Figure 511712DEST_PATH_IMAGE013
，
Figure 686341DEST_PATH_IMAGE014
}，参考前述S15，对每个图元在同类型数据列表中的位置进行排序；
S4：针对点云模型的基本图元集合中的元素，在标准模型的基本图元数据集中，搜索该元素可能的对应图元特征集合。首先设定判定允许误差（长度误差LTol，可取2mm；角度误差ATol，可取1度)，在与标准模型中的基本图元进行几何参数比较时，偏差在允许误差范围内视为相等。
考虑圆环面。对于点云模型基本图元中的圆环面集合
Figure 287087DEST_PATH_IMAGE015
的任意
Figure 91708DEST_PATH_IMAGE016
，与标准模型中的
Figure 436101DEST_PATH_IMAGE017
中的任意圆环面
Figure 465237DEST_PATH_IMAGE018
之间，比较内环半径和外环半径的数值，若都相等，将该
Figure 315513DEST_PATH_IMAGE019
加入
Figure 797309DEST_PATH_IMAGE016
的对应图元集合中，从而建立
Figure 742132DEST_PATH_IMAGE016
在标准模型中的对应图元（圆环面）的集合，记为{
Figure 376507DEST_PATH_IMAGE020
，假如
Figure 584634DEST_PATH_IMAGE016
在标准模型中无法找到至少1个对应的图元，则将
Figure 350465DEST_PATH_IMAGE016
从
Figure 787393DEST_PATH_IMAGE015
中剔除。
考虑圆锥面。对于点云模型基本图元中的圆锥面集合
Figure 791121DEST_PATH_IMAGE011
的任意
Figure 232467DEST_PATH_IMAGE021
，与标准模型中的
Figure 171080DEST_PATH_IMAGE003
中的任意圆锥面
Figure 926546DEST_PATH_IMAGE022
之间，比较圆锥角的数值，若相等，将该
Figure 315939DEST_PATH_IMAGE022
加入
Figure 882181DEST_PATH_IMAGE023
的对应图元集合中。从而建立
Figure 560287DEST_PATH_IMAGE021
在标准模型中的对应图元（圆锥面）的集合，记为{
Figure 916182DEST_PATH_IMAGE024
，假如
Figure 379655DEST_PATH_IMAGE021
在标准模型中无法找到至少1个对应的图元，则将该
Figure 834907DEST_PATH_IMAGE021
从
Figure 62626DEST_PATH_IMAGE011
中剔除。
考虑圆柱面。对于点云模型基本图元中的圆柱面集合
Figure 645049DEST_PATH_IMAGE012
的任意
Figure 477875DEST_PATH_IMAGE025
，与标准模型中的
Figure 166346DEST_PATH_IMAGE004
中的任意圆柱面
Figure 566847DEST_PATH_IMAGE026
之间，比较圆柱面直径值，若相等，将该
Figure 467807DEST_PATH_IMAGE026
加入
Figure 686298DEST_PATH_IMAGE025
的对应图元集合中，从而建立
Figure 499665DEST_PATH_IMAGE025
在标准模型中的对应图元（圆柱面）的集合，记为{
Figure 436397DEST_PATH_IMAGE027
。假如标准模型中无法找到至少1个对应图元，则将该
Figure 141047DEST_PATH_IMAGE025
从
Figure 168040DEST_PATH_IMAGE012
中剔除。
考虑球面。对于点云模型基本图元中的球面集合
Figure 463893DEST_PATH_IMAGE013
的任意
Figure 91183DEST_PATH_IMAGE028
，与标准模型中的
Figure 819099DEST_PATH_IMAGE009
中的任意圆环面
Figure 12183DEST_PATH_IMAGE029
之间，比较球面直径值，若相等，将该
Figure 416619DEST_PATH_IMAGE029
加入
Figure 75746DEST_PATH_IMAGE028
的对应图元集合中，从而建立
Figure 856620DEST_PATH_IMAGE028
在标准模型中的对应图元（球面）的集合，记为
Figure 107473DEST_PATH_IMAGE030
。假如标准模型中无法找到至少1个对应图元，则剔除该
Figure 699123DEST_PATH_IMAGE028
。
考虑平面。处理方式可参考申请号为202110498865.5的发明专利申请《针对具有平面基准但不完整的三维扫描点云在线实时配准方法》中的方法进行可能对应平面判断，建立
Figure 97743DEST_PATH_IMAGE031
在标准模型中的对应图元（平面）的集合，记为{
Figure 416729DEST_PATH_IMAGE032
，假如在标准模型中无法找到
Figure 335137DEST_PATH_IMAGE031
的至少1个对应图元，则将该
Figure 346956DEST_PATH_IMAGE031
从
Figure 904976DEST_PATH_IMAGE014
中剔除。
即对于点云模型中识别出来的任意图元
Figure 840702DEST_PATH_IMAGE033
，都可以在标准模型中，建立其对应的图元集合，记为
Figure 800568DEST_PATH_IMAGE034
。
需要保证
Figure 551265DEST_PATH_IMAGE035
，
Figure 862161DEST_PATH_IMAGE011
，
Figure 788529DEST_PATH_IMAGE012
，
Figure 415950DEST_PATH_IMAGE013
四组图元中至少有一个基本图元。假如
Figure 769571DEST_PATH_IMAGE035
，
Figure 567763DEST_PATH_IMAGE011
，
Figure 845292DEST_PATH_IMAGE012
，
Figure 514170DEST_PATH_IMAGE013
中没有可用的基本图元，则本发明面对的问题变成只具有平面基准但不完整的三维扫描点云在线实时配准问题，可参考申请号为202110498865.5的发明专利申请《针对具有平面基准但不完整的三维扫描点云在线实时配准方法》中的方法解决。
如果能保证
Figure 304272DEST_PATH_IMAGE035
，
Figure 137230DEST_PATH_IMAGE011
，
Figure 139821DEST_PATH_IMAGE012
，
Figure 194364DEST_PATH_IMAGE013
四组图元中至少有一个基本图元，则同时需要保证
Figure 699908DEST_PATH_IMAGE036
至少有两个互不平行的平面。否则说明扫描的数据太少或者扫描到的点云数据不具有代表性，无法执行配准过程，给出算法报警提示。
S5：在点云模型的基本图元对象中，确定所有可能的特征组合，按特征辨识度排序；具体为采用组合方式，在
Figure 207112DEST_PATH_IMAGE035
，
Figure 13394DEST_PATH_IMAGE011
，
Figure 735494DEST_PATH_IMAGE012
，
Figure 132977DEST_PATH_IMAGE013
，
Figure 393057DEST_PATH_IMAGE014
中选择任意两个图元，形成图元对集合
Figure 488183DEST_PATH_IMAGE037
，其中
Figure 314057DEST_PATH_IMAGE033
和
Figure 85704DEST_PATH_IMAGE038
表示点云模型的任意基本图元。将两平面形成的图元对从集合中剔除。标识度高的图元类型和图元排在列表的前列，为了保证计算效率，可以控制任意图元对集合
Figure 583812DEST_PATH_IMAGE039
中的元素数目。
S6: 对点云模型的图元对集合
Figure 794214DEST_PATH_IMAGE037
的所有图元对，在标准模型中搜索其对应的可能图元对，进行基本图元配准计算，寻找最优的配准结果。
S7：选择具有最小配准误差的基本图元对组合，输出最终的配准结果。
本发明具有如下优点：
本发明只要求扫描到的点云包含平面，球面，圆柱，圆锥以及圆环这五种基本图元中的一种，所以能适应点云数据不完整的不利情况。并且通过特征识别度以及可能对应图元的比较分析，来降低搜索规模，达到在线识别所要求的效率。本发明提供的结果，可用于后续制造过程中，实现自动特征提取、自动检测分析、以及自动编程加工等，具有较高的实用价值。
与现有技术相比，本发明可扫描的点云包含了平面、球面、圆柱、圆锥以及圆环；在模型预处理中，采用建立了标准模型基本图元特征模板文件；记录标准模型中基本图元的几何特征信息，包括但不限于几何中心的位置、材料侧方位、边界形状和数据面积；
在用RANSAC形状识别算法对离散几何图元进行识别，识别出其中的所有基本图元集合，将其分为圆环面、圆锥面、圆柱面、球面、平面五个集合，然后需要保证圆环面、圆锥面、圆柱面、球面四组图元中至少有一个基本图元。且平面集合中至少有两个互不平行的平面。
考虑圆环面，对于点云模型基本图元中的圆环面集合，与标准模型中的圆环面集合中的任意圆环面之间，比较内环半径和外环半径的数值，若都相等，将该圆环面加入可能的点云圆环面对应图元集合中。
考虑圆锥面。对于点云模型基本图元中的圆锥面集合的任意圆锥面，与标准模型中的圆锥面集合中的任意圆锥面之间，比较圆锥角的数值，若都相等，将该圆锥面加入可能的点云圆锥面对应图元集合中。
考虑圆柱面。处理方式与圆环面的处理类似，不同之处在于只比较圆柱面直径值。
考虑球面。处理方式与圆环面的处理类似，不同之处在于只比较球面直径值。
假如在标准模型中无法找到上述对应的至少1个图元，则剔除该图元。
附图说明
图1为本发明所提供的针对包含基础图元的不完整点云模型与标准模型在线实时配准方法的流程图；
图2为本发明方法中步骤S1的流程图；
图3 为本发明方法所适用的应用场景示意图；
图4 为本发明实施例步骤S1中标准模型示意图；
图5 为本发明实施例中一个实际的点云模型在进行图元识别后，所得到的基本图元集合数据图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明，本发明所适用的应用场景的实施例如图3所示，包括理论模型、实际零件、和三维扫描所获得的不完整点云模型。结合图1中所示流程，本发明具体实施步骤如下：
S1：标准模型预处理。以下参考图2中所示流程图，介绍标准模型预处理过程。
S11：输入标准模型文件。支持两种格式，第一种为CAD模型文件，如IGES,STEP等，另外一种为离散模型格式，如点云数据或者Facet(面片结构)模型文件等。
S12：判断输入的标准模型文件格式。如果是CAD模型，进入S13，如果不是，则进入S14。
S13：对CAD模型中的曲面几何对象进行遍历，获取其基本图元集合。对获得的所有基本图元对象，按“圆环面、圆锥面、圆柱面、球面、平面”的类型分别建立数据列表，并在各自的数据列表中，按照特征辨识度（考虑图元面积）排序；若基础图元中，不包含上述五种基础图元类型中的任意一种，则该模型不满足本发明所适用的零件对象。
S14：调用RANSAC形状识别算法对离散模型中的几何图元进行识别，获取其基本图元集合以及各图元的拟合误差数据，对获得的所有基本图元对象，按“圆环面、圆锥面、圆柱面、球面、平面”的类型分别建立数据列表，并在各自的数据列表中，按照特征辨识度（考虑图元对应的点云面面积）排序；若基础图元中，不包含上述五种基础图元类型中的任意一种，则该模型不满足本发明所适用的零件对象。
S15：记录标准模型中基本图元的几何特征信息，包括但不限于几何中心的位置、材料侧方位，边界形状以及面积数据；并进行排序，排序的原则如下： a)首要考虑各类基本图元数据列表所包含的元素数目，基础图元的数目越少（独特性越强）排序越考前。b）其次考虑基本图元类型序列“平面，球面，圆柱面，锥面，圆环面”的逆序，越靠后的，排序越高。c）最后在同类型的基本图元类型中，考虑面积的大小，面积越大，排序越高。排序的目的是为了在大多数情况下，加速搜索迭代的收敛速度，并不是强制性的要求。
对基本图元数据的收集与排序可形成标准模型特征模板文件数据，记为
Figure 677856DEST_PATH_IMAGE001
，包括
Figure 633786DEST_PATH_IMAGE002
，
Figure 399617DEST_PATH_IMAGE003
，
Figure 85813DEST_PATH_IMAGE004
，
Figure 637011DEST_PATH_IMAGE005
，
Figure 750461DEST_PATH_IMAGE006
，其中的下标i标识各图元数据列表的元素标号，其中
Figure 754320DEST_PATH_IMAGE040
表示标准模型基本图元中的圆环面集合；
Figure 244207DEST_PATH_IMAGE003
表示标准模型基本图元中的圆锥面集合；
Figure 899180DEST_PATH_IMAGE004
表示标准模型基本图元中的圆柱面集合；
Figure 199842DEST_PATH_IMAGE005
表示标准模型基本图元中的球面集合；
Figure 143527DEST_PATH_IMAGE006
表示标准模型基本图元中的平面集合。各数据列表的大小（所包含元素的数目）因模型而异，不尽相同。参考图4中所示的标准模型为例，所获得的基本图元数据列表为：
Figure 233843DEST_PATH_IMAGE002
，大小为0；
Figure 428808DEST_PATH_IMAGE003
，大小为0；
Figure 415218DEST_PATH_IMAGE004
，大小为2；
Figure 642937DEST_PATH_IMAGE005
，大小为0；
Figure 225359DEST_PATH_IMAGE006
，大小为8。
S16：对标准模型的特征模板文件进行审查和优化，特别是当输入为离散模型时，可以人工干预识别结果，排除误识别或者不显著的基本图元。
S17：将
Figure 792607DEST_PATH_IMAGE008
，
Figure 746657DEST_PATH_IMAGE003
，
Figure 150087DEST_PATH_IMAGE004
，
Figure 785468DEST_PATH_IMAGE009
，
Figure 269539DEST_PATH_IMAGE006
}，输出为标准模型的基本图元特征模板文件，作为后续配准算的输入数据。
S2：数据准备
提供三维扫描的点云模型文件，以及在标准模型文件和在预处理阶段产生的基本图元特征模板数据文件，作为算法的输入数据。
S3：点云模型基本图元的识别与提取。
对三维扫描点云模型调用RANSAC算法，识别出其中的所有基本图元集合，记为
Figure 82905DEST_PATH_IMAGE010
，
Figure 222899DEST_PATH_IMAGE011
，
Figure 724288DEST_PATH_IMAGE012
，
Figure 748351DEST_PATH_IMAGE013
，
Figure 247466DEST_PATH_IMAGE014
}，其中
Figure 671494DEST_PATH_IMAGE015
表示点云模型基本图元中的圆环面集合；
Figure 133830DEST_PATH_IMAGE011
表示点云模型基本图元中的圆锥面集合；
Figure 795756DEST_PATH_IMAGE012
表示点云模型基本图元中的圆柱面集合；
Figure 262509DEST_PATH_IMAGE013
表示点云模型基本图元中的球面集合；
Figure 862249DEST_PATH_IMAGE014
表示点云模型基本图元中的平面集合；参考前述S15，对每个图元在同类型数据列表中的位置进行排序；图5给出的案例显示了一个实际的点云模型在进行图元识别后，所得到的基本图元集合数据。
S4：针对点云模型的基本图元集合中的元素，在标准模型的基本图元数据集中，搜索该元素可能的对应图元特征集合。首先设定判定允许误差（长度误差LTol，可取2mm；角度误差ATol，可取1度)，在与标准模型中的基本图元进行几何参数比较时，偏差在允许误差范围内视为相等。
考虑圆环面。对于点云模型基本图元中的圆环面集合
Figure 643123DEST_PATH_IMAGE015
的任意
Figure 956293DEST_PATH_IMAGE016
，与标准模型中的
Figure 282363DEST_PATH_IMAGE017
中的任意圆环面
Figure 884246DEST_PATH_IMAGE018
之间，比较内环半径和外环半径的数值，若都相等，将该
Figure 265548DEST_PATH_IMAGE018
加入
Figure 118710DEST_PATH_IMAGE016
可能的对应图元集合中。从而建立
Figure 130529DEST_PATH_IMAGE016
在标准模型中的可能对应图元（圆环面）的集合，记为{
Figure 750866DEST_PATH_IMAGE020
，假如
Figure 624275DEST_PATH_IMAGE016
在标准模型中无法找到至少1个对应的图元，则将
Figure 849720DEST_PATH_IMAGE016
从
Figure 829177DEST_PATH_IMAGE015
中剔除。
考虑圆锥面。对于点云模型基本图元中的圆锥面集合
Figure 156385DEST_PATH_IMAGE011
的任意
Figure 817173DEST_PATH_IMAGE021
，与标准模型中的
Figure 693862DEST_PATH_IMAGE003
中的任意圆锥面
Figure 63795DEST_PATH_IMAGE022
之间，比较圆锥角的数值，若都相等，将该
Figure 596407DEST_PATH_IMAGE022
加入
Figure 857625DEST_PATH_IMAGE021
可能的对应图元集合中。从而建立
Figure 805464DEST_PATH_IMAGE021
在标准模型中的可能对应图元（圆锥面）的集合，记为{
Figure 329987DEST_PATH_IMAGE024
，假如
Figure 146633DEST_PATH_IMAGE021
在标准模型中无法找到至少1个对应的图元，则将该
Figure 431115DEST_PATH_IMAGE021
从
Figure 220079DEST_PATH_IMAGE011
中剔除。
考虑圆柱面。处理方式与圆环面的处理类似，不同之处在于只比较圆柱面直径值，从而建立
Figure 712241DEST_PATH_IMAGE025
在标准模型中的可能对应图元（圆锥面）的集合，记为{
Figure 235757DEST_PATH_IMAGE027
。假如标准模型中无法找到至少1个对应图元，则剔除该
Figure 42039DEST_PATH_IMAGE025
。
考虑球面。处理方式与圆环面的处理类似，不同之处在于只比较球面直径值，从而建立
Figure 747827DEST_PATH_IMAGE028
在标准模型中的可能对应图元（圆锥面）的集合，记为{
Figure 630463DEST_PATH_IMAGE041
。假如标准模型中无法找到至少1个对应图元，则剔除该
Figure 359385DEST_PATH_IMAGE028
考虑平面。处理方式可参考申请号为202110498865.5的专利申请《针对具有平面基准但不完整的三维扫描点云在线实时配准方法》中的方法进行可能对应平面判断，建立{
Figure 31675DEST_PATH_IMAGE032
。同样的假如在标准模型中无法找到
Figure 543034DEST_PATH_IMAGE031
的至少1个对应图元，则剔除该
Figure 580260DEST_PATH_IMAGE031
。
也就是说，对于点云模型中识别出来的任意图元
Figure 124374DEST_PATH_IMAGE033
，都可以在标准模型中，建立其可能对应图元集合，记为
Figure 23191DEST_PATH_IMAGE034
。
需要保证
Figure 906833DEST_PATH_IMAGE035
，
Figure 911698DEST_PATH_IMAGE011
，
Figure 631524DEST_PATH_IMAGE012
，
Figure 583299DEST_PATH_IMAGE013
四组图元中至少有一个基本图元。假如
Figure 118186DEST_PATH_IMAGE035
，
Figure 513526DEST_PATH_IMAGE011
，
Figure 704336DEST_PATH_IMAGE012
，
Figure 256540DEST_PATH_IMAGE013
中没有可用的基本图元，则本发明面对的问题变为只具有平面基准但不完整的三维扫描点云在线实时配准问题，可参考申请号为202110498865.5的发明专利申请《针对具有平面基准但不完整的三维扫描点云在线实时配准方法》中的方法解决。
如果能保证
Figure 886015DEST_PATH_IMAGE035
，
Figure 435945DEST_PATH_IMAGE011
，
Figure 910789DEST_PATH_IMAGE012
，
Figure 220679DEST_PATH_IMAGE013
四组图元中至少有一个基本图元，则同时需要保证
Figure 667840DEST_PATH_IMAGE036
至少有两个互不平行的平面。否则说明扫描的数据太少或者扫描到的点云数据不具有代表性，无法执行配准过程，给出算法报警提示。
S5：在点云模型的基本图元对象中，确定所有可能的特征组合，按特征辨识度排序；
采用组合方式，在
Figure 450989DEST_PATH_IMAGE035
，
Figure 632702DEST_PATH_IMAGE011
，
Figure 464392DEST_PATH_IMAGE012
，
Figure 828377DEST_PATH_IMAGE013
，
Figure 736422DEST_PATH_IMAGE014
中选择任意两个图元，形成图元对集合
Figure 123541DEST_PATH_IMAGE037
，其中
Figure 821238DEST_PATH_IMAGE033
和
Figure 256374DEST_PATH_IMAGE038
表示点云模型的任意基本图元。将两平面形成的图元对从集合中剔除。标识度高的图元类型和图元排在列表的前列，为了保证计算效率，可以控制任意图元对集合
Figure 319008DEST_PATH_IMAGE039
中的元素数目。以图5中的点云为例，其
Figure 255740DEST_PATH_IMAGE039
为{(C1,P1), (C1,P2), (C1,P3), (C1,P4),(C1,P5), (C2,P1), (C2,P1), (C2,P2), (C2,P3), (C2,P4), (C2,P5)}。
S6: 对点云模型的图元对集合
Figure 445544DEST_PATH_IMAGE037
的所有图元对，在标准模型中搜索其对应的可能图元对，进行基本图元配准计算，寻找最优的配准结果。
以
Figure 518542DEST_PATH_IMAGE037
中的任意图元对
Figure 752078DEST_PATH_IMAGE042
为例，建立列表
Figure 130101DEST_PATH_IMAGE043
。其中
Figure 169601DEST_PATH_IMAGE044
表示
Figure 565947DEST_PATH_IMAGE033
在标准模型中的可能对应图元集合中的任意图元。选取所有
Figure 986695DEST_PATH_IMAGE045
和其对应的
Figure 632440DEST_PATH_IMAGE046
，进行基本图元配准计算，并记录配准误差。
S7：选择具有最小配准误差的基本图元对组合，输出最终的配准结果。
综上，本发明提出的针对具有基本图元但不完整的三维扫描点云模型的在线配准方法，可以在可控的循环次数内，利用基本图元特征的对应关系和配准计算，来实现快速配准，以达到在线实时运算的效果。
本发明的保护范围并不限于上述的实施例，显然，本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的范围和精神。倘若这些改动和变形属于本发明权利要求及其等同技术的范围内，则本发明的意图也包含这些改动和变形在内。

Claims (8)

1.一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于，包括以下步骤：
S1：标准模型预处理，具体包括以下子步骤：
S11：输入标准模型文件，文件格式为CAD模型文件或离散模型格式文件；
S12：判断输入的标准模型文件格式，如果是CAD模型，进入步骤S13，如果不是，则进入步骤S14；
S13：对CAD模型中的曲面几何对象进行遍历，获取其基本图元集合，对获得的所有基本图元对象，按“圆环面、圆锥面、圆柱面、球面、平面”的类型分别建立数据列表，并在各自的数据列表中，按照特征辨识度排序；
S14：调用RANSAC形状识别算法对离散模型中的几何图元进行识别，获取其基本图元集合以及各图元的拟合误差数据，对获得的所有基本图元对象，按“圆环面、圆锥面、圆柱面、球面、平面”的类型分别建立数据列表，并在各自的数据列表中，按照特征辨识度排序；
S15：记录标准模型中基本图元的几何特征信息，并进行排序；
将基本图元数据的收集与排序形成标准模型特征模板文件数据，记为
Figure 237457DEST_PATH_IMAGE001
，包括
Figure 488310DEST_PATH_IMAGE002
，
Figure 79959DEST_PATH_IMAGE003
，
Figure 947421DEST_PATH_IMAGE004
，
Figure 79456DEST_PATH_IMAGE005
，
Figure 184815DEST_PATH_IMAGE006
，其中的下标i标识各图元数据列表的元素标号，
Figure 727792DEST_PATH_IMAGE007
表示各数据列表包含元素的数目；
S16：对标准模型的特征模板文件进行审查和优化，排除误识别或者不显著的基本图元；
S17：将
Figure 567703DEST_PATH_IMAGE008
，
Figure 221539DEST_PATH_IMAGE003
，
Figure 257103DEST_PATH_IMAGE004
，
Figure 439823DEST_PATH_IMAGE009
，
Figure 485139DEST_PATH_IMAGE006
}，输出为标准模型的基本图元特征模板文件，作为后续配准计算的输入数据；
S2：数据准备：提供三维扫描的点云模型文件，以及在标准模型文件和在预处理阶段产生的基本图元特征模板数据文件，作为算法的输入数据；
S3：点云模型基本图元的识别与提取：对三维扫描点云模型调用RANSAC算法，识别出其中的所有基本图元集合，记为
Figure 958977DEST_PATH_IMAGE010
，
Figure 38928DEST_PATH_IMAGE011
，
Figure 189287DEST_PATH_IMAGE012
，
Figure 472632DEST_PATH_IMAGE013
，
Figure 202691DEST_PATH_IMAGE014
}，对每个图元在同类型数据列表中的位置进行排序；
S4：针对点云模型的基本图元集合中的元素，在标准模型的基本图元数据集中，搜索该元素的对应图元特征集合；即对于点云模型中识别出来的任意图元
Figure 199465DEST_PATH_IMAGE015
，在标准模型中，建立其对应的图元集合，记为
Figure 209141DEST_PATH_IMAGE016
；
S5：在点云模型的基本图元对象中，确定所有的特征组合，形成图元对集合，对集合中的图元按特征辨识度排序；
S6: 对点云模型的图元对集合的所有图元对，在标准模型中搜索其对应的图元对，进行基本图元配准计算，寻找最优的配准结果；
S7：选择具有最小配准误差的基本图元对组合，输出最终的配准结果。
2.如权利要求1所述的一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于：
所述步骤S11中CAD模型文件为IGES或STEP模型，所述离散模型格式，为点云数据或者面片结构模型文件。
3.如权利要求1所述的一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于：
所述步骤S13和S14中特征辨识度考虑图元面积，面积越大，辨识度越高。
4.如权利要求1所述的一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于：所述步骤S15中的基本图元的集合特征包括几何中心的位置、材料侧方位，边界形状和面积数据。
5.如权利要求1所述的一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于：所述步骤S15中排序的原则如下：
首要考虑各类基本图元数据列表所包含的元素数目，基础图元的数目越少排序越靠前；
其次考虑基本图元类型序列“平面，球面，圆柱面，锥面，圆环面”的逆序，越靠后的，排序越高；
最后在同类型的基本图元类型中，考虑面积的大小，面积越大，排序越高。
6.如权利要求1所述的一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于：所述步骤S4的具体搜索过程为：首先设定判定允许误差，长度误差LTol取2mm；角度误差ATol取1度，在与标准模型中的基本图元进行几何参数比较时，偏差在允许误差范围内视为相等；
考虑圆环面：对于点云模型基本图元中的圆环面集合
Figure 291366DEST_PATH_IMAGE017
的任意
Figure 559537DEST_PATH_IMAGE018
，与标准模型中的
Figure 158621DEST_PATH_IMAGE019
中的任意圆环面
Figure 588465DEST_PATH_IMAGE020
之间，比较内环半径和外环半径的数值，若都相等，将该
Figure 908719DEST_PATH_IMAGE021
加入
Figure 715001DEST_PATH_IMAGE018
的对应图元集合中，从而建立
Figure 420789DEST_PATH_IMAGE018
在标准模型中的对应圆环面图元的集合，记为{
Figure 37846DEST_PATH_IMAGE022
，若
Figure 829085DEST_PATH_IMAGE018
在标准模型中无法找到至少1个对应的图元，则将
Figure 439058DEST_PATH_IMAGE018
从
Figure 953347DEST_PATH_IMAGE017
中剔除；
考虑圆锥面：对于点云模型基本图元中的圆锥面集合
Figure 52890DEST_PATH_IMAGE011
的任意
Figure 269107DEST_PATH_IMAGE023
，与标准模型中的
Figure 227312DEST_PATH_IMAGE003
中的任意圆锥面
Figure 845375DEST_PATH_IMAGE024
之间，比较圆锥角的数值，若相等，将该
Figure 319081DEST_PATH_IMAGE024
加入
Figure 835645DEST_PATH_IMAGE025
的对应图元集合中，从而建立
Figure 787420DEST_PATH_IMAGE023
在标准模型中的对应圆锥面图元的集合，记为{
Figure 73039DEST_PATH_IMAGE026
，若
Figure 717647DEST_PATH_IMAGE023
在标准模型中无法找到至少1个对应的图元，则将该
Figure 705195DEST_PATH_IMAGE023
从
Figure 211393DEST_PATH_IMAGE011
中剔除；
考虑圆柱面：对于点云模型基本图元中的圆柱面集合
Figure 804049DEST_PATH_IMAGE012
的任意
Figure 150716DEST_PATH_IMAGE027
，与标准模型中的
Figure 576625DEST_PATH_IMAGE004
中的任意圆柱面
Figure 932520DEST_PATH_IMAGE028
之间，比较圆柱面直径值，若相等，将该
Figure 379682DEST_PATH_IMAGE028
加入
Figure 116825DEST_PATH_IMAGE027
的对应图元集合中，从而建立
Figure 78965DEST_PATH_IMAGE027
在标准模型中的对应圆柱面图元的集合，记为{
Figure 910655DEST_PATH_IMAGE029
，若
Figure 290951DEST_PATH_IMAGE027
在标准模型中无法找到至少1个对应图元，则将该
Figure 448263DEST_PATH_IMAGE027
从
Figure 835382DEST_PATH_IMAGE012
中剔除；
考虑球面：对于点云模型基本图元中的球面集合
Figure 283812DEST_PATH_IMAGE013
的任意
Figure 971146DEST_PATH_IMAGE030
，与标准模型中的
Figure 33780DEST_PATH_IMAGE009
中的任意圆环面
Figure 741752DEST_PATH_IMAGE031
之间，比较球面直径值，若相等，将该
Figure 915244DEST_PATH_IMAGE031
加入
Figure 4554DEST_PATH_IMAGE030
的对应图元集合中，从而建立
Figure 503668DEST_PATH_IMAGE030
在标准模型中的对应球面图元的集合，记为
Figure 865380DEST_PATH_IMAGE032
，若
Figure 655612DEST_PATH_IMAGE030
在标准模型中无法找到至少1个对应图元，则剔除该
Figure 786379DEST_PATH_IMAGE030
；
考虑平面，建立
Figure 253133DEST_PATH_IMAGE033
在标准模型中的对应平面图元的集合，记为{
Figure 118452DEST_PATH_IMAGE034
，若在标准模型中无法找到
Figure 899326DEST_PATH_IMAGE033
的至少1个对应图元，则将该
Figure 946916DEST_PATH_IMAGE033
从
Figure 270057DEST_PATH_IMAGE014
中剔除。
7.如权利要求1所述的一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于：
所述步骤S4中需要保证
Figure 871939DEST_PATH_IMAGE035
，
Figure 253242DEST_PATH_IMAGE011
，
Figure 109334DEST_PATH_IMAGE012
，
Figure 652311DEST_PATH_IMAGE013
四组图元中至少有一个基本图元，且
Figure 741489DEST_PATH_IMAGE036
至少有两个互不平行的平面，否则说明扫描的数据太少或者扫描到的点云数据不具有代表性，无法执行配准过程，给出算法报警提示。
8.如权利要求1所述的一种针对具有不完整基本图元的三维扫描点云实时配准方法，其特征在于：
所述步骤S5的具体步骤为具体为采用组合方式，在
Figure 411636DEST_PATH_IMAGE037
，
Figure 168240DEST_PATH_IMAGE038
，
Figure 367271DEST_PATH_IMAGE039
，
Figure 412587DEST_PATH_IMAGE040
，
Figure 135693DEST_PATH_IMAGE041
中选择任意两个图元，形成图元对集合
Figure 963447DEST_PATH_IMAGE042
，其中
Figure 317068DEST_PATH_IMAGE043
和
Figure 911997DEST_PATH_IMAGE044
表示点云模型的任意基本图元，将两平面形成的图元对从集合中剔除，标识度高的图元类型和图元排在列表的前列。
CN202210812414.9A 2022-07-12 2022-07-12 针对具有不完整基本图元的三维扫描点云实时配准方法 Active CN114882087B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210812414.9A CN114882087B (zh) 2022-07-12 2022-07-12 针对具有不完整基本图元的三维扫描点云实时配准方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210812414.9A CN114882087B (zh) 2022-07-12 2022-07-12 针对具有不完整基本图元的三维扫描点云实时配准方法

Publications (2)

Publication Number Publication Date
CN114882087A true CN114882087A (zh) 2022-08-09
CN114882087B CN114882087B (zh) 2022-10-04

Family

ID=82682903

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210812414.9A Active CN114882087B (zh) 2022-07-12 2022-07-12 针对具有不完整基本图元的三维扫描点云实时配准方法

Country Status (1)

Country Link
CN (1) CN114882087B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2385483A1 (en) * 2010-05-07 2011-11-09 MVTec Software GmbH Recognition and pose determination of 3D objects in 3D scenes using geometric point pair descriptors and the generalized Hough Transform
US20140003705A1 (en) * 2012-06-29 2014-01-02 Yuichi Taguchi Method for Registering Points and Planes of 3D Data in Multiple Coordinate Systems
CN106023298A (zh) * 2016-06-22 2016-10-12 山东理工大学 基于局部泊松曲面重建的点云刚性配准方法
CN108369741A (zh) * 2015-12-08 2018-08-03 三菱电机株式会社 用于配准数据的方法和系统
WO2018183754A1 (en) * 2017-03-29 2018-10-04 Mou Zhijing George Method and system for real time 3d-space search and point-cloud registration using a dimension-shuffle transform
WO2021141570A1 (en) * 2020-01-07 2021-07-15 Hewlett-Packard Development Company, L.P. Deriving metrology data for an instance of an object based on a threedimensional model thereof
CN113223067A (zh) * 2021-05-08 2021-08-06 东莞市三姆森光电科技有限公司 针对具有平面基准但不完整的三维扫描点云的在线实时配准方法
CN113658194A (zh) * 2021-07-23 2021-11-16 佛山缔乐视觉科技有限公司 一种基于参照物的点云拼接方法、装置及存储介质
EP3916677A1 (en) * 2020-05-29 2021-12-01 Faro Technologies, Inc. Three-dimensional measurement device
CN114663373A (zh) * 2022-03-11 2022-06-24 华中科技大学 一种用于零件表面质量检测的点云配准方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2385483A1 (en) * 2010-05-07 2011-11-09 MVTec Software GmbH Recognition and pose determination of 3D objects in 3D scenes using geometric point pair descriptors and the generalized Hough Transform
US20140003705A1 (en) * 2012-06-29 2014-01-02 Yuichi Taguchi Method for Registering Points and Planes of 3D Data in Multiple Coordinate Systems
CN108369741A (zh) * 2015-12-08 2018-08-03 三菱电机株式会社 用于配准数据的方法和系统
CN106023298A (zh) * 2016-06-22 2016-10-12 山东理工大学 基于局部泊松曲面重建的点云刚性配准方法
WO2018183754A1 (en) * 2017-03-29 2018-10-04 Mou Zhijing George Method and system for real time 3d-space search and point-cloud registration using a dimension-shuffle transform
WO2021141570A1 (en) * 2020-01-07 2021-07-15 Hewlett-Packard Development Company, L.P. Deriving metrology data for an instance of an object based on a threedimensional model thereof
EP3916677A1 (en) * 2020-05-29 2021-12-01 Faro Technologies, Inc. Three-dimensional measurement device
CN113223067A (zh) * 2021-05-08 2021-08-06 东莞市三姆森光电科技有限公司 针对具有平面基准但不完整的三维扫描点云的在线实时配准方法
CN113658194A (zh) * 2021-07-23 2021-11-16 佛山缔乐视觉科技有限公司 一种基于参照物的点云拼接方法、装置及存储介质
CN114663373A (zh) * 2022-03-11 2022-06-24 华中科技大学 一种用于零件表面质量检测的点云配准方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张紫杉等: "岩坡坡面裂隙网络智能识别与参数提取", 《岩土工程学报》 *

Also Published As

Publication number Publication date
CN114882087B (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
CN114170279B (zh) 一种基于激光扫描的点云配准方法
Pope Model-based object recognition
CN113223067B (zh) 针对具有平面基准的非完整三维扫描点云的在线配准方法
CN111626146B (zh) 一种基于模板匹配的合并单元格表格分割识别方法
CN111062915A (zh) 一种基于改进YOLOv3模型的实时钢管缺陷检测方法
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
CN110232404A (zh) 一种基于机器学习的工业产品表面瑕疵识别方法及装置
CN110490915B (zh) 一种基于卷积受限玻尔兹曼机的点云配准方法
Kheradmand et al. Inner cell mass segmentation in human hmc embryo images using fully convolutional network
CN112861672B (zh) 一种基于光学-sar异源遥感图像匹配方法
CN110021028A (zh) 一种基于服装款式图的自动制衣方法
JP7075654B2 (ja) ３次元ｃａｄモデル部分検索方法及び３次元ｃａｄモデル検索方法
CN114663373A (zh) 一种用于零件表面质量检测的点云配准方法及装置
CN115147833A (zh) 一种零部件位姿识别方法及系统
CN117746055B (zh) 基于3d点云数据提取立体特征的算法
Wei et al. Feature Extraction and Retrieval of Ecommerce Product Images Based on Image Processing.
CN115100277A (zh) 复杂曲面结构零件位姿确定方法
CN114882087B (zh) 针对具有不完整基本图元的三维扫描点云实时配准方法
Pankaj et al. A robust estimation technique for 3d point cloud registration
Liu et al. 3D curved object recognition from multiple 2D camera views
CN101098492A (zh) 确定靶标拓扑关系的方法及可任意摆放的摄像机标定靶标
CN115797424A (zh) 一种基于融合特征点提取的点云配准方法及系统
CN113627548A (zh) 一种平面工件模板匹配方法、装置、介质及计算机设备
Stryczek Finite point sets in recognizing location and orientation of machine parts of complex shapes
CN116433837B (zh) 一种基于关键点匹配的三维cad模型差异分析方法

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