基于点对特征描述子的三维物体识别和位姿估计方法研究

发布时间：2021-11-17 21:23

　　三维物体识别和位姿估计的效率和准确率直接决定了机器人抓取的效率和稳定性,对实现机器人自动分拣、搬运、装配和检测具有至关重要的作用。目前三维物体识别和位姿估计在纹理信息丰富、遮挡较少等较为理想的情况下有较好的识别和定位结果。但在实际工业应用中,由于零件纹理单一,光照不均匀、遮挡严重等因素的影响,现有方法无法满足识别所需的精度和效率。为此,本文研究了基于点对特征描述子的物体识别和位姿估计方法,实现了面结构光三维设备获取的场景点云数据中目标物体的准确识别与精确位姿估计。本文的具体工作如下:（1）研究了适用于三维物体识别的点云预处理相关技术。三维物体识别过程中由于存在传感器噪声和无关数据,从而导致识别精度和效率较差。因此,首先针对测量场景数据,构建三维点云数据的k维树（k-dimension tree,k-d tree）,建立邻域点的查找关系,实现基于孤立点的去除和点云法向量的计算;然后,采用自适应系数的栅格采样算法,实现测量场景中冗余数据的剔除;最后,研究了欧几里得分割算法,完成了场景数据的分割,从而实现了无关数据的去除。通过对测量三维点云数据进行预处理,极大的减少了噪声和无关数据等因素的干... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

(a)二维图像中的物体识别(b)基于RGB-D相机的物体识别(c)基于线激光传感器的物体识别[15]

1-2 所选描述子示意图 (a)旋转图像 (b)三维形状背景 (c)快速点特征 (d)方位直方图 (e)旋转投影统计 (f)等效圆周表面角度描述子Figure 1-2 A schematic illustration of the selected descriptors (a) Spin Image (b)3DSC (c)FPFH(d)SHOT (e)RoPS (f) ECSAD为充分发挥全局描述子和局部描述子的各自优点，学者们开始结合全局特征和部特征相结合的描述子。Drost等提出了结合全局和局部信息的点对特征[14]，点对征是编码物体两个表面点之间关系的四维向量，每组点对特征可以对物体的局部息进行描述，物体表面所有点构成的点对特征则可以对物体的全局进行描述。在一程度上提高物体识别的精度，但对于点云数据量较大的场景，巨大的计算量也限制点对特征描述子的应用。为了结合更多的有效信息，设计更加鲁棒的描述子。学者们研究开始二维图像纹信息和三维点云的深度信息相结合的描述子。刘勇等提出了一种光照和尺度不变的RGBD的描述子LOIND(An IlluminationAnd Scale Invariant RGB-D Descriptor)[31]，图像像素的灰度信息和点云法线之间角度编码，重新组合构建描述子，对光照和尺

如图2-1所示，在构建k-d树上查找红色查询点指定半径内最近的邻域点。查询过程按照每一维度顺序循环的方式以树中点逐渐逼近被查询点，直至被查询点的半径内只有一个点时，获取需要的最终点。如图2-2所示，红色点为查询点，蓝色点为指定半径内所有的邻域点。

【参考文献】：
期刊论文
[1]面向智能交互的图像识别技术综述与展望[J]. 蒋树强,闵巍庆,王树徽.  计算机研究与发展. 2016(01)
[2]智能制造——“中国制造2025”的主攻方向[J]. 周济.  中国机械工程. 2015(17)
[3]基于八叉树网格的点云数据精简方法研究[J]. 周波,陈银刚,顾泽元.  现代制造工程. 2008(03)
[4]国家中长期科学和技术发展规划纲要（2006-2020年）[J].   中国安防. 2006(01)
[5]逆向工程技术三维激光扫描测量[J]. 许智钦,闫明,张宝峰,王宇华,郑义忠,叶声华.  天津大学学报. 2001(03)

硕士论文
[1]工业自动化三维检测中点云数据处理关键技术研究[D]. 罗成.华中科技大学 2018



本文编号：3501665