基于点云处理的散乱零部件识别与定位技术的研究
发布时间：2021-08-19 19:21
装配作为工业生产领域中的重要组成部分,其工作强度大、重复性高,在特定环境下具有一定的危险性。该过程多年来主要依靠手动分拣完成,生产成本高、准确性低且速度慢,将工业机器人应用于装配领域,实现零部件的自动抓取、组装,可以显著地提高工业生产力以及自动装配的智能化程度。自动装配的难点在于目标检测,基于3D视觉的随机箱体抓取技术因其巨大的应用潜力,逐渐成为解决该问题的有效方法,也是目前国内外学者研究的热点。本文提出基于三维点云处理的散乱零部件识别与定位方法,使用三维视觉测量系统获取箱体内散乱零部件表面的点云数据,结合三维点云处理算法得到零件位姿信息。课题深入研究了识别与定位过程中场景分割和配准两个关键问题。针对机器人随机箱体抓取过程中场景分割困难的问题,提出基于改进欧式聚类的散乱零部件点云分割方法。预处理阶段,提出迭代半径滤波方法去除离群点,得到去除干扰点后的零部件点云;通过基于法线夹角的边缘检测方法去除点云中的边缘点,使相互碰撞的零件在空间上分离;采用改进的搜索半径自适应欧式聚类方法进行点云分割,得到多个零件点云子集;根据基于距离约束的方法将去除的边缘点补齐到点云子集之中,从而完成点云分割。此...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
场景点云法线
图 3-4 半径滤波 图 3-5 迭代半径滤波图 3-4、3-5 分别表示上述场景点云在邻域搜索半径 r 3m m, TH 5时，单次滤波和迭代半径滤波后的结果，滤波后点云数目如表 3-1 所示，表中去除率表示去除离群点后的点云数目相对于去除前数目的减少率，分析表中数据可得，本章算法相对于改进前点云去除率提高了 3.40%，结合图 3-4、3-5 实验结果，可以看出改进后滤波算法更能有效的去除点云中离群点。表 3-1 两种离群点去除算法效果对比原始点云 去除冗余点 去除离群点 去除率/%半径滤波器滤波 56184 13259 11624 12.33迭代半径滤波器滤波 56184 13259 11174 15.733.2 基于改进欧式聚类的散乱零部件点云分割3.2.1 点云分割概述在实际工业应用中，使用最广泛的是聚类分割，聚类分割是根据对象的某一特征(如
图 3-4 半径滤波 图 3-5 迭代半径滤波图 3-4、3-5 分别表示上述场景点云在邻域搜索半径 r 3m m, TH 5时，单次滤波和迭代半径滤波后的结果，滤波后点云数目如表 3-1 所示，表中去除率表示去除离群点后的点云数目相对于去除前数目的减少率，分析表中数据可得，本章算法相对于改进前点云去除率提高了 3.40%，结合图 3-4、3-5 实验结果，可以看出改进后滤波算法更能有效的去除点云中离群点。表 3-1 两种离群点去除算法效果对比原始点云 去除冗余点 去除离群点 去除率/%半径滤波器滤波 56184 13259 11624 12.33迭代半径滤波器滤波 56184 13259 11174 15.733.2 基于改进欧式聚类的散乱零部件点云分割3.2.1 点云分割概述在实际工业应用中，使用最广泛的是聚类分割，聚类分割是根据对象的某一特征(如
【参考文献】：
期刊论文
[1]基于卷积神经网络的三维物体检测方法[J]. 李洋洋,史历程,万卫兵,赵群飞. 上海交通大学学报. 2018(01)
[2]面向点云的三维物体识别方法综述[J]. 郝雯,王映辉,宁小娟,梁玮,石争浩. 计算机科学. 2017(09)
[3]复杂场景下基于C-SHOT特征的3D物体识别与位姿估计[J]. 张凯霖,张良. 计算机辅助设计与图形学学报. 2017(05)
[4]基于形状先验模型的平面型工件抓取位姿检测[J]. 郑晶怡,李恩,梁自泽. 机器人. 2017(01)
[5]基于曲率特征的迭代最近点算法配准研究[J]. 曾繁轩,李亮,刁鑫鹏. 激光与光电子学进展. 2017(01)
[6]基于Kinect的机器人臂手系统的目标抓取[J]. 丁美昆,徐昱琳,蒋财军,冉鹏. 上海大学学报(自然科学版). 2016(04)
[7]三维点云边缘检测和直线段提取进展与展望[J]. 倪欢,张继贤,林祥国. 测绘通报. 2016(07)
[8]基于特征融合的林下环境点云分割[J]. 樊丽,刘晋浩,黄青青. 北京林业大学学报. 2016(05)
[9]平滑度欧式聚类算法分割点云数据[J]. 吴燕雄,李峰,刘芳,程丽娜,郭丽丽. 测控技术. 2016(03)
[10]基于法向量直方图特征描述的点云ICP拼接[J]. 秦绪佳,徐菲,王建奇,郑红波,陈胜男. 小型微型计算机系统. 2016(03)
硕士论文
[1]基于编码结构光的立体视觉定位技术的研究与开发[D]. 石爱军.江南大学 2017
[2]面向机器人抓取的散乱零件自动识别与定位技术研究[D]. 佐立营.哈尔滨工业大学 2015
[3]结构光测量点云数据配准研究[D]. 彭仲涛.哈尔滨工程大学 2015
本文编号：3351995
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
场景点云法线
图 3-4 半径滤波 图 3-5 迭代半径滤波图 3-4、3-5 分别表示上述场景点云在邻域搜索半径 r 3m m, TH 5时，单次滤波和迭代半径滤波后的结果，滤波后点云数目如表 3-1 所示，表中去除率表示去除离群点后的点云数目相对于去除前数目的减少率，分析表中数据可得，本章算法相对于改进前点云去除率提高了 3.40%，结合图 3-4、3-5 实验结果，可以看出改进后滤波算法更能有效的去除点云中离群点。表 3-1 两种离群点去除算法效果对比原始点云 去除冗余点 去除离群点 去除率/%半径滤波器滤波 56184 13259 11624 12.33迭代半径滤波器滤波 56184 13259 11174 15.733.2 基于改进欧式聚类的散乱零部件点云分割3.2.1 点云分割概述在实际工业应用中，使用最广泛的是聚类分割，聚类分割是根据对象的某一特征(如
图 3-4 半径滤波 图 3-5 迭代半径滤波图 3-4、3-5 分别表示上述场景点云在邻域搜索半径 r 3m m, TH 5时，单次滤波和迭代半径滤波后的结果，滤波后点云数目如表 3-1 所示，表中去除率表示去除离群点后的点云数目相对于去除前数目的减少率，分析表中数据可得，本章算法相对于改进前点云去除率提高了 3.40%，结合图 3-4、3-5 实验结果，可以看出改进后滤波算法更能有效的去除点云中离群点。表 3-1 两种离群点去除算法效果对比原始点云 去除冗余点 去除离群点 去除率/%半径滤波器滤波 56184 13259 11624 12.33迭代半径滤波器滤波 56184 13259 11174 15.733.2 基于改进欧式聚类的散乱零部件点云分割3.2.1 点云分割概述在实际工业应用中，使用最广泛的是聚类分割，聚类分割是根据对象的某一特征(如
【参考文献】：
期刊论文
[1]基于卷积神经网络的三维物体检测方法[J]. 李洋洋,史历程,万卫兵,赵群飞. 上海交通大学学报. 2018(01)
[2]面向点云的三维物体识别方法综述[J]. 郝雯,王映辉,宁小娟,梁玮,石争浩. 计算机科学. 2017(09)
[3]复杂场景下基于C-SHOT特征的3D物体识别与位姿估计[J]. 张凯霖,张良. 计算机辅助设计与图形学学报. 2017(05)
[4]基于形状先验模型的平面型工件抓取位姿检测[J]. 郑晶怡,李恩,梁自泽. 机器人. 2017(01)
[5]基于曲率特征的迭代最近点算法配准研究[J]. 曾繁轩,李亮,刁鑫鹏. 激光与光电子学进展. 2017(01)
[6]基于Kinect的机器人臂手系统的目标抓取[J]. 丁美昆,徐昱琳,蒋财军,冉鹏. 上海大学学报(自然科学版). 2016(04)
[7]三维点云边缘检测和直线段提取进展与展望[J]. 倪欢,张继贤,林祥国. 测绘通报. 2016(07)
[8]基于特征融合的林下环境点云分割[J]. 樊丽,刘晋浩,黄青青. 北京林业大学学报. 2016(05)
[9]平滑度欧式聚类算法分割点云数据[J]. 吴燕雄,李峰,刘芳,程丽娜,郭丽丽. 测控技术. 2016(03)
[10]基于法向量直方图特征描述的点云ICP拼接[J]. 秦绪佳,徐菲,王建奇,郑红波,陈胜男. 小型微型计算机系统. 2016(03)
硕士论文
[1]基于编码结构光的立体视觉定位技术的研究与开发[D]. 石爱军.江南大学 2017
[2]面向机器人抓取的散乱零件自动识别与定位技术研究[D]. 佐立营.哈尔滨工业大学 2015
[3]结构光测量点云数据配准研究[D]. 彭仲涛.哈尔滨工程大学 2015
本文编号：3351995
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3351995.html
