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

摘要

一种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，包括S1：标准模型预处理，输入标准模型，得到标准模型中的平面图元集合以及每个图元的相关几何信息；S2：数据准备，输入三维扫描点云模型数据；标准模型文件；标准模型特征模板文件；S3：对三维扫描点云模型数据调用RANSAC形状识别算法识别出其中的平面图元；S4：为三维扫描的点云模型的每个平面图元，建立与标准模型中的所有平面图元配对列表；S5：根据平面图元，建立所有的三平面图元组；S6：通过在点云模型的三平面组合与标准模型中对应的所有可能的三平面组合之间进行配准计算，来获最优配准齐次坐标变换矩阵。本发明无须考虑所有点云数据的配准，只需考虑标准模型与实际点云模型中的平面特征进行识别和匹配；以此来减低搜索循环的次数，以到达加速的目标。

说明书

技术领域

本发明涉及将三维扫描设备获得的零件点云模型应用到自动制造过程中的相关技术领域。更具体地，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3C(电脑、通信和消费类电子产品)产品生产为例，其具有柔性大、精度高、效率高、生产周期短、产品线变化频繁等特点，针对其产品零件的在线自动化检测需求巨大，而自动检测后形成的零件数据信息，可以进一步支持后续制造工艺如自动加工、自动装配等。

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，都需要设定平面基准，那么在零件的标准模型中，可以合理的假设一定存在平面基准。所以本发明针对具有平面基准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。文献[1]公布的算法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。文献[2]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。

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

为避免现有技术的不足，本发明提供了一种针对具有标准模型的不完整点云模型的高效配准算法，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(含多个平面基准)，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。

本发明的技术方案是：

提供一种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，包括以下步骤：

S1：标准模型预处理，输入标准模型，得到标准模型中的平面图元集合以及每个图元的相关几何信息，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，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，获取其平面图元集合；

S14：调用RANSAC形状识别算法对离散模型中的平面图元进行识别，获取其平面图元集合以及拟合误差数据；

S15：记录标准模型中平面图元的几何中心的位置、平面的法线，边界形状以及面积数据；计算各图元的平面特征辨识度指标，并进行排序；形成标准模型特征模板文件数据；

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平面图元；

S17：输出标准模型的特征模板文件，作为后续配准算的输入数据；

S2：数据准备，输入以下数据：三维扫描点云模型数据{CP

S3：对三维扫描点云模型数据调用RANSAC形状识别算法识别出其中的平面图元，平面图元记为{plane

S4：为三维扫描的点云模型的每个平面图元plane

S5：根据平面图元{plane

S6：本步骤通过在点云模型的三平面组合与标准模型中对应的所有可能的三平面组合之间进行配准计算，来获最优配准齐次坐标变换矩阵。

首先按顺序为三平面组合列表中的每一个组合，按平面相似度高低，在标准模型中选择对应的三平面组合，计算两组三平面组合之间的最优配准齐次坐标变换矩阵；并计算在该齐次坐标变换矩阵下，所有点云模型与标准模型之间平面对的配准误差值；若配准误差值小于预先设定的阈值，则循环结束；否则在标准模型中按平面相似度高低，重新选择三平面组合，重复计算两组三平面组合之间的最优配准齐次坐标变换矩阵；直到找到最优的配准齐次坐标变换矩阵。

本发明中的平面图元辨识度指标R是本发明人为了叙述的方便而提出的，平面图元辨识度指标R的值计算公式的一个典型实现与该平面的轮廓面积，以及在模型中与所述平面行的平面图元的个数相关，平面图元的值始终大于1，且值越大，表明该平面轮廓在现有模型中的平面辩识度指标R越高；

本发明中的平面对相似度指标S是本发明人为了叙述的方便而提出的，提出点云中的平面一与标准模型中的平面二之间的平面对相似度指标S，平面对相似度指标S值计算公式的一个典型实现只需考虑平面对之间的面积比，平面对相似度指标S的值始终大于0且小于1；

提出平面图元辨识度指标R和平面对相似度指标S的主要目的是为标准模型与点云模型中的平面特征匹配过程提供显著性和相似性参考指标，以加快搜索迭代的收敛速度。

本发明产生的有益效果是：无须考虑所有点云数据的配准，只需考虑标准模型与实际点云模型中的平面特征进行识别和匹配；可以通过比较平面标识度指标和平面对相似度指标，来减低搜索循环的次数，以到达加速的目标；同时本发明只要求扫描到的点云包含至少三个基准平面数据(两两之间互不平行)，所有能适应点云数据不完整的不利情况。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。

附图说明

图1为本发明所提供的针对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为本发明图1中步骤S1的流程图；

图3为标准模型以及其平面图元集合示意图；

图4为三维扫描过程以及所获得的点云数据示意图；

图5为点云与标准模型配准计算后完成位姿坐标变换后的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明做进一步详细说明。

首先建立平面图元辨识度指标R：

给定平面图元集合{PLANE

P

V

A

T

M

该平面数据集可以扩展，比如可以增加每个平面的轮廓点集的具体数据(PtSet

其次建立点云模型中识别的平面与标准模型中的平面之间的平面对相似度指标S。

给定标准模型的平面集合{PLANE

给定点云中识别出的平面集合{planej}，j＝1，...，n，其中plane

给定平面对(PLANE

式(2)主要考虑面积对平面相似性的影响，只是相似度指标S

下面介绍标准模型预处理过程S1，参考图2。

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，获取其平面图元集合；

S14：调用RANSAC形状识别算法对离散模型中的平面图元进行识别，获取其平面图元集合以及拟合误差数据。

S15：记录标准模型中平面图元的几何中心的位置、平面的方位，边界形状以及面积数据；计算各图元的平面特征辨识度指标，并进行排序；形成标准模型特征模板文件数据，可记为{PLANE

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平面图元。

S17：输出标准模型的特征模板文件，作为后续配准算的输入数据。

然后，对在线执行的点云模型与标准模型之间的配准流程进行介绍。

S2：数据准备。输入以下数据，(1)三维扫描点云模型数据{CP

S3：对三维扫描点云模型调用RANSAC算法，识别出其中的平面图元，记为{plane

S4：为三维扫描点云模型的每个平面图元plane

S5：根据{plane

S6：本步骤通过在点云模型的三平面组合与标准模型中对应的所有可能的三平面组合之间进行配准计算，来获最优配准齐次坐标变换矩阵。本步骤的算法伪代码如下：

其中TriplePlaneRegistration函数计算两个三平面组之间配准计算，其程序说明如下：

另一个函数ComputePlaneFeatureRegistrionTolerance计算两个平面组之间通过齐次坐标矩阵变换后，两个平面组之间的配准误差值，用于刻画配准效果。其程序说明如下：

综上，本发明提出的针对具有平面基准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，利用平面特征的对应关系和配准计算，来实现快速配准(如图5所示)，以达到在线实时运算的效果。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。