一种提高汽车钣金工件的识别与定位精度的方法与流程

技术特征：
1.一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，包括以下步骤：步骤一、获取完整待抓取工件场景图像并进行预处理，对图像中工件完成实例分割，根据实例分割结果提取二维图像的边缘；步骤二、对采集得到的待抓取工件场景的点云数据进行预处理操作，根据提取得到的二维图像的边缘作为索引，进一步提取点云数据边缘；并计算点云边缘中的点对特征，建立全局模型描述；步骤三、进行在线的模型匹配，采用基于霍夫投票原理的投票方法获取候选位姿，并采用连接性密度聚类算法对候选位姿进行聚类，并采用icp配准算法对位姿进行优化。2.根据权利要求1所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，所述步骤一的具体方法如下：11)获取场景二维图像并进行二值、去噪、平滑的预处理操作；12)搭建mask r
‑
cnn卷积神经网模型完成对二维图像的实例分割；13)在mask r
‑
cnn卷积神经网络模型上添加边缘检测分支，对实例分割的结果进行边缘提取。3.根据权利要求1所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，所述步骤二的具体方法如下：21)对采集得到的待抓取工件场景的点云数据进行直通滤波、体素格栅滤波、统计学滤波、法向量估计的预处理操作；22)根据实例分割的二维图像边缘向三维场景点云数据进行映射，最终提取得边缘点云数据；23)确定边缘点云数据的ppf特征，并将得到的点对特征存储在hash表数据结构中形成边缘模型的全局模型描述。4.根据权利要求3所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，所述步骤22)的具体方法如下：结合标定得到的相机的内部参数将二维图像尺寸与三维点云数据尺寸进行对齐，并以获取的二维边缘为索引在三维点云数据中搜寻点云边缘。5.根据权利要求3所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，所述步骤23)的具体方法如下：一个点云数据中会形成大量点对特征，若含有n个点则会形成n
×
(n
‑
1)组的点对特征；所述点对特征，一组点对特征由点云数据中的两点与两点所对应的法向量关系共同确定，对于点云中两点m1和m2，分别求其对应的法向量n1和n2，将两点之间的距离记为d，d＝m1‑
m2，点对特征f定义为：f(m1,m2)＝(||d||2,∠(n1,d),∠(n2,d),∠(n1,n2))；其中，∠(n1,d),∠(n2,d)分别代表两向量与两点之间连线的夹角，∠(n1,n2)代表两向量之间的夹角；任意两向量v1,v2之间的夹角通过如下公式进行求解6.根据权利要求1所述的一种提高汽车钣金工件的识别与定位精度的方法，其特征在于，所述步骤三的具体方法如下：
在场景边缘中选取采样点确定其对应的ppf特征并找到与之对应的全局模型的点对特征，进行旋转使得两组点对特征的对应点和对应向量重合，并在此基础上对模型点对特征旋转角度构建局部坐标系；在局部坐标系张成的二维空间中进行霍夫投票获取候选位姿，并采用连接性密度聚类算法对位姿进行聚类获得最终位姿，并采用icp配准算法对位姿进行优化，使得到的位姿更加的精确，从而更好的对汽车钣金工件的识别与定位。

技术总结
本发明属于无序分拣机器视觉领域，具体的说是一种提高汽车钣金工件的识别与定位精度的方法。该方法包括：一、获取完整待抓取工件场景图像并进行预处理，对图像中工件完成实例分割，根据实例分割结果提取二维图像的边缘；二、对采集得到的待抓取工件场景的点云数据进行预处理操作，根据提取得到的二维图像的边缘作为索引，进一步提取点云数据边缘；并计算点云边缘中的点对特征，建立全局模型描述；三、进行在线的模型匹配，采用基于霍夫投票原理的投票方法获取候选位姿，并采用连接性密度聚类算法对候选位姿进行聚类，并采用ICP配准算法对位姿进行优化。本发明在保证工件识别速度的同时，可以大大的提高对于汽车钣金件的识别与定位精度。位精度。位精度。


技术研发人员：李岩 吴孟男 于微波 刘克平
受保护的技术使用者：长春工业大学
技术研发日：2021.07.13
技术公布日：2021/10/23