一种工件识别方法、系统、设备、介质和程序产品

本申请实施例涉及点云分割及其，尤其涉及一种工件识别方法、系统、设备、介质和程序产品。

背景技术：

1、带有双目视觉的机器手常采用模板匹配的方式识别待加工件，这个方式需要对原始点云数据进行分割，从而得到单独的目标点云。聚类分割算法是将具有相似属性的点云划分为一类实现分割，由于其在算法复杂度较低的同时，分割准确度相对较高，所以聚类分割具有较高的普适性。

2、然而原始的点云具有非结构化、近密远疏的特点，直接作用于三维点云的传统欧式聚类算法存在分割精度不高的问题。准确分割点云目标，一直是目标检测中的难点问题。

3、对于欧式聚类分割算法的相关技术，虽然有大量的研究，但往往存在以下不足：

4、⑴、传统的欧式聚类分割算法由于距离阈值难以设定，容易出现欠分割和过分割问题，且分割精度提升的空间很小；

5、⑵、传统的欧式聚类分割算法在应对复杂工况，如堆叠工件的工况时，难以保证算法的稳定性。

技术实现思路

1、本申请实施例提供一种工件识别方法、系统、设备、介质和程序产品，以解决现有的分割方法精度不高导致工件识别不准确的问题。

2、为了解决上述技术问题，本申请是这样实现的：

3、第一方面，本申请实施例提供了一种工件识别方法，包括：

4、获取原始点云数据，所述原始点云数据包括至少一个工件的点云数据；

5、从所述原始点云数据中确定作为工件种子点的点云数据；

6、基于所述原始点云数据，建立所述工件种子点对应的点云队列，其中，所述点云队列包括所述工件种子点和工件待检验点，所述工件待检验点与所述工件种子点之间的欧式距离小于欧式距离阈值；

7、根据所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角，确定所述工件的点云分割结果；

8、基于所述工件的云分割结果，识别所述工件。

9、可选的，所述根据所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角，确定所述工件的点云分割结果包括：

10、建立空聚类集，其中，所述空聚类集用来存放满足法向量夹角阈值的点；

11、若所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角小于所述法向量夹角阈值，将所述工件待检验点放入所述空聚类集；

12、若所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角大于等于所述法向量夹角阈值，剔除所述工件待检验点。

13、可选的，所述基于所述原始点云数据，建立所述工件种子点对应的点云队列包括：

14、建立所述原始点云数据之间的拓扑关系；

15、基于所述拓扑关系，遍历所述原始点云数据中未进入点云队列的点与所述工件种子点间的欧式距离；

16、将所述欧式距离小于欧式距离阈值的点，作为所述工件待检验点；

17、基于所述工件种子点和所述工件待检验点，建立所述工件种子点对应的点云队列。

18、可选的，所述根据所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角，确定点云分割结果之前包括：

19、基于所述点云队列中的点，建立所述工件种子点的球形邻域集；

20、根据所述球形邻域集内的点，确定所述球形邻域集内的点最小二乘意义上的局部平面；

21、基于所述局部平面，确定所述工件待检验点的法向量与所述工件种子点的法向量。

22、可选的，所述基于所述局部平面，确定所述工件待检验点的法向量与所述工件种子点的法向量包括：

23、确定所述局部平面的质心；

24、基于所述局部平面的质心，确定协方差矩阵；

25、根据所述协方差矩阵，确定所述工件待检验点的法向量；

26、对所述协方差矩阵进行特征值分解，将最小特征值对应的特征向量作为所述工件种子点的法向量。

27、可选的，还包括：

28、基于所述点云队列中相邻两个点的法向量的内积，对所述点云队列中的点的法向量进行定向，所述定向包括：

29、设定法向量朝向；

30、若相邻两个点的法向量的内积小于0，将相反点的法向量的朝向旋转180度，其中，所述相反点为与所述法向量朝向相反的点。

31、第二方面，本申请实施例提供了一种工件识别系统，包括：

32、获取模块，用于获取原始点云数据，所述原始点云数据包括至少一个工件的点云数据；

33、确定模块，用于从所述原始点云数据中确定作为工件种子点的点云数据；

34、距离模块，用于基于所述原始点云数据，建立所述工件种子点对应的点云队列，其中，所述点云队列包括所述工件种子点和工件待检验点，所述工件待检验点与所述工件种子点之间的欧式距离小于欧式距离阈值；

35、夹角模块，用于根据所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角，确定所述工件的点云分割结果；

36、识别模块，用于基于所述工件的云分割结果，识别所述工件。

37、第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如上述第一方面所述的工件识别方法的步骤。

38、第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的工件识别方法的步骤。

39、第五方面，提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现如上述第一方面所述的工件识别方法的步骤。

40、本申请中，获取原始点云数据，所述原始点云数据包括至少一个工件的点云数据；从所述原始点云数据中确定作为工件种子点的点云数据；基于所述原始点云数据，建立所述工件种子点对应的点云队列，其中，所述点云队列包括所述工件种子点和工件待检验点，所述工件待检验点与所述工件种子点之间的欧式距离小于欧式距离阈值；根据所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角，确定所述工件的点云分割结果；基于所述工件的云分割结果，识别所述工件。本申请通过依次获取原始点云数据、确定工件种子点，并建立包含种子点和待检验点的点云队列，利用欧式距离约束来筛选接近种子点的点，进而根据这些点与种子点法向量之间的夹角来确定点云分割结果，从而精确识别工件，能有效改善传统欧式聚类算法出现的分割精度不高的问题，实现精准分割工业场景中的工件点云以识别工件，既有效地提高了点云数据处理的效率，又确保了对工件的高精度识别和细节捕捉，并且避免了增加计算复杂度，还增强了对复杂几何形状和细微特征的敏感度，使得整体处理更加可靠和精准。

技术特征：

1.一种工件识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角，确定所述工件的点云分割结果包括：

3.根据权利要求1所述的方法，其特征在于，所述基于所述原始点云数据，建立所述工件种子点对应的点云队列包括：

4.根据权利要求1所述的方法，其特征在于，所述根据所述工件待检验点的法向量与所述工件种子点的法向量之间的夹角，确定点云分割结果之前包括：

5.根据权利要求4所述的方法，其特征在于，所述基于所述局部平面，确定所述工件待检验点的法向量与所述工件种子点的法向量包括：

6.根据权利要求1所述的方法，其特征在于，还包括：

7.一种工件识别系统，其特征在于，包括：

8.一种电子设备，其特征在于，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如权利要求1至6中任一项所述的工件识别方法的步骤。

9.一种计算机可读存储介质，其特征在于，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的工件识别方法的步骤。

10.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令被处理器执行时实现如权利要求1至6中任一项所述的工件识别方法的步骤。

技术总结本申请提供一种工件识别方法、系统、设备、介质和程序产品，该方法包括：获取原始点云数据，原始点云数据包括至少一个工件的点云数据；从原始点云数据中确定作为工件种子点的点云数据；基于原始点云数据，建立工件种子点对应的点云队列，其中，点云队列包括工件种子点和工件待检验点，工件待检验点与工件种子点之间的欧式距离小于欧式距离阈值；根据工件待检验点的法向量与工件种子点的法向量之间的夹角，确定工件的点云分割结果；基于工件的云分割结果，识别工件。有效改善传统欧式聚类算法出现的分割精度不高的问题，实现精准分割工业场景中的工件点云以识别工件，既有效地提高了点云数据处理的效率，还实现工件的高精度识别和细节捕捉。技术研发人员：王爱民,张震受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/12/2