基于点云的工件基准面定位检测研究

针对大型工件检测过程中人工基准面的定位检测精度低、速度慢、重复性差等问题,提出一种基于机器视觉的工件基准面检测方法。以大型工件基准面的3D模型为对象,利用3D深度相机采集基准面的点云数据;通过点云直通滤波器分离背景和工件基准面点云,采用50倍均匀下采样法精简点云,降低点云数;采用统计滤波技术剔除异常点和噪声干扰。使用改进的RANSAC算法先对点云数据进行粗拟合,提取内点,再通过最小二乘法对内点点云集合进行二次精确拟合。实验结果表明,存在干扰和排除干扰的情况下,所提方法都能保持较高的精度,拟合平面和基准面夹角小于0.3°,且具有一定的鲁棒性。该方法能够应用于在线工件检测,为机械臂提供姿态调整的参数,具有一定的应用价值。