基于SHOT特征融合的散乱工件点云配准算法

针对随机箱体抓取过程中目标识别和定位问题,提出一种基于SHOT特征融合的点云配准方法.对结构光三维测量获取的点云进行预处理和分割,得到去除噪声点后的多个工件点云数据集;提出基于方向包围盒裁剪的方法,得到去除稀疏边缘点后的工件点云,结合均匀采样算法获取关键点集;通过改进SHOT特征描述子对关键点进行唯一性描述;采用最小方差法查找工件点云的关键点在模板点云中的对应点,根据对应关系求解初始变换矩阵;最后,使用ICP算法进行精确配准,得到工件的精确位姿信息.实验结果表明,将本文算法与基于FPFH特征配准、SHOT特征配准算法进行对比,配准精度分别提高了30. 07%和37. 10%,配准速度分别提高了35. 64%和21. 21%.

基于改进欧氏聚类的散乱工件点云分割

针对机器人随机箱体抓取过程中场景分割困难的问题,提出一种基于改进欧氏聚类的散乱工件点云分割方法。采用直通滤波法和迭代半径滤波法进行预处理,得到去除干扰点后的散乱工件点云;通过基于法线夹角的边缘检测去除点云中的边缘点,并使相互碰撞的工件在空间上产生分离;采用改进的搜索半径自适应欧氏聚类进行点云分割,得到多个工件点云子集,基于距离约束将去除的边缘点补齐到点云子集之中,从而完成点云分割。此外,线下模板点云注册为分割参数的选取提供依据,从而保证了分割结果的准确性,提高了分割速度。结果表明:基于改进欧氏聚类的散乱工件点云分割方法能够准确地分割出感兴趣的工件,分割时间约为696ms,满足了工业机器人抓取的实时性要求。