基于SHOT特征描述子的自动提取球形标靶方法研究

针对复杂场景下的三维激光点云球形标靶精确自动化提取问题,提出了一种基于SHOT特征的自动精确提取球形标靶的方法。该方法设计了粗提取和精提取处理过程,粗提取过程首先采用SHOT特征描述子提取场景内全部的球形标靶点云;其次,利用欧氏聚类分割球形标靶点云,并采用最小二乘方法计算球形标靶的粗略参数。精提取过程依据迭代最小二乘方法和法向滤波剔除非球面点,得到球形标靶点云和精确的球形标靶参数。设计了含有4个球形标靶的实验场景,使用德国Z+F Image 5016扫描仪进行场景数据采集,自动提取得到实验场景中的球形标靶点云和球形标靶参数。结果表明,在10 m范围内,该方法自动提取的球形标靶半径中误差为0.25~0.33 mm,较人工提取球形标靶点云的半径中误差减小0.02~0.06 mm,较基于微分方法减少0.01~0.09 mm;该方法能够得到较高的球形标靶定位精度和稳健地去除场景点云中的噪声,可在30 s内完成百万级点云球形标靶的自动提取任务。

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SHOT特征提取的三维点云配准算法

点云配准在逆向工程、三维重建和工业检测等领域有着广泛的应用。针对传统的迭代最近点(Iterative Clos⁃est Point,ICP)配准算法中存在对配准位姿要求高且收敛速度慢等问题。论文设计了一种基于方向直方图签名(Unique Sig⁃natures and Histograms for Surface and Texture Description,SHOT)特征提取的三维点云配准算法。利用内部签名描述(Intrin⁃sic Shape Signatures,ISS)算法提取出目标点云的关键点后采用高描述性的SHOT特征描述子对关键点进行特征提取。对关键点进行随机采样后在离线计算好的模板特征中结合二次约束搜索提取出合适的配准点对,利用对偶四元素求解旋转矩阵和平移向量来实现点云的初始配准,最后利用ICP算法实现点云的精确配准。试验结果表明与传统的迭代最近点配准算法、基于快速点特征(Fast Point Feature Histograms,FPFH)配准算法等算法相比,论文算法的配准耗时进一步缩减,对不同位姿下的配准适应性高且对噪声环境下数据缺失有较好的鲁棒性。