基于随机采样一致性的规则棒料位姿识别

获得规则堆放棒料的位姿信息是引导机械手抓取的关键,对获取的规则堆放棒料的三维点云进行滤波处理得到顶层的棒料点云,采用随机采样一致性算法(RANSAC)对滤波后的顶层棒料进行分割,最终得到每根棒料的半径、位置和姿态等信息。仿真实验表明:本方法识别结果的正确性;通过对直径为35. 00 mm,长度为80. 00 mm的规则堆放棒料进行扫描,在选择不同的参数的情况下,对同一根棒料点云进行多次分割,实验结果表明:当迭代次数k=20,距离阈值t=0. 7时,分割结果稳定,耗时160 ms左右;棒料半径的最大误差为0. 47 mm,本方法具有一定的鲁棒性和可行性。该方法能准确识别规则堆放棒料的位置和姿态,能广泛应用于棒类零件的位姿识别与机械手引导抓取。

不同测站点云数据的配准算法

随着三维激光扫描技术的发展,利用三维激光扫描仪采集信息,构建三维模型成为了热门的课题。由于受到观测环境、观测方向等影响,无法一次性地获得物体的所有的点云数据。因此,不同视角下点云数据的配准成为了三维建模中的关键技术,直接影响了最终的重合结果以及模型精度。本文着重研究主方向贴合法和最近点迭代算法(ICP算法),基于matlab平台编写算法,并对算法进行研究,得出配准结果以及配准精度。

基于动态圆柱拟合的背包激光雷达单木骨架曲线提取

【目的】为了精确构建树木的三维模型,基于背包激光扫描(Backpack laser scanning,BLS)系统获取的单木点云数据,提出了一种动态圆柱拟合方法提取树木真实的骨架曲线。【方法】以广西壮族自治区南宁市高峰林场为研究区。从样地点云数据中分离出单棵杉木点云,对其地面点与树叶点进行滤波处理,得到单木枝干点云。根据树木单枝近似圆柱特性,提出动态圆柱拟合算法,将单木枝干点云分割成大量单枝点云,并对单枝点云进行优化。分别对优化后单枝点云的XYZ坐标进行主成分分析,计算其特征值,最大特征值所对应的特征向量即为主方向。基于体元逐层聚类,沿主方向进行骨架点的提取,并利用3次B样条曲线对单枝骨架点进行平滑处理以获取单枝骨架曲线。利用同向向量近邻点搜索方法确定单枝骨架曲线连接点,实现骨架曲线拼接,从而实现完整单木骨架曲线的提取。【结果】对样地单株杉木进行骨架曲线提取,设置3种动态圆柱递减参数δ。递减参数为0.3 cm时,点云利用率为95.04%,处理时间为515.05 s;递减参数为0.5 cm时,点云利用率为92.70%,处理时长为369.34 s;递减参数为0.8 cm时,点云利用率79.70%,处理时长为349.35 s。参数为0.3 cm时,点云利用率最高,能够非常完整的提取骨架曲线;参数为0.5 cm时,点云利用率可以满足骨架曲线的提取,并且算法运行时间相比于参数0.3 cm时降低了28.29%;参数为0.8 cm时,部分单枝存在缺失现象,无法满足骨架曲线提取要求。【结论】将递减参数设置为0.5 cm,利用动态圆柱拟合方法提取背包激光扫描单木点云的骨架曲线能够表征单木的几何、拓扑结构。