【技術實現步驟摘要】
本專利技術涉及機器人輪廓跟蹤，更具體的說是涉及一種3d掃描輪廓的模型參數提取方法及系統。
技術介紹
1、在智能涂膠系統中，通常利用機器人帶動線激光傳感器掃描實物，獲取三維輪廓數據，然后上位機通過合適的算法準確提取三維輪廓點云的涂膠位置，最后才能準確地涂膠。
2、因此涂膠時，傳感器需要準確跟蹤三維輪廓，上位機要及時處理三維輪廓點云數據，并準確提取出三維輪廓點云的某一幾何要素，比如輪廓的側邊、中心線等。
3、這個過程主要有三大難點。第一，發泡棉軌跡彎曲復雜，機器人帶動傳感器跟蹤輪廓時，傳感器掃描區域容易偏離目標輪廓，導致無法準確獲取目標輪廓信息；第二，發泡棉沒有固定的形狀，容易變形，比如熱脹冷縮等，導致無法提前規劃準確的涂膠路徑；因此跟蹤三維輪廓時，必須根據三維輪廓的點云數據實時調整涂膠路徑；第三，輪廓截面形狀各異，存在凸包、凹陷、變窄、缺膠、斷膠等情況，對涂膠路徑的準確提取產生較大的負面影響。
4、由于以上的問題，以往的方法直接提取輪廓點云的特征點然后再進行模型重構，對于復雜的三維輪廓比較困難，不僅特征點較難準確提取，而且也較難抵抗輪廓點云缺陷帶來的負面影響，導致提取的模型參數準確率低。
技術實現思路
1、有鑒于此，本專利技術提供了一種3d掃描輪廓的模型參數提取方法及系統，能夠有效提高3d掃描輪廓參數提取的準確率。
2、為了實現上述目的，本專利技術采用如下技術方案：
3、一方面，本專利技術公開一種3d掃描輪廓的模型參數提取方
4、獲取3d輪廓掃描點云數據，包括多幀數據，每幀數據包括多個數據點，即目標輪廓部分的各個輪廓點；
5、對所述3d輪廓掃描點云數據進行預處理，識別數據缺陷并進行補償，得到輪廓數據；
6、基于所述輪廓數據提取關鍵點；
7、利用迭代最近點算法處理所述輪廓數據和所述關鍵點，識別局部輪廓；
8、計算各個所述關鍵點的距離，并結合所述局部輪廓得到反求模型的幾何參數。
9、優選的，所述數據缺陷包括數據缺失、凸包、錯位。
10、優選的，識別數據缺陷并進行補償，包括：
11、設定數據缺失閾值，計算每一幀目標輪廓部分各個輪廓點z方向的均值，當所述均值小于所述數據缺失閾值時，則判定為目標輪廓數據缺失，否則判定為正常；當目標輪廓數據缺失時，根據上一幀正常的目標輪廓數據進行補償；
12、設置sse閾值，計算當前幀與相鄰幀z方向的誤差平方和，當所述誤差平方和超過所述sse閾值時，判定存在凸包的情況，并通過當前幀數據點與前一幀數據點的偏移量對當前幀數據沿z方向偏移，完成凸包補償；
13、通過計算當前幀數據點相對于前一幀數據點y方向的偏移量識別是否錯位，并根據所述y方向的偏移量對當前幀進行錯位補償。
14、優選的，基于所述輪廓數據提取關鍵點，包括：
15、所述輪廓數據結合先驗知識提取關鍵點。
16、優選的，利用迭代最近點算法處理所述輪廓數據和所述關鍵點，識別局部輪廓，包括：
17、通過所述關鍵點構造不同形狀的目標點云輪廓模板；
18、根據所述關鍵點獲取輪廓點云數據；
19、基于目標函數對所述目標點云輪廓模板與所述輪廓點云數據進行icp配準；
20、計算配準誤差，配準誤差最小的目標點云輪廓模板的形狀即為局部輪廓點云形狀。
21、優選的，所述目標函數如下：
22、
23、式中，n為數據點總數，t′i為目標點云輪廓模板中第i個數據點，si為第i個輪廓點云數據，r為旋轉矩陣，t為平移矩陣。
24、優選的，所述配準誤差計算公式如下：
25、
26、其中，pi為反求模型中第i個點，tindice為理論模型中距離pi最近的點，indice通過kdtree查找，n′為反求模型與理論模型對應點的總點數，d(·)為點pi和點tindice之間的距離。
27、優選的，所述方法還包括：基于所述幾何參數和目標中心線軌跡重構三維輪廓模型。
28、另一方面，本專利技術還提出一種3d掃描輪廓的模型參數提取系統，用于實現上述3d掃描輪廓的模型參數提取方法，包括：
29、數據采集模塊，用于獲取3d輪廓掃描點云數據，包括多幀數據，每幀數據包括多個數據點，即目標輪廓部分的各個輪廓點；
30、數據處理模塊，用于對所述3d輪廓掃描點云數據進行預處理，識別數據缺陷并進行補償，得到輪廓數據；
31、關鍵點確定模塊，用于基于所述輪廓數據提取關鍵點；
32、局部輪廓識別模塊，用于利用迭代最近點算法處理所述輪廓數據和所述關鍵點，識別局部輪廓；
33、參數提取模塊，用于計算各個所述關鍵點的距離，并結合所述局部輪廓得到反求模型的幾何參數。
34、優選的，所述系統還包括三維模型重構單元，用于基于所述幾何參數和目標中心線軌跡重構三維輪廓模型。
35、經由上述的技術方案可知，與現有技術相比，本專利技術公開提供了一種3d掃描輪廓的模型參數提取方法及系統，在點云預處理階段，對三維點云輪廓的缺陷進行識別并補償，抵抗缺陷對模型參數提取的負面影響；根據先驗知識識別輪廓的關鍵點，避免了輪廓線關鍵點提取的盲目性，大大減少了關鍵點的篩選工作量，提高了關鍵點提取的效率和穩定性，使得算法具有較強的穩定性；根據關鍵點直接構建輪廓點云數據，使得目標點云與源點云具有較好的初值，有效避免了傳統icp算法存在對初始化值比較敏感，容易產生局部最優解的問題。
本文檔來自技高網...【技術保護點】
1.一種3D掃描輪廓的模型參數提取方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種3D掃描輪廓的模型參數提取方法，其特征在于，所述數據缺陷包括數據缺失、凸包、錯位。
3.根據權利要求2所述的一種3D掃描輪廓的模型參數提取方法，其特征在于，識別數據缺陷并進行補償，包括：
4.根據權利要求1所述的一種3D掃描輪廓的模型參數提取方法，其特征在于，基于所述輪廓數據提取關鍵點，包括：
5.根據權利要求1所述的一種3D掃描輪廓的模型參數提取方法，其特征在于，利用迭代最近點算法處理所述輪廓數據和所述關鍵點，識別局部輪廓，包括：
6.根據權利要求5所述的一種3D掃描輪廓的模型參數提取方法，其特征在于，所述目標函數如下：
7.根據權利要求5所述的一種3D掃描輪廓的模型參數提取方法，其特征在于，所述配準誤差計算公式如下：
8.根據權利要求1所述的一種3D掃描輪廓的模型參數提取方法，其特征在于，還包括：基于所述幾何參數和目標中心線軌跡重構三維輪廓模型。
9.一種3D掃描輪廓的模型參數提取系統，
10.根據權利要求9所述的一種3D掃描輪廓的模型參數提取系統，其特征在于，還包括三維模型重構單元，用于基于所述幾何參數和目標中心線軌跡重構三維輪廓模型。
...【技術特征摘要】
1.一種3d掃描輪廓的模型參數提取方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種3d掃描輪廓的模型參數提取方法，其特征在于，所述數據缺陷包括數據缺失、凸包、錯位。
3.根據權利要求2所述的一種3d掃描輪廓的模型參數提取方法，其特征在于，識別數據缺陷并進行補償，包括：
4.根據權利要求1所述的一種3d掃描輪廓的模型參數提取方法，其特征在于，基于所述輪廓數據提取關鍵點，包括：
5.根據權利要求1所述的一種3d掃描輪廓的模型參數提取方法，其特征在于，利用迭代最近點算法處理所述輪廓數據和所述關鍵點，識別局部輪廓，包括：
<...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。