书书书
收稿日期:20200106;修回日期:20200305 基金项目:江苏高校优势学科建设工程资助项目(PAPD);江苏省产学研前瞻性联合研
究项目(BY201501938);江苏省科技成果转化专项资金项目(BA2016075)
作者简介:陶四杰(1994),男,安徽枞阳人,硕士研究生,主要研究方向为机器视觉理论与应用;白瑞林(1955),男(蒙古族)(通信作者),
黑龙江双城人,教授,博导,硕士,主要研究方向为机器视觉与机器人技术(bairuilin@hotmail.com).
一种基于降采样后关键点优化的点云配准方法
陶四杰,白瑞林
(江南大学 物联网工程学院 轻工过程先进控制教育部重点实验室,江苏 无锡 214122)
摘 要:针对工件点云数据多而导致点云配准耗时长的问题,提出一种基于降采样后关键点优化的点云配准方
法。计算点云若干体素的重心,利用 kdtree快速遍历重心的邻近点来代替该体素;提出自适应的点云平均距离
计算方法,对降采样后的点云提取
ISS3D关键点,并采用基于球邻域的边界点判断方法对其优化;对优化后的关
键点进行
FPFH特征描述,利用 SACIA求解近似变换阵,使用 ICP算法精配准而解得工件的精确位姿信息。实
验结果表明,相较于其他四种配准算法,配准精度分别提高了 96.9%、98.1%、93.3%和 3.5%,配准速度分别提
高了 77.2%、77.7%、76.9%和 85.4%,表明了该方法的有效性。
关键词:耗时;体素网格;关键点;边界点
中图分类号:TP391 文献标志码:A 文章编号:10013695(2021)03051090404
doi:10.19734/j.issn.10013695.2020.01.0021
Pointcloudregistrationmethodbasedonkeypointoptimizationafterdownsampling
TaoSijie,BaiRuilin
(KeyLaboratoryofAdvancedProcessControlforLightIndustryforMinistryofEducation,SchoolofInternetofThingsEngineering,Jiangnan
University
,WuxiJiangsu214122,China)
Abstract:Aimingattheproblemoftimeconsumingpointcloudregistrationduetothelargeamountofpointclouddataofthe
workpiece
,thispaperproposedapointcloudregistrationmethodbasedonkeypointsoptimizationafterdownsampling.Itcalcu
latedthecenterofgravityofseveralvoxelsinthepointcloudandusedkdtreetoquicklytraversetheneighboringpointsofthe
centerofgravitytoreplacethevoxel.Itproposedanadaptivepointcloudaveragedistancecalculationmethodtoextractthe
ISS3Dkeypointsfromthedownsampledpointcloud
,andusedboundarypointjudgmentmethodofthesphericalneighborhood
tooptimize.ThecharacteristicofFPFHdescribedthekeypointsafteroptimized.ItusedSACIAtosolveapproximatetransfor
mationmatrix,andusedICPalgorithmforpreciseregistrationtoobtainthepreciseposeinformationoftheworkpiece.Theex
perimentalresultsshowthatcomparedwiththeotherfourregistrationalgorithms
,theregistrationaccuracyhasimprovedby
969%,98.1%,93.3%,and3.5%,theregistrationspeedhasincreasedby77.2%,77.7%,76.9%,and85.4%,itshows
theeffectivenessofthemethod.
Keywords:timeconsuming;voxelgrid;keypoint;boundarypoint
在随机箱体抓取技术
[1]
中,点云配准直接影响最后抓取效
果。点云配准主要分为粗配准和精配准两种
[2]
。粗配准是找到一
个近似变换阵让两片看似不相关的点云能大致匹配,其匹配方法
一般都是利用局部特征描述子相似而实现。精配准是在近似变换
阵的基础上让两片点云的重合度更好,让变换阵更加精确。
在进行点云粗配准前,考虑到原始点云数据点较多,为了
满足粗配准的实时性,工业上主要的方法是提取点云关键点和
对其降采样。关键点
[3]
是点云模型中一些特征点,一般表示
为灰度梯度、角点等急剧变化的点,具有稳定性和显著性,通过
对关键点的信息描述可有效表示整体工件点云。常用的关键
点有 Harris3D、ISS3D
[4]
、NARF
[5]
等,其中 Harris3D对变化明显
区域效果较好,但一个模型表面变化比较明显的区域较少;
NARF对边缘关键点提取效果较好,对其他部位的关键点不敏
感;ISS3D具有识别力强、重复性高的特点,但是对噪声敏感。
点云降采样算法主要分为基于空间拓扑关系、基于点云曲率特
征、基于空间分割三类
[6]
。基于空间拓扑关系通过对三角面
片或网格的合并实现降采样,有三角面片法
[7]
;基于点云曲率
特征根据点云的曲面变化情况对点云降采样,能保留复杂的曲
面特征,有曲率精简法
[8]
、角度法
[9]
;基于空间分割不适用于
复杂结构对象,但实时性强,有空间包围盒法
[10]
、均匀栅格法。
常用的局部特征描述子有点特征直方图(pointfeaturehis
tograms,PFH)、快速点特征直方图(fastpointfeaturehistograms,
FPFH)、三维形状上下文
[11]
(3Dshapecontext,3DSC)、方向直
方图签名描述子(signatureofhistogramoforientation,SHOT)等。
其中
PFH时间消耗大,无法满足实时性要求,特征维度是 125;
3DSC需计算点云的曲面形状特征,增加了计算量,特征维度是
1980;FPFH是 PFH的优化
[12]
,特征维度是 33;SHOT
[13]
的特
征维度是 352,采用欧氏距离匹配,较耗时。
综上所述,考虑到随机抓取工件结构简单以及工件定位的
实时性和精度要求,本文先进行体素网格重心邻近点降采样,
再提取
ISS3D关键点。鉴于工件边界噪声点云对关键点的影
响,提出基于球邻域边界点判断的方法对其优化。对优化后的
关键点进行
FPFH特征描述,利用 SACIA粗配准获取近似变
换,ICP精配准得到单个工件精确位姿的信息。
1 点云降采样与关键点特征提取
11 点云预处理
利用文献[14]中的点云采集系统获取工件场景点云数据
第 38卷第 3期
2021年 3月
计 算 机 应 用 研 究
ApplicationResearchofComputers
Vol38No3
Mar.2021