基于点云的工件基准面定位检测研究.pdf
《基于点云的工件基准面定位检测研究.pdf》由会员分享,可在线阅读,更多相关《基于点云的工件基准面定位检测研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、现代电子技术Modern Electronics TechniqueSep.2023Vol.46 No.182023年9月15日第46卷第18期0 引 言随着科技的发展,机器视觉被广泛应用在工件检测、工厂检查自动驾驶等方面12。大型组装工件生产线作业中,常采用机器视觉的方式对工件的基准面进行定位检测,如尺寸检测、工件组装等。传统工件基准面定位测量通常采用人工肉眼配合工具的检测,存在误差大、检测精度低、持续时间短等缺点。基于机器视觉技术能够进行长时间、高精度、高速的工件基准面定位检测,采用 3D结构光相机采集工件3D 点云数据,通过适当的点云数据处理方法实现对工件基准面的定位检测35。近些年来,
2、国内外相关学者对点云工件检测相关技术进行了大量研究。张潇丹等人采用统计滤波去除离群值,利用体素滤波精简点云,通过直通滤波拟合平面实现了对小型工业零件高度的精密测量6。传统的平面拟合方法如最小二乘法、特征值法,都无法排除异常点云对拟合结果的影响,导致拟合精度下降,鲁棒性弱78。童子良等人提出随机采样一致算法和主成分分析算法DOI:10.16652/j.issn.1004373x.2023.18.024引用格式:吴春晓,孙坚,徐红伟.基于点云的工件基准面定位检测研究J.现代电子技术,2023,46(18):140146.基于点云的工件基准面定位检测研究吴春晓,孙 坚,徐红伟(中国计量大学 机电工程
3、学院,浙江 杭州 310018)摘 要:针对大型工件检测过程中人工基准面的定位检测精度低、速度慢、重复性差等问题,提出一种基于机器视觉的工件基准面检测方法。以大型工件基准面的 3D模型为对象,利用 3D深度相机采集基准面的点云数据;通过点云直通滤波器分离背景和工件基准面点云,采用50倍均匀下采样法精简点云,降低点云数;采用统计滤波技术剔除异常点和噪声干扰。使用改进的RANSAC算法先对点云数据进行粗拟合,提取内点,再通过最小二乘法对内点点云集合进行二次精确拟合。实验结果表明,存在干扰和排除干扰的情况下,所提方法都能保持较高的精度,拟合平面和基准面夹角小于 0.3,且具有一定的鲁棒性。该方法能够
4、应用于在线工件检测,为机械臂提供姿态调整的参数,具有一定的应用价值。关键词:工件基准面;定位检测;点云滤波;统计滤波;RANSAC算法;平面拟合;最小二乘法;点云裁剪中图分类号:TN820.434;TP391.41 文献标识码:A 文章编号:1004373X(2023)18014007Research on workpiece reference plane location and detection based on point cloudWU Chunxiao,SUN Jian,XU Hongwei(School of Mechanical and Electrical Engineer
5、ing,China Jiliang University,Hangzhou 310018,China)Abstract:In allusion to the low precision,slow speed and poor repeatability of manual reference plane in the process of large workpiece detection,a method of workpiece reference plane detection based on machine vision is proposed.Taking 3D model of
6、the large workpiece datum as the object,the 3D depth camera is used to collect the reference plane point cloud data.The background and workpiece reference plane are separated by means of point cloud pass through filter,and the 50 times uniform downsampling method is used to simply the point cloud to
7、 reduce the number of point clouds.The statistical filtering technology is used to eliminate outliers and noise interference.The improved RANSAC(random sampling consistent)algorithm is used to perform rough fitting on point cloud data,extract interior points,and then perform quadratic precise fittin
8、g on the interior point cloud set by measn of the least squares method.The experimental results show that the proposed method can maintain high accuracy in both the presence and elimination of interference,with an angle between the fitting plane and the reference plane less than 0.3,and has a certai
9、n degree of robustness.This method can be applied to online workpiece detection,providing parameters for posture adjustment of the robotic arm,and has a certain application value.Keywords:workpiece reference plane;location and detection;point cloud filtering;statistical filtering;RANSAC algorithm;pl
10、ane fitting;least square method;point cloud cropping收稿日期:20230221 修回日期:20230330140140第18期相结合的点云平面拟合算法,来消除异常值和粗差点的影响9。苏毅辉等人利用最小平方中值算法和特征值法相结合,无需手动设置阈值,能够自适应选择阈值,实现了更高精度的平面拟合10。文献1113表明,在平面拟合研究中,RANSAC 算法具有不错的鲁棒性,能够在含有噪声的数据中保持较高的拟合精度。N.A.Hadi 等人基于 CPUGPU 平台,利用统计滤波进行点云去噪处理,实验证明统计滤波能够有效去噪并保留点云特征14。A.N.R
11、uchay 等使用深度相机采集的 3D 数据比较各种点云滤波算法,实验显示,在统计滤波、双边滤波、半径滤波、体素滤波中,统计滤波在Hausdorf距离和ICP误差评估中优势明显15。刘春松等人提出结合改进的半径滤波和RANSAC优点的点云去噪方法16,去噪后信噪比较传统方法提高了 152.94%,运行速度快了96.26%。为提高大型工件基准面检测的精度,本文利用 3D深度相机采集工件基准面数据,设计一种基于点云的基准面检测方法。首先通过直通滤波器分离背景点云和工件点云,接着采用统计滤波器进行点云滤波去噪,再结合改进的 RANSAC算法和最小二乘法进行基准面拟合,RANSAC 算法能剔除异常点云
12、,最小二乘法基于内点实现拟合。通过实验证明所提方法的可行性,并对大型工件的检测和机械臂的姿态调整具有重要意义。1 点云数据处理1.1 点云裁剪工件点云信息采集时,3D 相机采集的点云数据中包含有工件置物台、固定架等背景的点云数据,直接对点云数据进行检测会产生很大的干扰,影响检测速度和精度。因此,必须对原始点云数据进行点云裁剪,从点云数据中分离剔除背景点云,获取工件点云。直通滤波器原理:在点云指定的维度(x、y、z方向)上设置一个阈值范围,将这个维度上的数据分为在阈值范围内和超出阈值范围,阈值范围内点云为目标工件点云,超出阈值范围则视为背景点云。直通滤波器通常用于对在空间分布上存在明显特征的点云
13、数据,使用直通滤波器能够快速判断并剔除背景点云数据。工件和置物台在 z轴方向上存在明显的空间特征,因此选择使用直通滤波进行点云裁剪,能够快速分离目标工件和背景点云,结合工件的尺寸并通过多次实验,在z方向上选择了适当的阈值进行直通滤波。1.2 点云数据下采样由于点云数据具有无序和海量的特性,直接处理采集点云数据时,需要较高的计算成本和时间,不利于检测的快速进行,因此,常用解决方法是对点云数据进行下采样操作,将对全部点云的操作等价转移到下采样所得到的点上,以降低检测计算量。常用的下采样方法有体素下采样、均匀下采样等。均匀下采样以半径为 r 的球体对点云空间进行划分,选取距离球心最近的点作为采样点代
14、替落在球上的点集,采样点的坐标为原点云中一点的坐标。可修改球体的半径 r,实现对点云采样稀疏程度的控制。均匀采样每个固定的点云数采样一次,实验中使用50倍下采样。1.3 点云滤波算法工件点云数据采集过程中,背景和环境因素的存在,对数据采集工作造成干扰,导致采集的点云数据中存在大量的干扰点云,因此需要对相机采集的工件点云数据进行点云滤波操作,过滤掉点云数据中的干扰,降低拟合过程中的误差,提高对基准面的精准定位。1.3.1 统计滤波统计滤波能够用于去除较为明显的离群点云,离群点云主要由测量噪声引入,其特征为空间中呈稀疏分布,即该区域的点云密度较小,包含的信息量较小,属于无用信息。基于离群点的特征,
15、设置一个区域的点云密度小于某个阈值时,判定该区域去离群点云区域,即无效点云区域,剔除该点云区域内所有点云数据,实现滤波。统计滤波计算原理:计算点云中每个点距离其最近的 k个点的平均距离,点云中所有点的距离构成高斯分布,设定方差和均值,即可剔除 n个之外的点。对每个点的邻域进行统计分析,点云距离构成高斯分布,由均值 和标准差决定该高斯分布的形状。设点云内的第m个点坐标为Pm(Xm,Ym,Zm),该点到点云中任一点Pk(Xk,Yk,Zk)的距离为:Di=(Xm-Xk)2+(Ym-Yk)2+(Zm-Zk)2(1)遍历计算每个点到其他点距离的平均值为:=1ni=1ndi(2)标准差公式为:=1ni=1
16、n(di-)2(3)假设标准差倍数为 std,算法实现过程中只需要输入n和std两个阈值参数,某点邻近的n个点的平均距离在(-std,+std)范围内时保留,在此范围之外则认定为离群点,并剔除,流程如图1所示。1.3.2 中值滤波中值滤波算法原理是:对当前待处理的采样点选择模板,该模板由其邻近的若干个数据点组成,对模板内吴春晓,等:基于点云的工件基准面定位检测研究141现代电子技术2023年第46卷的点云数据从小到大进行排序,再使用模板的中值数据代替当前采样点数据。图1 统计滤波流程中值滤波算法对噪声的抑制效果较好,基本保存点云的细节信息,但对高斯噪声抑制效果较差。1.3.3 均值滤波均值滤波
17、算法原理:对当前待处理的采样点选择模板,该模板由其邻近的若干个数据点构成,计算模板中所有点云数据的平均值,使用模板的均值数据代替当前采样点数据。均值滤波算法简单,计算速度快,对白噪声鲁棒性强,缺点是滤波降噪的同时会丢失部分细节信息。2 平面拟合算法2.1 基于最小二乘法平面拟合最小二乘法是由勒让德提出的,是一种数学优化技术,通过最小化误差平方与寻找数据的最佳函数匹配,其因简便好用的特点而被广泛应用于直线拟合、曲线拟合、平面拟合等领域。平面拟合应用原理是,设待拟合平面方程为Q:Ax+By+Cz+D=0,该平面方程能唯一表示Q平面,但是平面的表示方法并不唯一,可采用不同的形式,如方程Q:2Ax+2
18、By+2Cz+2D=0。假设C 0,则方程Q可变换为:z=-ACx-BCy-DC(4)令a0=-AC,a1=-BC,a2=-DC,则方程变形为:z=a0 x+a1y+a2(5)设点集P(x1,y1,z1),(x2,y2,z2),(xn,yn,zn),按最小二乘法原则使得误差平方和最小,即:i=1n(z-zi)2=min(6)构建误差函数:S(a0,a1,a2)=i=1n(a0 xi+a1yi+a2-zi)2(7)即当误差函数S(a0,a1,a2)取最小值时,得到最佳拟合平面方程。分别对a0、a1、a2求偏导数,且满足Sa0=0,Sa1=0,Sa2=0,得到如下方程组:i=1n2(a0 xi+a
19、1yi+a2-zi)xi=0i=1n2(a0 xi+a1yi+a2-zi)yi=0i=1n2(a0 xi+a1yi+a2-zi)zi=0(8)移项整理可得:a0i=1nxixi+a1i=1nxiyi+a2i=1nxi=i=1nxizia0i=1nxiyi+a1i=1nyiyi+a2i=1nyi=i=1nyizia0i=1nxi+a1i=1nyi+a2i=1n1=i=1nzi通过线性代数的相关知识可将方程组(8)表示为矩阵形式,即:GX=K(9)式中:G=i=1nxixii=1nxiyii=1nxii=1nxiyii=1nyiyii=1nyii=1nxii=1nyii=1n1;X=a0a1a2;
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 工件 基准面 定位 检测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。