(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211318552.8 (22)申请日 2022.10.26 (71)申请人 华南农业大 学 地址 510642 广东省广州市天河区五山路 483号 申请人 佛山显扬科技有限公司 (72)发明人 金鸿　何海平　吕盛坪　丁克　 张胡成　熊伟　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 专利代理师 牛念 (51)Int.Cl. G06V 20/64(2022.01) G06V 10/22(2022.01) G06V 10/44(2022.01)G06V 10/75(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于轮廓提取点对特征的位姿估计方 法 (57)摘要 本发明涉及涉及无序抓取识别的技术领域， 更具体地， 涉及一种基于轮廓提取点对特征的位 姿估计方法， 包括两个阶段： 离线建模阶段和在 线识别阶段， 离线建模阶段， 对模板进行轮廓提 取， 再进行特征提取， 并储存在哈希表； 在线识别 阶段， 对场景进行轮廓提取， 再进行特征提取， 和 离线建模保存在哈希表中的特征建立点对特征， 然后进行位姿投票， 再通过ICP迭代处理， 完成位 姿估计， 本实施例中， 对模板和场景均进行轮廓 提取， 用轮廓替代原来的模板和场景点云进行点 对特征匹配， 耗时短， 且提高了匹配精度和正确 率。 权利要求书2页 说明书6页 附图3页 CN 115527202 A 2022.12.27 CN 115527202 A 1.一种基于轮廓提取点对特 征的位姿估计方法， 其特 征在于， 包括以下步骤： S1： 通过三维相机拍摄点云制作模板点云， 进行轮廓提取， 再进行特征提取， 并储存在 哈希表中； S2： 通过三维相机获取待抓取工件的场景点云， 对场景点云进行轮廓提取， 在场景点云 中选择参考点， 根据角度阈值和距离限制， 计算参考点与所有场景点构成的场景点对的四 维特征； S3： 搜索步骤S1中的哈希表， 提取与步骤S2中场景点对 的四维特征近似 的模型点对特 征， 得到候选位姿； S4： 对候选位姿 进行投票， 得到投票结果； S5： 以步骤S4中的投票结果 为初始位姿 进行ICP迭代处 理， 完成位姿估计。 2.根据权利要求1所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在于， 步骤S1 和步骤S2中， 对模板点云和场景点云进行轮廓提取时， 采用PCL轮廓提取方法， 给定角度阈 值限制和搜索点数限制， 设置边界估计的法线和搜索方式， 对 模板和场景进行轮廓提取。 3.根据权利要求1所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在于， 步骤S1 中， 为了快速匹配， 将4个区间化的特征值经过操作后作为索引， 对模板中任意两点， 计算点 对的点对特 征， 并储存在哈希 表中。 4.根据权利要求3所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在于， 步骤S1 中， 模板中任意两点间点对特征的计算过程具体为： 对模板点云轮廓进 行特征提取， 空间中 两个任意 点m1、 m2的法向量分别为 n1、 n2， 则m1、 m2之间的点对特 征F(m1， m2)： F(m1， m2)＝( ‖ d‖2， ∠(n1， d)， ∠(n2、 d)， ∠(n1， n2)) d＝m1‑m2 其中， d表示m1、 m2之间的距离； ‖ d‖2是m1与m2之间的欧式距离； ∠(n1， d)分别表示n1与m1、 m2之间连线的夹角； ∠(n2、 d)表示n2与m1、 m2之间连线的夹角； ∠(n1， n2)表示n1和n2的夹角； 规定n1和n2的夹角范围在[0， π ]之间。 5.根据权利要求1所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在于， 步骤S4 中， 对候选位姿 进行投票的具体过程 为： 对场景点对的四维特 征F(Sr， Si)进行离散化； 以离散化的结果作为索引键， 搜索与场景点对的四维特征近似的模型点对特征F(mr， mi)， 计算出场景点对(Sr， Si)和模型点对(mr， mi)的转换关系： 其中， Si是所有场景点， Sr是场景参考点， Rx( α )是模型点mi绕x轴旋转α角度与场景点Si 重合的矩阵， Ts→g、 Tm→g分别是参考点法向量与模型点法向量旋转至与局部参考坐标系的x 轴对齐后的变换关系； 计算出旋转角度α， 在建立的二维累加器上加1； 遍历轮廓提取后的所有点， 重复上述 步骤。 6.根据权利要求1所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在于， 步骤S5 中， 进行ICP优化前， 采用层次聚类算法对投票结果进行聚类， 以缩 减投票结果数量。 7.根据权利要求1至6任一项所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在 于， 步骤S5中， 进行ICP优化前， 对 模板和场景进行 下采样。权　利　要　求　书 1/2 页 2 CN 115527202 A 28.根据权利要求7所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在于， 下采样 的具体步骤为： 给定模板点云阈值和场景点云阈值， 当模板点云和场景点云分别超出模板 点云阈值和场景点云阈值时， 进行下采样， 按比例从多数集中选出一部分数据与少数集重 新组合成一个新的数据集。 9.根据权利要求7所述的基于轮廓 提取点对特征的位姿估计方法， 其特征在于， 步骤S5 中， ICP迭代处理的具体过程为： 将下采样的场景点云和模板点云一起作用于初始位姿， 通 过迭代处 理不断最小化模型点与场景点之间的距离来减少误差 。 10.根据权利要求9所述的基于轮廓提取点对特征的位姿估计方法， 其特征在于， 步骤 S5中， 设定阈值， 通过模型点云与场景点云之间的距离是否小于给定的阈值来判断位姿的 准确性； 当模型点云与场景点云之间的距离小于阈值， 将匹配成功点的数量与场景物体点 数量的比值 来评估位姿的正确性。权　利　要　求　书 2/2 页 3 CN 115527202 A 3