[发明专利]基于深度相机的工件识别与定位方法和系统、分拣系统

权利要求书

1.一种基于深度相机的工件识别与定位方法，其特征在于，所述方法包括：

S1：采用深度相机以采集现场工作环境的图像信息和对应的实时点云数据；

S2：基于支持向量机训练不同种类、不同姿态和不同完整度的工件模型和识别实时点云数据中所包含的工件点云、以及对应的工件种类与工件姿态；

S3：将识别结果作为点云配准的初始值，依次采用ICP算法和NDT算法进行精配准；

S4：采用标定板以建立相机坐标系与世界坐标系的关系，获取工件的位姿数据。

2.根据权利要求1所述的基于深度相机的工件识别与定位方法，其特征在于，所述标定板包括棋盘标定板。

3.根据权利要求1所述的基于深度相机的工件识别与定位方法，其特征在于，所述方法还包括：

S20：将深度相机采集到的若干个工件样本点云数据作为训练样本，采用支持向量机作为分类器，训练生成用于识别不同种类、不同姿态和不同完整度的工件模型的工件识别子系统。

4.根据权利要求3所述的基于深度相机的工件识别与定位方法，其特征在于，所述工件识别子系统的生成过程包括：

S201：标定每个训练样本的类别标签，提取训练样本中的若干个直方图特征作为样本特征；

S202：设置支持向量机参数，包括支持向量机类型、核函数类型、算法的终止条件和松弛变量；

S203：结合样本特征和支持向量机参数，训练支持向量机以生成工件识别子系统。

5.根据权利要求1所述的基于深度相机的工件识别与定位方法，其特征在于，步骤S2中，所述识别实时点云数据中所包含的工件、以及工件种类与对应的姿态包括以下步骤：

S21：对实时点云数据进行体素化滤波预处理以减少场景点云噪声；

S22：提取工件所在的感兴趣区域，将背景区域与工件所在区域分割，提取待识别工件点云；

S23：将待识别工件点云与支持向量机比对以找出工件样本点云，利用点云匹配点之间的关系计算出工件样本点云与待识别工件点云之间的第一转换关系矩阵，记为R1和T1。

6.根据权利要求5所述的基于深度相机的工件识别与定位方法，其特征在于，步骤S3中，所述将识别结果作为点云配准的初始值，依次采用ICP算法和NDT算法进行精配准包括以下步骤：

S31：采用ICP算法对工件进行配准，计算出工件样本点云与待识别工件点云之间的第二转换关系矩阵，记为R2和T2；

S32：采用NDT算法进一步提高配准精度，计算出工件样本点云与待识别工件点云之间的第三转换关系矩阵，记为R3和T3。

7.根据权利要求6所述的基于深度相机的工件识别与定位方法，其特征在于，所述方法还包括：

所述工件样本点云与待识别工件点云之间的最终转换关系[R，T]为：

[R,T]＝[R1,T1]*[R2,T2]*[R3,T3]。

8.一种基于深度相机的工件识别与定位系统，其特征在于，所述系统包括：

点云数据获取模块，用于获取现场工作环境的图像信息和对应的实时点云数据；

工件识别子系统，用于识别实时点云数据中所包含的工件点云、以及对应的工件种类与工件姿态，包括：

建立模型单元，用于基于统计学习理论，预先建立以现场工作环境为背景的不同种类、不同姿态和不同完整度的工件点云图作为训练样本的高维特征模型；

工件识别单元，用于将实时点云数据映射至支持向量机的高维特征模型中，分离出工件点云、以及对应的工件种类与工件姿态类；

点云配准模块，用于将识别结果作为点云配准的初始值，依次采用ICP算法和NDT算法进行精配准；

坐标转换模块，用于采用标定板以建立相机坐标系与世界坐标系的关系。