[发明专利]一种基于八叉树的机器人视觉引导三维物体重建方法

说明书

本发明的目的是提出一种基于八叉树的机器人视觉引导三维物体重建方法，在保证三维物体重建精度的前提下，提高三维物体重建的效率。本发明的三维物体重建方法采用八叉树结构作为点云数据的存储结构，选定区域增长法作为重建算法，关键在于重建包括如下步骤：A、搜索点云数据中的平坦区域，在平坦区域内构造种子三角形；B、将种子三角形边压入前沿边推进栈,从前沿边推进栈弹出一条前沿边并以其为基准，确定区域增长的候选区域；C、在所述候选区域中设置搜索领域，利用粒子群算法在搜索领域内确定最佳点，与前沿边配合而构造出新的种子三角形；D、重复B、C步骤，直至前沿边推进栈为空，上述步骤中得到的所有三角形的集合即为重建结果。

技术领域

本发明属于视觉3D物体重建技术领域，具体涉及到机器人视觉引导三维物体重建方法。

背景技术

随着德国“工业4.0”，中国“制造2025”等概念的到来，智能制造已经成为当今制造业的发展趋势，越来越多的工业机器人被应用到了生产线上，如何有效的提高工业机器人的作业效率与作业质量是进一步提高智能制造水平的关键。机器视觉技术应用在工业机器人上，有助于工业机器人自主识别工业生产环境，其中三维物体重建技术是连接现实世界与机器人世界的关键技术。

三维模型是继一维的声音数据、二维的图像数据之后一种全新的数字多媒体数据，三维模型与人们对真实世界的感知最为接近，三维模型可以通过三维重建的方法获取。所谓三维重建是指对三维物体建立适合计算机表示和处理的数学模型，是在计算机环境下对三维物体进行处理、操作和分析的基础。

三维技术领域中有几个基本的问题：(1)如何将现实世界的实物数字化以供计算机处理；(2)计算机以何种形式表现三维才能更逼真、准确的反映现实且要利于计算；(3)如何将计算机处理后的数据以三维的形式绘制出来。在各种三维数据获取方式中有一种最常用的方式是利用深度摄像机获取物体表面一些点的坐标数据，这些数据比较密集称为点云，是三维坐标的集合。点云是无组织数据集，数据点之间毫无内在联系，点云网格重建的目的是寻找采用点的一个拓扑连接关系，逼近原始曲面，构造各顶点间相互连接的拓扑关系的三角网格模型。网格模型的重建过程一般需要经过拓扑重建和网格优化。拓扑重建时要寻找各点之间的拓扑连接关系，重建结果为一张多边形网格，且多为三角形网格。网格优化是指将现有网格用含有更少的顶点和三角面片模型代替，但又能保持原始网格模型的几何精度和形态信息，优化后的网格规模小、质量高。网格优化在实际应用中是必可少的步骤，不仅关系到网格质量问题，更是工程成败的关键。

发明内容

本发明的目的是提出一种基于八叉树的机器人视觉引导三维物体重建方法，在保证三维物体重建精度的前提下，提高三维物体重建的效率。

本发明的基于八叉树的机器人视觉引导三维物体重建方法，采用八叉树结构作为点云数据的存储结构，选定区域增长法作为重建算法，关键在于重建包括如下步骤：

A、搜索点云数据中的平坦区域，在平坦区域内构造种子三角形；

B、将种子三角形边压入前沿边推进栈,从前沿边推进栈弹出一条前沿边并以其为基准，确定区域增长的候选区域；

C、在所述候选区域中设置搜索领域，利用粒子群算法在搜索领域内确定最佳点，与前沿边配合而构造出新的种子三角形；

D、重复B、C步骤，直至前沿边推进栈为空，上述步骤中得到的所有三角形的集合即为重建结果。

上述A步骤中，取平坦度最大的点P，寻找距离P点欧式距离最短的点Q作为第二个点，以PQ所成直线作为轴，以PQ的长为直径和高作一个圆柱，不断扩大圆柱的半径和高，直到圆柱内包含点云中的其他点；在圆柱内的所有点中，寻找一点R，使其满足：|PR|+|PQ|+|QR|最小，则三角形PQR为构造的种子三角形。

上述B步骤具体如下：