[发明专利]一种基于局部点云的葡萄位姿估计方法

权利要求书

1.一种基于局部点云的葡萄位姿估计方法，其特征在于：包括如下步骤：

S1、利用相机在种植园采集葡萄的原始点云数据；

S2、利用深度学习的目标检测Mask RCNN模型，把葡萄颗粒在复杂的背景进行实例级分割，并对葡萄颗粒区域进行二值化处理，索引葡萄颗粒分割区域的点云数据，从而获取除去背景的葡萄颗粒原始点云数据；

S3、利用统计滤波方法对葡萄颗粒原始点云数据的大尺寸噪声进行处理；利用双边滤波方法对葡萄颗粒原始点云数据的小尺寸噪声进行处理；

S4、将葡萄颗粒原始点云数据的离群点删除；

S5、采用椭球曲面来计算葡萄颗粒外表面的几何外形尺寸；

S6、基于迭代最近点算法点的点云配准：通过迭代最近点算法求取葡萄颗粒的离散点云集与离散的葡萄颗粒点云集的最佳平移向量T和旋转矩阵R，并对点集移动后的位置进行评估；

S7、基于遗传算法的葡萄颗粒几何模型参数调优；

S8、基于遗传算法求得每个葡萄颗粒的最佳模型，将每个葡萄颗粒的最佳模型的中心点分别记为每个葡萄颗粒的三维形心C(x_C,y_C,z_C)；

S9、葡萄串的三维形心点集设为O₁{C₁,C₂,…,C_n},对于点集O₁采用点云库中随机样本一致性算法拟合一条用于葡萄串采摘位姿求解的直线L₁；

S10、采摘机器人末端执行器的位姿求解：建立葡萄坐标系，求解葡萄坐标系在相机坐标系下的位姿便以求得葡萄串相对于相机坐标系的位姿；再经过仿射变换，求得葡萄串相对于采摘机器人的位姿。

2.根据权利要求1所述的基于局部点云的葡萄位姿估计方法，其特征在于：所述S4包括如下步骤：

S41、K-邻域搜索及点与邻域点的距离计算：设定葡萄颗粒原始点云数据中各个点为P_i(x_i,y_i,z_i)，i＝0，1，…；检索当前点P_i及搜索距离P_i最近的K个邻近点P_j，设定为P_i的K-邻域，记为R(P_i)；计算当前点P_i在其邻域内与各个邻近点P_j的距离，并计算平均值D(P_i)与方差F(P_i)：

S42、重复步骤S41，直至遍历完所有葡萄颗粒原始点云数据；设定平均距离阈值Dg与方差阈值Fg；若D(P_i)Dg且F(P_i)Fg,则认为当前点P_i为离散点，并从葡萄颗粒原始点云数据中删除。

3.根据权利要求1所述的基于局部点云的葡萄位姿估计方法，其特征在于：所述步骤S5，是指：设定葡萄颗粒外表面为椭球曲面椭球曲面的坐标值为(x_Q,y_Q,z_Q)：

其中,a为椭球曲面与X轴交点到中心距离；b为椭球曲面与Y轴交点到中心的距离；c为椭球曲面与Z轴交点到中心的距离；θ和分别为椭球曲面方程参数。