[发明专利]一种基于多视角特征的工件识别方法和装置

说明书

本发明公开了一种基于多视角特征的工件识别方法和装置，属于图像数据处理技术领域，所述方法包括：S1：对携带目标工件的场景图像进行滤波、分割和点云化获得所述目标工件对应的待识别点云数据集；S2：分别将三维模型图像数据集和所述待识别点云数据集在多个视角下进行渲染，得到三维模型多视角点云数据集和待识别多视角点云数据集；S3：利用所述三维模型多视角点云数据集对工件类型识别网络进行训练，训练完成后得到目标深度神经网络；S4：将所述待识别多视角点云数据集输入到所述目标深度神经网络，得到所述目标工件的类型识别结果。本发明方法能够快速、有效、精准地对目标工件进行自动识别。

技术领域

本发明属于图像数据处理技术领域，更具体地，涉及一种基于多视角特征的工件识别方法和装置。

背景技术

目标工件识别是工件坐标测量中的重要任务，自动识别待测量工件的类型可以提高测量设备的智能化程度，满足测量任务的多样性需求，做到测量任务之间的自动切换。现有的测量系统的任务比较单一，在切换不同测量任务时需要人工操作，自动识别工件类型可以使得同时处理多种类型的任务成为可能。

目前存在的目标工件自动识别方法使用的分类方法或分割方法主要包括：手工特征提取法、体素网格法、点云网络法等。在关于目标工件识别的现有研究中应用了大量的特征和分类方法，这些研究中通常都存在以下二个问题：首先，受视角限制，相机可视范围外的点丢失，模型泛化能力较差，识别率低；其次，使用物体完整点云训练的模型对于完整点云数据有较好的识别率，但是对于深度相机采集的物体不完整点云的识别效果较差。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于多视角特征的工件识别方法和装置，其目的在于使用多视角点云数据训练工件类型识别模型，并使用训练好的类型识别模型识别多视角的深度特征获得工件种类，由此解决现有识别方法识别率低准确性差的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于多视角特征的工件识别方法，包括：

S1：对携带目标工件的场景图像进行滤波、分割和点云化获得所述目标工件对应的待识别点云数据集；

S2：分别将三维模型图像数据集和所述待识别点云数据集在多个视角下进行渲染，得到三维模型多视角点云数据集和待识别多视角点云数据集；

S3：利用所述三维模型多视角点云数据集对工件类型识别网络进行训练，训练完成后得到目标深度神经网络；

S4：将所述待识别多视角点云数据集输入到所述目标深度神经网络，得到所述目标工件的类型识别结果。

在其中一个实施例中，所述S1包括：

S11：对所述场景图像进行条件滤波、体素滤波和统计滤波得到滤波图像；

S12：基于随机采样一致性的平面模型分割方法对所述滤波图像进行处理，以将所述目标工件从所述场景图像中分割出来得到目标图像；

S13：采用点云库将所述目标图像转换成所述待识别点云数据集。

在其中一个实施例中，所述S11包括：

利用所述条件滤波过滤工作平台范围外的无关点云数据；

利用所述体素滤波对所述工作平台范围内的点云数据进行下采样，得到稀疏点云数据；

利用所述统计滤波来过滤所述稀疏点云数据中的噪声点，得到所述滤波图像。

在其中一个实施例中，所述S2包括：

S21：分别将所述三维模型图像数据集和所述待识别点云数据集作为待处理CAD模型；

S22：从不同预设视角拍摄所述待处理CAD模型的部分视图，得到所述三维模型多视角点云数据集和所述待识别多视角点云数据集。