[发明专利]一种基于高斯混合模型的工件三维重建方法

权利要求书

1.一种基于高斯混合模型的工件三维重建方法，包括以下步骤：

步骤1：多视角点云数据采集，采集含有多角度目标工件的场景点云数据；利用融合式双目深度相机采集点云数据，该深度相机基于双目立体成像原理以及红外结构光测距原理获得深度数据；将待扫描的目标工件放置于可控制旋转角度的旋转平台上，深度相机与旋转平台之间构成固定的相对位置，工件以一定的初始位置放置于旋转平台之上，并以固定角度为增量进行步进式旋转，以获得目标工件的多角度信息；深度相机对场景中的每一个角度进行扫描和记录后回传至电脑，并将点云数据按照时间顺序以PCD文件的形式保存，命名为View1、View2、View3，...ViewN的N个视角场景点云文件；

步骤2：点云预处理，将步骤1中采集得到的多视角的场景点云View1、View2、View3，...ViewN中的无关数据剔除，并提取出目标工件；其具体步骤如下：

步骤2-1：根据步骤1中的深度相机和旋转平台的相对位置设置ROI参数，对复杂场景点云View1、View2、View3，...ViewN中的空间点进行ROI区域分割筛选，即选取出x，y，z(每一个点的三维空间坐标)位于ROI区域内的三维点；初步分割出只包含地面、旋转平台、工件三部分的小场景点云；

步骤2-2：将上一步中获得的小场景点云中的点云数据集合表示为:

A{a₁,a₂,a₃,...a_n}

使用随机采样一致性(RANSAC)算法在点云集合A中进行平面拟合，RANSAC算法拟合出小场景中的平面及其平面参数，将A集合内的点分为平面点、平面外点两类；并记录平面点的下标索引，以及平面外点的下标索引，根据下标进行去平面处理，剔除平面点；RANSAC算法获得平面参数后，可以确定平面在小场景点云中的位置，通过测量获得旋转平台高度为H，可以将距离平面上方H高度的所有点剔除，从而剔除旋转平台部分的点云，得到初步的目标工件点云数据；

步骤2-3：步骤2-2中得到的初步目标工件点云数据会有算法上效率不足所产生的离群点，以及3D视觉传感器采集数据时留下的表面毛刺噪声和边缘噪声；因此使用PCL点云库中的StatisticalOutlierRemovel滤波器，将上述结果作为输入进行滤波，去除离群点和表面噪声；最终从View1、View2、View3，...ViewN中提取出多视角目标工件点云数据Obj1，Obj2，Obj3，...ObjN；

步骤3：点云配准，基于高斯混合模型进行点云配准；这一过程是将步骤2-3中得到的Obj1，Obj2，Obj3，...ObjN进行两两配准，得出变换矩阵，进行全局拼接，得到完整的点云模型；

步骤3-1：为相邻的两个视角的点云建立高斯混合模型；从Obj1，Obj2，Obj3，...ObjN中选择需要配准的相邻两视角点云，设目标点云为Scene，以及待配准点云为Model；已知高斯连续概率密度分布函数为：

其中，μ为均值向量，∑为协方差矩阵，d为数据的维度；

根据以下准则建立高斯混合模型：

S1.高斯混和模型中的高斯分量数量等于每一个点云数据集中的点云数量；

S2.对于每一个高斯混合模型中的高斯分量，其平均值向量根据点的空间位置设置；

S3.高斯混合模型中的所有高斯分量共享同一个协方差矩阵；

最终将如上所述的所有高斯分量以相同的权重相加，可得：

其中w_i高斯混合模型的权重系数；对Scene和Model按照如上规则建立高斯混合模型gmm(S),gmm(M)，gmm表示上述(2)中的函数关系，输入S代表点云Scene，M代表点云Model；

步骤3-2：建立带有参数θ的两点云间的变换矩阵，经过参数变换的Model点云表示为Transform(M,θ)，其高斯混合模型可表示为gmm(Transform(M,θ))，其中Transform代表根据带有参数θ的变换矩阵做相应刚体变换的函数；

步骤3-3：对两个高斯混合模型进行差平方积分建立差异化目标函数：

∫(gmm(S)-gmm(T(M,θ)))²dx (3)

将步骤1中使用的固定旋转参数作为参数θ的初始值，使用高斯牛顿算法进行迭代优化运算，使得上述的目标函数最小，并记录下参数θ值；根据参数值计算出变换矩阵T；

步骤3-4：将Obj1作为配准的基准，将Obj1所在的坐标系视为基准坐标系；按照步骤3-3，对Obj1和Obj2(Obj1视为Scene，Obj2视为Model)进行配准处理得到变换矩阵T₁₂，Obj2可通过T₁₂矩阵变换至基准坐标系下；对Obj2和Obj3进行高斯混合模型点云配准处理，得到变换矩阵T₂₃，Obj3可通过T₁₂*T₂₃矩阵变换至基准坐标系下；依次进行两两视角的配准计算并根据变换矩阵变换到基准坐标系下，并将多视角点云拼接，得到全视角点云模型；

步骤4：曲面重建，使用贪婪投影三角化算法；对模型的表面散乱点云进行曲面重建；

步骤4-1：对全视角点云模型建立kd-tree空间结构索引，加快点云查询速度；并利用kd-tree结构查找目标点的K邻域；

步骤4-2：在点云集合中选择一个初始三角形，获取该三角形的生长边中点的K邻域，并将邻域内的点投影到二维平面；

步骤4-3：在二维平面中选择与生长边所构成余弦值最小的夹角的投影点作为最优扩展点；

步骤4-4：将最优扩展点映射回三维空间，在三角网格中组成新的三角形；

步骤4-5：重复步骤4-2到4-5，不断生成新的三角形，直到点云模型表面所有的点形成完整的三角形网格曲面。

2.如权利要求1所述的一种基于高斯混合模型的工件三维重建方法，其特征在于:步骤1所述的多视角点云数据采集方法仅利用一台深度相机获取点云数据，借助旋转平台获得工件多视角信息。