[发明专利]基于3D点云数据的物体抓取位姿计算方法

说明书

本发明涉及一种基于3D点云数据的物体抓取位姿计算方法，其首先获取物体的点云数据，然后基于邻域点个数对点云数据进行噪点滤波，接着再基于欧式距离阈值对点云数据进行分割聚类处理，以确定物体数量信息，最后基于最小外接矩形判断每组物体的状态是否符合抓取要求，对于符合要求的再计算其抓取位姿。可见，本发明在进行抓取位姿计算之前，先进行物体状态判断，只有符合抓取要求的物体才会进行抓取位姿计算，这样可以提高机械臂的抓取效率，实现物体的高效准确抓取。

技术领域

本发明涉及物体抓取技术领域，具体涉及一种基于3D点云数据的物体抓取位姿计算方法。

背景技术

物体的识别效率和抓取成功率是决定相关自动化产品是否研制成功的关键。目前的物体识别方法绝大多数都是采用相机获取图像进行处理，需要事先建立数据库且计算方法复杂，特别是对于零件等物体的摆放状态无法正确判断，造成抓取成功率低下，严重影响设备运转效率。近年来线激光传感器不断普及，点云数据的处理算法也不断丰富，相比于二维图像其优势在于精度高、有深度信息、受环境光照影响较小等优势，在定位与抓取领域拥有广阔的应用前景，如物流的分拣、行李的搬运、工厂的上下料等等。

如何利用点云数据进行物体抓取位姿的计算成为本领域研究的方向。

发明内容

本发明的目的在于提供一种基于3D点云数据的物体抓取位姿计算方法，其通过自动判断流水线上物体的摆放状态和抓取位姿，实现高效抓取。

为实现上述目的，本发明采用的技术方案是：

一种基于3D点云数据的物体抓取位姿计算方法，其包括以下步骤：

步骤1、物体点云数据提取；

通过线激光位移传感器扫描获取被测物体与流水线，得到物体以及传送带平面的点云数据，然后基于高度信息提取出物体的点云数据；

步骤2、基于邻域点个数进行点云噪点过滤；

依次计算点云数据中每个点与周围邻域点的欧式距离，同时统计阈值距离内邻域点的数量，如果该数量小于设定阈值，则判断该点在整体点云数据中属于噪声点；

步骤3、点云分割聚类处理；

计算当前点与已知参考点的欧式距离，大于设定的距离阈值则为不同类；小于阈值则为同一类；

步骤4、物体摆放状态判断与抓取位姿提取；

物体摆放状态判断：首先基于单个物体点云高度信息提取物体部分点云数据，再计算其最小外接矩形获取物体局部的长宽；将该局部长宽与预设的长宽值进行对比来判断该物体局部的大小，进而确定物体的摆放状态：部分点云最小外接矩形的长宽与预设值的差值小于阈值时，则判断为正确摆放状态，否则判断为该物体摆放状态不是预想的摆放状态；

对于摆放状态正确的物体再计算其中心点以及其摆放的角度，由此获取机械臂抓取位姿；

物体抓取中心点计算：取正确摆放状态的物体点云数据在Z轴的最高点，往下截取一定高度的点集数据，计算这部分点集数据的中心点即为抓取中心点A；

物体角度计算：对于摆放状态正确的物体，求出整个物体点云模型的最小外接矩形的中点B，与上述抓取中心点A相减获得一个向量计算向量与X轴正方向形成的夹角，其取值范围是(-180°,180°]，其中向量位于第一、二象限为正，位于第三、四象限为负。

所述步骤2中，在判断某个点的邻域点数量时，点之间空间欧式距离的计算只判断该点所处的线状点集以及左右两条线状点集，即该点当前帧以及前后帧扫描得到的三条线状点集。

4、所述步骤3具体如下：