原創(chuàng) | 文 BFT機(jī)器人

01

摘要

本文提出了一種針對垃圾拾取系統(tǒng)中點(diǎn)云分割的算法。該算法使用低成本的深度相機(jī)RealSense獲取點(diǎn)云數(shù)據(jù)，并對點(diǎn)云數(shù)據(jù)進(jìn)行濾波處理和分割，最終將分割后的子塊片段獨(dú)立地連接起來，形成完整的工件模型。通過測試案例驗(yàn)證了該算法的有效性和實(shí)用性。

圖1 工作臺(tái)上三通管擺放不整齊。(a)工件的RGB圖像。(b)圖1(a)三維數(shù)據(jù)點(diǎn)集。

02

無序點(diǎn)云集合中，識別零件的主要挑戰(zhàn)是什么？

從深度相機(jī)或激光掃描儀獲取的無序點(diǎn)云集合中，識別零件的主要挑戰(zhàn)是如何準(zhǔn)確地分割出3D物體。由于點(diǎn)云數(shù)據(jù)的無序性和噪點(diǎn)的存在，需要開發(fā)有效的算法來將點(diǎn)云分割成單個(gè)物體，并識別出每個(gè)物體的邊界和形狀。這樣的分割結(jié)果對于機(jī)器人準(zhǔn)確地抓取和處理零件非常重要。

03

提出的算法如何對點(diǎn)數(shù)據(jù)集進(jìn)行濾波處理并將其分割為子塊片段？

提出的算法首先對點(diǎn)數(shù)據(jù)集進(jìn)行濾波處理，以去除噪點(diǎn)和無關(guān)的數(shù)據(jù)。這樣可以將原始的無序點(diǎn)云集合轉(zhuǎn)化為更干凈、緊湊的點(diǎn)云數(shù)據(jù)。接下來，經(jīng)過濾波處理后的點(diǎn)云數(shù)據(jù)被分割成多個(gè)子塊片段。

具體的分割過程可能涉及到使用擴(kuò)展凸性準(zhǔn)則和角度準(zhǔn)則來判斷點(diǎn)云中的局部凸性和角度信息，從而將點(diǎn)云分割成多個(gè)子塊片段。這些子塊片段可以表示單個(gè)工件的3D模型，為后續(xù)的物體識別和抓取提供了基礎(chǔ)。通過將點(diǎn)云數(shù)據(jù)進(jìn)行濾波和分割，算法能夠?qū)⒃嫉狞c(diǎn)云數(shù)據(jù)轉(zhuǎn)化為更易處理的子塊片段，為后續(xù)的處理步驟提供了更好的基礎(chǔ)。

04

提出的算法中使用了哪兩個(gè)準(zhǔn)則來獨(dú)立地連接子塊片段？

在提出的算法中，使用了兩個(gè)準(zhǔn)則來獨(dú)立地連接子塊片段。這兩個(gè)準(zhǔn)則分別是擴(kuò)展凸性準(zhǔn)則和角度準(zhǔn)則。通過這兩個(gè)準(zhǔn)則，算法可以根據(jù)點(diǎn)云數(shù)據(jù)中的局部凸性和角度信息，將分割后的子塊片段獨(dú)立地連接起來，形成更大的組合片段。

擴(kuò)展凸性準(zhǔn)則用于判斷子塊片段的凸性特征，而角度準(zhǔn)則用于判斷子塊片段之間的角度關(guān)系。通過使用這兩個(gè)準(zhǔn)則，算法能夠有效地將子塊片段連接起來，形成完整的工件模型，為后續(xù)的識別和處理提供了基礎(chǔ)。

05

論文原理

A.?預(yù)處理

在文章的METHOD部分，提到了一種去除噪點(diǎn)的方法。具體步驟如下：

首先，將點(diǎn)云數(shù)據(jù)進(jìn)行濾波處理，以去除噪點(diǎn)和無關(guān)的數(shù)據(jù)。這可以通過使用濾波算法來實(shí)現(xiàn)，例如高斯濾波或均值濾波等。濾波算法可以平滑點(diǎn)云數(shù)據(jù)，去除異常值和噪點(diǎn)。

其次，針對工作臺(tái)上的噪點(diǎn)，可以使用特定的方法進(jìn)行去除。文章中提到了使用RealSense相機(jī)掃描的工作臺(tái)上的噪點(diǎn)，可以通過識別并去除工作臺(tái)的噪點(diǎn)來提高分割算法的性能。具體的方法可能涉及到使用圖像處理技術(shù)或幾何分析方法來檢測和去除工作臺(tái)上的噪點(diǎn)。

通過這些步驟，算法能夠有效地去除點(diǎn)云數(shù)據(jù)中的噪點(diǎn)，得到更干凈、緊湊的點(diǎn)云數(shù)據(jù)，為后續(xù)的分割和連接步驟提供更準(zhǔn)確的輸入。

圖2 工作臺(tái)噪聲點(diǎn)濾波。(a)噪聲點(diǎn)云數(shù)據(jù);(b)工作臺(tái)平面噪聲點(diǎn);(c)過濾干凈點(diǎn)云。

B.?分割子塊片段

根據(jù)擴(kuò)展凸性準(zhǔn)則和角度準(zhǔn)則，將點(diǎn)云數(shù)據(jù)分割成多個(gè)子塊片段。

具體的分割過程可能涉及到將點(diǎn)云數(shù)據(jù)劃分為多個(gè)小的塊或區(qū)域，并根據(jù)凸性和角度準(zhǔn)則來判斷哪些塊或區(qū)域?qū)儆谕粋€(gè)子塊片段。

對于每個(gè)子塊片段，可以將其表示為單個(gè)工件的3D模型。這可以通過提取子塊片段中的點(diǎn)云數(shù)據(jù)，并進(jìn)行后續(xù)的處理和分析來實(shí)現(xiàn)。

通過這些步驟，算法能夠?qū)Ⅻc(diǎn)云數(shù)據(jù)分割成多個(gè)子塊片段，每個(gè)子塊片段可以表示單個(gè)工件的3D模型。這為后續(xù)的物體識別和抓取提供了基礎(chǔ)。

C.?獨(dú)立連接子塊片段

將分割后的子塊片段獨(dú)立地連接起來。具體的連接過程可能涉及到將相鄰的子塊片段進(jìn)行匹配和對齊，以確保它們之間的凸性特征和角度關(guān)系符合連接準(zhǔn)則。

連接后的子塊片段將形成完整的工件模型。這個(gè)工件模型可以用于后續(xù)的物體識別和抓取。

通過這些步驟，算法能夠?qū)⒎指詈蟮淖訅K片段獨(dú)立地連接起來，形成完整的工件模型。

圖3 對“邊界點(diǎn)”噪聲進(jìn)行濾波：(a) 具有“邊界點(diǎn)”的點(diǎn)數(shù)據(jù)集；(b) 沒有“邊界點(diǎn)的緊湊點(diǎn)數(shù)據(jù)；(c) “邊界點(diǎn)”；(d) “邊界點(diǎn)”被進(jìn)一步填充為特征點(diǎn)；(e) 圖3(d)特征點(diǎn)與圖3(b)特征點(diǎn)相加的結(jié)果

06

實(shí)驗(yàn)效果

文章使用了Intel RealSense SR300相機(jī)來獲取點(diǎn)云數(shù)據(jù)，并對該算法進(jìn)行了測試和驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，該算法能夠有效地將點(diǎn)云數(shù)據(jù)分割成多個(gè)子塊片段，并將這些子塊片段獨(dú)立地連接起來，形成完整的工件模型。同時(shí)，該算法還能夠去除點(diǎn)云數(shù)據(jù)中的噪點(diǎn)和無關(guān)數(shù)據(jù)，提高了算法的性能和準(zhǔn)確性。

圖4 分割結(jié)果 (a)單一類型零件的S分割結(jié)果。(b)多類型零件的S分割結(jié)果

文章還使用了一些定量指標(biāo)來評估算法的效果，例如成功分割率和錯(cuò)誤分割率等。實(shí)驗(yàn)結(jié)果表明，該算法在不同的測試場景下都能夠取得較好的效果，成功分割率高達(dá)95%以上，錯(cuò)誤分割率低于5%。這表明該算法具有較高的準(zhǔn)確性和魯棒性，可以應(yīng)用于實(shí)際的垃圾拾取系統(tǒng)中。

根據(jù)文章的實(shí)驗(yàn)結(jié)果和描述，該算法在點(diǎn)云分割和工件識別方面表現(xiàn)出較好的性能和效果。因此，該算法具有廣闊的應(yīng)用前景，特別是在垃圾拾取系統(tǒng)和相關(guān)領(lǐng)域中。

首先，該算法可以應(yīng)用于垃圾拾取系統(tǒng)中，用于自動(dòng)化地分割和識別散亂的3D物體。通過使用低成本的深度相機(jī)，如RealSense，可以獲取點(diǎn)云數(shù)據(jù)，并使用該算法對點(diǎn)云數(shù)據(jù)進(jìn)行分割和連接，從而實(shí)現(xiàn)對散亂物體的自動(dòng)識別和抓取。這將大大提高垃圾拾取系統(tǒng)的效率和準(zhǔn)確性。

此外，該算法還可以應(yīng)用于其他領(lǐng)域，如工業(yè)自動(dòng)化、機(jī)器人視覺和物體識別等。通過對點(diǎn)云數(shù)據(jù)進(jìn)行分割和連接，可以實(shí)現(xiàn)對復(fù)雜物體的識別和分析。這對于自動(dòng)化生產(chǎn)線、智能倉儲(chǔ)系統(tǒng)和機(jī)器人導(dǎo)航等應(yīng)用場景非常有價(jià)值。

總的來說，該算法在點(diǎn)云分割和工件識別方面具有較高的準(zhǔn)確性和魯棒性，可以應(yīng)用于垃圾拾取系統(tǒng)和其他相關(guān)領(lǐng)域，為實(shí)現(xiàn)自動(dòng)化和智能化提供了有力的技術(shù)支持。

參考資料：[1] Gong X , Chen M , Yang X .Point cloud segmentation of 3D scattered parts sampled by RealSense[C]//2017 IEEE International Conference on Information and Automation (ICIA).IEEE, 2017.DOI:10.1109/ICInfA.2017.8078881.

更多精彩內(nèi)容請關(guān)注公眾號：BFT機(jī)器人

本文為原創(chuàng)文章，版權(quán)歸BFT機(jī)器人所有，如需轉(zhuǎn)載請與我們聯(lián)系。若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，將及時(shí)回應(yīng)。