基于模型关键坐标,解决特征匹配不准确及相似数据干扰问题

哔哩哔哩   2023-06-26 11:27:02

来高三维扫描软件在版本13.1.1.0的拼接参数设置中新增加“模型关键坐标”命令,此功能可以大幅提升特征拼接效果,并且对引导机器人进行乱序抓取也具有重大意义。下面以剪子的特征匹配为例,着重介绍该参数的作用使用方法

(图一)乱序叠放的剪子的三维数据模型


(资料图片)

剪子的结构近似长条形,横向宽度窄,表面材质具有高反光特性,且各剪子堆放在一起,彼此之间互相反光,增强了反光效应,给剪子数据匹配增加了诸多难点。

难点一

由于剪子结构特点和材质原因,采集到的点云数据大部分都不完整,丢失了很多特征,尤其是剪子的圆形手柄部位,而这恰恰又是剪子数据匹配依赖的重要特征。

(图二)剪子圆形手柄部分三维数据

图二中红色区域为剪子的圆形手柄部分三维数据,是本项目需要匹配的重要特征模型。由于此处点云数据特征不足,圆形手柄部分匹配权重非常小,常规匹配方式的结果不能满足抓取要求。

难点二

另一个难点是相似数据对特征匹配的干扰。单个剪子点云数据特征不足,且很多剪子乱序叠放,因此得到的点云数据会严重影响匹配算法的投票机制。在进行特征匹配时,模板模型可能会同时匹配上多个工件。下图是剪子的点云数据匹配结果错误示例。

(图三)点云数据匹配结果示例

“模型关键坐标”概念

面对如此复杂且数据不完整的点云数据,人眼可以相对容易识别出与模板数据最匹配的特征,但对于机器视觉而言,这是一个不小的挑战。来高科技作为国内发展比较成熟的3D视觉企业,高精度的三维模型配准是我们所擅长的领域。

(图四)选定关键点

对于类似高难度的特征匹配项目,来高科技提出“模型关键点”的创新技术方式。本项目案例,可以将剪子圆形手柄部分的中心设定为关键点。设置“模型关键坐标”后,可以实现模型特征的准确匹配。

(图五)设置模型关键坐标

来高抓取软件同步提供了该参数的设置模块,并且还增加匹配率检测遮挡检测等参数来助力机器人实现高难度场景的乱序抓取。

(图六)来高抓取软件

使用来高三维扫描仪及配套软件,用户可以智能快捷的实现机器人定位引导,并且支持自定义需要识别的工件。基于此,Techlego还提供了丰富的机器视觉算法接口,辅助用户对三维智能检测、三维智能识别及机器人自动化联动控制等应用场景进行二次开发,提升整个项目的开发效率和适应性。

相关资讯
最新资讯