本文針對(duì)工業(yè)生產(chǎn)中對(duì)特定工件的識(shí)別與定位問(wèn)題,對(duì)基于三維激光掃描點(diǎn)云數(shù)據(jù)目標(biāo)識(shí)別算法與定位方法進(jìn)行了研究,主要研究的內(nèi)容如下:1)分析了本文課題的時(shí)代意義,并對(duì)激光掃描技術(shù)和基于點(diǎn)云的物體識(shí)別方法的發(fā)展現(xiàn)狀做了介紹,引出本文基于激光點(diǎn)云的物體識(shí)別與定位問(wèn)題解決方案。1)基于激光掃描深度圖的數(shù)據(jù)特點(diǎn),對(duì)臨近點(diǎn)提取與圖像分割問(wèn)題做相關(guān)研究,提出了條件K臨近點(diǎn)的概念和搜索方法,解決了激光掃描點(diǎn)云的雙向密度不對(duì)稱給臨近點(diǎn)提取帶來(lái)的問(wèn)題。同時(shí)利用深度圖的有序拓普信息加速了歐幾里得分割方法。2)本文識(shí)別方法的總體思路是首先對(duì)工件的主平面邊緣進(jìn)行提取,然后在此基礎(chǔ)上完成識(shí)別與定位。邊緣提取在使處理數(shù)據(jù)的數(shù)量級(jí)減小的同時(shí),保留了用于識(shí)別與定位的有效信息。本文在傳統(tǒng)的隨機(jī)采樣一致擬合平面的方法的基礎(chǔ)上進(jìn)行改進(jìn),提出了效率更高的基于隨機(jī)點(diǎn)局部法向的RANSAC算法,并與全局最小二乘法結(jié)合,實(shí)現(xiàn)了工件主平面的快速準(zhǔn)確的提取。最后綜合主平面信息和基于掃描線法提取的邊緣,得到工件主平面的邊緣特征。并在此過(guò)程中根據(jù)邊緣的性質(zhì)來(lái)進(jìn)行遮擋關(guān)系判定。3)最后,基于提取到的特征邊緣本文提出了分層的遞進(jìn)式的識(shí)別算法,并在識(shí)... 

【文章來(lái)源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－］?Ｇｏｃａｔｏｒ２０００成像原理圖??

ｐ＝０．４ｍｍ），然后進(jìn)行歐幾里得分割（文中２取０．６毫米，參考Ｘ向間隔約為??０．０６毫米，；；�。澈撩祝瑓⒖迹傧蜷g隔０．６毫米）。實(shí)驗(yàn)效果如圖２－２所示：??圖２－２?ｉ除背景后的場(chǎng)景點(diǎn)云??１６??

成功完成分割任務(wù)，將四個(gè)工件分離出來(lái)。在分割量小于閾值（文中經(jīng)驗(yàn)性�。担埃埃┑狞c(diǎn)集被去除，這個(gè)去除。??結(jié)??的快速查詢方法是點(diǎn)云數(shù)據(jù)處理的基礎(chǔ)方法是計(jì)算局部激光點(diǎn)云水平雙向密度差異很大的數(shù)據(jù)特點(diǎn)提出了?ＣＫ臨網(wǎng)格的查詢方法，使在Ｋ值相對(duì)較小的情況下，雙向密的ＣＫ臨近點(diǎn)可以合理反映該局部的表面法向。??問(wèn)題，首先用隨機(jī)采樣一致的方法去除背景面。然后結(jié)合結(jié)構(gòu)特點(diǎn)，對(duì)深度圖像進(jìn)行快速的歐幾里得分割，與散亂

【參考文獻(xiàn)】：
期刊論文
[1]面向點(diǎn)云的三維物體識(shí)別方法綜述[J]. 郝雯,王映輝,寧小娟,梁瑋,石爭(zhēng)浩.  計(jì)算機(jī)科學(xué). 2017(09)
[2]基于RANSAC和TLS的點(diǎn)云平面擬合[J]. 李希,韓燮,熊風(fēng)光.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(01)
[3]基于整體最小二乘的穩(wěn)健點(diǎn)云數(shù)據(jù)平面擬合[J]. 官云蘭,劉紹堂,周世健,張立亭,魯鐵定.  大地測(cè)量與地球動(dòng)力學(xué). 2011(05)
[4]一種基于立方體小柵格的K鄰域快速搜索算法[J]. 趙儉輝,龍成江,丁乙華,袁志勇.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2009(05)
[5]三維散亂數(shù)據(jù)的k個(gè)最近鄰域快速搜索算法[J]. 熊邦書,何明一,俞華璟.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2004(07)

碩士論文
[1]三維點(diǎn)云場(chǎng)景中對(duì)象識(shí)別技術(shù)研究[D]. 劉陽(yáng).南京大學(xué) 2016



本文編號(hào)：3419921