热线电话:18250891972 / 18250891971
Language : 中文版
欢迎来到厦门鸿智达官网

新闻中心

小曲面喷涂机器人喷射轨迹规划中点云方法信息的获取

* 来源: * 作者: * 发表时间: 2019-07-27 11:51:50 * 浏览: 2
2.4.1点云方法信息获取绘画机器人通过三维测量装置获得的工件表面点云数据大多具有空间坐标和正常信息,但一方面受到各种因素的影响过程和某些点云将丢失一些特征信息,另一方面,测量设备本身并不专门获取点云正常信息功能。因此,在处理点云数据之前,需要获得点云数据的正常信息。目前,点云正常的采集方法主要是主成分分析(PCA),最小运动面法(MLS)和曲率张量法。 MLS用于查找局部参考平面和二元多项式。使用非线性优化计算,因此计算成本很高。比较后,主成分分析(PCA)用于获取点云的正常信息。 2.2.4点云数据注册为了获得物体表面的完整点云数据模型,3D扫描仪需要执行多个数据采集操作,并且每个采集都在不同的坐标系中执行,并且在获得不同的坐标系。云拼接的准确性不高。因此,需要确定合适的坐标变换以变换在不同坐标系中获得的点云数据坐标信息,并将其转换为用于拼接的相同坐标系。此过程称为点云数据的注册。目前,有两种主要类型的配准方法:一种是基于样本表面上附加特征的配准,另一种是基于点云内部特征的配准。在上一节中,通过PCA算法获得了点云的正常信息。因此,基于点云的内部特征(点云的曲率,法向量等)的方法用于登记,结合PCA初始登记和基于特征的点。迭代接近ICP(IterativeClosestPoint)得以解决。通过2.4.1节的分析,将两个相似点云的邻域作为配准的基础,得到每个邻域中的粒子。然后使用PCA算法获得粒子的法线信息,并用该质心建立局部参考。坐标系通过坐标变换将其两个局部坐标系转换为相同的坐标系,以实现点云的初始配准。虽然PCA算法实现了点云的初始配准,但在多重测量过程中点云模型存在固有误差,初始配准的准确性无法达到应用的准确性。基于PCA的初始配准,迭代近点算法(ICP)再次用于迭代地实现点云的准确配准。图2.5显示了ICP迭代过程。绘画机器人可以通过基于特征点的ICP迭代找到最优变换矩阵T.将两个新点集的质心作为坐标原点,法线方向是轴X的局部参考坐标系,得到两个参考坐标系之间的ω变换矩阵T.变换矩阵T由旋转矩阵R和平移矩阵M组成。