论文部分内容阅读
摘要：许多具有复杂曲面的机器零件对精密度的要求较高，因而对其形状结构进行三维测量并筛除误配准是一项关键工作。本文通过分析复杂曲面机器人的三维测量标准，进一步分析以多尺度描述子为基础，结合空间角度差分阈值法的误配准筛除算法。
关键词：误配准筛除;复杂曲面;空间角度差分阈值
引言：
本文主要是采用基于空间角度差分阈值的多尺度描述子的方法来进行误配准筛除，该方法不同于以往的误配准筛除，其具有了创新性特征，对于许多复杂或是异型的曲面都能够进行准确配准，同时其计算量较少，进一步提升了配准的精确性。
1.复杂曲面机器人的三维测量
对复杂曲面进行三维测量的标准是尽量减小误差，因此，其一般是采用点云配准的方式来对误配准点进行筛除，进而提升三维测量的精准度。在航天航空的制造领域当中，其发动机的航空叶片就是典型的复杂曲面，因而针对于航空叶片的三维测量进行误配准筛除，进而研究复杂曲面机器人的三维测量误配准筛除算法能够满足本文的研究要求。
2.系统架构分析
本文中针对于复杂曲面机器人萨内测量进行的误配准筛除算法的基本流程包括：（1）输入叶片点云;（2）获取多尺寸描述子的关键点集，并对该点集进行计算;（3）进行主曲率的搜索并获取到初始的配准对，可记为R1、T1;（4）进行空间角度差分阈值的误配准对筛除，最后获得精准的配准对。整个系统的处理部分可分为两项，其分别为获取并处理点云的部分以及点云的精准化计算部分，其机器人的三维视觉测量系统中主要是移动测量机器人设备，上方为安川机器人，其结构下方是扫描传感器装置，下方再设置扫描对象，在实际测量的过程中，机器人会进行传感器的校准，其3D点云扫描时选择两个位姿，然后使用机器人进行计算和处理，最后作用于伺服控制器，本分钟使用的扫描仪器在X轴方向上的分辨率可以达到0.079毫米，在Z轴方向上的分辨率可以达到0.010毫米，扫描测量时直接作用于航空叶片不同位姿时稠密点云数据的有效获取过程中，进而完成后续的一系列操作。
3.误配准筛除算法
3.1对多尺寸描述子进行计算
在本文中的描述子选择了多尺寸描述子，在实际计算时，先选择视觉上相近的两片相邻航空叶片，然后使用扫描传感器来获取其点云数据，再将获取到的点云数据使用滤波器来进行采样，即可获得其点云的几何特征，然后对其构建多尺寸描述子，其具体的构建方法如下：
先获得源点云或是目标点云的滤波后点，对该点设置领域搜索半径，对于每一个领域搜索半径范围内的源点或是目标点，其都会与范围内的任意其他点构成矩阵，其中领域搜索半径的设置值与滤波器装置实际设置的网格大小有关，然后采用奇异值分解方法对每一个矩阵进行分解，可获得三个特征值和对应的特征向量值，然后利用其特征值和特征向量值对点云进行几何特征的描述，构造出归一化向量，进而构造出多尺寸的描述子，利用该方法对点云中的所有点进行描述，最后获得多尺寸描述子的源点云点集和目标点云点集，再对两项点集进行相同描述子的提取，获得一个初步配准的关键点集。
3.2进行关键点集的主曲率搜索
对于复杂曲面机器人来说，曲率表示了一种几何特征，其对于一个曲面而言是描述变化性特征的关键，曲率是一项二次导数，其主要是对噪声产生敏感作用，因此在初始配准对的关键点集搜索中，以曲率为搜索特征，能够有效剔除其中的噪声干扰，进一步提升点云的配准率。从上述步骤获取的关键点集中随意取出一个关键点，然后对其进行主曲率搜索，并计算提取其特征，其主要的计算步骤分为以下几个步骤：
一是先选择种子点记为X1，再对改点周围领域进行二次曲面的拟合，其曲面计算的通用表达式为：G（x，y）=ax2+bxy+cy2+dx+ey，根据这项通用计算式，可以获得第一基本常量的三个值以及第二基本常量的三个值，然后提取X1法向量值n。
二是利用以上量值来表达曲率，同时结合平均曲率和高斯曲率的通用表达式进行计算，获得种子点X1的曲率极小值以及曲率极大值。
三是以获得的种子点主曲率作为判断条件来对关键点集进行遍历，获得与种子点主曲率相近的匹配点，然后将两点作为初始配准对。需要注意的是，由于人为因素或者机器本身因素的影响，其计算曲率过程中难免会产生一些误差，因此还需要对初始配准对建立一些约束条件，以此来降低误差。
3.3运用空间角度差来筛除误配准点
获得更加精准的配准对，就要将初始配准对中的误配准对筛除，进而减小误差，本文中筛除的方式主要是空间角度差法，根据其初始配准对来获取旋转及平移矩阵，其分别记为R1、T1，然后取空間角度分阈值θm来筛选初始配准对，列出基本公式△θi<θm，其中，△θi表示的是初始配准对的点集当中，第i对配准点的空间角度差分阈值，不符合该项公式的初始配准点都应当是噪声点或是异常点，应当进一步予以剔除，这样就能够获得精准配准对。
4.结论
基于空间空间角度差分阈值的多尺度描述子方法作为复杂曲面的误配准筛除算法，具有着计算简便及筛除精准的特点，发挥了重要功能。由本文分析可知，该误配准筛除算法的基本步骤包括：对多尺寸描述子进行计算、进行关键点集的主曲率搜索、运用空间角度差来筛除误配准点。
参考文献：
[1] 袁志聪，鲁铁定，邓小渊. 点云的刚体运动参数估计方法的比较[J]. 测绘工程. 2018（04）.
[2] 王佳婧，王晓南，郑顺义，朱锋博. 三维点云初始配准方法的比较分析[J]. 测绘科学. 2018（02）.
[3] 杨帆，常俊飞. 基于一致性球的点云配准算法研究[J]. 大地测量与地球动力学. 2018（01）.
[4] 夏鹏飞，尹慧琳，何艳侠. 基于最大互信息的激光雷达与相机的配准[J]. 仪器仪表学报. 2018（01）.
[5] 顾旭波，张永举，张健，吴良成，郭玲. 基于SIFT算法及阈值筛选的点云配准技术研究[J]. 计算机测量与控制. 2017（12）.
[6] 马大贺，刘国柱. 改进的基于FPFH特征配准点云的方法[J]. 计算机与现代化. 2017（11）.
[7] 郭保青，余祖俊，张楠，朱力强，高晨光. 铁路场景三维点云分割与分类识别算法[J].仪器仪表学报. 2017（09）.
作者简介：张文瑞（1997.3—），女，汉族，籍贯：山西临汾人，北华航天工业学院电子与控制工程学院，20级在读研究生，硕士学位，专业：电子信息，研究方向：控制工程.
关键词：误配准筛除;复杂曲面;空间角度差分阈值
引言：
本文主要是采用基于空间角度差分阈值的多尺度描述子的方法来进行误配准筛除，该方法不同于以往的误配准筛除，其具有了创新性特征，对于许多复杂或是异型的曲面都能够进行准确配准，同时其计算量较少，进一步提升了配准的精确性。
1.复杂曲面机器人的三维测量
对复杂曲面进行三维测量的标准是尽量减小误差，因此，其一般是采用点云配准的方式来对误配准点进行筛除，进而提升三维测量的精准度。在航天航空的制造领域当中，其发动机的航空叶片就是典型的复杂曲面，因而针对于航空叶片的三维测量进行误配准筛除，进而研究复杂曲面机器人的三维测量误配准筛除算法能够满足本文的研究要求。
2.系统架构分析
本文中针对于复杂曲面机器人萨内测量进行的误配准筛除算法的基本流程包括：（1）输入叶片点云;（2）获取多尺寸描述子的关键点集，并对该点集进行计算;（3）进行主曲率的搜索并获取到初始的配准对，可记为R1、T1;（4）进行空间角度差分阈值的误配准对筛除，最后获得精准的配准对。整个系统的处理部分可分为两项，其分别为获取并处理点云的部分以及点云的精准化计算部分，其机器人的三维视觉测量系统中主要是移动测量机器人设备，上方为安川机器人，其结构下方是扫描传感器装置，下方再设置扫描对象，在实际测量的过程中，机器人会进行传感器的校准，其3D点云扫描时选择两个位姿，然后使用机器人进行计算和处理，最后作用于伺服控制器，本分钟使用的扫描仪器在X轴方向上的分辨率可以达到0.079毫米，在Z轴方向上的分辨率可以达到0.010毫米，扫描测量时直接作用于航空叶片不同位姿时稠密点云数据的有效获取过程中，进而完成后续的一系列操作。
3.误配准筛除算法
3.1对多尺寸描述子进行计算
在本文中的描述子选择了多尺寸描述子，在实际计算时，先选择视觉上相近的两片相邻航空叶片，然后使用扫描传感器来获取其点云数据，再将获取到的点云数据使用滤波器来进行采样，即可获得其点云的几何特征，然后对其构建多尺寸描述子，其具体的构建方法如下：
先获得源点云或是目标点云的滤波后点，对该点设置领域搜索半径，对于每一个领域搜索半径范围内的源点或是目标点，其都会与范围内的任意其他点构成矩阵，其中领域搜索半径的设置值与滤波器装置实际设置的网格大小有关，然后采用奇异值分解方法对每一个矩阵进行分解，可获得三个特征值和对应的特征向量值，然后利用其特征值和特征向量值对点云进行几何特征的描述，构造出归一化向量，进而构造出多尺寸的描述子，利用该方法对点云中的所有点进行描述，最后获得多尺寸描述子的源点云点集和目标点云点集，再对两项点集进行相同描述子的提取，获得一个初步配准的关键点集。
3.2进行关键点集的主曲率搜索
对于复杂曲面机器人来说，曲率表示了一种几何特征，其对于一个曲面而言是描述变化性特征的关键，曲率是一项二次导数，其主要是对噪声产生敏感作用，因此在初始配准对的关键点集搜索中，以曲率为搜索特征，能够有效剔除其中的噪声干扰，进一步提升点云的配准率。从上述步骤获取的关键点集中随意取出一个关键点，然后对其进行主曲率搜索，并计算提取其特征，其主要的计算步骤分为以下几个步骤：
一是先选择种子点记为X1，再对改点周围领域进行二次曲面的拟合，其曲面计算的通用表达式为：G（x，y）=ax2+bxy+cy2+dx+ey，根据这项通用计算式，可以获得第一基本常量的三个值以及第二基本常量的三个值，然后提取X1法向量值n。
二是利用以上量值来表达曲率，同时结合平均曲率和高斯曲率的通用表达式进行计算，获得种子点X1的曲率极小值以及曲率极大值。
三是以获得的种子点主曲率作为判断条件来对关键点集进行遍历，获得与种子点主曲率相近的匹配点，然后将两点作为初始配准对。需要注意的是，由于人为因素或者机器本身因素的影响，其计算曲率过程中难免会产生一些误差，因此还需要对初始配准对建立一些约束条件，以此来降低误差。
3.3运用空间角度差来筛除误配准点
获得更加精准的配准对，就要将初始配准对中的误配准对筛除，进而减小误差，本文中筛除的方式主要是空间角度差法，根据其初始配准对来获取旋转及平移矩阵，其分别记为R1、T1，然后取空間角度分阈值θm来筛选初始配准对，列出基本公式△θi<θm，其中，△θi表示的是初始配准对的点集当中，第i对配准点的空间角度差分阈值，不符合该项公式的初始配准点都应当是噪声点或是异常点，应当进一步予以剔除，这样就能够获得精准配准对。
4.结论
基于空间空间角度差分阈值的多尺度描述子方法作为复杂曲面的误配准筛除算法，具有着计算简便及筛除精准的特点，发挥了重要功能。由本文分析可知，该误配准筛除算法的基本步骤包括：对多尺寸描述子进行计算、进行关键点集的主曲率搜索、运用空间角度差来筛除误配准点。
参考文献：
[1] 袁志聪，鲁铁定，邓小渊. 点云的刚体运动参数估计方法的比较[J]. 测绘工程. 2018（04）.
[2] 王佳婧，王晓南，郑顺义，朱锋博. 三维点云初始配准方法的比较分析[J]. 测绘科学. 2018（02）.
[3] 杨帆，常俊飞. 基于一致性球的点云配准算法研究[J]. 大地测量与地球动力学. 2018（01）.
[4] 夏鹏飞，尹慧琳，何艳侠. 基于最大互信息的激光雷达与相机的配准[J]. 仪器仪表学报. 2018（01）.
[5] 顾旭波，张永举，张健，吴良成，郭玲. 基于SIFT算法及阈值筛选的点云配准技术研究[J]. 计算机测量与控制. 2017（12）.
[6] 马大贺，刘国柱. 改进的基于FPFH特征配准点云的方法[J]. 计算机与现代化. 2017（11）.
[7] 郭保青，余祖俊，张楠，朱力强，高晨光. 铁路场景三维点云分割与分类识别算法[J].仪器仪表学报. 2017（09）.
作者简介：张文瑞（1997.3—），女，汉族，籍贯：山西临汾人，北华航天工业学院电子与控制工程学院，20级在读研究生，硕士学位，专业：电子信息，研究方向：控制工程.