面向3D无序抓取的目标定位与手眼标定技术研究

发布时间：2025-06-21 02:40

　　随着工业生产自动化程度逐步提高,工件分拣作为工业生产的重要一环,也在往智能、高效、精确方向发展。基于3D视觉的机械臂无序抓取系统,能够有效提高分拣效率、解放劳动力、降低生产成本。与传统平面抓取和常见的3D视觉抓取系统不同,本文将线激光3D传感器应用于视觉系统,建立Eye-to-Hand手眼系统。从实际应用场景出发,对实现无序抓取的关键技术进行深入研究,包括3D视觉的相关技术和手眼标定技术。同时,进行了相应的实验分析。本文主要进行了以下研究:首先,提出一种基于国产线激光3D传感器LV800获取目标点云的方法。根据此传感器基本原理和缺点,提出了基于均值滤波和基于邻近点数据填充的数据优化方法。实现了一种基于高度数据的点云生成方法,将原始数据转换成三维点云。结合实际应用场景,使用一种简易快速的方法从场景点云中分离目标点云。随后,采用基于邻域半径的离群点去除法,和基于体素网格的点云降采样,对点云进行了预处理。然后,实现了基于模板点云配准的目标工件定位。采用区域生长的点云分割方法,将目标点云分割成点云块。并提出基于PPF(Point Pair Feature)特征的RANSAC(Random Sam...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景、目的及意义
    1.2 国内外研究现状
        1.2.1 3D视觉研究现状
        1.2.2 目标识别定位研究现状
        1.2.3 手眼标定研究现状
    1.3 本文的主要研究内容及结构
2 基于线激光 3D传感器的目标点云获取
    2.1 引言
    2.2 目标点云获取的主要流程
    2.3 线激光 3D传感器概述
        2.3.1 单点激光三角法基本原理及数学模型
        2.3.2 线激光 3D传感器测量原理
        2.3.3 测量条件及缺点
        2.3.4 原始数据优化
    2.4 点云获取
    2.5 点云预处理
        2.5.1 分离目标点云
        2.5.2 去除离群点
        2.5.3 点云降采样
    2.6 实验分析
    2.7 本章小结
3 目标工件的识别定位
    3.1 引言
    3.2 基于区域生长的点云分割
        3.2.1 法向量和曲率的估算
        3.2.2 区域生长
    3.3 基于RANSAC的位姿粗估计
        3.3.1 基于SIFT算法的关键点提取
        3.3.2 基于PPF的特征描述
        3.3.3 位姿估计
        3.3.4 迭代次数k的确定
    3.4 基于ICP的位姿精估计
    3.5 实验分析
    3.6 本章小结
4 基于Eye-to-Hand的手眼标定
    4.1 引言
    4.2 刚体的运动变换概述
    4.3 基于Eye-to-Hand的手眼标定
        4.3.1 手眼标定的数学模型
        4.3.2 手眼方程AX=XB的求解
        4.3.3 影响手眼标定精度的因素
    4.4 实验分析
    4.5 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
附录 攻读硕士期间发表的学术论文



本文编号：4051788