(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210736233.2 (22)申请日 2022.06.27 (71)申请人 佛山市南海区广工大 数控装备协同 创新研究院 地址 528000 广东省佛山市南海区狮山 镇 南海软件科技园创智港A座四楼 (72)发明人 魏登明　杨海东　谢克庆　李泽辉　 (74)专利代理 机构 佛山市禾才知识产权代理有 限公司 4 4379 专利代理师 刘羽波　陈嘉琦 (51)Int.Cl. G06V 10/34(2022.01) G06V 10/762(2022.01) G06V 20/64(2022.01) G06V 10/26(2022.01) (54)发明名称 一种不规则钢板位姿识别方法及相关 设备 (57)摘要 本发明属于自动光学检测领域， 具体涉及一 种不规则钢板位姿识别方法及相关设备， 所述方 法包括： 拍摄钢板位姿 图像， 并通过预处理将钢 板检测区域以外的背景进行剔除， 提取钢板检测 区域中的点 云信息； 通过最小二乘法对点云信息 进行平滑处理， 得到点云原点数据； 使用预设聚 类算法， 对点云原点数据进行分割， 得到单个钢 板的单独点 云信息； 对单独点云信息进行位姿识 别， 得到具有法向量特征的点云集数据； 根据点 云集数据确定最佳拟合平面； 使用Mean ‑shift算 法计算最佳拟合平面的中心点； 根据最佳拟合平 面和中心点获取钢板的坐标信息， 并根据坐标信 息使用机械手对 所述钢板进行抓取。 本发明能够 改善抓取机器人系统的效率， 从而提高生产效 率。 权利要求书2页 说明书8页 附图2页 CN 115100416 A 2022.09.23 CN 115100416 A 1.一种不 规则钢板位姿识别方法， 其特 征在于， 所述方法包括以下步骤： S1、 拍摄钢板位姿图像， 并通过预处理将钢板检测区域以外的背景进行剔除， 提取所述 钢板检测区域中的点云信息； S2、 通过最小二乘法对所述 点云信息进行平 滑处理， 得到点云原点数据； S3、 使用预设聚类算法， 对所述点云原点数据进行分割， 得到单个钢板的单独点云信 息； S4、 对所述单独点云信息进行位姿识别， 得到具有法向量特 征的点云集数据； S5、 根据所述 点云集数据确定最佳拟合平面； S6、 使用Mean ‑shift算法计算所述 最佳拟合平面的中心点； S7、 根据所述最佳拟合平面和所述中心点获取钢板的坐标信息， 并根据所述坐标信息 使用机械手对所述钢板进行抓取。 2.如权利要求1所述的不规则钢板位姿识别方法， 其特征在于， 步骤S1中， 所述预处理 的方法包括： 基于统计滤波去除所述钢板位姿图像中点云的离群点， 所述离群点包括所述点云周围 的噪声； 使用AABB包围盒结合 直通滤波识别所述钢板检测区域， 并去除区域 边界的影响。 3.如权利要求1所述的不规则钢板位姿识别方法， 其特征在于， 步骤S3中， 所述预设聚 类算法具体为： S31、 将所述点云原点数据按照Z轴坐标值大小进行排序， 并获取Z轴坐标值最大的一个 种子点P， 将所述种子点P放入聚类集 合Q中； S32、 构建关于所述种子点P的kd数， 并查找所述种子点P的n个邻 居， 计算每一所述邻 居 到所述种子点P的距离， 将距离小于预设距离阈值r的所述邻居对应的点 放入邻居数组中； S33、 遍历所述邻居数组， 计算其中每一所述邻居对应的法向量与所述种子点P的法向 量之间的夹角， 将夹角小于预设夹角阈值的所述邻居 预设的点放入所述聚类集合Q中， 根据 以上定义， 所述聚类集 合Q满足如下关系式： S34、 将所述聚类集合Q中的所述种子点P的下一个点作 为新的所述种子点， 并重 复步骤 S32‑S34， 直到所述聚类集合Q无法再加入新的点， 其中， 所述聚类集合Q中的每一点为得到 的单个钢板的所述单独点云信息 。 4.如权利要求3所述的不规则钢板位姿识别方法， 其特征在于， 步骤S4中， 对所述单独 点云信息进行位姿识别， 得到具有法向量特 征的点云集数据的步骤， 包括以下子步骤： S41、 通过 单独点云信息中的一随机点的邻域 点， 计算所述随机点的点云质心； S42、 通过 所述随机点和所述 点云质心计算协方差矩阵C； S43、 通过奇异值求解法计算所述协方差矩阵C的特征向量， 其中， 所述特征向量的最小 值为所述随机点的所述法向量特 征； S44、 将所述法向量特 征的值大于预设特 征阈值的对应的点作为所述 点云集数据。 5.如权利要求4所述的不规则钢板位姿识别方法， 其特征在于， 步骤S5中， 根据所述点 云集数据确定最佳拟合平面的步骤， 具体为：权　利　要　求　书 1/2 页 2 CN 115100416 A 2使用RANSAC方法， 随机选取所述点云集数据中的三个点形成采样平面， 计算所述点云 集数据中的每一个点到所述采样平面的距离， 并将大于预设平面距离阈值的点放入平面点 集， 重复以上步骤， 直到所述平面点集中点的数量最大， 将此时的所述采样平 面作为所述最 佳拟合平面。 6.如权利要求5所述的不规则钢板位姿识别方法， 其特征在于， 步骤S6中， 使用Mean ‑ shift算法计算所述 最佳拟合平面的中心点的步骤， 包括以下子步骤： S61、 随机获取所述最佳拟合平面中的所述中心点xi， 使用kd树搜索所述中心点xi的邻 域Sk； S62、 统计所述中心点xi与所述邻域Sk内的点形成的向量， 并通过相加计算得到采样向 量 所述采样向量的终点 坐标作为xi+1， 所述采样向量 满足以下关系式： S63、 重复步骤S61 ‑S62， 直到所述采样向量的终点 坐标不再变化。 7.如权利要求6所述的不规则钢板位姿识别方法， 其特征在于， 步骤S7中， 所述钢板的 坐标信息， 以所述最佳拟合平面为钢板所在平面， 以所述采样向量的终点坐标为所在平面 的坐标。 8.一种不 规则钢板位姿识别系统， 其特 征在于， 包括： 图像获取模块， 用于拍摄钢板位姿图像， 并通过预处理将钢板检测区域以外的背景进 行剔除， 提取 所述钢板检测区域中的点云信息； 数据平滑处理模块， 用于通过最小二乘法对所述点云信息进行平滑处理， 得到点云原 点数据； 分割模块， 用于使用预设聚类算法， 对所述点云原点数据进行分割， 得到单个钢板的单 独点云信息； 位姿识别模块， 用于对所述单独点云信息进行位姿识别， 得到具有法向量特征的点云 集数据； 拟合平面计算模块， 用于根据所述 点云集数据确定最佳拟合平面； 中心点计算模块， 用于使用Mean ‑shift算法计算所述 最佳拟合平面的中心点； 坐标确定模块， 用于根据所述最佳拟合平面和所述中心点获取钢板的坐标信息， 并根 据所述坐标信息使用机 械手对所述钢板进行抓取。 9.一种计算机设备， 其特征在于， 包括： 存储器、 处理器及存储在所述存储器上并可在 所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求 1至7 中任意一项所述的不 规则钢板位姿识别方法中的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至7中任意一项 所述的不规则钢板 位姿识别方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115100416 A 3