摘 要

本次毕业设计主要研究了基于点云数据的场景中目标识别以及对识别目标的6维位姿的解算。整个设计大致可分为两大部分：目标探测以及方位求解。目标探测旨在能够通过信息提取与分析的手段从一个给定的场景点云数据中寻找出潜在的目标物体。场景中可能包含有一些干扰因素，例如噪声点、视野遮挡以及同一场景中可能出现多个模型物体的实例等，识别系统要求对于这些干扰因素具有一定的鲁棒性。方位求解旨在求解对于已经探测出的场景中的目标的方位，系统首先会解算出一个初始位姿，在经过一定的优化算法求解出精确的位置信息。

本文的特色在于对于目前3维物体识别领域的一些前沿技术与算法做了研究与整合并基于这些算法搭建了一个自己的目标识别与定位系统。该系统通过与一些传统的机器人技术（例如机器人关节控制、运动规划等）相结合可以应用于一些工业机器人的生产作业当中。

关键词：点云数据；目标识别；位姿计算；3维物体识别技术

Abstract

This graduation project mainly studies the target recognition in the scene based on point cloud data and the solution of the 6-dimensional pose of the recognized target. The whole design can be roughly divided into two parts: target detection and 6 DoF pose estimation. Target detection can find potential target objects from a given scene point cloud data by means of information extraction and analysis. The scene may contain some interference factors, such as noise points, visual field occlusion, and instances of multiple model objects that may appear in the same scene. The recognition system requires certain robustness to these interference factors. The pose estimation stage is designed to detect the orientation of the target in the scene. The system will first solve an initial pose, and experience a certain optimization algorithm to improve the accurate position information.

The characteristic of this article is to research and integrate some cutting-edge technologies and algorithms in the field of 3D object recognition and build an target recognition and positioning system based on these algorithms. The system can be applied to the production of some industrial robots by combining with some traditional robot technologies (such as robot joint control, motion planning, etc.).

Key Words：point cloud data；target detection；pose estimation；3D object recognition technology

目 录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.2.1 国外研究现状 1

1.2.1 国内研究现状 2

1.3 本文主要内容研究 2

第2章 点云特征描述与提取研究 3

2.1 点云预处理方法研究 3

2.1.1 点云滤波方法 3

2.1.2 点云数据关键点的提取方法 3

2.2 SHOT描述子 4

2.3 FPFH描述子 6

2.4 Spin-Image描述子 8

2.5 特征描述子基准化分析 9

2.6 本章小结 15

1. 特征向量匹配研究 16

3.1 点云特征匹配方法研究 16

3.1.1 基于kd-tree的特征向量匹配方法 16

3.1.2 基于HashTable的特征向量匹配方法 17

3.2 点云对应关系的处理方法研究 19

3.2.1 基于Geometric Consistency的处理算法 19

3.2.2 基于3DHoughing的处理算法 19

3.3 点云配准方法研究 20

3.3.1 基于SVD分解的绝对定向算法 21

3.3.2 基于随机采样一致性的粗配准方法 22

3.3.3 基于迭代最近邻ICP的精确配准方法 22

3.4 本章小结 23

第4章 基于IMU的多传感器信息融合的位姿解算方法 24

4.1 IMU基本模块介绍 24

4.1.1 加速度计 24

4.1.2 陀螺仪 25

4.1.3 磁力计 26

4.2 融合算法 27

4.3 本章小结 28

第5章 基于3D点云的目标识别与定位算法 29

5.1 项目内容介绍 29

5.2 结构框架 29

5.3 系统构成与算法介绍 29

5.4 项目具体实现与结果呈现 32

5.5 项目未来应用发展空间 37

5.6 毕业设计总结 37

参考文献 39

致谢 40

第1章 绪论

1.1 研究背景与意义

机器视觉是当前十分热门的一个研究领域，它主要的研究任务是用计算机识别与分析现实世界的物体。随着机器视觉硬件与软件的逐渐发展，它被应用于很多的实际问题，当中包括遥感、工业机器人作业、自主车导航、智能物流等都是进展非常快速的方向。其中的点云处理技术广泛应用在机器人学、机器视觉、人机交互等诸多领域。然而由于前些年没有开发出合适的获取和分析点云数据的相关设备，阻碍了其在各个行业上的广泛应用。但是近年来以微软的kinect为前导，消费级RGBD设备大量上市，PCL点云库也应运而生，它实现了大量通用算法和数据结构，极大地提高应用系统开发效率和稳定性。

因此本课题打算设计一种基于3D点云的三维物体识别和姿态估计系统，该系统主要包含两个关键步骤：目标检测和位姿估计。目标检测的目的是探测输入的场景中有没有模型库中模型的实例；位姿估计是计算被检测到的目标在场景中的位置和姿态，该设计系统可以用于工业机器人的抓取目标等作业当中。