(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 202210605718.8 (22)申请日 2022.05.31 (71)申请人 河南埃尔森智能科技有限公司 地址 450000 河南省郑州市高新 技术产业 开发区长椿 路11号国家大学科技园C6 号楼A单元5层 (72)发明人 苗庆伟　邵军强　 (74)专利代理 机构 河南大象律师事务所 41 129 专利代理师 吕聪会 (51)Int.Cl. G06T 7/30(2017.01) G06T 5/00(2006.01) G06K 9/62(2022.01) G06V 10/74(2022.01) (54)发明名称 一种基于曲率特征描述的自适应轮廓模板 识别配准方法 (57)摘要 本发明公开了一种基于曲率特征描述的自 适应轮廓模板识别配准方法,对待识别的轮廓建 立特征描述， 寻找对应点； 计算其与模板轮廓的 平移、 旋转、 缩放矩阵R、 T、 S， 依据该矩阵将待识 别轮廓转换到模板轮廓坐标系下， 计算两个轮廓 之间的差异性并以此判断待识别的工件是否为 目标工件。 该方法是通过计算待识别轮廓与模板 轮廓对应点之间的欧式距离及其平均值E、 方差 D， 来判断待识别轮廓与模板轮廓的相似性， 由数 值D控制了轮廓与模板之间在外形上的差异程 度， E控制了轮廓与模板之间在尺寸上的差异程 度， 将数值D与E相结合来完成对平面型工件或者 近似平面型的识别， 提高对毛胚型工件的识别定 位的准确性。 权利要求书2页 说明书5页 附图3页 CN 114943752 A 2022.08.26 CN 114943752 A 1.一种基于曲率特征描述的自适应轮廓模板识别配准方法， 其特征在于， 包括如下步 骤： (1)建立模板轮廓： 建立目标工件的上表面轮廓模板， 其轮廓点集P， 具体表示为P＝{p1, p2,...,pn},其中n为轮廓点数； (2)提取轮廓： 对待识别工件进行扫描， 根据得到的点云数据提取上表面轮廓， 得到对 应的待识别轮廓点； (3)轮廓点去噪重采样： 对步骤(2)提取到的所有轮廓点进行多边形拟合， 并对其进行 固定数量的轮廓点等距填充， 以使其与模板轮廓的轮廓点数相同， 得到待识别轮廓点集Q， 具体表示 为Q＝{q1,q2,...,qn}； (4)特征点描述： 计算步骤(3)中得到的轮廓点各个顶点的曲率ρn， 依次对该轮廓进行高 斯平滑， 计算轮廓点在不同高斯核下的曲率， 对每个轮廓点进行曲率特征描述： VQ＝{ρ1, ρ2,..., ρn}； 以轮廓特征描述的相似性作为判断标准， 寻找最优 匹配序列， 得到待识别轮廓 与模板轮廓的一 一对应点； (5)计算平移、 旋转、 缩放矩阵： 根据步骤(4)寻找到的轮廓对应点， 计算待识别轮廓与 模板轮廓的旋转矩阵R、 平 移矩阵T和缩放矩阵S； (6)计算差异性和相似性： 依据步骤(5)计算得到的旋转矩阵R,平移矩阵T和缩放矩阵 S， 将待识别轮廓转换到模板轮廓的坐标系下， 计算待识别轮廓与模板轮廓对应点之 间的差 异性和相似性,并以此判断待识别工件是否为目标工件。 2.根据权利要求1所述的基于曲率特征描述的自适应轮廓模板识别配准方法， 其特征 在于， 所述 步骤(3)中对轮廓点进行多边形拟合是采用Douglas ‑Peucker算法实现的。 3.根据权利要求2所述的基于曲率特征描述的自适应轮廓模板识别配准方法， 其特征 在于， 所述步骤(3)中对轮廓进 行固定数量的轮廓点等距填充的方法如下： 根据模板轮廓的 轮廓点数n确定采样 长度l＝L/n， 其中L为原始轮廓长度， 遍历轮廓顶点进 行采样， 在 满足采 样长度条件处插 入新的三维轮廓点。 4.根据权利要求2或3所述的基于曲率特征描述的自适应轮廓模板识别配准方法， 其特 征在于， 所述步骤(4)中寻找最优匹配序列是依据轮廓点有序连续的特点采用Needleman ‑ Wunsch算法实现的。 5.根据权利要求4所述的基于曲率特征描述的自适应轮廓模板识别配准方法， 其特征 在于， 所述 步骤(5)中旋转矩阵R、 平 移矩阵T和缩放矩阵S的计算过程如下： 计算旋转矩阵R： ①、 对模板轮廓点集P＝{p1,p2,...,pn}和待识别轮廓点集Q＝{q1,q2,...,qn}的旋转矩 阵R、 平移矩阵T构建数 学模型： 其中， ai表示每个点对之前的权 重； ②、 对点集P、 Q去中心化及协方差矩阵SVD分解 求P、 Q中心值 μA、 μB： 权　利　要　求　书 1/2 页 2 CN 114943752 A 2③、 将点集P、 Q去中心化， 转换为 点集P'、 Q'： P'＝{p′1,p'2,...,p'n}Q'＝{q′1,q'2,...,q'n} 其中： p'i＝{pi‑μA}q'i＝{qi‑μB} ④、 计算协方差矩阵H： ⑤、 对矩阵H进行SVD分解 为矩阵U、 Σ、 V， 得到 旋转矩阵R： R＝VUT 计算缩放矩阵S： 首先分别计算点集合P、 Q中所有点连成的线， 则线段个数均为： n*(n ‑ 1)/2， 再计算所有线 段的Ld阶长度， 然后将两集合中所有对应线 段的长度相除， 分别得到对 应的缩放系 数， 去除过短的线段和异常的缩放系 数， 剩下的取平均即可得到缩放系 数的估 计值s， 则缩放矩阵表示 为： 计算偏移 矩阵T： T＝ ‑sR×μA+ μB。 6.根据权利要求5所述的基于曲率特征描述的自适应轮廓模板识别配准方法， 其特征 在于， 待识别轮廓点 集P与模板轮廓点 集Q的转换关系为： P＝T ·R·S·Q。 7.根据权利要求6所述的基于曲率特征描述的自适应轮廓模板识别配准方法， 其特征 在于， 所述 步骤(6)中， 计算待识别轮廓与模板轮廓对应点之间的差异性过程如下： 首先计算各对应点之间的欧式距离dn， 对应的数据集 为DP‑Q： dn＝pn‑qn DP‑Q＝{d1,d2,...,dn} 再计算DP‑Q的平均值E及其方差D， 则待识别轮廓与模板轮廓的相似性为： SP‑Q＝w1E+w2D， 其中， w1和w2为两个参数的权 重。权　利　要　求　书 2/2 页 3 CN 114943752 A 3