基于iGPS的复杂曲面三维点云拼接技术 下载: 971次
1 引言
由于投影仪投射范围和摄像机视场范围有限以及物体自身的遮挡等因素的存在,三维形貌扫描仪一次采样只能获得被测物体一个侧面的信息。所以对于大型物体的测量,往往需要从不同的角度进行多次采样,然后通过多视点云拼接与融合,形成整体的三维点云。不同角度的采样结果,因各基准坐标系不同,即使测量物体上同一点,其对应的坐标值也不相同[1]。因此三维点云多视拼接的关键是坐标系的建立和坐标转换。在传统以工业机器人和三维形貌扫描仪组成的形貌测量系统中,工业机器人既是运动的载体,也是精度链中的重要环节,故工业机器人相对较低的定位精度势必会对测量精度产生一定的影响。
本文以“室内全局定位系统iGPS-工业机器人-形貌传感器”为核心,在传统机器人形貌测量系统的基础上引入iGPS定位跟踪系统。利用iGPS来实现位置的定位和跟踪,并基于该位置实现点云的多视拼接。该方法以iGPS世界坐标系作为点云拼接坐标系,机器人仅作为移动载体,不再作为测量精度链中的一环,避免了机器人定位精度低对系统点云拼接精度的影响。
2 点云拼接技术
点云拼接是指通过某种变换将两组不同区域中的点云数据对齐,使不同区域的点云能够正确地匹配和搭接[2]。受工作原理和测量范围的限制,需要对形貌传感器在不同站位所测量的点云进行拼接处理,通过刚性坐标变换将点云合并成一块完整的点云。常见的点云拼接策略主要分为序列拼接和全局拼接两类[3]。其中,序列拼接主要是先将点云数据进行预处理,再依据相邻点云之间公共部分的法向、曲率等特点找到对应点组进行拼接[4]。这种拼接方法操作方便、容易实现;但是当拼接的点云邻域数据较多时,误差的累积传递会导致拼接误差逐渐增大。全局拼接主要是在测量域内设置一个固定的全局坐标系,将各测量站位的测量数据全部统一到全局坐标系之下再进行点云的后续处理[5],这种拼接策略可以将误差进行全局优化并平均分配给各拼接邻域,因此可以获得较高的拼接精度。采用全局拼接策略进行点云拼接的系统主要可以由基于标记点的拼接方法、采用旋转工作台的拼接方法和辅助靶标拼接法等[6]方法实现。
iGPS定位跟踪测量系统是工作范围在10 m左右测量精度最高的坐标测量系统[7]。该测量系统采用全局拼接策略(该策略具有误差分布较均匀、拼接精度较高的特点),将各测量站位下获取的点云数据统一转换到iGPS世界坐标系下完成拼接,能够保证测量范围足够大且测量过程中无需粘贴标记点和靶标点,自动化程度高。只要在室内环境下被测物体的尺寸在机器人臂展的范围内,均可利用本测量系统实现测量和点云拼接。
3 点云拼接模型建立
3.1 测量系统总体构成
三维形貌测量系统主要由控制计算机、工业机器人、形貌测量传感器、iGPS定位跟踪测量系统(位置解算器、iGPS发射器、iGPS接收器)及机器人控制系统等构成。控制计算与iGPS定位跟踪测量系统、工业机器人通过ethernet网络实现通信,与形貌测量传感器通过通用串行总线(USB)实现通信,如
3.2 点云拼接数学模型
基于iGPS世界坐标系的点云拼接模型主要包含三个坐标系:形貌传感器坐标系
图 2. 基于iGPS世界坐标系的点云拼接模型
Fig. 2. Point cloud splicing model based on iGPS world coordinate system
设点
由(1)式可知,机器人带动形貌传感器在不同测量站位上获取的点云数据最终会转换到iGPS世界坐标系下,而iGPS世界坐标系建立在iGPS激光发射器上。发射器在测量时位置始终保持不变,这就保证了即使形貌传感器在测量时按照机器人预先编程设定的轨迹更换不同的站位进行测量,测量得到的三维点云数据也会始终按照全局拼接策略自动拼接在iGPS世界坐标系下。因此对于基于iGPS世界坐标系的多站位点云拼接模型的关键问题是求解两组坐标转换关系
3.3 转化关系求解方法
为求解三组坐标系中的两组坐标转换关系
1)转换关系
形貌传感器坐标系
根据布尔-沙七参数转换模型[8-9],对空间可测量范围内的特征点
式中:
式中:
为计算方便,将特征点坐标均化为以重心为原点的重心化坐标。特征点在两坐标系下的坐标分别为
经重心化后两坐标系下的特征点坐标分别为
将(5)、(6)式代入(3)式可得
对于
式中‖‖为范数。
采用基于罗德里格矩阵的最小二乘法进行旋转矩阵
式中:
求得平移向量
综合激光跟踪仪建立Frame坐标系
2)转换关系
设点
Frame坐标系由4个iGPS接收传感器组成,4个iGPS接收传感器的相对位置关系始终保持不变,虽然Frame坐标系在测量过程中随测量站位的改变而变化,但是其坐标系各轴的方位是稳定不变的。iGPS跟踪定位系统可实时跟踪4个iGPS接收传感器的空间坐标,根据iGPS定位跟踪系统的位置解算器可获得转换关系
4 点云拼接实验
目前国内外学者对机器人形貌测量中的点云拼接多以机器人基坐标系为基准[10],首先通过基于标准球的不同坐标系拼接对比实验,对测量域内同一标准球进行测量;然后对两种基坐标下的点云拼接精度进行分析对比,以验证基于iGPS世界坐标系的点云拼接方法具有更好的拼接精度;最后通过圆柱和航空叶片测量实验,验证基于iGPS世界坐标系的点云拼接精度能够满足测量需求。
4.1 标准球点云拼接对比实验
采用不同的站位对标准球进行测量,如
4.2 圆柱侧面点云拼接精度验证实验
为直观地观察点云拼接的效果,实验采用从5个测量站位对一个直径为60.0123 mm、高度为200.0123 mm、圆柱度为0.0212 mm的标准圆柱体的侧面进行形貌测量,并放大观察每一处点云重叠区域的拼接误差,其示意图如
图 7. 圆柱拼接原理示意图。(a)重叠区域;(b)拼接误差
Fig. 7. Schematic of cylindrical splicing principle. (a) Overlap region; (b) splicing error
图 8. 圆柱拼接结果。(a)轴侧视图;(b)俯视图
Fig. 8. Cylindrical splicing results. (a) Isometric view; (b) top view
由于各测量站位获取的点云都处在iGPS世界坐标系下,所以可以对相邻点云数据的重叠区域进行偏差分析,分析得到的各测量站位重叠区域的拼接误差如
表 1. 各重叠区域的拼接误差
Table 1. Splicing error of each overlap region
|
4.3 航空叶片点云拼接验证实验
以航空叶片为例进行三维形貌测量系统的曲面测量实验,通过机器人带动形貌传感器运动来采集叶片的三维数据,数据拼接在iGPS世界坐标系下,将点云拼接数据与原始数模拟合数据在软件中进行对比,从叶片不同位置测试点中标定的22个点CMP 1~CMP 22的坐标偏差如
表 2. 测试点的偏差
Table 2. Deviation of test pointsmm
|
5 结论
针对基于机器人基坐标系点云拼接精度较低的问题,提出了以iGPS世界坐标系替代机器人基坐标系作为拼接坐标系的方法。建立了基于iGPS世界坐标系进行点云拼接的数学模型,并对拼接模型中的坐标转换关系求解进行研究;基于标准球测量实验分别实现了基于机器人基坐标系的点云拼接和基于iGPS世界坐标系的点云拼接,实验结果表明基于iGPS世界坐标系的点云拼接具有更好的拼接精度。通过圆柱侧面点云拼接实验和航空叶片点云拼接实验验证了基于iGPS世界坐标系的点云拼接方法不受机器人定位精度的影响,系统拼接精度更高。
[1] 陈茂霖, 卢维欣, 万幼川, 等. 无附加信息的地面激光点云自动拼接方法[J]. 中国激光, 2016, 43(4): 0414003.
陈茂霖, 卢维欣, 万幼川, 等. 无附加信息的地面激光点云自动拼接方法[J]. 中国激光, 2016, 43(4): 0414003.
[2] 杨帆, 白宝兴, 张振普, 等. 基于多视点云拼接算法研究[J]. 长春理工大学学报(自然科学版), 2014, 37(3): 124-127.
杨帆, 白宝兴, 张振普, 等. 基于多视点云拼接算法研究[J]. 长春理工大学学报(自然科学版), 2014, 37(3): 124-127.
[3] 黄源, 达飞鹏, 陶海跻. 一种基于特征提取的点云自动配准算法[J]. 中国激光, 2015, 42(3): 0308002.
黄源, 达飞鹏, 陶海跻. 一种基于特征提取的点云自动配准算法[J]. 中国激光, 2015, 42(3): 0308002.
[4] 伍梦琦, 李中伟, 钟凯, 等. 基于几何特征和图像特征的点云自适应拼接方法[J]. 光学学报, 2015, 35(2): 0215002.
伍梦琦, 李中伟, 钟凯, 等. 基于几何特征和图像特征的点云自适应拼接方法[J]. 光学学报, 2015, 35(2): 0215002.
[5] 卢炜良, 江开勇, 林俊义. 无编码全局控制点多视角三维数据拼接[J]. 光电工程, 2014, 41(5): 57-62.
卢炜良, 江开勇, 林俊义. 无编码全局控制点多视角三维数据拼接[J]. 光电工程, 2014, 41(5): 57-62.
[6] 张敏, 隋永新, 杨怀江. 提取标记点中心在子孔径拼接检测中的应用[J]. 中国光学, 2014, 7(5): 830-836.
张敏, 隋永新, 杨怀江. 提取标记点中心在子孔径拼接检测中的应用[J]. 中国光学, 2014, 7(5): 830-836.
[7] 孙涪龙, 赵罡, 王伟, 等. iGPS测量不确定度空间分布分析方法[J]. 北京航空航天大学学报, 2015, 41(1): 174-180.
孙涪龙, 赵罡, 王伟, 等. iGPS测量不确定度空间分布分析方法[J]. 北京航空航天大学学报, 2015, 41(1): 174-180.
[8] 谷亚先, 马军山. 利用激光反馈测量物体三维形貌[J]. 光学仪器, 2015, 37(1): 1-3, 8.
谷亚先, 马军山. 利用激光反馈测量物体三维形貌[J]. 光学仪器, 2015, 37(1): 1-3, 8.
[9] 侯茂盛, 王强, 马国庆, 等. 三维形貌柔性测量系统标定方法及验证[J]. 应用光学, 2018, 39(3): 385-391.
侯茂盛, 王强, 马国庆, 等. 三维形貌柔性测量系统标定方法及验证[J]. 应用光学, 2018, 39(3): 385-391.
[10] 黄佳, 邾继贵, 王一. 激光线扫式形貌测量机器人的标定研究[J]. 传感技术学报, 2012, 25(1): 62-66.
黄佳, 邾继贵, 王一. 激光线扫式形貌测量机器人的标定研究[J]. 传感技术学报, 2012, 25(1): 62-66.
Article Outline
马国庆, 刘丽, 于正林, 曹国华, 王强. 基于iGPS的复杂曲面三维点云拼接技术[J]. 中国激光, 2019, 46(2): 0204003. Guoqing Ma, Li Liu, Zhenglin Yu, Guohua Cao, Qiang Wang. Three-Dimensional Point Cloud Splicing Technology of Complex Surfaces Based on iGPS[J]. Chinese Journal of Lasers, 2019, 46(2): 0204003.