基于改进FPFH的栅极件点云匹配方法

张汝枭; 方宇; 杨皓; 杭观荣; 陶翰中; 宁业衍

doi:10.12299/jsues.21-0086

基于改进FPFH的栅极件点云匹配方法

doi: 10.12299/jsues.21-0086

1.
上海工程技术大学机械与汽车工程学院, 上海 201620
2.
上海空间推进研究所, 上海 201112

基金项目: 上海市松江区科技攻关项目资助（20SJKJGG08C）

详细信息

作者简介:
张汝枭（1995−），男，硕士，研究方向为精密检测技术. E-mail：13916539503@163.com

通讯作者:
方　宇（1974−），男，教授，博士，研究方向为智能装备与精密检测技术. E-mail：fangyu_hit@126.com

中图分类号: TP391.4
计量
- 文章访问数: 190
- HTML全文浏览量: 252
- PDF下载量: 425
- 被引次数: 0
出版历程
- 收稿日期: 2022-05-19
- 刊出日期: 2023-12-30

Registration method for grid point cloud based on improved FPFH

1.
School of Mechanical and Automotive Engineering, Shanghai University of Engineering Science, Shanghai 201620, China
2.
Shanghai Institute of Space Propulsion, Shanghai 201112, China

摘要

摘要: 针对栅极件点云的匹配问题，提出一种改进的快速点特征直方图（Fast Point Feature Histogram，FPFH）描述子. 在FPFH基础上增加邻域密度作为点特征的描述，并在使用k维树（k-dimensional tree，k-d tree）算法搜索对应点时将巴氏距离作为指标. 仿真过程中，将该方法与传统FPFH的匹配效果进行比较. 搭建试验装置采集栅极件表面点云数据，并利用改进的FPFH算法和经典的迭代最近点算法（Iterative Closest Point，ICP）进行匹配. 试验结果表明，匹配后的点云尺寸精度在1 μm级别，栅孔误差范围在 ±(20~40) μm内，理论上满足了栅极件测量精度要求.
- 栅极件 /
- 自动化测量 /
- 点云匹配 /
- 快速点特征直方图 /
- 邻域密度 /
- 巴氏距离
Abstract: An improved fast point feature histogram (FPFH) was proposed for the initial registration of grid point cloud. The neighborhood density was added as a point feature description on the basis of FPFH. When searching the corresponding points with k-dimensional tree (k-d tree), the Bhattacharyya distance was used as the index. This improved method was compared with FPFH in the simulation. Then, the test device was built to collect the grid’s surface point cloud data. The data were registered with improved FPFH method and iterative closest point (ICP). Test results show that the precision level of the matched point cloud is 1 μm and the error range of grid hole stays in ±(20~40) μm, which theoretically satisfy the precision requirement of the grid.
- grid /
- automatic measurement /
- point cloud registration /
- fast point feature histogram (FPFH) /
- neighborhood density /
- Bhattacharyya distance

HTML全文

图 1 栅极件三维模型

Figure 1. Three-dimensional model of grid

下载: 全尺寸图片幻灯片

图 2 栅孔尺寸测量方案示意图

Figure 2. Schematic diagram of grid hole measurement scheme

下载: 全尺寸图片幻灯片

图 3 法线偏角示意图

Figure 3. Schematic diagram of normal deflection angle

下载: 全尺寸图片幻灯片

图 4 FPFH关系网络

Figure 4. Relation network of FPFH

下载: 全尺寸图片幻灯片

图 5 点P_s邻域密度示意图

Figure 5. Schematic diagram of neighborhood density of point P_s

下载: 全尺寸图片幻灯片

图 6 FPFH与改进方法匹配效果比较

Figure 6. Comparison of registration effect between FPFH and improved FPFH

下载: 全尺寸图片幻灯片

图 7 试验装置

Figure 7. Test device

下载: 全尺寸图片幻灯片

图 8 屏栅分段扫描预处理结果

Figure 8. Processing result of screen grid segment scanning

下载: 全尺寸图片幻灯片

图 9 屏栅点云数据拼接效果

Figure 9. Stitch effect of screen grid point cloud data

下载: 全尺寸图片幻灯片

图 10 被测量的栅孔位置

Figure 10. Positions of measured grid holes

下载: 全尺寸图片幻灯片

表 1 匹配误差

Table 1. Error of registration

栅极件	特征值		FPFH	改进FPFH
Bunny	e_t/mm		20.86	5.24
	e_r/(°)	X	86.50	0.82
		Y	86.75	0.80
		Z	1.67	0.34
Dragon	e_t/mm		24.56	8.32
	e_r /(°)	X	39.63	0.61
		Y	9.74	1.05
		Z	2.66	0.41
Hippo	e_t/mm		13.04	2.42
	e_r /(°)	X	43.07	0.22
		Y	0.74	0.16
		Z	1.06	0.15
Chair	e_t /mm		27.05	3.90
	e_r /(°)	X	0.18	0.27
		Y	0.83	0.23
		Z	0.16	0.14

下载: 导出CSV

表 2 尺寸误差比较

Table 2. Dimensional error comparison

测量对象	理论值/mm	测量值/mm	误差/%
屏栅直径	80	79.985	−0.019
栅孔A直径	2	2.037	1.850
栅孔B直径	2	2.030	1.500
栅孔C直径	2	2.017	0.850
栅孔D直径	2	2.012	0.600

下载: 导出CSV

参考文献(10)

[1]	BESL P J, MCKAY H D. A method for registration of 3-D shapes[J] . IEEE Transactions on Pattern Analysis & Machine Intelligence,1992,14(2):239 − 256.
[2]	REN Z L, WANG L G, BI L. Robust GICP-Based 3D LiDAR SLAM for underground mining environment[J] . Sensors,2019,19(13):2915. doi: 10.3390/s19132915
[3]	王立玲, 苏华强, 马东. 基于ICP匹配和贝叶斯逆传感器模型的地图构建[J] . 激光杂志,2020,41(12):50 − 56.
[4]	吴义山, 徐增波. 基于相移结构光重建的三维数字化服装建模[J] . 上海工程技术大学学报,2015,29(4):353 − 359.
[5]	罗锦鸿, 陈新度, 吴磊. 基于点云配准的曲面三维差异检测[J] . 组合机床与自动化加工技术,2021(1):96 − 100. doi: 10.13462/j.cnki.mmtamt.2021.01.023
[6]	姚敏, 赵增浩, 赵敏, 等. 复杂结构件内部缺陷检测[J] . 仪器仪表学报,2020,41(10):213 − 220.
[7]	陶谦, 熊风光, 刘涛, 等. 多幅点云数据与纹理序列间的自动配准方法[J] . 计算机工程,2020,46(10):259 − 265, 274.
[8]	宫文. 光栅投影旋转测量中重叠点云消冗与纹理映射研究[D]. 绵阳: 西南科技大学, 2020.
[9]	RUSU R B, BLODOW N, BEETZ M. Fast point feature histograms (FPFH) for 3D registration[C]//Proceeding of IEEE International Conference on Robotics and Automation. Kobe: IEEE, 2009: 3212−3217.
[10]	朱正伟, 祝磊, 饶鹏. 基于BS-HMM和巴式距离的手势识别技术研究[J] . 计算机应用与软件,2019,36(6):163 − 166, 253.