基于改进欧氏聚类的散乱工件点云分割

摘要：

针对机器人随机箱体抓取过程中场景分割困难的问题,提出一种基于改进欧氏聚类的散乱工件点云分割方法.采用直通滤波法和迭代半径滤波法进行预处理,得到去除干扰点后的散乱工件点云;通过基于法线夹角的边缘检测去除点云中的边缘点,并使相互碰撞的工件在空间上产生分离;采用改进的搜索半径自适应欧氏聚类进行点云分割,得到多个工件点云子集,基于距离约束将去除的边缘点补齐到点云子集之中,从而完成点云分割.此外,线下模板点云注册为分割参数的选取提供依据,从而保证了分割结果的准确性,提高了分割速度.结果表明:基于改进欧氏聚类的散乱工件点云分割方法能够准确地分割出感兴趣的工件,分割时间约为696 ms,满足了工业机器人抓取的实时性要求.

关键词：机器视觉、欧氏聚类、点云分割、自适应聚类、随机箱体抓取、聚类分割

所属期刊栏目：54

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏高校优势学科建设工程项目;江苏省产学研前瞻性联合研究项目;江苏省科技成果转化专项

在线出版日期：2018-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：310-318