一种面向工件位姿的配准方法、装置、设备及存储介质

1.本发明涉及工件配准技术领域，尤其涉及一种面向工件位姿的配准方法、装置、设备及存储介质。


背景技术：

2.近年来，随着计算机技术以及图像处理技术的迅速发展，机器视觉已经广泛应用在汽车制造、食品分拣、自动化加工生产等技术领域。在工业领域中，机器视觉通常用于视觉测量、视觉引导和视觉检测三方面。在现代化视觉检测自动加工生产中，工件的特征检测与模型配准校正是进行自动加工的基础。
3.在特征检测与模型配准校正技术领域，现有技术大多采用“眼在手上”机器人末端固定面结构光扫描的方法，通过移动式扫描-拼接-重构技术获取目标工件实际三维模型，再通过大数据量的点云与实际三维模型完成配准。
4.但是，面对复杂工件的加工时，现有精密测量-拼接技术算法复杂，难以实现视觉测量与机器人加工集成系统的高效批量化应用。并且对于大数据量的点云配准技术，在工件任意改变实际位姿的条件下，容易频繁陷入局部匹配最优的情况，影响最终的位姿校正精度，无法准确对模型进行配准。


技术实现要素：

5.有鉴于此，有必要提供一种面向工件位姿的配准方法、装置、设备及存储介质，用以解决现有技术中工件模型配准的方法在改变工件的实际位姿后，影响工件的位姿校正精度，无法准确对模型进行配准的问题。
6.为达到上述技术目的，本发明采取了以下技术方案：
7.第一方面，本发明提供了一种面向工件位姿的配准方法，包括：
8.对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；
9.根据弧支撑群构建图像椭圆候选集，并对图像椭圆候选集进行处理得到图像椭圆特征中心点集；
10.确定待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以预设平面的法向量表示模型椭圆特征中心点集；
11.基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准。
12.在一些可能的实现方式中，对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群，包括：根据图像椭圆特征中心点集的采样点确定待配准工件的弧支撑群。
13.在一些可能的实现方式中，根据弧支撑群构建图像椭圆候选集，并对图像椭圆候选集进行处理得到图像椭圆特征中心点集，包括：
14.基于预设约束条件，根据弧支撑群构建初始图像椭圆候选集，并对初始图像椭圆候选集进行空间聚类；
15.通过预设置信度函数对空间聚类后的初始图像椭圆候选集进行验证；
16.对验证后的初始图像椭圆候选集进行预设坐标转换，得到图像椭圆特征中心点集。
17.在一些可能的实现方式中，预设约束条件包括极性相同约束条件和区域相同约束条件；基于预设约束条件，根据弧支撑群构建初始图像椭圆候选集，并对初始图像椭圆候选集进行空间聚类，包括：
18.基于极性相同约束条件，判断组成椭圆曲线的弧支撑群的极性；
19.基于区域相同约束条件，判断极性相同的弧支撑群是否位于预设区域。
20.在一些可能的实现方式中，确定待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以预设平面的法向量表示模型椭圆特征中心点集，包括：
21.确定模型椭圆特征中心点集所在的预设平面的方程表达式；
22.基于最小法向距离公式，根据预设平面的方程表达式确定预设平面方程；
23.根据预设平面方程确定表示模型椭圆特征中心点集的法向量。
24.在一些可能的实现方式中，基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准，之前包括：
25.设置距离阈值和配准误差函数对图像椭圆特征中心点集和模型椭圆特征中心点集进行去噪。
26.在一些可能的实现方式中，基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准，包括：
27.确定图像椭圆特征中心点集到模型椭圆特征中心点集的旋转平移矩阵转换表达式；
28.基于旋转平移矩阵转换表达式，建立图像椭圆特征中心点集和模型椭圆特征中心点集的相关性函数；
29.通过相关性函数计算图像椭圆特征中心点集和模型椭圆特征中心点集的缸体刚体变换矩阵直至迭代收敛。
30.第二方面，本发明还提供了一种面向工件位姿的配准装置，包括：
31.检测模块，用于对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；
32.图像点集模块，用于根据弧支撑群构建图像椭圆候选集，并对图像椭圆候选集进行处理得到图像椭圆特征中心点集；
33.模型点集模块，用于确定待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以预设平面的法向量表示模型椭圆特征中心点集；
34.配准模块，用于基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准。
35.第三方面，本发明还提供了一种电子设备，包括存储器和处理器，其中，
36.存储器，用于存储程序；
37.处理器，与存储器耦合，用于执行存储器中存储的程序，以实现上述任一种实现方
式中的面向工件位姿的配准方法中的步骤。
38.第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，程序或指令被处理器执行时，能够实现上述任一种实现方式中的面向工件位姿的配准方法中的步骤。
39.采用上述实施例的有益效果是：本发明提供的一种面向工件位姿的配准方法、装置、设备及存储介质，先获取任意姿态的工件图像，然后对任意姿态的工件图像进行弧支撑线段检测，从而确定图像椭圆特征中心点集，然后通过确定预设平面的法向量来提取出模型椭圆特征中心点集，最后根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准，可以对任意位姿的工件进行校正，提高了对任意姿态下工件模型配准的效率和准确度。
附图说明
40.图1为本发明提供的面向工件位姿的配准方法的一实施例的流程示意图；
41.图2为图1中步骤s102的一实施例的流程示意图；
42.图3为图1中步骤s103的一实施例的流程示意图；
43.图4为图1中步骤s104的一实施例的流程示意图；
44.图5为本发明提供的面向工件位姿的配准装置的一实施例的结构示意图；
45.图6为本发明实施例提供的电子设备的结构示意图。
具体实施方式
46.下面结合附图来具体描述本发明的优选实施例，其中，附图构成本技术一部分，并与本发明的实施例一起用于阐释本发明的原理，并非用于限定本发明的范围。
47.在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
48.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
49.本发明提供了一种面向工件位姿的配准方法、装置、设备及存储介质，以下分别进行说明。
50.请参阅图1，图1为本发明提供的面向工件位姿的配准方法的一实施例的流程示意图，本发明的一个具体实施例，公开了一种面向工件位姿的配准方法，包括：
51.s101、对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；
52.s102、根据弧支撑群构建图像椭圆候选集，并对图像椭圆候选集进行处理得到图像椭圆特征中心点集；
53.s103、确定待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以预设平面的法向量表示模型椭圆特征中心点集；
54.s104、基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准。
55.在上述实施例中，对工件模型进行配准之前，首先要获取待配准工件模型的实际图像，此时获取的待配准工件模型的图像可以是工件模型在任意姿态下的，通过对任意姿态的待配准工件图像进行弧支撑线段检测来确定待配准工件的弧支撑群。
56.以待配准工件的弧支撑群为约束对象，构建待配准工件的图像椭圆候选集，通过对图像椭圆候选集先后进行空间聚类、验证以及坐标转换，最终得到图像椭圆特征中心点集。
57.预设平面为利用最小法向距离公式求解模型椭圆特征中心点集所在的最优平面f，以最优平面f的法向量表示模型椭圆特征中心点集。
58.预设匹配算法为改进的法向一致性迭代最近点配准算法，构建实际图像椭圆特征中心点集到模型椭圆特征中心点集的旋转平移矩阵转换相关性函数，完成迭代配准。
59.与现有技术相比，本实施例提供的一种面向工件位姿的配准方法，该方法包括：对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；根据所述弧支撑群构建图像椭圆候选集，并对所述图像椭圆候选集进行处理得到图像椭圆特征中心点集；确定所述待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以所述预设平面的法向量表示所述模型椭圆特征中心点集；基于预设匹配算法，根据所述图像椭圆特征中心点集和所述模型椭圆特征中心点集对所述待配准工件进行配准。本发明先获取任意姿态的工件图像，然后对任意姿态的工件图像进行弧支撑线段检测，从而确定图像椭圆特征中心点集，然后通过确定预设平面的法向量来提取出模型椭圆特征中心点集，最后根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准，可以对任意位姿的工件进行校正，提高了对任意姿态下工件模型配准的效率和准确度。
60.在本发明的一些实施例中，对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群，包括：根据图像椭圆特征中心点集的采样点确定待配准工件的弧支撑群。
61.在上述实施例中，假设弧支撑线段外接矩形两端点分别为m、n，质心用o表示，弧支撑线段的主角度表达式如下公式(1)所示：
[0062][0063]
式中，ai表示图像椭圆中心点集{wi}的采样点，i＝1，2，3，
…
，nw(nw表示点集{wi}的采样点总数)，region表示弧支撑线段所在区域，level-line angel表示采样点的等高线特征，表示弧支撑线段主角度方向向量。
[0064]
请参阅图2，图2为图1中步骤s102的一实施例的流程示意图，在本发明的一些实施例中，根据弧支撑群构建图像椭圆候选集，并对图像椭圆候选集进行处理得到图像椭圆特征中心点集，包括：
[0065]
s201、基于预设约束条件，根据弧支撑群构建初始图像椭圆候选集，并对初始图像椭圆候选集进行空间聚类；
[0066]
s202、通过预设置信度函数对空间聚类后的初始图像椭圆候选集进行验证；
[0067]
s203、对验证后的初始图像椭圆候选集进行预设坐标转换，得到图像椭圆特征中心点集。
[0068]
在上述实施例中，极性相同约束为：判断组成图像椭圆曲线的“弧支撑群”极性，弧支撑群内部区域均比外围亮或者暗，则表示极性同为正或者负，通常同一个图像椭圆曲线的极性相同。
[0069]
区域相同约束为：判断两个配对好的“弧支撑群”是否位于相互有效的区域中，具体判断条件满足公式(2)：
[0070][0071]
式中，i，j表示两个不同的“弧支撑群”，以i为例，“弧支撑群”的ti起始点为终止点为中间点为pi和pj；初始弧支撑线段为终止弧支撑线段为表示弧支撑方向l的归一化向量；表示顺时针旋转90
°
的归一化向量；当图像椭圆候选集{t1，t2}的极性为正时，ply为+1，反之ply为-1；γ表示距离门限。
[0072]
预设置信度函数包含优度指标、形状指标、位置指标、剃度指标和加权指标等五项约束条件，所述优度指标ci、形状指标hi、位置指标pi、剃度指标pi和加权指标ai等五项约束条件计算公式如公式(3)所示：
[0073][0074]
(公式3)
[0075]
上述指标构建的图像椭圆候选集置信度函数ue如下公式(4)所示，通过门限去除置信度较低的椭圆曲线，完成验证。
[0076][0077]
式中，si(e)表示椭圆e的弧支撑线段，θ表示椭圆连通角覆盖范围a，b表示椭圆长短轴大小，pi表示边缘点，ri表示采样点，ζi表示第i个采样点ri的离心角。
[0078]
预设坐标转换为中心点坐标转换，即结合多目立体视觉算法将目标椭圆图像坐标
转换到机器人基坐标系，得到实际获取的图像椭圆特征中心点集{wi}。多目立体视觉算法表达式如下公式(5)所示：
[0079][0080]
式中，目标椭圆中心点坐标为(x1，y1，z1)，表示多目相机组坐标到机器人基坐标的转换矩阵，表示实际图像椭圆中心点与主相机cl间关系矩阵，(xo，yo，zo)表示图像椭圆中心点转换到机器人基坐标系后的三维坐标，a，b，c，t，f，u，v表示矩阵转换的内外参数，可通过奇异值分解计算得到。
[0081]
在本发明的一些实施例中，预设约束条件包括极性相同约束条件和区域相同约束条件；基于预设约束条件，根据弧支撑群构建初始图像椭圆候选集，并对初始图像椭圆候选集进行空间聚类，包括：
[0082]
基于极性相同约束条件，判断组成椭圆曲线的弧支撑群的极性；
[0083]
基于区域相同约束条件，判断极性相同的弧支撑群是否位于预设区域。
[0084]
请参阅图3，图3为图1中步骤s103的一实施例的流程示意图，在本发明的一些实施例中，确定待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以预设平面的法向量表示模型椭圆特征中心点集，包括：
[0085]
s301、确定模型椭圆特征中心点集所在的预设平面的方程表达式；
[0086]
s302、基于最小法向距离公式，根据预设平面的方程表达式确定预设平面方程；
[0087]
s303、根据预设平面方程确定表示模型椭圆特征中心点集的法向量。
[0088]
在上述实施例中，假设模型椭圆特征中心点集{vj}中所有点的最优平面为f，所在最优平面的方程表示为公式(6)，求解参数a，b，c，d可以得到点集{vj}对应的最优平面f。
[0089][0090]
式中cosα，cosβ，cosγ为最优平面上点(x，y，z)处的法向量方向余弦，|p|为原点到最优平面的法向距离，d为点集{vj}中所有点到最优平面的法向距离。
[0091]
满足模型椭圆特征中心点集{vj}中所有点到假设的最优平面f的法向距离d最小时即为最优平面，并由此构建误差函数f，如下公式(7)，式中，τ表示误差模量，nv表示点集{vj}的采样点总数，j＝1，2，3，
…
，nv。
[0092][0093]
将公式(7)代入公式(6)，将点集{vj}中所有点的三维方向上均值表示为
则最小法向距离对参数a，b，c，d求偏导可以得到公式(8)：
[0094][0095]
将公式(8)整理成矩阵形式，如公式(9)所示，矩阵最小特征值对应的特征向量即为最优平面的法向量，同时满足a2+b2+c2＝1的解。
[0096][0097]
在本发明的一些实施例中，基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准，之前包括：
[0098]
设置距离阈值和配准误差函数对图像椭圆特征中心点集和模型椭圆特征中心点集进行去噪。
[0099]
在上述实施例中，根据得到的最优平面法向量，为避免迭代过程陷入局部最优，设置图像椭圆特征中心点集和模型椭圆特征中心点集间的距离阈值和配准误差函数，将对应点对欧氏距离不满足阈值的视为噪点剔除。
[0100]
欧氏距离计算公式如下公式(10)所示，设置距离阈值η和配准误差函数r
ms
。通过将第k-1次迭代完成的配准误差r
ms
设置为第k迭代的距离阈值，实现动态调整。
[0101][0102]
式中，r
k-1
和t
k-1
分别表示第k-1次迭代的旋转和平移矩阵，η表示第k次迭代的距离阈值，迭代过程中对应点对欧氏距离不满足阈值的视为噪点进行剔除。
[0103]
请参阅图4，图4为图1中步骤s104的一实施例的流程示意图，在本发明的一些实施例中，基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准，包括：
[0104]
s401、确定图像椭圆特征中心点集到模型椭圆特征中心点集的旋转平移矩阵转换
表达式；
[0105]
s402、基于旋转平移矩阵转换表达式，建立图像椭圆特征中心点集和模型椭圆特征中心点集的相关性函数；
[0106]
s403、通过相关性函数计算图像椭圆特征中心点集和模型椭圆特征中心点集的缸体刚体变换矩阵直至迭代收敛。
[0107]
在上述实施例中，图像椭圆特征中心点集{wi}到模型椭圆特征中心点集{vj}的旋转平移矩阵转换表达式如公式(11)所示：
[0108][0109]
式中，和r表示旋转矩阵，t表示平移矩阵，nw和nv分别表示集合{wi}和{vj}中待配准点数量。
[0110]
基于逆向求解的数学方法，已知矩阵转换r
k-1
和t
k-1
并将椭圆点集{wi}进行r
k-1
wi+t
k-1
变换，建立两个集合之间的相关性函数qk(i)，如下公式(12)：
[0111][0112]
式中，i＝1，2，
…
，nw，k-1表示迭代求解到第k-1步。
[0113]
进一步，计算图像椭圆特征中心点集{wk}和模型椭圆特征中心点集{vk}的刚体变换矩阵(rk，tk)如下公式(13)：
[0114][0115]
重复计算上述中函数表达式直到两组点集迭代收敛，即可解得目标点对间转换矩阵rw+t＝v，即实现了对工件模型的配准。
[0116]
为了更好实施本发明实施例中的面向工件位姿的配准方法，在面向工件位姿的配准方法基础之上，对应的，请参阅图5，图5为本发明提供的面向工件位姿的配准装置的一实施例的结构示意图，本发明实施例提供了一种面向工件位姿的配准装置500，包括：
[0117]
检测模块510，用于对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；
[0118]
图像点集模块520，用于根据弧支撑群构建图像椭圆候选集，并对图像椭圆候选集进行处理得到图像椭圆特征中心点集；
[0119]
模型点集模块530，用于确定待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以预设平面的法向量表示模型椭圆特征中心点集；
[0120]
配准模块540，用于基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准。
[0121]
这里需要说明的是：上述实施例提供的装置500可实现上述各方法实施例中描述的技术方案，上述各模块或单元具体实现的原理可参见上述方法实施例中的相应内容，此处不再赘述。
[0122]
请参阅图6，图6为本发明实施例提供的电子设备的结构示意图。基于上述面向工件位姿的配准方法，本发明还相应提供了一种面向工件位姿的配准设备，面向工件位姿的配准设备可以是移动终端、桌上型计算机、笔记本、掌上电脑及服务器等计算设备。该面向工件位姿的配准设备包括处理器610、存储器620及显示器630。图6仅示出了电子设备的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
[0123]
存储器620在一些实施例中可以是面向工件位姿的配准设备的内部存储单元，例如面向工件位姿的配准设备的硬盘或内存。存储器620在另一些实施例中也可以是面向工件位姿的配准设备的外部存储设备，例如面向工件位姿的配准设备上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，存储器620还可以既包括面向工件位姿的配准设备的内部存储单元也包括外部存储设备。存储器620用于存储安装于面向工件位姿的配准设备的应用软件及各类数据，例如安装面向工件位姿的配准设备的程序代码等。存储器620还可以用于暂时的存储已经输出或者将要输出的数据。在一实施例中，存储器620上存储有面向工件位姿的配准程序640，该面向工件位姿的配准程序640可被处理器610所执行，从而实现本技术各实施例的面向工件位姿的配准方法。
[0124]
处理器610在一些实施例中可以是一中央处理器(central processing unit,cpu)，微处理器或其他数据处理芯片，用于运行存储器620中存储的程序代码或处理数据，例如执行面向工件位姿的配准方法等。
[0125]
显示器630在一些实施例中可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。显示器630用于显示在面向工件位姿的配准设备的信息以及用于显示可视化的用户界面。面向工件位姿的配准设备的部件610-630通过系统总线相互通信。
[0126]
在一实施例中，当处理器610执行存储器620中面向工件位姿的配准程序640时实现如上的面向工件位姿的配准方法中的步骤。
[0127]
本实施例还提供了一种计算机可读存储介质，其上存储有面向工件位姿的配准程序，该面向工件位姿的配准程序被处理器执行时实现以下步骤：
[0128]
对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；
[0129]
根据弧支撑群构建图像椭圆候选集，并对图像椭圆候选集进行处理得到图像椭圆特征中心点集；
[0130]
确定待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以预设平面的法向量表示模型椭圆特征中心点集；
[0131]
基于预设匹配算法，根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准。
[0132]
综上，本实施例提供的一种面向工件位姿的配准方法、装置、设备及存储介质，该方法包括：对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；根据所述弧支撑群构建图像椭圆候选集，并对所述图像椭圆候选集进行处理得到图像椭圆特征中心点集；确定所述待配准工件的预设模型对应的模型椭圆特征中心点集所在的
预设平面，以所述预设平面的法向量表示所述模型椭圆特征中心点集；基于预设匹配算法，根据所述图像椭圆特征中心点集和所述模型椭圆特征中心点集对所述待配准工件进行配准。本发明先获取任意姿态的工件图像，然后对任意姿态的工件图像进行弧支撑线段检测，从而确定图像椭圆特征中心点集，然后通过确定预设平面的法向量来提取出模型椭圆特征中心点集，最后根据图像椭圆特征中心点集和模型椭圆特征中心点集对待配准工件进行配准，可以对任意位姿的工件进行校正，提高了对任意姿态下工件模型配准的效率和准确度。
[0133]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

技术特征：
1.一种面向工件位姿的配准方法，其特征在于，包括：对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；根据所述弧支撑群构建图像椭圆候选集，并对所述图像椭圆候选集进行处理得到图像椭圆特征中心点集；确定所述待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以所述预设平面的法向量表示所述模型椭圆特征中心点集；基于预设匹配算法，根据所述图像椭圆特征中心点集和所述模型椭圆特征中心点集对所述待配准工件进行配准。2.根据权利要求1所述的面向工件位姿的配准方法，其特征在于，所述对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群，包括：根据图像椭圆特征中心点集的采样点确定待配准工件的弧支撑群。3.根据权利要求1所述的面向工件位姿的配准方法，其特征在于，所述根据所述弧支撑群构建图像椭圆候选集，并对所述图像椭圆候选集进行处理得到图像椭圆特征中心点集，包括：基于预设约束条件，根据所述弧支撑群构建初始图像椭圆候选集，并对所述初始图像椭圆候选集进行空间聚类；通过预设置信度函数对空间聚类后的初始图像椭圆候选集进行验证；对验证后的初始图像椭圆候选集进行预设坐标转换，得到图像椭圆特征中心点集。4.根据权利要求3所述的面向工件位姿的配准方法，其特征在于，所述预设约束条件包括极性相同约束条件和区域相同约束条件；所述基于预设约束条件，根据所述弧支撑群构建初始图像椭圆候选集，并对所述初始图像椭圆候选集进行空间聚类，包括：基于所述极性相同约束条件，判断组成椭圆曲线的弧支撑群的极性；基于所述区域相同约束条件，判断极性相同的弧支撑群是否位于预设区域。5.根据权利要求1所述的面向工件位姿的配准方法，其特征在于，所述确定所述待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以所述预设平面的法向量表示所述模型椭圆特征中心点集，包括：确定所述模型椭圆特征中心点集所在的预设平面的方程表达式；基于最小法向距离公式，根据所述预设平面的方程表达式确定预设平面方程；根据所述预设平面方程确定表示所述模型椭圆特征中心点集的法向量。6.根据权利要求1所述的面向工件位姿的配准方法，其特征在于，所述基于预设匹配算法，根据所述图像椭圆特征中心点集和所述模型椭圆特征中心点集对所述待配准工件进行配准，之前包括：设置距离阈值和配准误差函数对所述图像椭圆特征中心点集和所述模型椭圆特征中心点集进行去噪。7.根据权利要求6所述的面向工件位姿的配准方法，其特征在于，所述基于预设匹配算法，根据所述图像椭圆特征中心点集和所述模型椭圆特征中心点集对所述待配准工件进行配准，包括：确定所述图像椭圆特征中心点集到所述模型椭圆特征中心点集的旋转平移矩阵转换表达式；
基于所述旋转平移矩阵转换表达式，建立所述图像椭圆特征中心点集和所述模型椭圆特征中心点集的相关性函数；通过所述相关性函数计算所述图像椭圆特征中心点集和所述模型椭圆特征中心点集的缸体刚体变换矩阵直至迭代收敛。8.一种面向工件位姿的配准装置，其特征在于，包括：检测模块，用于对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；图像点集模块，用于根据所述弧支撑群构建图像椭圆候选集，并对所述图像椭圆候选集进行处理得到图像椭圆特征中心点集；模型点集模块，用于确定所述待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以所述预设平面的法向量表示所述模型椭圆特征中心点集；配准模块，用于基于预设匹配算法，根据所述图像椭圆特征中心点集和所述模型椭圆特征中心点集对所述待配准工件进行配准。9.一种电子设备，其特征在于，包括存储器和处理器，其中，所述存储器，用于存储程序；所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述权利要求1至7中任一项所述面向工件位姿的配准方法中的步骤。10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时，能够实现上述权利要求1至7中任一项所述面向工件位姿的配准方法中的步骤。

技术总结
本发明涉及一种面向工件位姿的配准方法、装置、设备及存储介质，该方法包括：对任意姿态的待配准工件图像进行弧支撑线段检测，得到待配准工件的弧支撑群；根据所述弧支撑群构建图像椭圆候选集，并对所述图像椭圆候选集进行处理得到图像椭圆特征中心点集；确定所述待配准工件的预设模型对应的模型椭圆特征中心点集所在的预设平面，以所述预设平面的法向量表示所述模型椭圆特征中心点集；基于预设匹配算法，根据所述图像椭圆特征中心点集和所述模型椭圆特征中心点集对所述待配准工件进行配准。本发明通过任意姿态的工件图像确定图像椭圆特征中心点集，与模型椭圆特征中心点集进行迭代配准，实现了对任意位姿的工件进行配准。实现了对任意位姿的工件进行配准。实现了对任意位姿的工件进行配准。


技术研发人员：朱大虎 刘红帝 程惟康 吴浩 华林
受保护的技术使用者：武汉理工大学
技术研发日：2023.06.26
技术公布日：2023/10/8