异常点云干扰下的车身构件鲁棒性配准方法

作     者：丁涛 吴浩 朱大虎 DING Tao;WU Hao;ZHU Dahu

作者机构：武汉理工大学襄阳示范区湖北隆中实验室襄阳441000 武汉理工大学汽车工程学院武汉430070 

出 版 物：《中国机械工程》 (China Mechanical Engineering)

年 卷 期：2024年第35卷第6期

页      面：1074-1085页

核心收录：

学科分类：080202[工学-机械电子工程] 08[工学] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

基　　金：国家重点研发计划(2022YFB4700501) 国家自然科学基金(51975443) 湖北隆中实验室自主创新项目(2022ZZ-27) 

主　　题：点云配准 异常点云干扰 鲁棒函数 车身构件 机器人视觉测量 

摘      要：点云配准是大型车身构件位姿参数测量的关键方法,但现有算法在大量异常点云干扰下难以配准至有效位姿,从而导致匹配失真,进而无法保证后续机器人作业质量。针对此问题,提出一种能够有效抑制异常点云干扰的车身构件鲁棒性配准算法——鲁棒函数加权方差最小化(RFWVM)算法。建立鲁棒函数加权目标函数,通过施加随迭代次数可变的动态权重来抑制配准过程中异常点云的影响,并由高斯-牛顿法迭代完成刚性转换矩阵的求解。以高铁白车身侧墙、汽车车门框为研究对象的试验结果表明,较经典的最近点迭代(ICP)算法、方差最小化(VMM)算法、加权正负余量方差最小化(WPMAVM)算法和去伪加权方差最小化(DPWVM)算法,所提出的RFWVM算法配准精度更高,能够有效抑制各种异常点云对配准结果的影响,并具有更好的稳定性和鲁棒性,能够有效实现各类车身构件点云的精确配准。