CN102880737A - 基于柔性装配中的工件配准方法及*** - Google Patents

Abstract

本发明涉及一种基于柔性装配中的工件配准方法及***，其中方法包括：通过三维扫描仪对待装配工件进行扫描得到实测点云数据集；计算设备对所述实测点云数据集进行扫描取样，得到精简点云数据集；计算设备获取CAD模型数据集的特征四点集，以及获取与CAD模型数据集相匹配的精简点云数据集的特征一致四点集，特征四点集合所述特征一致四点集形成一组匹配数据集；计算设备在所述一组匹配数据集中利用四元素法计算精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；计算设备根据所述一组欧式变换矩阵对精简点云数据集进行旋转平移变换，将与CAD模型数据集一致性程度最大的点云数据作为配准结果。本发明可以提高配准的效率和精确度。

Description

基于柔性装配中的工件配准方法及***

技术领域

本发明涉及三维测量技术领域，特别涉及一种基于柔性装配中的工件配准方法及***。

背景技术

随着航空航天、汽车等现代化工业的快速发展，快速准确的获取空间物体的三维信息并完成空间定位是现代化工业生产的基础。利用生产线上的工件或装配件的测量数据并结合数据处理算法，从而根据尺寸协调原则，采用一定的装配工艺，按产品设计及工艺技术要求，将生产零件组合成完整产品。随着生产工件种类的不断丰富以及客户需要的不断变化，传统的“硬性”工件装配方式已越来越不能适应新型多品种、小批量的研制和生产需求。因此选择恰当的“柔性”装配技术，成为现阶段工件装配的发展趋势。

在柔性装配技术中，为实现工件的自动化装配，完成待装配工件实测点云数据和计算机辅助设计（Computer Aided Design，简称为CAD）模型数据的配准，需以CAD模型数据所在坐标系为参考坐标系，计算所有待装配工件实测点云数据相对于CAD模型数据的空间位置，得到待测工件的点云数据集和CAD模型数据集的相对坐标变换，调整实测点云数据的位置，从而完成工业装配过程。因此待装配工件实测点云数据和CAD模型数据的配准是其关键技术之一。

现有技术中的最近点迭代（Iterative Closest Point，简称为ICP）通过不断查找点云数据集中的点到CAD模型数据集中的点的距离最近点，从而建立点云数据集中的点和模型数据集中的点之间的对应映射关系。由于ICP算法对点云数据集和模型数据集的数据之间初始位置要求比较高，点云数据集中的点云之间的初始位置不能相差太大。当初始条件不满足或相差较大时会影响ICP算法的收敛结果，从而降低配准的精确度；此外，由于每次迭代都要计算工件实际测量点云数据中每一个点在CAD模型数据集中的对应点，因此ICP迭代算法计算量比较大。

发明内容

本发明的目的在于提供一种基于柔性装配中的工件配准方法及***，提高点云数据配准的效率和精确度。

本发明实施例提供一种基于柔性装配中的工件配准方法，包括：

通过三维扫描仪对待装配工件进行扫描得到实测点云数据集；

计算设备对所述实测点云数据集进行扫描取样，得到精简点云数据集；

所述计算设备获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集，所述特征四点集合与所述特征一致四点集形成一组匹配数据集；

所述计算设备在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；

所述计算设备根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果。

本发明实施例还提供一种基于柔性装配中的工件配准***，包括：三维扫描仪和计算设备；其中，

所述三维扫描仪用于对待装配工件进行扫描得到实测点云数据集；

所述计算设备包括：

取样模块，用于对所述实测点云数据集进行扫描取样，得到精简点云数据集；

获取模块，用于获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集，所述特征四点集合与所述特征一致四点集形成一组匹配数据集；

计算模块，用于在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；

欧式变换模块，用于根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果。

本发明提供的基于柔性装配中的工件配准方法及***，通过将待装配工件的实测点云数据集进行随机取样，简少了后续对维纳斯石膏像的参与配准数据的计算量，因此提高了配准的效率；通过四元素法计算一组欧氏变换矩阵，使得欧式变换矩阵满足了正交矩阵的要求，并且由于四元素法中包含了最小二乘的原理，因此使得欧式变换矩阵的计算误差最小，从而进一步提高了配准结果的精确度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于柔性装配中的工件配准方法一个实施例的流程示意图；

图2为本发明基于柔性装配中的工件配准方法又一个实施例的流程示意图；

图3为图2所示实施例步骤201得到的实测点云数据集的示意图；

图4为图2所示实施例步骤202得到的随机取样后的点云数据的示意图；

图5为图2所示实施例步骤203得到的曲率取样后的点云数据的示意图；

图6为图2所示实施例步骤205得到的CAD模型数据集对应的特征四点集的示意图；

图7为图2所示实施例步骤205得到的的精简点云数据集对应的特征一致四点集的示意图；

图8为图2所示实施例中步骤207得到的配准结果的示意图；

图9为本发明基于柔性装配中的工件配准***一个实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明基于柔性装配中的工件配准方法一个实施例的流程示意图；如图1所示，本发明实施例具体包括如下步骤：

步骤101、通过三维扫描仪对待装配工件进行扫描得到实测点云数据集；

步骤102、计算设备对所述实测点云数据集进行扫描取样，得到精简点云数据集；

步骤103、所述计算设备获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集，所述特征四点集合所述特征一致四点集形成一组匹配数据集；

步骤104、所述计算设备在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；

步骤105、所述计算设备根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果。

本发明实施例提供的基于柔性装配中的工件配准方法，通过将待装配工件的实测点云数据集进行随机取样，简少了后续对维纳斯石膏像的参与配准数据的计算量，因此提高了配准的效率；通过四元素法计算一组欧氏变换矩阵，使得欧式变换矩阵满足了正交矩阵的要求，并且由于四元素法中包含了最小二乘的原理，因此使得欧式变换矩阵的计算误差最小，从而进一步提高了配准结果的精确度。

图2为本发明基于柔性装配中的工件配准方法又一个实施例的流程示意图；如图2所示，本发明实施例包括如下步骤：

步骤201、通过三维扫描仪对待装配工件进行扫描得到实测点云数据集；

步骤202、计算设备在获取到实测点云数据集后对所述实测点云数据集进行预设取样率的随机取样；

步骤203、计算设备对随机取样后的点云数据集进行曲率计算，得到与所述随机取样后的点云数据集相对应的高斯曲率集；

步骤204、计算设备对所述随机取样后的点云数据集进行排序，抽取排序后的高斯曲率集中的排前的预设个数的点云数据作为所求的精简点云数据集；

步骤205、所述计算设备获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集，所述特征四点集合所述特征一致四点集形成一组匹配数据集；

步骤206、计算设备在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；

步骤207、所述计算设备根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果。

本发明实施例提供的基于柔性装配中的工件配准方法，通过将待装配工件的实测点云数据集进行随机取样，简少了后续对维纳斯石膏像的参与配准数据的计算量，因此提高了配准的效率；通过四元素法计算一组欧氏变换矩阵，使得欧式变换矩阵满足了正交矩阵的要求，并且由于四元素法中包含了最小二乘的原理，因此使得欧式变换矩阵的计算误差最小，从而进一步提高了配准结果的精确度。

为了更清楚的理解图2所示实施例的技术方案，下面以待配准工件具体为维纳斯石膏像为例，通过图3～图8对图2所示实施例进行详细描述。

图3为图2所示实施例步骤201得到的实测点云数据集的示意图，图4为图2所示实施例步骤202得到的随机取样后的点云数据的示意图，图5为图2所示实施例步骤203得到的曲率取样后的点云数据的示意图，图6为图2所示实施例步骤205得到的CAD模型数据集对应的特征四点集的示意图，图7为图2所示实施例步骤205得到的的精简点云数据集对应的特征一致四点集的示意图，图8为图2所示实施例中步骤207得到的配准结果的示意图。

通过三维扫描仪扫描得到的维纳斯石膏像的实测点云数据集中有80000个点云数据的实测点云数据集，该维纳斯石膏像的实测点云数据集的示意图如图3所示；计算设备在获取到该80000个点云数据后对其进行预设取样率为50%的随机取样；计算设备对随机取样后的点云数据集进行曲率计算，依据高斯曲率值对随机取样后的点云数据集从大到小排序，抽取曲率值靠前较大的预设个数为10000个点云数据作为所求的精简点云数据集，该维纳斯石膏像的精简点云数据集的示意图如图4所示；通过将维纳斯石膏像的实测点云数据集进行随机取样，简少了后续对维纳斯石膏像的参与配准数据的计算量，因此提高了配准的效率。CAD模型数据集和精简点云数据集的坐标值、以及各自相对应的平均曲率、高斯曲率如下表1所示；本领域技术人员可以理解的是，表1仅列举了部分示例性数据并不能形成对本发明实施例的限制。

表1数据点及其高斯曲率和平均曲率

通过上述表1所示的数据点曲率值的计算和特征较大的点云数据的提取，得到本发明实施例中的精简点云数据集，维纳斯石膏像的精简点云数据集参见图5所示。

在得到精简点云数据集的基础上，计算设备在CAD模型数据集和精简点云数据集中分别寻找CAD模型数据集的特征四点集{S|S1，S2，S3，S4}和与CAD模型数据集相匹配的精简点云数据集的两组特征一致四点集{T|T1，T2，T3，T4}_n(n=2)，从而得到两个匹配数据集；进一步地，寻找CAD模型数据集的特征四点集{S|S1，S2，S3，S4}的方法具体如下：

首先，在CAD模型数据集中选择曲率最大的数据点记为第一个特征点，记为S1。寻找第二个特征点S2，使S1、S2满足两个点间的距离最长。即：d_1max-σ≤||S2-S1‖≤d_1max+σ；其中，d_1max表示以S1为端点距离最远的线段长度,σ为误差阈值。

其次，寻找第三个特征点S3，在满足S2、S3间距离最长的前提下,同时满足S2、S3所形成的第一矢量

和S1、S2所形成的第二矢量

具有最大夹角。即：

d_2max-σ≤‖S3-S2‖≤d_2max+σ

$\min \left({\left|\right|\stackrel{\‾}{S2S3}\·\stackrel{\‾}{S2S1}\left|\right|}_2\right)$

其中，d_2max表示以S2为端点距离最远的线段长度,σ为误差阈值。

最后，寻找第四个特征点S4，依次满足S3、S4距离最长；S3、S4所形成的第四矢量

和S2、S3所形成的第三矢量

夹角最大；S1、S2、S3、S4混合积最小。即：d_3max-σ≤‖S4-S3‖≤d_3max+σ，

其中，d_3max表示以S3为端点距离最远的线段长度,σ为误差阈值。

计算设备以与上述相同的方法得到与CAD模型数据集相匹配的精简点云数据集的两组特征一致四点集{T|T1，T2，T3，T4}_n(n=2)，本发明实施例中的n=2表示计算设备寻找到两组与CAD模型数据集相匹配的精简点云数据集的特征一致四点集。

进一步地，维纳斯石膏像中的CAD模型数据集的特征四点集的坐标值和精简点云数据集中的特征一致四点集的坐标值及其所在点云中的位置如表2、表3和表4所示。

表2CAD模型数据集中的特征四点集的坐标值

表3精简点云数据集中的特征一致点集的坐标值

表4精简点云数据集中的特征一致点集的坐标值

计算设备获得CAD模型数据集的特征四点集{S|S1，S2，S3，S4}和与CAD模型数据集相匹配的精简点云数据集的两组特征一致四点集{T|T1，T2，T3，T4}_n(n=2)之后，{T|T1，T2，T3，T4}_n(n=2)与{S|S1，S2，S3，S4}组成两组匹配数据集，通过四元素法得到相应的两组变换矩阵H_n（n=2）的具体过程如下：

计算设备和分别计算特征四点集{S|S1，S2，S3，S4}的第一重心坐标

和特征一致四点集{T|T1，T2，T3，T4}_n(n=2)的第二重心坐标

其中，N_a和N_S分别表示特征四点集和特征一致四点集中的数据点的个数，本发明实施例中N_a和N_S均为4。

由特征四点集{S|S1，S2，S3，S4}和特征一致四点集{T|T1，T2，T3，T4}_n(n=2)构造3×3协方差矩阵

$\mathrm{\Σas}=\frac{1}{N}{\mathrm{\Σ}}_{i=1}^{N_a}\left[(T_i-{\mathrm{\μ}}_a){(T_i-{\mathrm{\μ}}_s)}^{\mathrm{\τ}}\right]=\frac{1}{N}{\mathrm{\Σ}}_{i=1}^{N_a}\left[a_i{T}_i^{\mathrm{\τ}}\right]-{\mathrm{\μ}}_a{\mathrm{\μ}}_s^{\mathrm{\τ}};$

由协方差矩阵构造4×4对称矩阵 $Q\left(\mathrm{\Σas}\right)=\left[\begin{array}{cc}\mathrm{tr}\left(\mathrm{\Σas}\right)& {\mathrm{\Δ}}^T\\ \mathrm{\Δ}& \mathrm{\Σas}+{\mathrm{\Σ}}_{\mathrm{as}}^T-\mathrm{tr}\left(\mathrm{\Σas}\right)I_3\end{array}\right]$ 其中，△=[p₂₃，p₃₁，p₁₂]^T，p_ij=（Σas-Σas^T）_ij， $I_3=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right].$

计算对称矩阵Q（Σas）的特征值和特征向量，其最大特征值所对应的单位特征向量就是最佳旋转向量：q_R=[q₀，q₁，q₂，q₃]^τ；旋转矩阵为：

$R\left(q_R\right)=\left[\begin{array}{ccc}{q}_0^2+q_1^2-q_1^2-q_3^2& 2(q_1{q}_2-q_0{q}_3)& 2(q_1{q}_3+q_0{q}_2)\\ 2(q_1{q}_2+q_0{q}_3)& q_0^2-q_1^2+q_1^2-q_3^2& 2(q_2{q}_3+q_0{q}_1)\\ 2(q_1{q}_3+q_0{q}_2)& 2(q_2{q}_3+q_0{q}_1)& q_0^2-q_1^2-q_1^2+q_3^2\end{array}\right],$ 计算平移向量为q_T=μ_S-R（q_R）μ_a。

计算设备通过上述方法得到两个欧式变换矩阵，计算设备计算经过两个欧式变换矩阵变换后的精简点云数据集与CAD模型数据集对应的两个均方误差；计算设备从该两个均方误差中查找最小的均方误差，则该最小的均方误差所对应的精简点云数据集和所述CAD模型数据集一致性程度最大的配准结果。

本发明实施例中的第一组匹配点、第二组匹配点分别与CAD模型数据集的特征四点集{S|S1，S2，S3，S4}之间距离均方误差如表5所示。

表5匹配集均方误差

从表5中可以看出，两组匹配点集中第一组匹配点的均方误差最小，说明实测点云数据和CAD模型数据一致性程度最大，故将第一组匹配点集作为粗配准结果。

本发明实施例的配准过程所需要的时间如表6所示。

表6配准时间和误差

装配工件实测数据点的个数	80000点
		数据点取样时间	215.03s
配准时间	129.56s
		配准误差	0.0622mm
点与点距离的均方误差	0.0558mm

本发明实施例通过四元素法计算旋转矩阵和平移矩阵，满足了正交矩阵的要求；由于该四元素法中包含了最小二乘的原理，因此使得旋转矩阵R（q_R）与平移向量q_T所形成的欧式变换矩阵计算误差最小，进一步提高了配准结果的精确度。

图9为本发明基于柔性装配中的工件配准***一个实施例的结构示意图；如图9所示，本发明实施例具体包括：三维扫描仪91和计算设备92；其中，三维扫描仪91用于对待装配工件进行扫描得到实测点云数据集；计算设备92包括：取样模块921、获取模块922、计算模块923、欧式变换模块924。

其中，取样模块921对所述实测点云数据集进行扫描取样，得到精简点云数据集；获取模块922获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集，所述特征四点集合所述特征一致四点集形成一组匹配数据集；计算模块923在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；欧式变换模块924根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果。

本发明实施例提供的基于柔性装配中的工件配准***，通过计算设备92将待装配工件的实测点云数据集进行随机取样，简少了后续对维纳斯石膏像的参与配准数据的计算量，因此提高了配准的效率；通过四元素法计算一组欧氏变换矩阵，使得欧式变换矩阵满足了正交矩阵的要求，并且由于四元素法中包含了最小二乘的原理，因此使得欧式变换矩阵的计算误差最小，从而进一步提高了配准结果的精确度。

进一步地，在上述图9所示实施例中，取样模块921可以包括：

数据取样单元，用于在获取到实测点云数据集后对所述实测点云数据集进行预设取样率的随机取样；

曲率计算单元，用于对随机取样后的点云数据集进行曲率计算，得到与所述随机取样后的点云数据集相对应的高斯曲率集；

排序单元，用于对所述随机取样后的点云数据集进行排序，抽取排序后的高斯曲率集中的排前的预设个数的点云数据作为所求的精简点云数据集。

进一步地，在上述图9所示实施例中，获取模块922可以包括；

第一获取单元，用于所述计算设备在CAD模型数据集中选择取曲率最大点作为第一个特征点;

第二获取单元，用于寻找距离所述第一个特征点最长的第二个特征点；

第三获取单元，用于寻找第三特征点，所述第三特征点距离所述第二个特征点最长，并且所述第二特征点与所述第一特征点所形成的第一矢量和所述第二特征点与所述第三特征点所形成的第二矢量具有最大夹角；

第四获取单元，用于寻找第四个特征点，所述第四特征点距离所述第三特征点距离最长，并且所述第四特征点与所述第三特征点所形成的第四矢量和所述第三特征点与所述第二特征点所形成的第三矢量具有最大夹角，所述第一矢量、第二矢量、第三矢量、第四矢量的混合积最小。

进一步地，在上述图9所示实施例中，计算模块923可以包括：

重心计算单元，用于计算所述CAD模型数据集的特征四点集的第一重心坐标和所述精简点云数据集的所述特征一致四点集的第二重心坐标；

协方差矩阵构造单元，用于通过所述特征四点集和所述特征一致四点集、所述第一重心坐标和所述第二重心坐标构造协方差矩阵；

对称矩阵构造单元，用于通过所述协方差矩阵构造一个对称矩阵；

特征向量计算单元，用于计算所述对称矩阵对的特征值所对应的单位特征向量，得到一组欧式变换矩阵的旋转矩阵：

平移向量计算单元，用于通过所述第一重心坐标、所述第二重心坐标和所述旋转矩阵计算所述一组欧式变换矩阵的平移向量。

进一步地，在上述图9所示实施例中，欧式变换模块924可以包括：

均方误差计算单元，用于计算所述一组欧式变换矩阵变换后的所述精简点云数据集与所述CAD模型数据集对应的一组均方误差，所述一组欧式变换矩阵的个数与所述一组均方误差的个数相同；

查找单元，用于从所述一组均方误差中查找最小的均方误差，则该最小的均方误差所对应的精简点云数据集和所述CAD模型数据集一致性最大。

通过上述本发明实施例可知，本发明实施例提供的机遇柔性装配中的共建配准方法及***与现有技术中的基于曲率配准等算法相比具有配准速度快，精度高等优点。

本领域普通技术人员可以理解：实现上述实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于柔性装配中的工件配准方法，其特征在于，包括：

通过三维扫描仪对待装配工件进行扫描得到实测点云数据集；

计算设备对所述实测点云数据集进行扫描取样，得到精简点云数据集；

所述计算设备获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集，所述特征四点集合与所述特征一致四点集形成一组匹配数据集；

所述计算设备在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；

所述计算设备根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果。

2.根据权利要求1所述的方法，其特征在于，所述计算设备依据点云数据精简算法对所述实测点云数据集进行扫描取样，得到精简点云数据集的步骤包括：

计算设备在获取到实测点云数据集后对所述实测点云数据集进行预设取样率的随机取样；

所述计算设备对随机取样后的点云数据集进行曲率计算，得到与所述随机取样后的点云数据集相对应的高斯曲率集；

所述计算设备对所述随机取样后的点云数据集进行排序，抽取排序后的高斯曲率集中的排前的预设个数的点云数据作为所求的精简点云数据集。

3.根据权利要求1所述的方法，其特征在于，所述计算设备获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集的步骤包括；

所述计算设备在CAD模型数据集中选择曲率最大点作为第一个特征点;

所述计算设备寻找距离所述第一个特征点最长的第二个特征点；

所述计算设备寻找第三个特征点，所述第三个特征点距离所述第二个特征点最长，并且所述第二个特征点与所述第一个特征点所形成的第一矢量和所述第二个特征点与所述第三个特征点所形成的第二矢量具有最大夹角；

所述计算设备寻找第四个特征点，所述第四个特征点距离所述第三个特征点距离最长，并且所述第四个特征点与所述第三个特征点所形成的第四矢量和所述第三个特征点与所述第二个特征点所形成的第三矢量具有最大夹角，所述第一个特征点、第二个特征点、第三个特征点、第四个特征点的混合积最小。

4.根据权利要求1所述的方法，其特征在于，所述计算设备在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵的步骤包括：

所述计算设备计算所述CAD模型数据集的特征四点集的第一重心坐标和所述精简点云数据集的所述特征一致四点集的第二重心坐标；

所述计算设备通过所述特征四点集和所述特征一致四点集、所述第一重心坐标和所述第二重心坐标构造协方差矩阵；

所述计算设备通过所述协方差矩阵构造一个对称矩阵；

所述计算设备计算所述对称矩阵对的特征值所对应的单位特征向量，得到一组欧式变换矩阵的旋转矩阵：

所述计算设备通过所述第一重心坐标、所述第二重心坐标和所述旋转矩阵计算所述一组欧式变换矩阵的平移向量。

5.根据权利要求1～4任一所述的方法，其特征在于，所述计算设备根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果的步骤包括：

所述计算设备计算所述一组欧式变换矩阵变换后的所述精简点云数据集与所述CAD模型数据集对应的一组均方误差，所述一组欧式变换矩阵的个数与所述一组均方误差的个数相同；

所述计算设备从所述一组均方误差中查找最小的均方误差，则该最小的均方误差所对应的精简点云数据集和所述CAD模型数据集一致性最大。

6.一种基于柔性装配中的工件配准***，其特征在于，所述***包括：三维扫描仪和计算设备；其中，

所述三维扫描仪用于对待装配工件进行扫描得到实测点云数据集；

所述计算设备包括：

取样模块，用于对所述实测点云数据集进行扫描取样，得到精简点云数据集；

获取模块，用于获取所述CAD模型数据集的特征四点集，以及获取与所述CAD模型数据集相匹配的精简点云数据集的特征一致四点集，所述特征四点集合所述特征一致四点集形成一组匹配数据集；

计算模块，用于在所述一组匹配数据集中利用四元素法计算所述精简点云数据集和CAD模型数据集对应的一组欧氏变换矩阵；

欧式变换模块，用于根据所述一组欧式变换矩阵对所述精简点云数据集进行旋转平移变换，将与所述CAD模型数据集一致性程度最大的点云数据作为配准结果。

7.根据权利要求6所述的***，其特征在于，所述取样模块包括：

数据取样单元，用于在获取到实测点云数据集后对所述实测点云数据集进行预设取样率的随机取样；

曲率计算单元，用于对随机取样后的点云数据集进行曲率计算，得到与所述随机取样后的点云数据集相对应的高斯曲率集；

排序单元，用于对所述随机取样后的点云数据集进行排序，抽取排序后的高斯曲率集中的排前的预设个数的点云数据作为所求的精简点云数据集。

8.根据权利要求6所述的***，其特征在于，所述获取模块包括；

第一获取单元，用于所述计算设备在CAD模型数据集中选择取曲率最大点作为第一个特征点;

第二获取单元，用于寻找距离所述第一个特征点最长的第二个特征点；

第三获取单元，用于寻找第三特征点，所述第三特征点距离所述第二个特征点最长，并且所述第二特征点与所述第一特征点所形成的第一矢量和所述第二特征点与所述第三特征点所形成的第二矢量具有最大夹角；

第四获取单元，用于寻找第四个特征点，所述第四特征点距离所述第三特征点距离最长，并且所述第四特征点与所述第三特征点所形成的第四矢量和所述第三特征点与所述第二特征点所形成的第三矢量具有最大夹角，所述第一矢量、第二矢量、第三矢量、第四矢量的混合积最小。

9.根据权利要求6所述的***，其特征在于，所述计算模块括：

重心计算单元，用于计算所述CAD模型数据集的特征四点集的第一重心坐标和所述精简点云数据集的所述特征一致四点集的第二重心坐标；

协方差矩阵构造单元，用于通过所述特征四点集和所述特征一致四点集、所述第一重心坐标和所述第二重心坐标构造协方差矩阵；

对称矩阵构造单元，用于通过所述协方差矩阵构造一个对称矩阵；

特征向量计算单元，用于计算所述对称矩阵对的特征值所对应的单位特征向量，得到一组欧式变换矩阵的旋转矩阵：

平移向量计算单元，用于通过所述第一重心坐标、所述第二重心坐标和所述旋转矩阵计算所述一组欧式变换矩阵的平移向量。

10.根据权利要求6～9任一所述的***，其特征在于，所述欧式变换模块包括：

均方误差计算单元，用于计算所述一组欧式变换矩阵变换后的所述精简点云数据集与所述CAD模型数据集对应的一组均方误差，所述一组欧式变换矩阵的个数与所述一组均方误差的个数相同；

查找单元，用于从所述一组均方误差中查找最小的均方误差，则该最小的均方误差所对应的精简点云数据集和所述CAD模型数据集一致性最大。

Images