买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长春工业大学申请的专利一种基于GM鲁棒核函数的自适应点云配准方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120355765B 。

龙图腾网通过国家知识产权局官网在2025-12-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510866853.1，技术领域涉及：G06T7/33；该发明授权一种基于GM鲁棒核函数的自适应点云配准方法是由杨宏韬;毕自强;白昊天;李秀兰;程云龙;易秋实;王俊阳设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本一种基于GM鲁棒核函数的自适应点云配准方法在说明书摘要公布了：本发明涉及三维点云处理技术领域，尤其涉及一种基于GM鲁棒核函数的自适应点云配准方法。该方法包括：搭建焊缝点云采集系统，分别获取焊缝点云采集系统的机器人运动学模型和手眼关系矩阵，根据确定的手眼关系矩阵和机器人运动学模型标定焊缝点云采集系统；通过焊缝点云采集系统采集焊缝的三维点云数据，对三维点云数据进行预处理；对预处理后的三维点云数据进行坐标系转换以及重叠部分点云提取；配合中位数绝对偏差自适应调节机制，对提取出来的重叠部分点云进行基于GM鲁棒核函数的自适应点云配准，将配准后的点云进行完整拼接。本发明提供的方法，有效抑制了现有配准算法中异常值对配准误差的干扰，显著提高了算法的精度和稳定性。

本发明授权一种基于GM鲁棒核函数的自适应点云配准方法在权利要求书中公布了：1.一种基于GM鲁棒核函数的自适应点云配准方法，其特征在于，包括： 步骤S1：通过将面结构光三维相机安装于工业机器人的末端，搭建焊缝点云采集系统，分别获取焊缝点云采集系统的机器人运动学模型和手眼关系矩阵根据确定的手眼关系矩阵和机器人运动学模型求取面结构光相机坐标系到机器人基坐标系下的转换关系，标定焊缝点云采集系统； 所述步骤S1中，所述焊缝点云采集系统的标定过程为： 根据DH法建立所述工业机器人的模型，获取其机器相邻连杆间的转换关系； 通过相邻连杆间的转换关系获得工业机器人末端到基坐标系的转换关系，即机器人的正运动学模型； 采用蔡氏标定法对面结构光相机与机械臂末端之间进行标定，得到相机坐标系与机械臂末端之间的手眼关系矩阵； 获取相机坐标系与机械臂基坐标系的转换矩阵，利用相机内参得到焊缝点云在相机坐标系下的坐标，结合相机坐标系与机械臂基坐标系的转换矩阵实现完整的焊缝点云采集系统的标定； 步骤S2：通过所述步骤S1确定的焊缝点云采集系统采集焊缝的三维点云数据，对三维点云数据进行预处理； 所述焊缝点云采集系统内的面结构光三维相机采集工件的焊缝的三维点云数据，所述三维点云数据的预处理包括去除点云原始数据中的大量离群点,以及对焊缝点云数据进行降采样； 所述去除点云原始数据中的离群点的办法为统计滤波方法，其具体过程为：计算每个点到任意点的距离dt，计算遍历每个点到任意点之间的距离平均值μ和标准差σ,设标准差倍数为std，则当某点的k1个邻近点的平均距离在标准范围μ-σ·std,μ+σ·std内时保留该点，不在该范围时定义为离散点删除； 所述焊缝点云数据的降采样过程为：获取三维点云数据的最大坐标值和最小坐标值，将坐标范围点云栅格化,划分为多个等同的体素栅格，设置体素栅格的边长，副点云可以划分为m*n*l个体素栅格，通过体素栅格边长和点的坐标关系，计算点集质心，点集内点到质心的欧式距离，获取目标降采样点；所述目标降采样点为欧式距离的最小值点； 步骤S3：对经过所述步骤S2预处理后的三维点云数据进行坐标系转换以及重叠部分点云提取； 所述三维点云数据的坐标系转换过程为将焊缝点云坐标从相机坐标系转换到机器人基坐标系，其计算公式为： p2＝0T66TSp11 式中：0T6为机器人的DH参数求出其末端坐标系相对于基坐标系的转换矩阵；6TS为相机坐标系与机械人末端坐标系的转换矩阵；焊缝点云在相机坐标系下的坐标为p1；p2为机器人基坐标系下的焊缝点云坐标； 所述重叠部分点云提取的具体过程为：重叠部分点云需对依次相邻两幅点云进行提取；获取两片降采样的相邻点云，采用双向kd-tree索引方法，遍历其中一片点云，建立kd-tree进行空间检索，将另一片点云设置为搜索空间，进行半径近邻搜索，将符合条件的点云标记出来；交换两片点云，以同样的方法将另一片点云中符合条件的点云检索出来，检索出两片点云中重叠区域的点云，这两片点云作为后续配准的目标点云Q和源点云P； 步骤S4：配合中位数绝对偏差自适应调节机制，对所述步骤S3提取出来的重叠部分点云进行基于GM鲁棒核函数的自适应点云配准，将配准后的点云进行完整拼接； 所述自适应点云配准的算法具体过程为： 输入目标点云Q和源点云P，采用欧氏距离最近点查找P在Q中的对应点集P’,根据改进的误差函数构造旋转R和平移向量T，计算出更新的点云集P’＝R·P+T； 判断FR,T是否小于收敛误差或者迭代次数是否为最大迭代次数，若满足，则输出为最终配准结果，若不满足则重新更新待配点集P＝P’,采用欧氏距离最近点查找P在Q中的对应点集P’,重新进行迭代； 引入中位数绝对偏差自适应调节机制，在每次迭代前计算当前对应点对之间的距离，并基于这些距离计算中位数绝对偏差值，根据中位数绝对偏差值更新，使用更新后的值和GM核函数计算新的误差； 所述GM鲁棒核函数公式为： 所述GM鲁棒核函数在自适应点云配准过程中改进ICP误差函数，所述GM鲁棒核函数改进的ICP误差函数的计算公式为： 式中，E为误差函数；n是对应点对的数量；∣∣·∣∣表示欧几里得距离；TPi为最小化源点云中每个点通过变换矩阵；qi为目标点云；σ为尺度参数； 所述尺度参数通过中位数绝对偏差值减少离群点计算，具体步骤如下： 设定数据集，并计算数据集的中位数； 其中，其中,D＝{x1,x2,…,xn}，D是点对之间距离的数据集，n是数据点的数量； 计算每个数据点与中位数的绝对偏差,公式为： AbsDevi＝|xi-MedianD|i＝1,2...n 计算这些绝对偏差的中位数，即中位数绝对偏差值，公式为： MAD＝MedianAbsDevii＝1,2...n 中位数绝对偏差值转换为标准差估计的比例因子约为1.48，即求得尺度参数σ,公式为： σ＝1.48MAD。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春工业大学，其通讯地址为：130012 吉林省长春市延安大路17号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。