于继童， 李 岩， 赵爱国， 师富杲， 刘克平*

(1.长春工业大学 电气与电子工程学院， 吉林 长春 130012;2.吉林金沙数控机床股份有限公司， 吉林 长春 130012)

0 引 言

点云图像中的自动目标定位一直是机器视觉与计算机图像学领域的重要研究方向，其基本任务就是确定图像中是否存在感兴趣目标，并对其精确定位[1-2]。对复杂图像中目标自动定位的研究，不论在工业生产还是科学研究上都有重大意义。

随着低成本高精度三维传感器的发展，以点云作为原始处理数据实现识别定位功能成为重点研究方向。Rusu等[3-4]选取特征对应作为种子点，利用集合一致性约束条件迭代的聚敛对应对子集来获取优质场景，但这种识别机制无法得到场景中目标物体的6DOF位姿，也不能同时检索处理场景中的多目标；Chliveros[5]主要依据位姿聚类假说验证，在六维位姿空间，每一个特征对应对基于局部坐标系提供一个6DOF位姿假说投票，但计算复杂度较高；陈柘等[6]利用2D仿射变换提取目标物体的3D不变量,并与哈希表结合，完成3D物体识别与位姿估计，该方法需要过多空间变化，因此实效性较低；文献[7-8]提出采用点云特征融合完成3D物体的初识别，基于边缘规则和马尔科夫假设的迭代贝叶斯对物体变动状态的计算高斯分布概率模型，但该方法不具有通用性，很难适应一般环境。

上述方法中，对图像的完整性要求较高，不适用于存在点云缺失的应用场合。因此，为解决无序分拣过程中因点云图像缺失所导致的误识别或不识别的问题，文中提出了一种应用于点云缺失图像的盘类元件定位方法。……