УДК 004.931:681.5.015:004.932.72
DOI: 10.36871/2618­-9976.2026.04.001

Авторы

Александр Александрович Александров,
Аспирант кафедры «Цифровые технологии и информационные системы», Московский авиационный институт (национальный исследовательский университет), факультет «Системы управления, информатика и электроэнергетика», Москва, Россия

Аннотация

Методики  идентификации  изделий  по  облакам  точек  применяются на производствах как самостоятельно, так и в составе комплексных систем контроля. В работе рассмотрена  доработка  существующей  методики  идентификации  с  использованием  дескриптора CVFH,  для  идентификации  объектов  различных  размеров  и  сложной формы,  с  учетом  работы  на  точке  контроля,  состоящей  из  двух  и  более  устройств сканирования. А именно: разработан дескриптор LSFH на  базе  дескриптора  CVFH для  работы  с  частичным облаком  точек,  полученным  с  устройства  лазерного  сканирования,  разработана  методика  формирования  эталонных  дескрипторов  по  CAD моделям,  позволяющая  динамически  добавлять ракурсы снятия дескриптора, разработаны методика  идентификации  для  работы  с  несколькими дескрипторами и информацией о геометрических параметрах детали.  Проведено  экспериментальное  исследование  точности  идентификации  с  использованием  предложенных  методик как на эмулированных, так и на реальных данных.

Ключевые слова

3D лазерное сканирование
глобальный дескриптор LSFH
CVFH

Список литературы

[1] Александров А.А., Максимов А.Н. Метод эмуляции получения облака точек объекта  по его полигональной модели с учетом параметров сканирующего устройства // Мягкие измерения и вычисления.2024. № 9. Т. 82. С. 39–50.

[2] Aldoma A. et al. CAD­model recognition and 6DOF pose estimation using 3D cues // 2011 IEEE international conference on computer vision workshops (ICCV workshops). IEEE, 2011. С. 585–592.

[3] Fei B. et al. Comprehensive review of deep learning­based 3d point cloud completion processing and analysis // IEEE Transactions on Intelligent Transportation Systems. 2022. Т. 23. № 12. С. 22862–22883.

[4] Guo Y. et al. 3D object recognition in cluttered scenes with local surface features: A survey // IEEE transactions on pattern analysis and machine intelligence. 2014. Т. 36. № 11. С. 2270­ 2287.

[5] Himri K., Ridao P., Gracias N. 3D object recognition based on point clouds in underwater environment with global descriptors: A survey // Sensors. 2019. Т. 19. № 20. С. 4451.

[6] O’Rourke J. Finding minimal enclosing boxes // International journal of computer & information sciences. 1985. Т. 14. № 3. С. 183–199.

[7] Rusu R.B. et al. Fast 3d recognition and pose using the viewpoint feature histogram // 2010 IEEE/RSJ international conference on intelligent robots and systems. IEEE, 2010. С. 2155–2162.

[8] Zhang H. et al. Deep learning­based 3D point cloud classification: A systematic survey and outlook // Displays. 2023. Т. 79. С. 102456.