在自动分拣领域，机器视觉技术起到举足轻重的作用，本文采用一种基于三维点云处理技术的方法对工件进行识别和匹配，从而从生产线上的杂乱工件堆中分拣出目标工件。首先，利用激光传感器采集密集点云，得到识别区域的三维点云数据。其次，进行点云数据的去噪和过滤，对去噪后的点云计算法线向量，再进行体素格子下采样获得关键点，减少计算量。再次，对关键点计算法线方向的直方图特征描述子，从而获取目标点云和场景点云相关联的描述符，使用K近邻树状结构搜索算法，基于欧几里德距离找到相似的描述符，并添加到关联集中。再者，调用聚类算法，基于霍夫投票算法获得场景中的与目标点云匹配的局部点云集，然后使用点云匹配算法迭代最近点算法进行目标点云与锁定的局部点云集进行匹配。最后，为了减少错误率，使用全局假设验证算法过滤掉错误的点，并标定识别到的目标进行可视化输出。该方法相对于一般算法，实现对目标的高效匹配，提高了识别的时间和精度。
关键词 :三维点云识别，目标识别，机器视觉，点云处理技术，点云匹配
Copyright © 2019 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
目前，随着自动化程度的提高，机器人导航、工业零件检测及抓取等众多领域对计算机视觉系统的要求越来越高 [
