一种基于6D位姿估计的零件表面点云采集方法

本发明涉及计算机视觉领域，具体涉及一种基于6D位姿估计的零件表面点云采集方法，包括以下步骤：获取目标物体数字模型数据；根据视觉传感器获取的点云数据估计建立零件与相机间的初始位姿关系矩阵；通过光栅化技术生成不同位姿矩阵下的表面可见点云数据；通过最少视角覆盖算法筛选出最少数量完整点云数据的位资集合；通过运动代价最小算法求出位姿产生运动时的最优路径；采集对应位资下的点云数据并拼接生成完整点云数据。本发明使用了位姿估计的深度学习算法，有效实现了零件与相机间位姿关系的自动精准建模，解决了人工采集点云数据时位姿调整困难、效率低下的问题，同时保障了采集的完整性与快速性，尤其适用于复杂零件的高精度点云数据采集。