当您获得本文档时，可至 RVS 开发者社区下载 model_matching.zip 3D 模型匹配教程配套数据。解压后其内容应包括：

其中本案例中需要用到的有：

• RVSCommonGroup：常用的 Group 组，根据需要加载。

• new_model.pcd：该文件为制作完成的模板点云文件。

• match_model.rvs：用于离线模板匹配，使用时需要更新 ReadDirectoryNames 算子中离线数据的路径和 LoadModelCloud 算子中的模板点云文件。使用时先点击交互面板中 start 按钮启动工程后，再点击 iterate 按钮迭代 test_data 中的离线数据。

• test_data：用于模板匹配数据的加载，使用时请注意路径正确。

• workpiece.obj：用于create_model.xml中 Load-Polydata 算子加载的 3D 模型文件。（RVS支持的模型文件格式有：*.ply *.stl *.obj *.gltf *.glb。如果当前拥有的模型文件格式不符，需要提前完成转换。）

案例所有使用到的文件均保存在 model_matching 下，请放在 RVS 安装目录下的 projects 内运行。如：

说明：若在windows版本，请放在 RVS 安装目录下运行即可。

说明：如不想调整工程项目中的文件路径。可以将 model_matching 重命名为 runtime 。

注：本文档所使用RVS软件版本为1.8.259，若在使用中出现问题或版本不兼容问题，请及时与我们反馈，发送邮件 rvs-support@percipio.xyz ！

模板点云生成

在模板匹配流程中，需要用到模板点云。在拥有 3D 模型文件的前提下，我们需要根据 3D 模型生成模板点云，并对点云进行预处理、调整并保存。本章节主要介绍如何使用制作点云模板工具生成模板点云，包括以下步骤：

1. 网格采样：根据给定的 3D 模型创建点云。

2. 模板点云生成：划分点云中合适的工作区域并调整模板点云物体面与坐标系。

3. 保存点云：保存模板点云。

网格采样

加载 3D 模型文件，使用制作点云模板中网格采样将其转化为点云。

操作步骤

1. 点击菜单栏中的打开制作点云模板界面，然后点击图标进入网格采样的设置界面。

   

2. 点击图标加载点云模型(workpiece.obj)。

   

3. 点击打开参数表格面板，进行参数调整：

   • leaf_size → 0.001

   • sample_points → 10000

   

4. 点击图标完成网格采样。

   

模板点云生成

模板点云要求

1. 将 3D 模型转化为点云后，根据模板匹配的作业要求，需切割点云，只保留模型点云的上表面作为工作区域。

2. 模板匹配算子（ Match3D 算子）要求输入的模板点云与实际来料物体点云的 Oxy 平面平行，且模板点云中心在 RVS 的 3D 世界坐标系的原点。

   由于实际来料物体点云位于机器人坐标系下，而机器人坐标系与 RVS 中的 3D 世界坐标系重合。因此，将模板点云进行空间变换，使得其姿态的 Oxy 平面平行于 RVS 3D 世界坐标系的 Oxy 平面，且点云中心在 RVS 的 3D 世界坐标系的原点，即可满足 Match3D 算子的输入要求。

操作步骤：

1. 点击 进入点云修改界面。

   

2. 将立方体包围住所需的点云。鼠标点击立方体以显示旋转轴，通过拖拽进行旋转和移动至指定区域，也可以在左侧填写参数来移动和旋转立方体。

   

3. 点击图标进行裁剪。裁剪完成后在视图中显示结果。

   

4. 点击 将模板点云中心移动至 RVS 的 3D 世界坐标系的原点。

   

5. 将点云 RY 值填写 3.141926，将模板点云绕着 Y 轴旋转180°，使得模板点云 Oxy 平面与实际来料物体点云的 Oxy 平面平行。

   

保存点云

根据调整点云的流程后，我们获得了点云中心在RVS 中的 3D 世界坐标系原点的模板点云，现在保存该模板点云，以便在模板匹配中使用。

操作步骤：

1. 点击 导出制作好的模板点云，输入文件名称，点击保存。

运行结果

此时可以在 runtime 目录下看到保存的 “new_model.pcd” 。

模板匹配

在创建好模板点云后，可以进行模板匹配工作。本案例中主要依赖于 Match3D 算子进行模板匹配，Match3D 算子需要准备模型点云、场景点云。

本章节主要介绍如何进行模板匹配，包括以下步骤：

1. 模板点云准备：加载模板点云。对点云进行稀疏化处理，提高算子执行效率。

2. 目标点云准备：本案例有多组离线测试数据，用 Foreach-String 算子遍历读取目标点云名称，并用 Load 算子加载对应目标点云。

3. 目标点云预处理：去除目标点云中的背景点云（如地面）。

4. 模板匹配：Match3D 算子获得结果坐标，将模板点云根据该 pose 进行空间变换后与目标点云重合。

模板点云准备

加载模板点云。对点云进行稀疏化处理，提高算子执行效率。

操作步骤：

说明：可直接使用 model_matching/ 路径下的 match_model.rvs 进行模板匹配。也可按照以下步骤自行连接。

1. 新建工程项目match_model.rvs。（可直接导入 model_matching/RVSCommonGroup 目录下的 LoadModelCloud.group，注意文件路径）

2. 在算子图中创建一个新的 Group 。添加 Trigger、Load、Emit、DownSampling 算子。

3. 设置算子参数。

   • 设置 Group 参数：算子名称 → LoadModelCloud

   • 设置 Trigger 算子参数：类型 → InitTrigger

   说明：用于自动触发 LoadModelCloud 算子和 Emit 算子。

   • 设置 Load 算子参数：

     • 算子名称 → LoadModelCloud

     • 类型 → 点云

     • 文件 → new_model.pcd ( 已保存的 new_model.pcd 的文件路径，注意文件路径 )

     • 点云 → 可视 → 90

   • 设置 Emit 算子参数：

     • 类型 → 坐标

     • 坐标 → 0 0 0 0 0 0

     • 坐标 → 可视

     说明：生成基于RVS 3D世界坐标原点Pose(0,0,0,0,0,0)。

   • 设置 DownSampling 算子参数：

     • 算子名称 → DownSampling_model

     • 类型 → DownSample

     • X方向采样 → 0.002

     • Y方向采样 → 0.002

     • Z方向采样 → 0.002

     说明：表示在0.002m * 0.002m * 0.002m的空间尺度内仅取一个点。

4. 连接算子。

   

5. 点击 RVS 运行按钮。

运行结果

如下图所示，在 3D 视图中显示加载的模板点云和生成的原点 pose，此时的原点pose也是点云的中心点。

目标点云准备

加载测试数据，本案例有多组离线数据，因此需要使用 Foreach-String 算子进行遍历加载目标点云文件。

操作步骤：

1. 添加 Trigger（2个）。

   • 设置 Trigger 算子参数：

     • 算子名称 → start

     • Trigger →

   • 设置 Trigger_1 算子参数：

     • 算子名称 → iterate

     • Trigger →

2. 在算子图中创建一个新的 Group 。（可以直接导入 model_matching/RVSCommonGroup 目录下的 LoadTargetCloud.group，注意文件路径）

3. 添加 DirectoryOperation、Foreach、Emit（2个）、Load（2个）算子。

   • 设置 Group 参数：算子名称 → LoadTargetCloud

   • 设置 DirectoryOperation 算子参数：

     • 类型 → ReadDirectory

     • 父目录 → test_data （如果您是直接加载已有的match_model.xml，注意文件路径）

     说明：这步操作用于加载离线数据文件夹。

   • 设置 Foreach 算子参数：类型 → 字符串

   • 设置 Emit 算子参数：

     • 算子名称 → image_name

     • 类型 → 字符串

     • 字符串 → /rgb.png

   • 设置 Load 算子参数：

     • 算子名称 → LoadImage

     • 类型 → 图像

     • 字符串 → 可视

   • 设置 Emit_1 算子参数：

     • 算子名称 → cloud_name

     • 类型 → 字符串

     • 字符串 → /cloud.pcd

   • 设置 Load_1 算子参数：

     • 算子名称 → LoadPointCloud

       类型 → 点云

     • 点云 → 可视

4. 在交互面板中添加 2 个输入工具——“按钮”控件，鼠标双击重新命名→ start 和 iterate 。鼠标中键点击按钮，选择同名的曝光属性绑定。

   

5. 连接算子。

   

6. 点击 RVS 运行按钮。点击面板上的start按钮时，触发后续算子。当点击面板上 iterate 按钮时，遍历 test_data 文件夹中的离线数据。

运行结果

如下所示，在 2D 视图中显示当前遍历的图像，在 3D 视图中显示当前遍历的点云。

点云预处理

加载测试点云数据后，需要剔除背景点云，筛选出工作区域。

操作步骤：

步骤1：裁剪点云，筛选出工作区域

1. 添加 Emit 、CloudSegment 算子至算子图。

2. 设置算子参数。

   • 设置 Emit 算子参数：

     • 算子名称 → EmitCube

     • 类型 → 立方体

     • 坐标→ -0.126006 -0.085611 0.621984 -3.141590 -3.117050 3.035830

     • 宽度 → 0.5

     • 高度 → 0.5

     • 深度 → 0.2

     • 立方体 → 可视

   • 设置 CloudSegment 算子参数：

     • 类型 → 立方体切割

     • 点云 → 可视 → 90

     说明：CloudSegment 算子用于根据给定的立方体切割出所需要的点云。

3. 连接算子 。

   

4. 点击 RVS 运行按钮。点击面板上 start按钮。

运行结果

如下图所示，下图为裁剪框前后的点云。左图为切割前点云，中间图为生成的 立方体，右图为切割后点云（绿色部分）。

模板匹配

经过上述步骤后，已经准备好了模型点云、场景点云，此时，我们需要使用 Match3D 算子获得最优变换结果坐标 ，将模板点云根据该 pose 进行空间变换后与目标点云重合。

操作步骤：

1. 添加 Match3D 、Transform 算子至算子图。

2. 连接算子。

   

3. 右击 Match3D 算子，打开匹配3D面板：

   • downsampling → 勾选

   • downsampling_leaf → 0.002

   • initial_guess_step → 4

     

4. 点击匹配3D面板中加载点云，加载场景点云。

   

5. 点击匹配3D面板中预处理，将场景点云进行降采样处理，提高算子执行效率。

   

6. 勾选匹配3D面板中显示初值猜测坐标，点云 模型点云 Oxy 和场景点云 Oxy 平面平行，但可能出现标点云 X（Y）轴转化成目标点云 Y（X）轴。因此，场景点云的最小包围框中心点坐标 ，沿着其 z 轴依次旋转 90 度总共获得 4 个 pose ，全部作为初始推测值，则可保证 4 个 pose 中必有一个接近真实值。

   

7. 勾选匹配3D面板中显示结果，显示匹配结果。

   

8. 当匹配结果符合要求时，点击√保存面板参数值设置。

   

9. 设置 Transform 算子参数：

   • 类型 → 点云

   • 点云 → 可视 →180

10. 点击 RVS 运行按钮，点击面板上的start按钮，匹配开始。点击面板上 iterate 按钮时，迭代离线数据中的目标点云进行模板匹配。

运行结果

如下图所示。在 3D 视图中最终显示原始色彩点云为目标点云，红色为匹配前模板点云，蓝色为匹配后点云。

至此您已经完成了本文档的所有内容，感谢您的耐心查阅，相信您一定对于 RVS 软件已有所了解，可以自主创造属于您的独特项目，若在使用中出现问题，请及时与我们反馈，发送邮件rvs-support@percipio.xyz！