科研之友
微信
新浪微博
Facebook
分享链接
摘要
在无序工件抓取场景中，待抓取的工件处于散乱、堆叠的状态，抓取难度较大，传统配准算法精度不高。针对工件存在堆叠和点云数据含有噪声的场景下，无序工件点云配准的准确性不高的问题，研究提出基于PointNet改进的三维点云配准算法对无序工件进行位姿估计。算法用于模板点云和目标点云的特征提取和匹配，并结合ICP算法求解无序工件的位姿参数，最后通过迭代方式提高点云配准精度。采用结构光相机作为点云数据采集设备，以多种不同形状的工业零件作为配准对象，将采集得到的场景点云数据进行点云配准。实验制作并使用无序工件数据集（WorkpiecesDataSet）训练并测试点云配准网络的性能。实验表明，提出的网络模型（i-SAM）在点云配准任务中具有较小的旋转和平移误差，点云模型数据的误差为（0.783,0.011），场景点云数据的配准误差为（1.269,0.016）。与主流算法相比，对含有噪声和不完整的点云具有较强的鲁棒性。
- 单位
