科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出一种基于Mask R-CNN实例分割网络和随机采样一致性（SAC-IA）结合最邻近迭代（ICP）点云配准算法来估计无序堆叠场景下物体6D姿态的方法。在无序分拣中物体是堆叠散乱的，通过目标点云对场景点云匹配由于场景点云数据量大存在耗时、准确率低的问题。因此本文使用相机获取到的彩色图作输入Mask R-CNN神经网络分割物体得到单个物体的二值化掩膜，并将掩膜利用深度相机D415获取到的深度信息重建为点云数据。对包含单一物体点云信息的场景点云进行位姿估计能大大减少计算量并使用ISS关键点检测算法与FPFH特征描述提高匹配准确率，使用欧拉角改进的SAC-IA配准算法对物体的位姿进行粗配准，最后使用改进的ICP配准算法对目标点云进行精配准，最终得到物体的位姿。经实验验证，在无序分拣的应用场景中本文提出的方法能准确估计物体位姿。
- 单位
