复杂场景点云数据的6D位姿估计深度学习网络
针对工业上常见的弱纹理、散乱摆放复杂场景下点云目标机器人抓取问题,该文提出一种6D位姿估计深度学习网络.首先,模拟复杂场景下点云目标多姿态随机摆放的物理环境,生成带真实标签的数据集;进而,设计了6D位姿估计深度学习网络模型,提出多尺度点云分割网络(MPCS-Net),直接在完整几何点云上进行点云实例分割,解决了对RGB信息和点云分割预处理的依赖问题.然后,提出多层特征姿态估计网(MFPE-Net),有效地解决了对称物体的位姿估计问题.最后,实验结果和分析证实了,相比于传统的点云配准方法和现有的切分点云的深度学习位姿估计方法,所提方法取得了更高的准确率和更稳定性能,并且在估计对称物体位姿时有较强的鲁棒性.
点云、深度学习、位姿估计
44
TP391.4(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;中央引导地方科技发展资金项目
2022-06-01(万方平台首次上网日期,不代表论文的发表时间)
共11页
1591-1601