一种多模块神经网络与遗传算法相结合的单目位姿估计方法

摘要：

针对机器人抓取场景中存在的工件位姿不确定、堆叠遮挡等问题,提出一种多模块神经网络与遗传算法相结合的单目位姿估计方法,实现由目标工件检测到平面定位、再到位姿全方位立体匹配的逐级优化过程.首先,利用神经网络识别工件并分割工件区域,结合预测的中心位置构建L形边界,从而得到工件投影的局部有效模型.然后提取工件区域内的边缘信息来生成基于倾角分层的倒角距离函数,结合局部有效模型的形状构建匹配度函数,以适应遮挡情况.采用大范围搜索和小范围优化相结合的策略,利用遗传算法实现6D位姿的快速收敛.基于ArUco码对工件进行数据集构建和实验测试,结果表明该方法能在0.5 s左右实现对工件的位姿估计,在420mm的观察距离下,横向平移误差能控制在1 mm左右,旋转角度平均误差控制在2.以内.通过实验对比分析可知,本方法能有效应对复杂环境下工件位姿的准确估计,提升机器人工作效率.

关键词：机器人抓取、单目相机、位姿估计、神经网络、遗传算法、遮挡

所属期刊栏目：45

分类号：TP242(自动化技术及设备)

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：187-196,237