10.19678/j.issn.1000-3428.0058768
基于深度学习的物体点云六维位姿估计方法
物体位姿估计是机器人在散乱环境中实现三维物体拾取的关键技术,然而目前多数用于物体位姿估计的深度学习方法严重依赖场景的RGB信息,从而限制了其应用范围.提出基于深度学习的六维位姿估计方法,在物理仿真环境下生成针对工业零件的数据集,将三维点云映射到二维平面生成深度特征图和法线特征图,并使用特征融合网络对散乱场景中的工业零件进行六维位姿估计.在仿真数据集和真实数据集上的实验结果表明,该方法相比传统点云位姿估计方法准确率更高、计算时间更短,且对于疏密程度不一致的点云以及噪声均具有更强的鲁棒性.
点云;位姿估计;特征融合;深度学习;损失函数
47
TP391(计算技术、计算机技术)
国家自然科学基金51775344
2021-08-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
216-223