江南大学物联网工程学院, 江苏 无锡 214122
现有的三维物体识别和位姿估计方法无法很好地用于散乱堆放物体的场景,尤其是有严重遮挡和混叠的场景。使用基于点对特征的点云匹配和位姿估计算法,针对工业环境中乱序物体的特点,进行了一系列改进,如场景点云法线方向一致性调整、抓取位姿筛选策略调整、旋转对称引起的角度偏差调整,以取得更理想的位姿估计结果。在仿真环境和真实场景下进行了一系列实验,实验结果表明,所采用的算法在乱序物体场景中的位姿估计效果比较理想。
机器视觉 点对特征 点云匹配 位姿估计 散乱堆放 旋转对称物体 激光与光电子学进展
2020, 57(18): 181508
鲁荣荣 1,2,3,4,5,**朱枫 1,2,4,5,*吴清潇 1,2,4,5陈佛计 1,2,3,4,5[ ... ]孔研自 1,2,3,4,5
1 中国科学院沈阳自动化研究所, 辽宁 沈阳 110016
2 中国科学院机器人与智能制造创新研究院, 辽宁 沈阳 110016
3 中国科学院大学, 北京 100049
4 中国科学院光电信息处理重点实验室, 辽宁 沈阳 110016
5 辽宁省图像理解与视觉计算重点实验室, 辽宁 沈阳 110016
针对基于原始点对特征的三维目标识别算法中存在的内存浪费、效率不高的问题,提出了一种基于增强型点对特征的三维目标识别算法。通过在原始点对特征的第4个分量上乘以一个符号函数,得到了一种区分性更强的点对特征,消除了原始点对特征存在的二义性。考虑到待识别目标三维模型存在的自遮挡,利用点对之间的视点可见性约束,剔除了目标三维模型哈希表中存在的大量冗余点对,节省了内存开销并提高了三维目标识别算法的识别准确率和效率。在开放数据集和实际采集的数据集上的实验结果表明,与基于原始点对特征的算法相比,所提三维目标识别算法在识别准确率和效率上都有一定程度的提升。
机器视觉 点对特征 三维目标识别 可见性约束 
