计算机工程

作者：李少飞, 史泽林, 庄春刚

单位：上海交通大学 机械与动力工程学院, 上海 200240

关键词：点云,位姿估计,特征融合,深度学习,损失函数

基金：国家自然科学基金（51775344）。

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。

来源：2021年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第8期