机器人

作者：王德明, 颜熠, 周光亮, 李勇奇, 刘成菊, 林立民, 陈启军

关键词：3维物体识别, 位姿估计, 弱纹理物体, RGB-D, 实例分割, 分拣系统

针对工业上常见的弱纹理、散乱堆叠的物体的检测和位姿估计问题，提出了一种基于实例分割网络与迭代优化方法的工件识别抓取系统．该系统包括图像获取、目标检测和位姿估计3个模块．图像获取模块中，设计了一种对偶RGB-D相机结构，通过融合3张深度图像来获得更高质量的深度数据；目标检测模块对实例分割网络Mask R-CNN（region-based convolutional neural network）进行了改进，同时以彩色图像和包含3维信息的HHA（horizontal disparity，height above ground，angle with gravity）特征作为输入，并在其内部增加了STN（空间变换网络）模块，提升对弱纹理物体的分割性能，结合点云信息分割目标点云；在目标检测模块的基础上，位姿估计模块利用改进的4PCS（4-points congruent set）算法和ICP（迭代最近点）算法将分割出的点云和目标模型的点云进行匹配和位姿精修，得到最终位姿估计的结果，机器人根据此结果完成抓取动作．在自采工件数据集上和实际搭建的分拣系统上进行实验，结果表明，该抓取系统能够对不同形状、弱纹理、散乱堆叠的物体实现快速的目标识别和位姿估计，位置误差可达1 mm，角度误差可达1°，其性能可满足实际应用的要求．

来源：2019年第5期

《机器人》期刊编辑部

查看机器人杂志2019年第5期