一种基于实例分割和点云配准的六维位姿估计方法

• 作者: 侯大伟
• 来源期刊: 信息技术与网络安全
• 关键词: 六维姿态估计 Mask R-CNN实例分割 Super4PCS点云配准
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 人工智能|Artificial Intelligence
• 页码范围: 56-61
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2021.06.010

摘要

本文提出一种基于Mask R-CNN实例分割网络和Super4PCS点云配准算法来估计物体六维姿态的方法.通过目标点云与已知位姿的参考点云进行配准,可以获取目标的六维姿态.但实际中往往采用三维设备扫描目标的整体环境,生成的点云数量庞大,直接作为源点云与参考点云配准时,会由于候选集较多从而导致运算时间太长,因此本文先对目标实例分割处理后再配准:首先,利用深度相机获取整体环境的RGB-D图,其次利用Mask R-CNN模型将把目标分割出来,并将分割的目标RGB-D图转化为点云图,利用Super4PCS点云配准算法与参考点云进行配准,最终得到目标的六维位姿.在自制作的数据集上进行了验证,对比分割前后的四组实验,时间降低率约为60％-80％,有效证明了本方法的可行性.