扬州网站开发,网站设计合理,网页制作模板html,网络营销站点推广的方法作者#xff1a;仲夏夜之星来源#xff1a;公众号 3D视觉工坊链接#xff1a;基于投票方式的机器人装配姿态估计论文题目#xff1a;《Voting-Based Pose Estimation for Robotic Assembly Using a 3D Sensor》这篇文章被发表在2012年的IEEE International Conference on R…作者仲夏夜之星来源公众号 3D视觉工坊链接基于投票方式的机器人装配姿态估计论文题目《Voting-Based Pose Estimation for Robotic Assembly Using a 3D Sensor》这篇文章被发表在2012年的IEEE International Conference on Robotics and Automation上。摘要本文提出了一种基于投票的适用于三维传感器的位姿估计算法能够快速代替机器人行业、计算机视觉和游戏应用程序中二维相应的算法。最近研究表明在投票框架中一对有方向的三维点即物体表面上的点有其对应的法线可以实现快速和鲁棒的位姿估计。尽管定向表面点对于有足够曲率变化的对象具有辨别能力但对于许多工业和现实生活中大部分平面的对象来说它们不够紧凑和辨别能力强。由于边缘在二维配准中起关键作用深度不连续性在三维中起关键作用。在本文中我们研究和发展了一组姿态估计算法以更好地利用这一边界信息。除了有方向的表面点我们使用了另外两个基本元素有方向的边界点和边界线段。实验表明这些经过精心选择的原语编码的信息更紧凑从而为广泛的工业零件提供更高的精度并使得计算速度更快本文使用提出的算法和一个3D传感器来演示了一个实用的机器人捡货系统。一、拣货系统概述图1如上图左边所示展示了捡箱系统的设置。本系统使用一个附在六轴工业机器人手臂上的3D传感器来估计随机放置在箱子里的物体的姿态。3D传感器是基于结构光使用红外激光并提供三维数据作为像素的深度图。3D传感器相对于机器人手臂进行校准从而允许使用估计的姿态抓取和挑选对象。右图为算法流程图本系统使用3D传感器扫描对象的箱子给定目标物体的三维CAD模型使用基于投票的算来扫描三维点云对目标物体进行检测和姿态估计这提供了多个粗的位姿假设。该系统选择几个最优位姿假设并使用ICP算法的变体对其进行单独的优化。该算法利用当前位姿估计对CAD模型进行渲染并通过对渲染模型表面的采样生成三维点。然后为模型中的每个三维点计算扫描点云中最近的三维点并利用三维点对应更新姿态估计。改进后的配准误差由对应场景与模型点之间的平均距离给出当投票算法计算出的粗位姿不正确或者由于被其他物体遮挡而丢失部分物体时配准误差会很大。如果配准误差很小并且机器人手臂能安全地到达估计的姿态系统就会抓取目标。二、投票位姿估计A.点对特征1S2S — Surface-to-Surface2B2B — Boundary-to-Boundary3S2B — Surface-to-Boundary4L2L — Line-to-Line图2B.物体表示C.投票机制在计算点对特征并构造哈希表结构的基础上通过计算场景对特征与一组对应的模型对特征之间的刚体变换找到提出假设为了提高搜索效率本文采用了投票方案利用局部坐标将投票空间缩减为2D空间。首先在哈希表中搜索场景点对其中是来自场景的基元集并找到对应的模型点对, 然后将点对的参考点对准中间坐标系如图3所示。为了完全对齐对参考点和应该通过围绕法线旋转物体来对齐。计算平面旋转角度后局部坐标由参考模型点对与平面旋转角度定义,到的变换为:图3DL2L点对的投票机制图4E位姿聚类本文采用的是欧式聚类首先对原始的pose假设按投票数的降序排序从最高的投票中创建了一个新的集群。如果下一个位姿假设靠近一个已有的簇则将该假设添加到簇中簇中心更新为簇内位姿假设的平均值。如果下一个假设不接近任何一个集群它就会创建一个新的集群。在平移和旋转过程中采用固定阈值进行近似测试。平移距离计算和均值化在三维欧几里得空间中进行旋转距离计算和均值化使用四元数表示。聚类后对聚类按总票数的递减顺序进行排序总票数决定了估计姿态的置信度。三、实验结果1合成数据2真实数据论文下载方式在公众号「3D视觉工坊」后台回复「机器人装配姿态估计」即可获得论文下载链接。参考文献[1] C. Choi and H. I. Christensen, “Robust 3D visual tracking using particle filtering on the SE(3) group,” in ICRA, 2011.[2] R. Raskar, K. Tan, R. Feris, J. Yu, and M. Turk, “Non-photorealisticcamera: Depth edge detection and stylized rendering using multi-flash imaging,” ACM Trans. Graphics, vol. 23, pp. 679–688, 2004.本文仅做学术分享如有侵权请联系删文。往期干货资源汇总 | 国内最全的3D视觉学习资源涉及计算机视觉、SLAM、三维重建、点云处理、姿态估计、深度估计、3D检测、自动驾驶、深度学习3D2D、图像处理、立体视觉、结构光等方向汇总 | 3D目标检测基于点云、双目、单目汇总 | 6D姿态估计算法基于点云、单目、投票方式汇总 | 三维重建算法实战单目重建、立体视觉、多视图几何汇总 | 3D点云后处理算法匹配、检索、滤波、识别汇总 | SLAM算法视觉里程计、后端优化、回环检测汇总 | 深度学习自动驾驶前沿算法研究检测、分割、多传感器融合汇总 | 相机标定算法汇总 | 事件相机原理汇总 | 结构光经典算法汇总 | 缺陷检测常用算法与实战技巧
