面向机器人抓取的物体识别及定位技术
发布时间：2021-09-19 01:54
随着RGB-D传感器和机器人技术的发展,基于立体视觉的服务机器人得到越来越多的应用。由于服务机器人所处实际环境中存在光照、遮挡、堆叠等大量不确定性因素,给机器人的视觉感知带来了不小的挑战。与传统计算机视觉不同,机器人视觉在识别物体的同时需要估计其6自由度位姿,为机器人后续的抓取等操作提供先验信息。另外,为了机器人与外界更好的交互,系统实时性也是需要重点考虑的因素之一。针对上述问题,利用机器人的可移动性,前人在研究各种单一视角识别算法的同时,提出了多视角主动识别,用以解决场景遮挡带来的问题。但是对于复杂堆叠环境,不同视角下能获取场景物体的表面信息仍然有限,而且实际应用中也往往存在着运动约束、可视约束等局限性。本文主要围绕智能机器人抓取任务,基于三维彩色点云,对遮挡、堆叠等复杂环境下如何有效识别与定位场景物体进行研究。考虑点云物体识别流程的精确性与实时性,本文设计了一种由粗到精的识别框架,在快速识别场景物体的同时,保证了物体识别和位姿计算精度。另外,在场景分割、物体识别的基础上,对输出结果进行分析与综合,通过遮挡检测与假设置信度分析,为机器人操作提供更高层次的场景信息。本文的主要研究内容如...
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【图文】：
–12017年亚马逊RoboticsChallenge比赛图
[5]，图1–1是 2017 年亚马逊机器人挑战赛现场图。和传统的计算机视觉相比，机器人视觉系统由于其应用对象及目标任务特殊性，存在独特的要求和挑战。比如，机器人视觉更侧重实例识别而非类别识别，在识别物体的同时需要同时估计目标的 6 自由度位姿，系统在有限资源条件下既要保证精度又要考虑实时性。机器人抓取任务除了视觉感知部分外，还要同时考虑机器人的控制、规划等一系列相关的问题，这样才能保证最终的系统能够协调、有效的运行。传统的二维图像识别中，由于缺乏深度信息，一方面难以精确获得物体的 6 自由度位姿，另一方面，在应对光照变化、复杂背景、物体堆叠、动态环境等不确定性情况时难以保证精度。近几年
[41](Global Hypotheses Verification 或简称 GoHV)，综合几何信息、异常点与多假设分配等，进行全局优化，同时完成多个假设的识别与验证。图1–3是结合全局特征与局部特征的识别结果示意图。文献 [42] 则通过分层思想，从不同尺度对场景点云进行识别与定位。文献 [43] 则系统的提出了一个基于点云的物体识别、定位框架，代表了该方面研究的较高水平。— 6 —
本文编号：3400772
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：81 页
【学位级别】：硕士
【图文】：
–12017年亚马逊RoboticsChallenge比赛图
[5]，图1–1是 2017 年亚马逊机器人挑战赛现场图。和传统的计算机视觉相比，机器人视觉系统由于其应用对象及目标任务特殊性，存在独特的要求和挑战。比如，机器人视觉更侧重实例识别而非类别识别，在识别物体的同时需要同时估计目标的 6 自由度位姿，系统在有限资源条件下既要保证精度又要考虑实时性。机器人抓取任务除了视觉感知部分外，还要同时考虑机器人的控制、规划等一系列相关的问题，这样才能保证最终的系统能够协调、有效的运行。传统的二维图像识别中，由于缺乏深度信息，一方面难以精确获得物体的 6 自由度位姿，另一方面，在应对光照变化、复杂背景、物体堆叠、动态环境等不确定性情况时难以保证精度。近几年
[41](Global Hypotheses Verification 或简称 GoHV)，综合几何信息、异常点与多假设分配等，进行全局优化，同时完成多个假设的识别与验证。图1–3是结合全局特征与局部特征的识别结果示意图。文献 [42] 则通过分层思想，从不同尺度对场景点云进行识别与定位。文献 [43] 则系统的提出了一个基于点云的物体识别、定位框架，代表了该方面研究的较高水平。— 6 —
本文编号：3400772
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3400772.html
