图像分割引导的散堆工件结构光三维位姿估计

针对散堆工件场景中点云生成耗时久、位姿估计困难、多类工件混合情形难处理等问题,提出图像分割引导的散堆工件结构光三维位姿估计方法,并基于JAkA Zu3 6-DoF机器人开发散堆工件抓取实验系统。采用YOLACT模型获取散堆工件图像中的工件信息,通过自适应阈值筛选待抓取工件,利用双目结构光生成目标工件所在区域的局部点云,并基于投票匹配算法和迭代最近邻算法估计工件位姿。通过搭建的实验系统对文中方法进行测试。实验结果表明:系统完成目标工件位姿估计时间约为3.641 s,其中,点云计算需0.536 s,点云配准需0.446 s;与其他方法相比,文中方法平均可缩小点云规模44%,点云生成时间平均缩减24%,配准成功率提升至100%。