基于自适应子模式流形学习的三维工件位姿估计方法

为了实现复杂工业环境中单目视觉三维工件的实时精确定位,提出了一种基于自适应子模式流形学习(SP-IVP)的三维工件位姿估计方法.给出了通过非线性降维框架和重构高维空间的流形构建方法,获得最优保持本质变量连续性的低维特征子空间;实现了基于该流形构建方法的工件位姿估计;进而给出了自适应子模式的分割规则,并提出了遮挡情况下基于SP-IVP的工件位姿估计方法.以3种常见工件为试验对象,水平旋转和垂直旋转为零件的本质变量,完成了遮挡以及无遮挡情况下的工件位姿估计.结果表明:所提出方法的平均位姿估计时间为73.6 ms,可满足实时处理的需求;螺丝钳、曲柄轴和圆柱体定位准确率为95.4%,96.1%,98.4%;在不同遮挡情况下,新方法的识别率高于其他方法,并且进行子模式分割的识别率高于不进行子模式分割的方法.