结合局部特征匹配和点云配准的姿态估计网络OA

目的现有的物体六自由度姿态估计方法侧重于处理已训练过的对象,针对未知物体纹理细节较弱或在有遮挡、光照复杂的非结构化环境中的六自由度姿态估计仍是一个具有挑战性的问题。方法提出了一个物体六自由度姿态估计的网络,首先通过局部特征匹配获取图像对中足够多的匹配点对;其次,通过传感器读取匹配点对的深度信息得到相应点云数据并将其作为后续点云精准配准的初始点云进行配准,最终得到源点云相对于目标点云的旋转矩阵和平移向量,即未知物体在机器人坐标系下的六自由度姿态。结果该网络在基准数据集上估计的6D姿态结果较好,dADD-S值为80.0%;在Occlusion Linemod数据集上dADD-S值也达到了78.0%,均表现出了非常优异的性能。结论该网络泛化性比较好,不仅能够准确地估计严重遮挡、背景杂波和光照差等条件下物体的六自由度姿态,而且对随机噪声也具有较好的鲁棒性。