采用隨機蕨回歸的工業(yè)零件六維姿態(tài)估計.pdf

1、隨著工業(yè)機器入應用領域的不斷發(fā)展，物體的六維位姿估計是成為當下進一步提高自動化水平的一個重要研究內(nèi)容。通過自動化的視覺系統(tǒng)對工業(yè)零件進行位姿估計，可以簡化對機器人操作點位的部署過程，大大解放人力，從而提高工業(yè)生產(chǎn)的效率。本文面向目前柔性制造領域中工業(yè)零部件存在姿態(tài)隨機、存在局部遮擋等問題提出了一套簡單易用的物體六維位姿估計算法框架，其核心思想是通過仿真環(huán)境借助級聯(lián)回歸框架來構建物體位姿估計模型。本文主要研究內(nèi)容與成果如下:
　　歸

2、納整理了隨機蕨算法應用于回歸問題的解決方案，并提出了一種面向大噪聲干擾增加掩碼機制的改進隨機蕨回歸算法。隨機蕨算法在研究初期被用于解決分類問題，具有比隨機森林算法更為優(yōu)秀的精度以及效率，但缺點在于不能應用于回歸問題。本文通過總結(jié)前人經(jīng)驗，給出了隨機蕨算法應用于回歸問題的解決方案。并針對實際問題中很多特征輸入存在較大干擾的情況，提出了一套改進的隨機蕨算法。經(jīng)過本文改進后的隨機蕨算法可以利用較易獲取的特征置信度掩碼進行有選擇作出修正，使得隨

3、機蕨算法在遇到局部大噪聲干擾的情況下仍然可以保持較好的回歸精準度，提升了魯棒性。
　　搭建了一套深度相機仿真環(huán)境平臺，通過借助OpenGL工具，能夠?qū)崿F(xiàn)在短時間內(nèi)給出大量帶有真值標注的仿真深度圖像數(shù)據(jù)。這些仿真數(shù)據(jù)可以用于訓練對應工業(yè)零件的位姿估計模型，從而為物體位姿估計算法開發(fā)提供了高效方便的基礎環(huán)境。該仿真環(huán)境能夠預先加載工業(yè)現(xiàn)場的深度背景信息，同時也可以模擬復雜環(huán)境下物體被隨機遮擋的情況，使得最后得到的仿真深度圖像更為真實以

4、及豐富，從而讓位姿估計模型的訓練結(jié)果與真實數(shù)據(jù)訓練出的模型更為接近。最后還提出了如何對真實深度相機采集到的深度圖像中的空洞進行修補的辦法，進一步縮小了仿真深度圖像與真實深度圖像之間差別。
　　提出了一種像素差特征的圖像特征描述方法和采用改進隨機蕨回歸的物體六維位姿估計算法。首先提出了一種基于深度圖像中的像素差特征的全新深度圖像特征描述方法。該特征描述方法具有非常高的計算效率，同時具有尺度不變性，能夠很好捕捉深度圖像中指定位置的物體