基于ROS和點(diǎn)云庫(kù)的室內(nèi)三維物體識(shí)別與姿態(tài)估計(jì).pdf

1、近幾年，伴隨著人工智能、智能家居的快速發(fā)展，越來(lái)越多的服務(wù)型機(jī)器人出現(xiàn)我們的視野中，而在室內(nèi)環(huán)境下的物體識(shí)別與姿態(tài)估計(jì)是服務(wù)機(jī)器人必備的一個(gè)技能。因此，本文以廣東工業(yè)大學(xué)機(jī)器人實(shí)驗(yàn)室的實(shí)驗(yàn)設(shè)備KUKAyouBot機(jī)器人作為研究平臺(tái)，以開(kāi)源機(jī)器人操作系統(tǒng)ROS和點(diǎn)云庫(kù)PCL為工具，利用Kinect作為數(shù)據(jù)源，針對(duì)室內(nèi)環(huán)境下的三維物體識(shí)別與6自由度姿態(tài)估計(jì)問(wèn)題進(jìn)行了深入研究，目的是為機(jī)器人后續(xù)的自主抓夾提供基礎(chǔ)。
　　首先，本文介紹了

2、機(jī)器人平臺(tái)和Kinect深度傳感器的一些基本原理，然后簡(jiǎn)單介紹了ROS和PCL，隨后將獲取到的點(diǎn)云進(jìn)行預(yù)處理，為下一步分割工作做準(zhǔn)備。
　　接著，針對(duì)室內(nèi)環(huán)境有大量平面的特性，利用RANSAC算法提取出平面，再對(duì)剩余部分進(jìn)行聚類(lèi)分割。借助于同一個(gè)物體多視角下模型，使用全局不變幾何特征CVFH來(lái)建立模型數(shù)據(jù)庫(kù)，最后利用HDF5和kd-tree建立索引，采用FLANN進(jìn)行最近鄰匹配以達(dá)到自動(dòng)識(shí)別目標(biāo)聚類(lèi)的效果。
　　然后，要獲取

3、姿態(tài)需要將場(chǎng)景目標(biāo)和數(shù)據(jù)庫(kù)中的模板對(duì)齊，以獲得他們之間的旋轉(zhuǎn)和平移關(guān)系。但這里只能求得5個(gè)自由度，因?yàn)橄鄼C(jī)roll角的變化不會(huì)令CVFH全局幾何特征發(fā)生變化，因此還需要利用CRH來(lái)單獨(dú)計(jì)算roll角。
　　再次，為了使最終的結(jié)果更精確，加入兩個(gè)對(duì)于識(shí)別和姿態(tài)估計(jì)的優(yōu)化步驟。首先利用ICP來(lái)對(duì)對(duì)齊部分進(jìn)行優(yōu)化，接著加入全局假設(shè)驗(yàn)證(Global HypothesisVerification)來(lái)剔除誤判的目標(biāo)。
　　最后，對(duì)深度