隨著RGB-D傳感器和機器人技術的發(fā)展,基于立體視覺的服務機器人得到越來越多的應用。由于服務機器人所處實際環(huán)境中存在光照、遮擋、堆疊等大量不確定性因素,給機器人的視覺感知帶來了不小的挑戰(zhàn)。與傳統(tǒng)計算機視覺不同,機器人視覺在識別物體的同時需要估計其6自由度位姿,為機器人后續(xù)的抓取等操作提供先驗信息。另外,為了機器人與外界更好的交互,系統(tǒng)實時性也是需要重點考慮的因素之一。針對上述問題,利用機器人的可移動性,前人在研究各種單一視角識別算法的同時,提出了多視角主動識別,用以解決場景遮擋帶來的問題。但是對于復雜堆疊環(huán)境,不同視角下能獲取場景物體的表面信息仍然有限,而且實際應用中也往往存在著運動約束、可視約束等局限性。本文主要圍繞智能機器人抓取任務,基于三維彩色點云,對遮擋、堆疊等復雜環(huán)境下如何有效識別與定位場景物體進行研究�？紤]點云物體識別流程的精確性與實時性,本文設計了一種由粗到精的識別框架,在快速識別場景物體的同時,保證了物體識別和位姿計算精度。另外,在場景分割、物體識別的基礎上,對輸出結果進行分析與綜合,通過遮擋檢測與假設置信度分析,為機器人操作提供更高層次的場景信息。本文的主要研究內容如... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【圖文】：

–12017年亞馬遜RoboticsChallenge比賽圖

[5]，圖1–1是 2017 年亞馬遜機器人挑戰(zhàn)賽現(xiàn)場圖。和傳統(tǒng)的計算機視覺相比，機器人視覺系統(tǒng)由于其應用對象及目標任務特殊性，存在獨特的要求和挑戰(zhàn)。比如，機器人視覺更側重實例識別而非類別識別，在識別物體的同時需要同時估計目標的 6 自由度位姿，系統(tǒng)在有限資源條件下既要保證精度又要考慮實時性。機器人抓取任務除了視覺感知部分外，還要同時考慮機器人的控制、規(guī)劃等一系列相關的問題，這樣才能保證最終的系統(tǒng)能夠協(xié)調、有效的運行。傳統(tǒng)的二維圖像識別中，由于缺乏深度信息，一方面難以精確獲得物體的 6 自由度位姿，另一方面，在應對光照變化、復雜背景、物體堆疊、動態(tài)環(huán)境等不確定性情況時難以保證精度。近幾年

[41](Global Hypotheses Verification 或簡稱 GoHV)，綜合幾何信息、異常點與多假設分配等，進行全局優(yōu)化，同時完成多個假設的識別與驗證。圖1–3是結合全局特征與局部特征的識別結果示意圖。文獻 [42] 則通過分層思想，從不同尺度對場景點云進行識別與定位。文獻 [43] 則系統(tǒng)的提出了一個基于點云的物體識別、定位框架，代表了該方面研究的較高水平�！� 6 —


本文編號：3400772