基于ROS和点云库的室内三维物体识别与姿态估计

摘要

近几年，伴随着人工智能、智能家居的快速发展，越来越多的服务型机器人出现我们的视野中，而在室内环境下的物体识别与姿态估计是服务机器人必备的一个技能。因此，本文以广东工业大学机器人实验室的实验设备KUKAyouBot机器人作为研究平台，以开源机器人操作系统ROS和点云库PCL为工具，利用Kinect作为数据源，针对室内环境下的三维物体识别与6自由度姿态估计问题进行了深入研究，目的是为机器人后续的自主抓夹提供基础。
　　首先，本文介绍了机器人平台和Kinect深度传感器的一些基本原理，然后简单介绍了ROS和PCL，随后将获取到的点云进行预处理，为下一步分割工作做准备。
　　接着，针对室内环境有大量平面的特性，利用RANSAC算法提取出平面，再对剩余部分进行聚类分割。借助于同一个物体多视角下模型，使用全局不变几何特征CVFH来建立模型数据库，最后利用HDF5和kd-tree建立索引，采用FLANN进行最近邻匹配以达到自动识别目标聚类的效果。
　　然后，要获取姿态需要将场景目标和数据库中的模板对齐，以获得他们之间的旋转和平移关系。但这里只能求得5个自由度，因为相机roll角的变化不会令CVFH全局几何特征发生变化，因此还需要利用CRH来单独计算roll角。
　　再次，为了使最终的结果更精确，加入两个对于识别和姿态估计的优化步骤。首先利用ICP来对对齐部分进行优化，接着加入全局假设验证(Global HypothesisVerification)来剔除误判的目标。
　　最后，对深度相机和机器人进行标定，在获得物体位姿后利用机械臂运动学反解得到关节角，进行了仿真分析，验证识别流程和姿态估计方案的有效性，充分提高了机器人的智能化水平。

目录

摘要

第一章 绪论

1．1 课题研究背景和意义

1．2 国内外研究现状

1．3 本课题的来源与研究内容

第二章 基于Kinect的点云提取与预处理

2．1 引言

2．2 机器人硬件平台及其视觉系统

2．3 机器人操作系统ROS及点云库PCL简介

2．4 点云的预处理

2．5 本章小结

第三章 平面分割与目标自动提取

3．1 引言

3．2 基于RANSAC的平面分割

3．3 聚类分割

3．4 目标自动提取

3．4．1 特征描述算子

3．4．2 基于kd-tree和FLANN的特征匹配

3．5 本章小结

第四章 实时位姿估计

4．1 引言

4．2 场景目标与模板库对齐

4．3 CRH的原理与计算

4．4 ICP优化

4．5 假设验证优化

4．6 实验与讨论

4．7 本章小结

第五章 相机标定、移动机械臂的抓取

5．1 三维相机的标定

5．1．1 三维相机的内参数标定

5．1．2 三维相机的外参数标定

5．2 抓取目标路径规划

5．3 本章小结

总结与展望

参考文献

声明

致谢