PVANet:针对弱纹理工业零件的像素级6DoF位姿估计方法

摘要

位姿估计在工业场景进行零件的拣选抓取时扮演着非常重要的角色。但是,目前针对杂乱场景下工业弱纹理零件的6DoF(6 Degrees Of Freedom)位姿估计的研究还较少。特别是当这些工件使用相同的材质,且形状相近时,对位姿估计提出了更大的挑战。本文针对杂乱场景下工业弱纹理零件的6DoF位姿估计方法进行了研究。在杂乱场景下,首先使用了针对该场景下工业弱纹理零件位姿数据集的获取方法。接着,提出了一种基于PAVNet网络与注意力机制的学习框架。在该框架中,选用多阶段处理的方法从像素级对目标对象进行特征提取,再通过基于RANSAC的投票算法选出阈值范围内的关键点,最后通过求解这些关键点位置与工件的旋转和平移的关系,由此来估计其位姿。本文通过在公用数据集以及真实数据集上的实验验证了本文提出算法的精度,并且满足了工业应用要求。